El modelo, propuesto por el estudiante Daniel Zapata Medina, magíster en Ingeniería de Sistemas de la Universidad Nacional de Colombia (UNAL) Sede Medellín, consiste en un algoritmo de aprendizaje automático que lee las características a partir de métricas y logra cuantificar y cualificar aquellas que detectan la decisión de desertar del alumno.
En otras palabras, a la aplicación se le insertan los datos del posible desertor –como edad, género, grado y dirección, entre otros– y ella los transforma, los agrupa y determina la probabilidad.
El modelo del estudiante Zapata se probó en la Institución Educativa Barrio Santander de Medellín, donde se midieron los riesgos altos o bajos de deserción definidos por las características, y demostró la importancia de intervenir en estudiantes mayores de 13 años, sin hermanos en el colegio y que residen más lejos de la institución educativa.
“Nos dimos cuenta de que algunas características influyen más en la deserción que otras, como por ejemplo la extraedad –puesto que un estudiante con mayor edad promedio a su curso escolar abandona más fácilmente– o la ubicación geográfica, pues los estudiantes que viven más lejos tienen más problemas para transportarse”, asegura el investigador.
Incluso consideramos importante acompañar y hacer seguimiento a estudiantes con notas inferiores a 2,1 (bajo) en áreas de baja intensidad horaria.
El conjunto de datos estaba conformado por 1.865 registros y 18 características (6 demográficas y 12 académicas); entre las identificadas están: género, edad, puntaje del Sisbén, número de hermanos y distancia.
Problemática de alto impacto
La deserción escolar es un problema social de alto impacto para el sistema educativo pues dificulta la movilidad social y la construcción de la equidad en un país.
En Colombia alrededor de 102.880 (4,5 %) estudiantes no continuaron sus actividades educativas en 2020 después de la pandemia del Covid-19, siendo los hombres quienes representan la mayor tasa de deserción según estadísticas del Departamento Administrativo Nacional de Estadística (DANE).
La investigación realizó con éxito la transformación de características a partir de métricas para la detectar la deserción escolar e identificó que el modelo tiene una precisión alta.
El modelo consistió en tres etapas: preprocesamiento, construcción de las métricas y representación de características utilizando las métricas definidas.
“La etapa de preprocesamiento se realizó con todo el conjunto de datos recogidos, luego se construyeron las métricas y se agruparon por separado en cada una de las divisiones del conjunto de datos, y por último se utilizó el 80 % de ellos para el entrenamiento del sistema automático de cómputo y el 20 % para la evaluación”, explica el magíster Zapata.
Aunque existen otras estrategias para hacer un seguimiento de estudiantes desertores, estos modelos solo se basan en datos académicos generales mientras que el nuevo modelo construye nuevas características a través de modelos matemáticos que dan un mayor acierto de probabilidad en el resultado.
Entre ellos están la métrica de distancia que se definió a partir de coordenadas de latitud y longitud, utilizando la dirección del lugar de residencia y la ciudad de residencia del estudiante para determinar una distancia exacta.
“El valor agregado es que añadimos nuevas características que mejoran el entrenamiento de datos y encuentran las causas de la deserción, pero más importante aún es que el modelo se puede adecuar con otras métricas que dependen de la institución educativa”.
“El modelo se puede adaptar a nuevos datos y aprender a identificar la probabilidad de deserción, permitiendo que se pueda utilizar en otras instituciones educativas y universitarias” concluye el investigador Zapata.
Por último, el estudio apoya la labor educativa para que se creen estrategias enfocadas en la permanencia del estudiantado en el sistema educativo.
Textos y fotos: Agencia UNAL.
También puede leer:
ANATO muestra positivismo frente a los viajes de la temporada de final de año
