Artículo

29 de noviembre de 2024

Aplicación de un modelo de machine learning para predecir la deserción escolar

DOI: 10.22167/2675-6528-20240030
E&S 2024, 5: e202400030

Tibério Morais Silva Júnior e José Erasmo Silva

En un modelo ideal de formación académica, todos los estudiantes matriculados en instituciones de enseñanza alcanzarían el objetivo de finalizar el curso en el plazo establecido. Sin embargo, en la realidad, diversas intercurrencias surgen en el proceso educacional, como el abandono y la desistência. Tales fenómenos son frecuentemente categorizados por investigadores como evasión[1].

A pesar de esta asociación, algunos estudiosos sobre el tema, como Tinto[2], afirman que existe un desalineamiento sobre lo que realmente podría definirse como evasión, sugiriendo que: 1) no hay consenso sobre la definición del término evasión; 2) que esta definición puede, incluso, ser alterada en función de los contextos individual, institucional o estatal.

Según Silva et al.[1], la deserción escolar presenta consecuencias negativas tanto para el estudiante como para la institución educativa. Desde el punto de vista del alumno, la deserción no solo pospone su formación, sino que también resulta en pérdidas financieras y de tiempo, recursos que podrían ser dirigidos a otras actividades. Para la institución, la deserción compromete su eficiencia, ya que la plaza y los recursos —tanto físicos como tecnológicos— previamente asignados para determinado número de alumnos pasan a ser subutilizados.

Glavam y Cruz[3] resaltan que la deserción trae consigo trastornos significativos para los educandos, las instituciones de enseñanza y las empresas que buscan mano de obra especializada. Para las instituciones educativas, la deserción impacta directamente la salud financiera, ya que, al planificar un curso, los costos asociados se proyectan con base en el número de matrículas.

La deserción resulta en una disminución de los ingresos previstos, pudiendo culminar en déficits financieros al término del curso. En el contexto empresarial, la deserción amplía la carencia de profesionales cualificados, elevando costos y plazos de entrega de productos. Además, la deserción compromete la calidad de vida de los estudiantes, reflejándose en empleos precarios y salarios reducidos, y reverbera en las familias, que frecuentemente cuentan con estos ingresos para hacer frente a sus gastos mensuales.

La deserción en cursos de educación profesional es un tema que, a pesar de su relevancia, presenta una notable escasez de trabajos publicados. Esta modalidad de enseñanza, con sus características peculiares, frecuentemente involucra a alumnos que, paralelamente, están matriculados en otras instituciones de enseñanza o tienen compromisos laborales, limitando así su dedicación al curso profesionalizante. Tales particularidades refuerzan la importancia de este trabajo y la elección de la institución definida como objeto de estudio, una entidad que es referencia en formación de aprendices y cualificación profesional. La institución es privada, pero sin fines de lucro, y fue fundada en 1947 en Bahía y, posteriormente, en Vitória da Conquista.

Para profundizar el entendimiento sobre las causas de la evasión, muchos investigadores recurren a técnicas avanzadas de machine learning, que visan identificar las variables más influyentes en el fenómeno de la evasión, posibilitando, así, la implantación de medidas de prevención. Por ejemplo, Primão[4] y Chung y Lee[5] investigaron, respectivamente, la evasión en diferentes contextos educacionales utilizando técnicas como Árbol de Decisión, Redes Neuronales Artificiales y XGBoost. Silva et al.[1] por su parte, se enfocaron en cursos de graduación a distancia en Brasil, empleando el modelo de Regresión Logística Binaria.

De esta forma, la combinación de un análisis en profundidad de las características de los cursos profesionalizantes con técnicas avanzadas de análisis de datos puede ofrecer información importante sobre la deserción y potenciales estrategias de mitigación.

Dado el contexto, el objetivo de este estudio es aplicar un modelo de machine learning, específicamente Regresión Logística Binaria, para predecir la deserción escolar. De esta forma, será posible no solo anticipar acciones para minimizar la deserción, sino también analizar los factores asociados a ella en los cursos de educación profesional ofrecidos por la institución estudiada, en Vitória da Conquista (BA). La muestra empleada en este estudio fue proporcionada por la gerencia de tecnología de la Información de la institución. La base de datos proporcionada está en formato .xlsx, conteniendo 2.599 observaciones y 21 variables. Los datos personales de los alumnos, como CPF, nombre, filiación, entre otros, fueron omitidos. La base de datos se compone de información recopilada durante el proceso de matrícula en los cursos de educación profesional presencial ofrecidos por la entidad entre 2019 y 2023. Las variables que componen esta base de datos se presentan en la Tabla 1.

Tabla 1. Variables utilizadas en el estudio

VariableDescripción
Fecha de NacimientoFecha de nacimiento (fecha)
PoseeDiscapacidadIndicador binario de deficiencia (categórico)
NombreDiscapacidadNombre de la deficiencia, si procede (categórica)
Posición en la familiaPosición en la familia (dependiente o no)
CantidadDePersonasEnElGrupoFamiliarCantidad de personas en la familia (numérica)
RentaFamiliarBrutaRenta bruta familiar (numérica)
RentaPerCápitaRenta per cápita (numérica)
TieneVínculoLaboralIndicador binario de vínculo laboral (categórica)
PorQueNoFuncionaMotivo de no trabajar (8 categorías)
ActividadEconomicaActividad económica en la que trabaja (46 categorías)
TipoDeVínculoTipo de vínculo (7 categorías)
TipoDeInstituciónDeEnseñanzaFundamentalTipo pública o privada (categórica)
TipoDeInstituciónDeEnseñanzaMediaTipo pública o privada (categórica)
MatriculadoEnEducacionBasicaIndicador binario de matrícula (categórica)
EgresadoEnElProgramaDeAprendizajeEgresado sí o no (categórica)
EgresadoEnEducacionBasicaEgresado sí o no (categórica)
Estado de MatrículaVariable dependiente (inicialmente 8 categorías)
CiudadCiudad (34 categorías)
EscolaridadEscolaridad (categórica)
NombreClaseNombre de la clase / curso (categórica)
PeríodoDeLaCohorteEnMesesTiempo en meses del curso (numérico)
Fuente: Datos originales de la investigación.

