Perfiles de satisfacción académica universitaria mediante aprendizaje automático no supervisado
Barra lateral del artículo
Contenido principal del artículo
Resumen
La satisfacción académica se usa con frecuencia como indicador de calidad en la educación superior, pero en México su estudio generalmente se limita al uso de la estadística descriptiva. Ese enfoque oculta la heterogeneidad real entre estudiantes. Este trabajo caracterizó perfiles de satisfacción académica mediante aprendizaje automático no supervisado y examinó su relación con el rendimiento académico y otras variables sociodemográficas. Se aplicó un algoritmo de agrupamiento, con validación jerárquica complementaria, a los datos de 217 estudiantes de una facultad de ciencias exactas de una universidad pública mexicana. Se evaluaron cinco dimensiones: enseñanza, infraestructura, servicios, organización académica y vida universitaria. Se identificaron tres perfiles con diferencias estadísticamente significativas y de gran magnitud en las cinco dimensiones evaluadas. El hallazgo principal fue que la satisfacción académica baja conforme avanza la trayectoria escolar, y lo hace sin relación con el rendimiento académico. La jerarquía entre dimensiones tampoco cambió entre grupos. Los servicios institucionales fueron los mejor evaluados, mientras que la vida universitaria fue la más débil en todos los casos. En suma, el semestre cursado predice la satisfacción mejor que el promedio académico, lo que sugiere desarrollar estrategias de retención considerando el momento de la trayectoria del estudiante.
##plugins.themes.bootstrap3.displayStats.downloads##
Detalles del artículo
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Cómo citar
Referencias
Abdelkader, H. E., Gad, A. G., Abohany, A. A., & Sorour, S. E. (2022). An efficient data mining technique for assessing satisfaction level with online learning for higher education students during the COVID-19. IEEE Access, 10, 6286–6303. https://doi.org/10.1109/ACCESS.2022.3143035 DOI: https://doi.org/10.1109/ACCESS.2022.3143035
Ahmed, E. (2024). Student performance prediction using machine learning algorithms. Applied Computational Intelligence and Soft Computing, 2024(1), Artículo 4067721. https://doi.org/10.1155/2024/4067721 DOI: https://doi.org/10.1155/2024/4067721
Alonso Dos Santos, M. (2016). Calidad y satisfacción: el caso de la Universidad de Jaén. Revista de la Educación Superior, 45(178), 79–95. https://doi.org/10.1016/j.resu.2016.02.005 DOI: https://doi.org/10.1016/j.resu.2016.02.005
Alvarez-Garcia, M., Arenas-Parra, M., & Ibar-Alonso, R. (2024). Uncovering student profiles: An explainable cluster analysis approach to PISA 2022. Computers & Education, 223, Artículo 105166. https://doi.org/10.1016/j.compedu.2024.105166 DOI: https://doi.org/10.1016/j.compedu.2024.105166
Anfossi, A., & Chicco, D. (2026). An easy guide to the Davies-Bouldin index for unsupervised internal clustering evaluation. Discover Computing, 29, Artículo 212. https://doi.org/10.1007/s10791-026-10094-0 DOI: https://doi.org/10.1007/s10791-026-10094-0
Bernate, J. A., Guataquira Romero, A., Romero Melo, E. N., & Reyes Escobar, P. C. (2020). Satisfacción de la calidad educativa en educación superior. Podium, (38), 37–50. https://doi.org/10.31095/podium.2020.38.3 DOI: https://doi.org/10.31095/podium.2020.38.3
Cárdenas-Pañi, M. E., & Padilla-Pallazhco, M. V. (2026). Metodologías activas en la educación superior virtual: una revisión bibliográfica. Revista Científica Ciencia y Método, 4(1), 170–190. https://doi.org/10.55813/gaea/rcym/v4/n1/144 DOI: https://doi.org/10.55813/gaea/rcym/v4/n1/144
Cavazos Salazar, R. L. (2025). Satisfacción estudiantil en la UANL en modalidades no escolarizada y mixta. VECTORES, 4(2). https://doi.org/10.56375/ve4.2-53
Chicco, D., Campagner, A., Spagnolo, A., Ciucci, D., & Jurman, G. (2025). The Silhouette coefficient and the Davies-Bouldin index are more informative than Dunn index, Calinski-Harabasz index, Shannon entropy, and Gap statistic for unsupervised clustering internal evaluation of two convex clusters. PeerJ Computer Science, 11, Artículo e3309. https://doi.org/10.7717/peerj-cs.3309 DOI: https://doi.org/10.7717/peerj-cs.3309
Falcones Benalcázar, M. J., & Sosa Bone, M. P. (2022). La satisfacción de los estudiantes: un reto en la formación integral universitaria. Revista Científica Hallazgos21, 7(3), 273–283. https://doi.org/10.69890/hallazgos21.v7i3.592 DOI: https://doi.org/10.69890/hallazgos21.v7i3.592
Gadosey, C. K., Grunschel, C., Kegel, L. S., Schnettler, T., Turhan, D., Scheunemann, A., Bäulke, L., Thomas, L., Buhlmann, U., Dresel, M., Fries, S., Leutner, D., & Wirth, J. (2022). Study satisfaction among university students during the COVID-19 pandemic: Longitudinal development and personal-contextual predictors. Frontiers in Psychology, 13, Artículo 918367. https://doi.org/10.3389/fpsyg.2022.918367 DOI: https://doi.org/10.3389/fpsyg.2022.918367
Gambarota, F., & Altoè, G. (2024). Ordinal regression models made easy: A tutorial on parameter interpretation, data simulation and power analysis. International Journal of Psychology, 59(6), 1263–1292. https://doi.org/10.1002/ijop.13243 DOI: https://doi.org/10.1002/ijop.13243
González-Peiteado, M., Pino-Juste, M., & Penado-Abilleira, M. (2017). Estudio de la satisfacción percibida por los estudiantes de la UNED con su vida universitaria. RIED. Revista Iberoamericana de Educación a Distancia, 20(1), 243–260. https://doi.org/10.5944/ried.20.1.16377 DOI: https://doi.org/10.5944/ried.20.1.16377
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8.ª ed.). Cengage Learning.
