Aplicación de técnicas Data Mining para el análisis del desempeño escolar en Cundinamarca (Colombia) 2015 a 2019

Abstract

El objetivo de la investigación es identificar las variables que inciden en el desempeño escolar de las pruebas de Saber 11, en estudiantes de educación media, en Cundinamarca, durante los años 2015 a 2019, apoyado con modelamiento estadístico, usando fuentes de datos abiertas y disponibles del Instituto Colombiano para la Evaluación de la Educación ICFES y de la gobernación de Cundinamarca - Colombia. El desempeño escolar, en la presente investigación, se asume como la puntuación que los estudiantes obtienen al presentar las pruebas estandarizadas, que para el caso en estudio, corresponde con las aplicadas por el estado colombiano a través del ICFES, conocidas como pruebas Saber 11. La metodología empleada fue Cross Industry Standard Process for Data Mining (CRISP_DM). Los resultados mostraron que el modelo multinivel tiene una mayor simplicidad en su organización, tiempo de procesamiento y demás características para la información objeto de este estudio. Adicionalmente, se observó que las variables que tienen incidencia en la predicción del desempeño escolar son el género de estudiante, las horas del trabajo del estudiante, el apoyo del estado a la familia, si los padres tienen estudios terminados, si la madre trabaja, así como los recursos disponibles en la casa. En algunos municipios emergió como variable la obesidad del estudiantado como una variable opuesta al desempeño escolar.

The objective of the research is to identify the variables that affect the school performance of Saber 11 tests, in middle school students, in Cundinamarca, during the years 2015 to 2019, supported by statistical modeling, using open and available data sources from the Colombian Institute for the Evaluation of Education ICFES and the government of Cundinamarca - Colombia. School performance, in the present investigation, is assumed as the score that students obtain when presenting standardized tests, which for the case under study, corresponds to those applied by the Colombian state through ICFES, known as Saber 11 tests. The methodology used was the Cross Industry Standard Process for Data Mining (CRISP_DM). The results showed that the multilevel model has greater simplicity in its organization, processing time and other characteristics for the information object of this study. Additionally, it was observed that the variables that have an impact on predicting school performance are the gender of the student, the student's work hours, state support for the family, if the parents have completed studies, if the mother works, as well as the resources available in the house. In some municipalities, student obesity emerged as a variable opposed to school performance.