Al analizar inicialmente la variable “estado matrícula”, se identifica la presencia de ocho categorías que describen la situación del alumno en relación con el curso. Estas son: aprobado, desistente, en proceso, evadido, matrícula cancelada, matriculado, reprobado y transferencia interna del mismo título. El estado “aprobado” se atribuye al alumno que asistió al curso con un porcentaje de faltas menor o igual al 25% del total de clases y fue aprobado en las evaluaciones de habilidades y competencias. “Desistente” y “matrícula cancelada” se refieren a los alumnos que se matricularon pero no asistieron a ninguna clase. El término “evadido” se utiliza cuando el alumno se matricula, asiste al menos a una clase, pero no da continuidad al curso. “Reprobado” es el estado para aquellos que no obtuvieron aprobación en las evaluaciones o tuvieron un índice de faltas superior al 25% del total de clases. Los estados “matriculado” y “en proceso” indican que el alumno aún tiene matrícula activa en el curso o ya lo concluyó, estando en fase de cierre administrativo. Por último, “transferencia interna del mismo título” es la categoría para alumnos que solicitaron cambio a otra turma del mismo curso.

A pesar de la falta de consenso en la literatura sobre la definición exacta del término deserción, para este trabajo, siguiendo las directrices de la gestión de la institución estudiada, se consideró desertor al estudiante que registró al menos una presencia durante el curso y, por algún motivo, interrumpió su asistencia. Así, cualquier estudiante con el estado “desertor” en la variable “estado matrícula” se entiende como desertor. Para analizar la base de datos y estimar la probabilidad de deserción, se utilizó el Modelo de Regresión Logística Binaria, insertado en el conjunto de modelos lineales generalizados en que la variable dependiente es cualitativa binaria, con un máximo de dos categorías. Según Fávero y Belfiore[6], en este modelo la variable dependiente (deserción) sigue una distribución de Bernoulli, cuya probabilidad de ocurrencia de un evento es , y la probabilidad de ocurrencia de un no evento es . Este objetiva estimar la probabilidad de ocurrencia de un evento definido por Y, que se muestra en forma cualitativa dicotómica, siendo que Y = 1 representa la ocurrencia del evento, y Y = 0, la ocurrencia del no evento. El vector de variables explicativas de este modelo puede definirse conforme la ec.(1):

donde Z se denomina logit, α es una constante, βj (1, 2, …, k) son los parámetros estimados de la variable explicativa Xj (métricas o variables dummy) y el subíndice i representa cada observación de la base de datos. En el mismo contexto, el autor describe que la probabilidad estimada de que un determinado evento ocurra puede ser definida por la ec.(2).

Al analizar la variable dependiente (dicotómica) en un modelo de regresión logística binaria, se hace evidente que la estimación de los parámetros de la ecuación de probabilidad no puede realizarse de la misma forma que en las técnicas convencionales de regresión lineal, ya que estas últimas estiman sus parámetros por el método de Mínimos Cuadrados Ordinarios (MCO). La diferencia surge porque, al estudiar la probabilidad de ocurrencia de un evento con una variable respuesta cualitativa, el modelo no puede calcular la media ni la varianza. Así, no logra minimizar la suma de los términos de error sin una ponderación arbitraria. Por lo tanto, para estimar los parámetros de una ecuación de probabilidad en el modelo de regresión logística, se utiliza el logaritmo de la función de verosimilitud (log likelihood function). Para esta función, valores que se aproximan a cero indican una mayor capacidad de acierto del modelo[6].

Por medio de la Tabla 2 es posible observar que la categoría “aprobado” representó una gran parte del total de ocurrencias.

Tabla 2. Frecuencia de las categorías de la variable Estado de la Matrícula

Estado de la MatrículaObservacionesPorcentaje (%)
Aprobado145055,79
Inscripción cancelada1124,31
Reprobado2027,77
En proceso39715,28
Inscrito923,54
Renunciante993,81
Fugado2158,27
Transferencia interna mismo título321,23
Suma2599100 
Fuente: Resultados originales de la investigación.

Si se suman a las otras categorías que representan la ocurrencia del no evento (alumnos que no desertaron) y se comparan con el total de ocurrencias del evento (deserción), es posible notar que estos datos se presentan desequilibrados. A pesar de que los datos desequilibrados no son un problema para la regresión logística binaria, es necesario tener esto en cuenta en la interpretación de los resultados. Analizando el tipo de vínculo profesional, es posible percibir que la mayoría de los alumnos que completaron la matrícula no informaron los datos referentes a esta variable. Entre los que eligieron alguna categoría, destaca la información “empleado con contrato registrado” (Tabla 3).

