Esta propuesta plantea la selección de variables que influyen en la predicción del rendimiento en estudiantes de ingeniería industrial de la Universidad Distrital (Colombia) por diferentes metodologías: filtro, envoltura e integrados. Se implementaron algoritmos de clasificación a través del lenguaje de programación Python como árbol de decisión, K vecinos más cercanos, perceptrón y otros, los cuales son comparados para conocer el mejor resultado de predicción. El género y el puntaje ICFES (examen de estado en Colombia) para condición matemática se encuentran en el rango superior de todos los métodos de selección de características, y el algoritmo perceptrón arroja mejor exactitud con respecto a los otros algoritmos usados. Se concluye que las variables que más influyen en el rendimiento académico de los estudiantes de ingeniería son: edad, género, puntaje ICFES para aptitud matemática, puntaje global ICFES, valor de matrícula y puntaje ICFES para condición matemática y cohorte.

Se presenta un trabajo relacionado con la analítica del aprendizaje, la cual consiste en la recopilación y el análisis de datos generados por los estudiantes y sus iteraciones, con el fin de comprender y optimizar el aprendizaje. Se plantea una revisión referencial de los últimos cinco años a través de bases de datos con el fin de identificar aspectos relativos al crecimiento de este enfoque y sus campos de aplicación en la educación superior. El volumen de investigaciones relacionadas va en aumento debido a la necesidad de investigar modelos más acertados de predicción y de nuevos algoritmos dentro del área de la ciencia de datos.