Un enfoque de minería de datos para la predicción de la resiliencia académica

Resumen

Los estudiantes resilientes son aquellos que procediendo de contextos de desventaja socioeconómica logran obtener resultados educativos excelentes. En España, el porcentaje del alumnado que posee estas características es muy elevado. En el estudio de la resiliencia se han empleado mayoritariamente modelos logit, pero recientemente han aumentado las investigaciones que utilizan técnicas de minería de datos para estudiar fenómenos educativos. El objetivo de esta investigación es evaluar y comparar tres algoritmos de minería de datos (árboles de decisión, bosques aleatorios y máquina de soporte vectorial) para predecir la resiliencia académica. Para ello, se han utilizado la curva ROC y el área bajo la curva (AUC). La muestra está formada por los estudiantes españoles que se encuentran en el primer cuartil del índice de estatus económico, social y cultural de PISA 2018. La variable dependiente es la resiliencia académica en la competencia matemática, científica y lectora, considerándose resilientes a los estudiantes del cuartil más elevado, mientras que las variables independientes se corresponden con los índices de PISA. Para construir y evaluar los modelos se ha utilizado la validación cruzada de 10 interacciones mediante el programa R. Entre los principales resultados es importante resaltar que todas las técnicas muestran un alto grado de precisión a la hora de predecir la resiliencia académica en las tres competencias troncales, siendo la más precisa el algoritmo de bosques aleatorios. Se concluye que las técnicas avanzadas de minería de datos se presentan como una opción idónea a la hora de estudiar este fenómeno educativo.

Presentadores

Alexander Constante Amores
Profesor, Investigación en Psicología y Educación, Universidad Camilo José Cela , Madrid, Spain

María Sánchez-Munilla
Personal Investigador en Formación, Investigación y Psicología en Educación, Universidad Complutense de Madrid, Madrid, Spain

Details

Presentation Type

Ponencia temática de un trabajo

Theme

Medición y evaluación

KEYWORDS

Minería de Datos, Curva ROC, Resiliencia Académica, PISA