Tabla 3. Frecuencia de las categorías de la variable “tipo de vínculo”

Tipo de enlaceObservacionesPorcentaje (%)
Autónomo1505,77
Empleado con contrato de trabajo79830,70
Empleado sin contrato de trabajo1204,62
Funcionario público321,23
No informado140454,02
Otros933,58
Profesional liberal20,08
Total de ventas2599100
Fuente: Resultados originales de la investigación.

Al analizar el nivel de escolaridad de los alumnos, se entiende que muchos aún no habían concluido la educación superior, tratándose de una muestra formada en su mayoría por estudiantes que habían concluido o continuaban cursando la educación secundaria (Tabla 4).

Tabla 4. Frecuencia de las categorías de la variable “escolaridad”

EscolaridadObservacionesPorcentaje (%)
Educación primaria completa923,54
Educación primaria en curso662,54
Educación primaria incompleta622,39
Educación secundaria completa130250,10
Educación secundaria en curso61723,74
Educación secundaria incompleta1495,73
Graduación completa973,73
Grado en curso642,46
Grado incompleto271,04
Técnico de nivel medio completo180,69
Técnico de nivel medio cursando431,65
Técnico de nivel medio incompleto60,23
No rellenado562,15
Total de ventas2599100
Fuente: Resultados originales de la investigación.

Los cursos de aprendizaje profesional, frecuentemente referidos como Programa Joven Aprendiz, predominan en términos de número de matrículas, destacándose como los principales atractivos para los alumnos (Tabla 5). Notablemente, los cursos de Asistente Administrativo y Diseño de Cejas son excepciones, siendo los únicos de esta categoría en presentar un elevado número de matrículas.

Tabla 5. Frecuencia de las categorías de la variable NomeTurma

NombreClase (curso)ObservacionesPorcentaje (%)
Administración de pequeñas empresas100,38
Administrador de base de datos190,73
Sastrería femenina60,23
Aprendizaje profesional comercial en servicios Administrativos2268,70
Aprendizaje profesional comercial en servicios de supermercados632,42
Aprendizaje profesional de cualificación en servicios administrativos59522,89
Aprendizaje profesional de cualificación en servicios de supermercados2198,43
Asistente administrativo29111,20
Actualización en corte y cepillo110,42
Actualización profesional para camarera(o)10,04
Ayudante de cocina160,62
Pasteles artísticos481,85
Peluquero80,31
Coloración, decoloración, reflejos y mechas100,38
Conductor en turismo – cultura, ecoturismo y rutas301,15
Pastelero110,42
Costurero1104,23
Cocinero30,12
Cuidador de ancianos612,35
Desarrollo de liderazgos210,81
Diseño de cejas2469,47
Formación de precio de venta160,62
Gestión financiera para microempresa150,58
Manicura y pedicura1485,69
Maquillador140,54
Marketing digital471,81
Modelado básico para vestimenta20,08
Modelado y confección de ropa infantil60,23
Preparación de pasteles tradicionales120,46
Vendedor de salgados823,16
Técnicas de organización de unidades habitacionales en fechas conmemorativas60,23
Técnicas de costura y acabado190,73
Técnicas de depilación250,96
Técnico en computación gráfica180,69
Técnico en estética291,12
Técnico en eventos311,19
Técnico en logística311,19
Técnico en masoterapia230,88
Técnico en podología160,62
Tendencia en peinados120,46
Uñas de fibra220,85
Uñas de gel160,62
Uñas decoradas en 3D40,15
Suma2599100
Fuente: Resultados originales de la investigación.

En un análisis más detallado de los orígenes geográficos de los estudiantes matriculados en los cursos de la institución estudiada, se identificó la presencia de estudiantes provenientes de 34 ciudades diferentes. La región Sudoeste de Bahía destacó, especialmente la ciudad de Vitória da Conquista que, por sí sola, representaba 1.417 de estas matrículas.

Tabla 6. Frecuencia de las categorías de la variable Ciudad

CiudadObservacionesPorcentaje (%)
Anagé50,19
Aracatu1084,1
Barra da Estiva140,54
Barra do Choça30,12
Belo Campo662,54
Brumado2389,16
Caatiba10,04
Candiba1837,04
Ceraima10,04
Cruz das Almas10,04
Érico Cardoso30,12
Forestal10,04
Gongogi240,92
Guanambi2108,08
Ibicoara10,04
Igaporã752,89
Iguá60,23
Ituaçu130,50
Jaicós20,08
Jequié1987,62
Macaúbas50,19
Materia prima20,08
Palmas de Monte Alto20,08
Paramirim10,04
Pilares30,12
Pindaí10,04
Planalto20,08
Pradoso Presidente Jânio Quadros70,27
Salvador30,12
Sebastião Laranjeiras10,04
Tanhaçu10,04
Taperoá10,04
Vitória da Conquista141754,52
Total de ventas2599100
Fuente: Resultados originales de la investigación.

Para representar la ocurrencia o no del evento, se creó la variable dependiente dicotómica “evasión”, que contiene la “Y” para representar la existencia del evento y la “N” para el no evento (Tabla 7).

Tabla 7. Variable dependiente “abandono ‘N’ (no) o ‘Y’ (sí)”

NY
2384 (91,72%)215 (8,27%)
Fuente: Resultados originales de la investigación.

