Modelos de aprendizaje automático aplicados al análisis de resultados de la evaluación de la calidad educativa: "Aprender-2018"

Resumen

Este trabajo propone el uso de modelos de aprendizaje automático en las pruebas de evaluación estandarizadas "Aprender" implementadas en Argentina. Estas pruebas miden el rendimiento en lenguaje y matemáticas en escuelas primarias y secundarias. El estudio propuesto utilizó datos de la edición 2018 de la evaluación de sexto grado de educación primaria. Durante la fase de investigación, se analizó el rendimiento en lenguaje y matemáticas, cuyos resultados se presentan en este artículo. Para ello, se realizó una selección preliminar de características, seguida de una preselección de algunos de los modelos utilizados en este experimento, pertenecientes a la biblioteca de Python Scikit-Learn (Sklearn). Se consideraron los siguientes métodos de clasificación: Clasificador de Árbol Extra, Clasificador de Árbol de Decisión, Clasificador de Bosque Aleatorio, Clasificador de Potenciación de Gradiente y Clasificador de Vecinos. De estos, se identificó el modelo que alcanzó el mayor nivel de precisión. Además, los conjuntos de datos utilizados se sometieron a un procesamiento preliminar, durante el cual los datos faltantes y negativos se completaron utilizando la mediana de cada columna. Finalmente, se identificaron las características más significativas que conducen a los mejores resultados.