La tasa de abandono en países subdesarrollados y emergentes es un problema social apremiante, como lo destacan los estudios realizados por la Organización para la Cooperación y el Desarrollo Económicos. Este estudio compara cinco técnicas de selección de características para abordar este desafío y mejorar la detección automática del riesgo de abandono. El diseño metodológico implica tres fases distintas: preparación de datos, selección de características y evaluación del modelo utilizando algoritmos de aprendizaje automático. Los resultados demuestran que (1) las principales características identificadas por las técnicas de selección de características, es decir, aquellas construidas a través de ingeniería de características, resultaron ser las más efectivas en la clasificación del abandono estudiantil; (2) el puntaje F del mejor modelo aumentó en un 5% con las técnicas de selección de características; y (3) dependiendo del tipo de selección de características, el rendimiento del algoritmo de aprendizaje automático puede variar, potencialmente aumentando o disminuyendo según la sensibilidad de las características con mayor ruido. Al mismo tiempo, los algoritmos metaheurísticos demostraron mejoras significativas en la precisión, pero existía un riesgo de aumentar los errores y reducir la recuperación.