Tras el análisis de la base de datos, se verificó la existencia de 155 observaciones sin los datos completos para la modelización y, por lo tanto, se optó por excluirlas, quedando 2.444. Además, cabe destacar que todas las variables categóricas fueron transformadas en dummy. Según Fávero y Belfiore[6], para evitar el error de ponderación arbitraria con variables cualitativas en modelos de regresión logística binaria, se deben utilizar la técnica de variables dummy.

El modelo denominado “modelo_evasao” se desarrolló para representar la regresión logística implementada utilizando la función glm en RStudio – un entorno de desarrollo integrado gratuito para el lenguaje de programación R. En este modelo, se determinó “evasión” como la variable respuesta, especificándose también el parámetro “family” como “binomial”. La Tabla 8 presenta los resultados de este modelo, destacando los parámetros estimados (“Estimate”) y la significancia estadística de las variables después del procedimiento “stepwise”.

Tabla 8. Resultados del modelo GLM para la predicción y análisis de los factores asociados a la deserción escolar

VariablesEstimaciónError Estándarvalor zPr(>|z|)Fma.
(Intercepto)-3,08470,2814-10,961<0,00002***
actividad_economica_no_informada-0,70090,2156-3,2510,001149**
actividad_economica_servicios_combinados_de_escritorio1,29850,37213,4890,000484***
aprendizaje_profesional_de_calificación_en_servicios_administrativos1,61370,24566,575,02E-11***
aprendizaje_profesional_de_calificación_en_servicios_de_supermercados1,31050,32414,0445,26E-05***
asistente_administrativo1,28940,29984,3011,70E-05***
cuidador de ancianos1,76120,44993,9159,05E-05***
Maquillador2,48630,68183,6460,000266***
técnico_de_eventos2,52690,4755,321,04E-07***
técnico_en_logística2,55350,47455,3817,41E-08***
técnico_en_masoterapia2,22750,58593,8020,000144***
Fuente: Resultados originales de la investigación.
Nota: *** Significativo al nivel de 0,001; ** significativo al nivel de 0,01, * significativo al nivel de 0,05

Tras el modelado estadístico utilizando regresión logística binaria, se observó que las variables “actividadeeconomica_nao_informado” y “actividadeeconomica_servicos_combinados_de_escrito” son estadísticamente significativas (Tabla 8). La variable “actividadeeconomica_nao_informado”, con coeficiente negativo, indica una menor probabilidad de evasión en comparación con la categoría de referencia “actividadeeconomica_atividade_medica_ambulatorial”. En contraste, la variable “actividadeeconomica_servicos_combinados_de_escrito”, con coeficiente positivo, sugiere una mayor probabilidad de evasión entre los alumnos que ejercen esta actividad económica.

Además, las demás variables significantes están relacionadas al nombre del curso. Por ejemplo, la categoría “tecnico_em_logistica” presenta una probabilidad 2,5535 veces mayor de deserción comparada al curso de “administração_de_pequenas_empresas”, que fue utilizado como referencia. Esto indica que el tipo de curso elegido por el alumno puede ser un factor determinante en su probabilidad de desertar.

Se optó por excluir variables que no demostraron significancia estadística, siguiendo el procedimiento de “stepwise”. Esta decisión se tomó para enfocar en las variables que realmente influyen en la predicción de la deserción escolar, alineándose al objetivo predictivo del estudio. Sin embargo, es relevante mencionar que la inclusión de variables no significantes, aunque no predictivas, puede proporcionar una visión más abarcadora de las influencias potenciales en el fenómeno de la deserción, dependiendo del propósito del análisis[6].

Después del análisis de los coeficientes, es importante analizar las métricas que validan el poder predictivo del modelo. Este análisis se realizó mediante la curva characteristic operating receiver [ROC], la curva de sensibilidad y la curva de especificidad, además de la matriz de clasificación.

Al calcular la sensibilidad y la especificidad, es esencial determinar el punto de corte, o cutoff, que se utilizará para clasificar las observaciones basándose en el cálculo de sus probabilidades. Esto es particularmente relevante cuando se introduce una nueva observación en la muestra y se desea predecir la probabilidad de que esa observación sea clasificada como un evento o no. La clasificación ocurre al comparar el valor estimado de la probabilidad pi de la nueva observación con el valor del cutoff. Si pi es mayor que el cutoff, la observación será categorizada como evento; si pi es menor que el cutoff, será categorizada como no evento. El cutoff permite evaluar la precisión del modelo con las observaciones de la muestra, asegurando que esta precisión se mantenga al predecir la ocurrencia de un evento en nuevas observaciones.

A partir de la Figura 1 es posible analizar las curvas de sensibilidad y especificidad. Su análisis revela un punto óptimo de corte aproximadamente igual a 0,12, lo que representa un equilibrio entre sensibilidad y especificidad. Es notable que la curva de especificidad presenta una alta tasa de aciertos para casi todos los valores de corte, mientras que la curva de sensibilidad exhibe un comportamiento opuesto, con la tasa de acierto disminuyendo significativamente para puntos de corte superiores a 0,15. Se percibe además que el modelo está bien calibrado para predecir el no evento (no evasión). Sin embargo, su eficacia en la predicción de la evasión es menos consistente. Esto sugiere que, para valores más elevados de corte, el modelo tiende a cometer más errores al predecir la evasión. Este comportamiento puede impactar negativamente la eficiencia general del modelo. Así, para mejorar la capacidad del modelo en predecir la evasión, puede ser beneficioso considerar la inclusión de nuevas variables explicativas, así como utilizar una muestra mayor.

Figura 1. Curva de Sensibilidad y Especificidad
Fuente: Resultados originales de la investigación.

