Aparicio Colino, Ana Arroyo Barrigüete, José Luis Hernández Estrada, Adolfo Sánchez Ávila, Carmen 2026-04-07T12:52:33Z 2026-04-07T12:52:33Z 2025-09-03 2169-3536 10.1109/ACCESS.2025.3605776 http://hdl.handle.net/11531/109452 Artículos en revistas La deserción estudiantil durante el primer año universitario constituye un problema crítico en la educación en ingeniería, con implicaciones en equidad y eficiencia institucional. Este estudio analiza patrones de abandono temprano en cinco programas de ingeniería a partir de datos de 3889 estudiantes de primer año en dos universidades españolas. Se emplea una estrategia metodológica múltiple que combina regresión logística, redes neuronales y emparejamiento por puntaje de propensión. Los resultados muestran que el género no es un factor estadísticamente significativo en la deserción, mientras que variables académicas como las calificaciones de acceso, tasas de suspenso y absentismo en exámenes sí tienen una fuerte influencia. Además, el contexto institucional modula estos efectos. El estudio destaca la importancia de intervenciones basadas en indicadores académicos más que demográficos. Student attrition during the first academic year remains a critical issue in engineering education, with implications for equity and institutional effectiveness. This study explores early dropout patterns across five engineering degree programs using data from 3889 first-year students spanning seven academic cohorts at one public and one private university in Spain. A multi-method analytical strategy—comprising logistic regression, artificial neural networks, and propensity score matching—was used to examine how gender and academic performance relate to early attrition. Findings challenge prevailing assumptions in the literature by showing that gender is not a statistically significant factor in first-year dropout. In contrast, academic variables such as entrance exam scores, failure rates, and exam absenteeism exhibited strong associations with attrition. application/pdf en-GB Creative Commons Reconocimiento-NoComercial-SinObraDerivada España http://creativecommons.org/licenses/by-nc-nd/3.0/es/ Revista: IEEE Access, Periodo: 1, Volumen: 13, Número: ., Página inicial: 155532, Página final: 155546 Cátedra Santalucía de Analytics for Education Gender and Academic Indicators in First-Year Engineering Dropout: A Multi-Model Approach info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/openAccess Deserción académica, rendimiento académico, ingeniería, estudiantes de primer año, género, aprendizaje automático Academic dropout, academic performance, engineering, first year students, gender, machine learning