Predictive Modeling of Student Dropout Rates at the General Eloy Alfaro Higher Technological Institute, Ecuador
DOI:
https://doi.org/10.35381/i.p.v8i14.5061Keywords:
School dropout, higher education, university student, quantitative analysis, social study, (UNESCO Thesaurus)Abstract
Student dropout rates affect retention and completion rates in higher education. The objective of this study was to develop a predictive model of student dropout using logistic regression and multivariate analysis at the General Eloy Alfaro Higher Technological Institute. The research employed a quantitative approach, a non-experimental design, and a retrospective methodology, utilizing institutional records of 684 students from the 2021-I to 2025-I periods. Academic, sociodemographic, socioeconomic, and institutional variables were analyzed using bivariate analysis, multicollinearity assessment, and binary logistic regression. The results showed that academic variables were significantly associated with dropout in the initial analysis; however, after VIF-based variable screening, the final model consisted of gender, student occupation, and grouped marital status. The model achieved an accuracy of 0.665 and an AUC of 0.6623. It is concluded that logistic regression can support institutional monitoring of at-risk students.
Downloads
References
Abdulkareem Shafiq, D., Marjani, M., Ariyaluran Habeeb, R., & Asirvatham, D. (2022). Student Retention Using Educational Data Mining and Predictive Analytics: A Systematic Literature Review. 10. https://n9.cl/y0zl6k
Aguilar Reyes, J. E., Mejía Peñafiel, E. F., Morocho Barrionuevo, T. P., & Velasco Castelo, G. M. (2025). Estudio del rendimiento académico mediante la comparación de modelos de regresión y árboles de clasificación. Telos, 27(1), 94-115. https://n9.cl/l6vpcu
Alcaraz González, R., Morales Benítez, B., González García, M., & Paredes Medina, I. (23 de 9 de 2024). Modeling School Dropout at the Faculty of Tourism of UAGro through Logistic Regression. Revista RELEP – Educación y Pedagogía en Latinoamérica, 6(3), 17–30. https://n9.cl/d7bjb
Aulck, L., Velagapudi, N., Blumenstock, J. E., & West, J. (2016). Predicting Student Dropout in Higher Education. https://n9.cl/fg8t7
Cárdenas Matute, J. M., Valle Franco, A., & Tapia Segarra, J. I. (2023). Factores que inciden en la deserción estudiantil en la unidad académica de Ciencias Sociales de la Universidad Católica de Cuenca. ConcienciaDigital, 6(3), 30-48. https://n9.cl/kk7ewm
Carvajal, C. M., González, J. A., & Sarzoza, S. J. (2018). Variables Sociodemográficas y Académicas Explicativas de la Deserción de Estudiantes en la Facultad de Ciencias Naturales de la Universidad de Playa Ancha (Chile). Formación universitaria, 11(2), 3-12. https://n9.cl/likymg
Fernández Casal, R., Costa Bouzas, J., & Oviedo de la Fuente, M. (2024). Métodos predictivos de aprendizaje estadístico. https://n9.cl/jwrqt
Gutiérrez Monsalve, J. A., Garzón, J., & Segura Cardona, A. M.(2021). Factores asociados al rendimiento académico en estudiantes universitarios. Formación universitaria, 14(1), 13-24. https://n9.cl/r4kkt
Hosmer Jr, D., Lemeshow, S., & Sturdivant, R. (2013). Applied Logistic Regression (3rd Edition). https://n9.cl/mem1hx
Morales, L. A., Xicoténcatl Ramírez, G., Ibarra Corona, M. A., & García Reyes, D. A. (2024). Factores y estrategias que influyen en la deserción en educación superior: Revisión sistemática. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 15(29). https://n9.cl/3cp3y
Nigri, A., Bilancia, M., & Cafarelli, B. (2025). Modelling higher education dropouts using sparse and interpretable post-clustering logistic regression. https://n9.cl/fi78x
Quincho Apumayta, R., Flores Poma, I., Salazar Mucha, W. C., Cárdenas Flores, K., Cárdenas Flores, J., & Goyas Baldoceda, A. M. (2025). Trayectorias truncadas: factores críticos en la deserción universitaria desde una perspectiva sistémica. e-Revista Multidisciplinaria del Saber,3. https://n9.cl/nlzm7
Rodríguez, A., Espinoza, J., Ramírez, L., & Ganga, A. (2018). Deserción Universitaria: Nuevo Análisis Metodológico. Formación universitaria, 11(6), 107-118. https://n9.cl/u901c
Salmerón Gómez, R., & Rodríguez Martínez, E. (2017). Métodos cuantitativos para un modelo de regresión lineal con multicolinealidad. Aplicación a rendimientos de letras del tesoro. 24, 169-189. https://n9.cl/dr7r7
Salmerón, R., García, C., & García, J. (2020). Overcoming the inconsistencies of the variance inflation factor: A redefined VIF and a test to detect statistical troubling multicollinearity. https://n9.cl/r61ld
Villegas, R., Núñez, L., & Luis, A. (2024). Factores asociados a la deserción estudiantil en el ámbito universitario. Una revisión sistemática 2018-2023. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(28). https://n9.cl/ktxm7
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Ana María Pilco-Salazar, Sayuri Monserrath Bonilla-Novillo
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
CC BY-NC-SA : Esta licencia permite a los reutilizadores distribuir, remezclar, adaptar y construir sobre el material en cualquier medio o formato solo con fines no comerciales, y solo siempre y cuando se dé la atribución al creador. Si remezcla, adapta o construye sobre el material, debe licenciar el material modificado bajo términos idénticos.
OAI-PMH URL: https://fundacionkoinonia.com.ve/ojs/index.php/ingeniumetpotentia/oai