Para visualizar y obtener una mayor comprensión sobre el comportamiento predictivo de este modelo, se generó una matriz de clasificación para un cutoff igual a 0,10. Una vez más, se percibe la capacidad predictiva de este modelo en relación con la predicción del no evento, con 1.404 aciertos y solo 847 errores. Sin embargo, la matriz confirma la necesidad de ajustar este modelo cuando el objetivo principal de su utilización sea evaluar la ocurrencia del evento, la evasión.

Tabla 9. Matriz de Confusión

 OpciónVerdaderoFalso
Verdadero142847
Erróneo511.404
Fuente: Resultados originales de la investigación.

La sensibilidad, la especificidad y la precisión (tasa de aciertos global del modelo) se pueden obtener a partir de la información de la matriz de clasificación, en RStudio (Tabla 10).

Tabla 10. Estadísticas Matriz de Confusión

  Precisión/ ExactitudValor p de la prueba de McNemar  Sensibilidad  Especificidad
0.6326 < 2 y – 160.735750.62372
Fuente: Resultados originales de la investigación.

Finalmente, la Figura 2 muestra la gráfica de la curva ROC. Representa el valor de la sensibilidad contra 1-especificidad para el modelo utilizado en este trabajo. Observando el valor del área bajo la curva igual a 0,728, se percibe que este modelo se mostró razonablemente al considerar todos los puntos de corte. De esta forma, para un mejor desempeño de este modelo en relación a la capacidad de predecir la ocurrencia del evento evasión, se puede sugerir la inclusión de nuevas variables explicativas en el modelo y la predicción de la evasión utilizando un modelo multinivel.

Figura 2. Curva ROC
Fuente: Resultados originales de la investigación.

Este estudio utilizó datos referentes a las situaciones de matrícula de los alumnos y sus respectivas características. Se empleó un modelo de regresión logística binaria para evaluar la significancia estadística de estas variables y la capacidad predictiva del modelo. Se observó que ciertas variables, tanto relacionadas con el tipo de actividad económica ejercida por el alumno como con el curso en sí, poseen una correlación negativa o positiva con la deserción. Esto sugiere que políticas internas pueden ser estratégicamente dirigidas a estos factores específicos.

Para evaluar la capacidad predictiva del modelo, se utilizaron métricas como sensibilidad, especificidad, curva de sensibilidad, curva de especificidad y curva ROC. Con un ajuste de corte en 0,10, el modelo alcanzó una precisión de 0,6326, una sensibilidad de 0,73575, una especificidad de 0,62372 y un área bajo la curva ROC de 0,72. El modelo demostró ser eficaz en la predicción de no eventos, pero menos preciso en la predicción de evasión. Este comportamiento se debe en parte al desequilibrio de la base de datos. La diversidad de categorías en la variable “EstadoMatrícula” y la ambigüedad de algunas de ellas plantearon desafíos en el análisis. En un escenario con una organización más clara de esta variable, es posible que se obtenga un resultado estadístico más robusto. Además, el número limitado de observaciones puede haber impactado negativamente la evaluación del modelo.

Los resultados presentados indican que las actividades económicas y los tipos de curso son factores críticos en la determinación de la deserción escolar. Este conocimiento permite que los gestores de la institución investigada desarrollen estrategias dirigidas, como ofrecer soporte adicional a los alumnos matriculados en cursos con mayor riesgo de deserción, o crear programas de orientación para estudiantes cuyas actividades económicas indican mayor probabilidad de abandono.

Variables such as date of birth, employment status, education level, family income, among others, that did not show statistical significance in the final model, can be investigated in future studies using a larger sample. With a more robust dataset, it is possible that the influence of these variables on school dropout becomes more evident, providing additional insights into the factors affecting students’ decisions to continue or abandon their courses.

Este estudio demostró que la aplicación de un modelo de regresión logística binaria puede no solo predecir la deserción escolar con razonable precisión, sino también identificar los principales factores que contribuyen a este fenómeno en los cursos de educación profesional ofrecidos por la institución que fue objeto de la investigación. Al anticipar estas tendencias, la institución tiene la oportunidad de implementar acciones preventivas específicas, reduciendo potencialmente la tasa de deserción y mejorando los resultados educativos.

Para futuras investigaciones, se sugiere realizar un estudio comparativo entre el modelo de regresión logística binaria, el modelo logístico multinomial y el XGBoost, con el fin de evaluar qué enfoque ofrece un mejor rendimiento en la predicción del abandono escolar.

Referencias

[1]Silva, F.C.; Cabral, T.L.O.; Pacheco, A.S.V. 2020. Dropout or permanence? Predictive models for higher education management. Education Policy Analysis Archives 28(149). <https://doi.org/10.14507/epaa.28.5387>.

[2]Tinto, V. 1989. Definir la desercion: Una cuestion de perspectiva. Revista de la Educación Superior. Disponível em: <http://publicaciones.anuies.mx/pdfs/revista/Revista71_S1A3ES.pdf>. Acesso em: 06 jan. 2023.

[3]Glavam, R.B.; Cruz, H.A. 2013. Estudo da Evasão Escolar dos Cursos Profissionalizantes em uma Unidade do Serviço Nacional de Aprendizagem Industrial de Santa Catarina-SENAI. X Simpósio de Excelência em Gestão e Tecnologia. Disponível em:
<https://www.aedb.br/seget/arquivos/artigos13/31818288.pdf>. Acesso em: 06 jan. 2023.

