Basado en la premisa de que el abandono de estudiantes universitarios es un problema social en el ecosistema universitario de cualquier país, la palanca tecnológica es una forma que nos permite construir propuestas tecnológicas para resolver una necesidad mal satisfecha en los sistemas de educación universitaria. Bajo este escenario, el estudio presenta y analiza ocho modelos predictivos para predecir el abandono universitario, basados en métodos y técnicas de minería de datos, utilizando WEKA para su implementación, con un conjunto de datos de 4365 registros académicos de estudiantes de la Universidad Nacional de Moquegua (UNAM), Perú. El objetivo es determinar qué modelo presenta los mejores indicadores de rendimiento para predecir y prevenir el abandono estudiantil. El estudio tiene como objetivo proponer y comparar la precisión de ocho modelos predictivos con clases equilibradas, utilizando el método SMOTE para la generación de datos sintéticos. Los resultados nos permiten confirmar que el modelo predictivo basado en Random Forest es el que presenta la mayor precisión y robustez. Este estudio es de gran interés para la comunidad educativa ya que permite predecir el posible abandono de un estudiante de una carrera universitaria y poder tomar acciones correctivas tanto a nivel global como individual. Los resultados obtenidos son muy interesantes para la universidad en la que se ha realizado el estudio, obteniendo resultados que generalmente superan los resultados obtenidos en trabajos relacionados.