Hernández-Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Educación.
Herrera Torres, L., Souza Soares de Quadros, M. R., & Soares de Quadros Júnior, J. F. (2018). Evaluación de la calidad en la educación superior: una revisión de la literatura a partir de la satisfacción del alumnado. Cadernos de Pesquisa, 25(2), 71–89. https://doi.org/10.18764/2178-2229.v25n2p71-89 DOI: https://doi.org/10.18764/2178-2229.v25n2p71-89
Humaira, H., & Rasyidah, R. (2020). Determining the appropiate cluster number using elbow method for K-means algorithm. En Proceedings of the 2nd Workshop on Multidisciplinary and Applications (WMA 2018). EAI. https://doi.org/10.4108/eai.24-1-2018.2292388 DOI: https://doi.org/10.4108/eai.24-1-2018.2292388
Kalita, E., Oyelere, S. S., Gaftandzhieva, S., Rajesh, K. N. V. P. S., Jagatheesaperumal, S. K., Mohamed, A., Elbarawy, Y. M., Desuky, A. S., Hussain, S., Cifci, M. A., Theodorou, P., Hilčenko, S., Hazarika, J., & Ali, T. (2025). Educational data mining: A 10-year review. Discover Computing, 28, Artículo 81. https://doi.org/10.1007/s10791-025-09589-z DOI: https://doi.org/10.1007/s10791-025-09589-z
Karadag, E., Su, A., & Ergin-Kocaturk, H. (2021). Multi-level analyses of distance education capacity, faculty members' adaptation, and indicators of student satisfaction in higher education during COVID-19 pandemic. International Journal of Educational Technology in Higher Education, 18, Artículo 57. https://doi.org/10.1186/s41239-021-00291-w DOI: https://doi.org/10.1186/s41239-021-00291-w
Leyva Martínez, C. A. (2022). Análisis del nivel de satisfacción de estudiantes universitarios usando técnicas de minería de datos [Tesis de licenciatura, Universidad Autónoma de Yucatán].
Liu, X., & Wang, J. (2024). Depression, anxiety, and student satisfaction with university life among college students: A cross-lagged study. Humanities and Social Sciences Communications, 11, Artículo 1172. https://doi.org/10.1057/s41599-024-03686-y DOI: https://doi.org/10.1057/s41599-024-03686-y
Mamani-Benito, O., Esteban, R. F. C., Huayta-Meza, M. V., Castillo-Blanco, R., Chaparro, J. E. T., & Morales-García, W. C. (2024). Emotional fatigue, academic engagement, and satisfaction with studies during the return to post-pandemic university attendance. Frontiers in Education, 9, Artículo 1297302. https://doi.org/10.3389/feduc.2024.1297302 DOI: https://doi.org/10.3389/feduc.2024.1297302
Marcano Molano, P. G., & Uribe Veintimilla, A. M. (2022). Satisfacción estudiantil como un indicador de la calidad educativa. Revista Ciencias Pedagógicas e Innovación, 10(1), 79–84. https://doi.org/10.26423/rcpi.v10i1.520 DOI: https://doi.org/10.26423/rcpi.v10i1.520
Mejías, A., & Martínez, D. (2009). Desarrollo de un instrumento para medir la satisfacción estudiantil en educación superior. Docencia Universitaria, 10(2), 29–47. http://saber.ucv.ve/ojs/index.php/rev_docu/article/view/3704/3546
Mireles Vázquez, M. G., & García García, J. A. (2022). Satisfacción estudiantil en universitarios: una revisión sistemática de la literatura. Revista Educación, 46(2), 610–626. https://doi.org/10.15517/revedu.v46i2.47621 DOI: https://doi.org/10.15517/revedu.v46i2.47621
Morán-Castillo, G. G., Zamora-Moreno, Z. F., Jimenez-Villares, A. M., Zamora-Moreno, A. B., & Vera-Flores, S. C. (2026). Analítica de aprendizaje para mejorar el rendimiento académico en estudiantes de secundaria. Revista Científica Ciencia y Método, 4(2), 79–95. https://doi.org/10.55813/gaea/rcym/v4/n2/182 DOI: https://doi.org/10.55813/gaea/rcym/v4/n2/182
Oliver, R. L. (1997). Satisfaction: A behavioral perspective on the consumer. McGraw-Hill.