[4]Primão, A.P. 2022. Uso de algoritmos de machine learning para prever a evasão escolar no ensino superior: um estudo no Instituto Federal de Santa Catarina. Dissertação (mestrado profissional) – Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Administração Universitária, Florianópolis. Disponível em:<https://repositorio.ufsc.br/handle/123456789/238320>. Acesso em: 06 jan. 2023.

[5]Chung, J.Y.; Lee, S. 2019. The Machine Learning-Based Dropout Early Warning System for Improving the Performance of Dropout Prediction. Appl. Sci 9(15) <https://doi.org/10.3390/app9153093>.

[6]Fávero, L.P.; Belfiore, P. 2022. Manual de análisis de datos. LTC, Río de Janeiro, RJ, Brasil.

Cómo citar

Silva Júnior T.M.; Silva J.E.; Aplicación de un modelo de machine learning para predecir la deserción escolar. Revista E&S. 2024; 5: e20240030.

Sobre los autores

Tibério Morais Silva Júnior – Especialista en Data Science y Analítica. Rua Bruno Bacelar, 261, Alto Maron, CEP: 45005-306 – Vitória da Conquista/BA, Brasil

José Erasmo Silva – Profesor Director MBA Data Science e Analytics – Universidade Federal da Bahia – Programa de Postgrado en Contabilidad – PPGCONT– Avenida Reitor Miguel Calmon, s/n Canela – CEP: 40231-300 – Salvador/BA, Brasil

También te puede interesar

13 de noviembre de 2026

Integración estratégica entre branding y medios de pago: un análisis de la importancia del brandformance en el e-commerce

La complejidad del viaje del consumidor en el marketing digital contemporáneo ha exigido estrategias integradas entre la construcción de marca y las acciones de performance. Este estudio analizó cómo la integración estratégica entre branding y medios pagados, denominada brandformance, se manifiesta en el e-commerce y su importancia para el desempeño de las estrategias digitales. La investigación, de naturaleza aplicada, cualitativa y descriptiva, empleó el método de benchmarking competitivo. Se analizaron tres empresas de ejemplo (Alfa, Beta y Gama) activas en el e-commerce, comparando sus niveles de integración entre branding y medios pagados. Los datos se recolectaron de documentos, fuentes secundarias, informes de mercado, materiales institucionales y evidencias empíricas de plataformas digitales. Los resultados indicaron que las empresas con mayor alineación entre identidad de marca, comunicación y campañas de performance demostraron mayor coherencia en el viaje del consumidor y mejores indicadores de eficiencia. En contrapartida, las organizaciones enfocadas en conversión inmediata presentaron inconsistencias comunicacionales, comprometiendo la construcción de valor a largo plazo. Se concluyó que la integración entre branding y medios pagados es un factor estratégico para la competitividad en el e-commerce, contribuyendo a la construcción de valor y a la efectividad de las estrategias digitales.

Palabras clave: Benchmarking; Comunicación integrada; Estrategias de marketing; Viaje del consumidor; Performance digital.

13 de noviembre de 2026

Machine learning en la predicción de resultados quirúrgicos en epilepsia del lóbulo temporal farmacorresistente

La epilepsia del lóbulo temporal (ELT) farmacorresistente representa un desafío clínico complejo, con una proporción significativa de pacientes reintervenidos que presentan recurrencia de crisis. El objetivo fue ampliar el análisis de una cohorte retrospectiva de pacientes con ELT farmacorresistente sometidos a reintervención, utilizando técnicas de machine learning (ML) para identificar señales analíticas que pudieran contribuir a la medicina de precisión en cirugía de epilepsia. Se realizó un estudio exploratorio en una cohorte de 27 pacientes adultos reintervenidos entre 1994 y 2014 en un centro terciario. Se aplicaron algoritmos de ML (regresión logística, Random Forest y XGBoost) con validación leave-one-out (LOOCV) a un dataset con 20 features clínicas, incluyendo la postura distónica de miembro superior. Para el desenlace primario de libertad total de crisis (Engel Ia) en el último seguimiento, la regresión logística indicó una señal discriminatoria moderada, con AUC-ROC de 0,655 y sensibilidad de 0,80. El análisis interpretativo por SHAP values identificó el intervalo entre las cirugías, la duración de la epilepsia hasta la primera intervención y el uso de electrocorticografía como variables de mayor contribución. Pacientes con postura distónica de miembro superior presentaron un patrón consistente de mejores desenlaces quirúrgicos. El estudio demostró la viabilidad y el potencial informativo del enfoque exploratorio por ML en cohortes clínicas pequeñas, con perspectiva de replicación en series mayores y contribución al paradigma de medicina de precisión en cirugía de epilepsia.

Palabras clave: Cirugía de epilepsia; Epilepsia del lóbulo temporal; Machine learning; Postura distónica; SHAP values.

