La deserción escolar permea diversas modalidades de enseñanza y ha generado daños sociales, económicos, políticos y académicos a los involucrados en el proceso educativo. Los datos de evasión en cursos de educación superior muestran el escenario pesimista de fragilidad que configura la educación, principalmente en países subdesarrollados. En este contexto, este documento presenta un marco de Internet de las cosas (IoT) para predecir la deserción utilizando métodos de aprendizaje automático como Árbol de decisiones, Regresión logística, Máquina de vectores de soporte, K-vecinos más cercanos, Perceptrón multicapa y Aprendizaje profundo basado en datos socioeconómicos. Con el uso de datos socioeconómicos, es posible identificar en el acto de preinscripción a los estudiantes propensos a evadir, ya que esta información se completa en el formulario de preinscripción. Este documento propone la automatización del proceso de predicción mediante un método capaz de obtener información que sería difícil y consumiría mucho tiempo para que los humanos la obtengan, contribuyendo a una predicción más precisa. Con la llegada de IoT, es posible crear una herramienta altamente eficiente y flexible para mejorar la gestión y los problemas relacionados con el servicio, que pueden proporcionar una predicción de deserción de nuevos estudiantes que ingresan a cursos de nivel superior, permitiendo un seguimiento personalizado a los estudiantes para revertir una posible deserción. El enfoque fue validado analizando la precisión, , , y parámetros. Los resultados mostraron que el sistema desarrollado obtuvo una precisión del 99.34%, 99.34% , 100% , y 98.69% utilizando Árbol de decisiones. Por lo tanto, el sistema desarrollado se presenta como una opción viable para su uso en universidades para predecir los estudiantes propensos a abandonar la universidad.