Paredes Arriaga, A. M., Muñoz González, L. F., & Solís Tepexpa, S. (2025). Satisfacción de estudiantes universitarios pregrado antes y durante la pandemia de Covid-19. Administración y Organizaciones, 28(54). https://doi.org/10.24275/HUKW5229 DOI: https://doi.org/10.24275/HUKW5229
Randriamihamison, N., Vialaneix, N., & Neuvial, P. (2021). Applicability and interpretability of Ward's hierarchical agglomerative clustering with or without contiguity constraints. Journal of Classification, 38(2), 363–389. https://doi.org/10.1007/s00357-020-09377-y DOI: https://doi.org/10.1007/s00357-020-09377-y
Robles-Bello, M. A., Sánchez-Teruel, D., Gavin Chocano, Ó., González Luque, A., & Camacho Conde, J. A. (2022). Co-operative learning, psychometric adaptation, and invariability of the academic satisfaction scale in Spanish university students. Frontiers in Psychology, 13, Artículo 864510. https://doi.org/10.3389/fpsyg.2022.864510 DOI: https://doi.org/10.3389/fpsyg.2022.864510
Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. WIREs Data Mining and Knowledge Discovery, 10(3), Artículo e1355. https://doi.org/10.1002/widm.1355 DOI: https://doi.org/10.1002/widm.1355
Sanjari, E., Majidian Dehkordi, F., & Raeisi Shahraki, H. (2023). Clustering undergraduate students based on academic burnout and satisfaction from the field using partitioning around medoid. Computational and Mathematical Methods in Medicine, 2023(1), Artículo 8898939. https://doi.org/10.1155/2023/8898939 DOI: https://doi.org/10.1155/2023/8898939
Semerikov, S. O., Bondarenko, O. V., Nechypurenko, P. P., Vakaliuk, T. A., & Mintii, I. S. (2026). Student elective course selection patterns and satisfaction determinants identified through educational data mining. Scientific Reports, 16, Artículo 6965. https://doi.org/10.1038/s41598-026-37712-7 DOI: https://doi.org/10.1038/s41598-026-37712-7
Sharabi, A., Carretti, B., Cueli, M., Rodríguez, C., & Pellegrino, G. (2025). Undergraduates' achievement and satisfaction: The role of study-related factors and soft skills. Frontiers in Psychology, 16, Artículo 1653072. https://doi.org/10.3389/fpsyg.2025.1653072 DOI: https://doi.org/10.3389/fpsyg.2025.1653072
Song, R., Pang, F., Jiang, H., & Zhu, H. (2024). A machine learning based method for constructing group profiles of university students. Heliyon, 10(7), Artículo e29181. https://doi.org/10.1016/j.heliyon.2024.e29181 DOI: https://doi.org/10.1016/j.heliyon.2024.e29181
Surdez-Pérez, E. G., Sandoval-Caraveo, M. del C., & Lamoyi-Bocanegra, C. L. (2018). Satisfacción estudiantil en la valoración de la calidad educativa universitaria. Educación y Educadores, 21(1), 9–26. https://doi.org/10.5294/edu.2018.21.1.1 DOI: https://doi.org/10.5294/edu.2018.21.1.1
Torres-Gastelú, C. A. (2025). Satisfacción de estudiantes universitarios en un programa educativo de reciente creación. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 16(31). e947. https://doi.org/10.23913/ride.v16i31.2559 DOI: https://doi.org/10.23913/ride.v16i31.2559
Tse, D. K., Nicosia, F. M., & Wilton, P. C. (1990). Consumer satisfaction as a process. Psychology & Marketing, 7(3), 177–193. https://doi.org/10.1002/mar.4220070304 DOI: https://doi.org/10.1002/mar.4220070304
Vega-Sampayo, Y., Olivero-Vega, E., & Acosta-Prado, J. C. (2022). Efecto mediador de las tecnologías de la información y la comunicación (TIC) en la relación capacidad de innovación y satisfacción estudiantil, en instituciones de educación superior. Formación Universitaria, 15(3), 107–118. https://doi.org/10.4067/S0718-50062022000300107 DOI: https://doi.org/10.4067/S0718-50062022000300107
Zalazar-Jaime, M. F., Moretti, L. S., & Medrano, L. A. (2022). Contribution of academic satisfaction judgments to subjective well-being. Frontiers in Psychology, 13, Artículo 772346. https://doi.org/10.3389/fpsyg.2022.772346 DOI: https://doi.org/10.3389/fpsyg.2022.772346