13 de noviembre de 2026

Análisis de sentimiento sobre el lanzamiento del Samsung Galaxy S25

Este estudio aplicó técnicas de Procesamiento del Lenguaje Natural para analizar el sentimiento de los consumidores brasileños en relación con el lanzamiento del Samsung Galaxy S25. El objetivo fue analizar el sentimiento de los consumidores, a partir de 1.320 comentarios en lengua portuguesa recopilados en la plataforma Reddit, en el período de enero de 2024 a diciembre de 2025. Se utilizó el modelo BERTimbau, preentrenado para la lengua portuguesa, ajustado mediante “fine-tuning” para clasificación ternaria de sentimiento (positivo, negativo y neutro), alcanzando una precisión del 78,26% y un F1 Macro del 78,21%. El análisis temporal, estructurado en tres fases (rumores y especulaciones, lanzamiento y poslanzamiento), reveló que el sentimiento negativo predominó en la fase de rumores (42,7%), retrocedió durante el lanzamiento (25,9%) y se estabilizó en el poslanzamiento (35,7%). La inteligencia artificial embarcada (Galaxy AI) fue el tema más discutido (588 menciones) y predominantemente negativo (46,9%). La batería se configuró como el atributo con mayor insatisfacción (55,9% negativo), siendo el único cuya percepción se deterioró tras el uso real. La cámara destacó como el atributo con mejor evaluación relativa. Los resultados indicaron que la innovación incremental encuentra límites en la capacidad de generar valor percibido suficiente para sostener el posicionamiento premium del producto en el mercado brasileño.

Palabras clave: Análisis de sentimiento; BERTimbau; Procesamiento del lenguaje natural; Reddit; Smartphones.

13 de noviembre de 2026

Volatilidad cambiaria y estabilización de márgenes en el sector de combustibles brasileño

La volatilidad cambiaria representó uno de los principales factores de riesgo para las empresas en sectores dependientes de insumos dolarizados, notablemente en el mercado de combustibles brasileño, donde la formación de precios estuvo fuertemente ligada a variables internacionales. Con este escenario, el estudio analizó el impacto de la tasa de cambio en los precios de la gasolina entre 2015 y 2025 y evaluó la eficacia de estrategias de cobertura cambiaria en la reducción de la variabilidad de los márgenes operativos. Para ello, se adoptó un enfoque cuantitativo, descriptivo y documental, utilizando datos secundarios del Banco Central de Brasil (BCB), de la Agencia Nacional del Petróleo, Gas Natural y Biocombustibles (ANP) y del Instituto Brasileño de Geografía y Estadística (IBGE). La metodología incluyó la descomposición del precio de la gasolina en componente cambiario y residual, seguida por la simulación de márgenes operativos en escenarios con y sin protección cambiaria. Los resultados revelaron que la depreciación del real comprimió los márgenes en el escenario sin cobertura, mientras que la protección cambiaria disminuyó la volatilidad de los resultados, especialmente en períodos de inestabilidad, aunque generó pérdidas relativas en momentos de apreciación cambiaria. Se concluyó que la gestión del riesgo cambiario contribuyó a una mayor previsibilidad operativa, incluso con los trade-offs inherentes a la limitación de ganancias potenciales.

Palabras clave: Combustibles; Cobertura cambiaria; Margen operativo; Tasa de cambio; Volatilidad cambiaria.

13 de noviembre de 2026

Diseño Universal para el Aprendizaje: una guía práctica para profesores

El presente estudio tuvo como objetivo elaborar una guía de estrategias prácticas, fundamentada en los principios del Diseño Universal para el Aprendizaje (DUA), con el fin de promover prácticas pedagógicas inclusivas y accesibles en el aula. La investigación se caracterizó como aplicada, con un enfoque cualitativo, y se desarrolló mediante el análisis teórico e interpretativo de producciones académicas sobre DUA, neurociencia del aprendizaje y educación inclusiva. El producto educativo se estructuró en base a los tres principios del DUA –múltiples medios de compromiso, representación, y acción y expresión– para organizar estrategias pedagógicas que reduzcan barreras y valoren la diversidad de los estudiantes. Los resultados indicaron que la implementación de prácticas basadas en el DUA puede contribuir al desarrollo de entornos educativos más equitativos, favoreciendo el compromiso, la comprensión y la expresión del conocimiento, especialmente para alumnos con necesidades educativas especiales. La articulación con la neurociencia reforzó la importancia de considerar la variabilidad cognitiva en la enseñanza-aprendizaje. Se concluyó que la guía propuesta representa una herramienta relevante para apoyar la práctica docente y asegurar el acceso a una educación equitativa.

Palabras clave: Acción y expresión; Compromiso; Inclusión escolar; Neurociencia; Representación.

13 de noviembre de 2026

Reclamaciones de consumidores del sector financiero en la Plataforma consumidor.gov.br: la trayectoria de la percepción de resolutividad

Este estudio analizó la trayectoria de la percepción de resolutividad de las reclamaciones de consumidores del sector financiero en la plataforma consumidor.gov.br entre los años 2015 y 2025. El objetivo fue analizar la evolución de esta percepción. Para ello, se utilizó la metodología KDD (Knowledge Discovery in Databases) y el lenguaje Python. Se procesaron 4.774.386 reclamaciones, y los registros presentaron un crecimiento exponencial, pasando de 46 mil en 2015 a 1,2 millones en 2025. Sin embargo, la percepción de resolución por parte de los consumidores declinó de 47,6% a 8,9% en este período. Solo 776.970 reclamaciones fueron clasificadas como resueltas, representando 16,27% del total. Las reclamaciones resueltas poseyeron una nota media de 4,08, mientras que las no resueltas decayeron a 1,42. El perfil del consumidor fue presentado por la predominancia del sexo masculino, con edad entre 21 y 40 años y perteneciente a la región sudeste. Se concluyó que el estudio analizó profundamente las reclamaciones del sector financiero brasileño, detallando la eficiencia de las respuestas institucionales y las características poblacionales, pudiendo servir como instrumento para balizar mejoras en la satisfacción de los consumidores, mitigar propaganda negativa y generar fidelización en el ambiente competitivo.

Palabras clave: Comportamiento; Consumo; KDD; Satisfacción del consumidor.

13 de noviembre de 2026

La fuerza de la IA generativa en la construcción de relaciones emocionales con los consumidores

El marketing ha evolucionado hacia un enfoque centrado en la relación, impulsado por el avance de la inteligencia artificial generativa en canales conversacionales como WhatsApp. El estudio tuvo como objetivo identificar la capacidad de la inteligencia artificial generativa para construir relaciones emocionales con los consumidores en flujos de comunicación simulados, considerando elementos como el lenguaje afectivo, la proximidad y la personalización. Se adoptó un enfoque exploratorio cualitativo, con un procedimiento experimental. Se aplicó un guion de interacción estandarizado a cuatro marcas que utilizan IA generativa a través de WhatsApp. Las respuestas fueron recopiladas mediante observación directa no participante y analizadas según criterios como el tono del lenguaje, la presencia de elementos afectivos y la continuidad del diálogo. Los resultados evidenciaron diferentes niveles de madurez en el uso de la IA, destacando sistemas que, configurados con intencionalidad relacional, simularon empatía, mantuvieron coherencia contextual y sostuvieron el vínculo a lo largo de la jornada, incluso en situaciones de ruptura. Se concluyó que la capacidad de la IA generativa para construir relaciones emocionales no es inherente a la tecnología, sino que depende de su diseño estratégico, incluyendo la definición de persona, la estructuración de prompts y el uso de memoria contextual, reforzando la integración entre tecnología y estrategia de marketing relacional.

Palabras clave: Atención automatizada; Inteligencia artificial conversacional; Lenguaje afectivo; Marketing relacional; Personalización.

13 de noviembre de 2026

Gestión estratégica del departamento jurídico en aseguradora: productividad, desarrollo y uso de herramientas de soporte

El entorno de seguridad, caracterizado por la complejidad regulatoria y la necesidad de eficiencia, exige estructuras organizacionales efectivas. Este estudio analizó cómo la organización de las actividades, la estandarización de procesos y el uso de herramientas de apoyo influyeron en la productividad y el desarrollo del departamento jurídico de una aseguradora. La investigación, de naturaleza exploratoria con enfoque cuantitativo y cualitativo, se realizó a través de una “encuesta”. Se aplicó un cuestionario estructurado adaptado, basado en constructos de madurez de procesos de Business Process Management (BPM) y escala Likert, a diez profesionales del departamento jurídico de una aseguradora en São Paulo. Los datos fueron analizados por estadística descriptiva y cualitativa. Los resultados indicaron un estadio intermedio de madurez en la estructuración de los procesos jurídicos, con una percepción favorable sobre la planificación de actividades y la búsqueda de mejora continua. Sin embargo, se observaron debilidades en la uniformidad de la adopción de procedimientos formales y en la consistencia de la aplicación de métodos, especialmente en la interacción con otras áreas. La estructuración de las actividades y la estandarización de procesos, combinadas con el uso de herramientas de soporte, se asociaron a una mayor previsibilidad de las demandas, menor variabilidad en las rutinas y mayor consistencia técnico-jurídica de las entregas. Se concluyó que la adopción de prácticas de gestión estratégica y el uso estructurado de herramientas de soporte contribuyeron al aumento de la productividad y la generación de valor para la organización. El estudio ofreció directrices para fortalecer la gestión estratégica del departamento jurídico, enfatizando la formalización de rutinas, el uso de herramientas tecnológicas y el desarrollo de competencias, además de aplicar conceptos de BPM al contexto jurídico corporativo.

Palabras clave: Business Process Management (BPM); Mecanismos de apoyo; Mejora continua; Estandarización de procesos; Productividad organizacional.

13 de noviembre de 2026

Construcción de un mapa estratégico para alinear procesos y proyectos con la estrategia corporativa

La capacidad de una organización para alinear sus esfuerzos con la estrategia corporativa ha demostrado ser fundamental para su sostenibilidad en mercados competitivos. El objetivo fue construir un mapa estratégico para una empresa de Ingeniería y Construcción, utilizando la metodología Balanced Scorecard, con el fin de ofrecer un marco estructurado que fortaleciera el alineamiento entre el área de Procesos y Proyectos y los objetivos organizacionales. Se adoptó un estudio de caso con enfoque cualitativo, fundamentado en el marco del Balanced Scorecard de Kaplan y Norton. La recolección de datos implicó análisis documental y tres entrevistas semiestructuradas con ejecutivos de la organización, realizadas en diciembre de 2025. Los resultados permitieron la elaboración de un mapa estratégico que evidenció las relaciones de causa y efecto entre las perspectivas Financiera, de Clientes, de Procesos Internos y de Aprendizaje y Crecimiento. La validación con el liderazgo indicó una alta adherencia del modelo a la realidad de la empresa, destacando su contribución a la claridad estratégica, la priorización de iniciativas y una mejor dirección de la actuación del área de Procesos y Proyectos. Se concluyó que el mapa estratégico representa un instrumento relevante para traducir la estrategia organizacional y apoyar su ejecución, promoviendo un mayor alineamiento interno y una gestión más eficaz del portafolio de iniciativas.

Palabras clave: Alineamiento estratégico; Balanced Scorecard; Gestión de procesos; Gestión de portafolio.