Identifying the post-pandemic determinants of low performing students in Latin America through Interpretable Machine Learning methods

Utilizando datos de PISA 2022 y métodos de aprendizaje automático interpretables, este estudio identifica que el dominio de lenguas minoritarias, la repetición escolar, la pobreza, la falta de dispositivos digitales, el trabajo remunerado y las deficiencias escolares son los principales determinantes del bajo rendimiento estudiantil en América Latina tras la pandemia.

Lo esencial

¡Hola! Imagina que la educación en América Latina es como un gran maratón que los estudiantes deben correr. El objetivo es llegar a la meta con habilidades básicas (leer, hacer matemáticas, entender ciencia).

El problema es que, después de la pandemia (el "gran parón" de las escuelas), muchos corredores se han quedado muy atrás, tropiezan o incluso han caído al suelo. Algunos ni siquiera han empezado a correr bien.

Este estudio es como una investigación forense educativa que usa una "lupa mágica" (Inteligencia Artificial) para entender exactamente por qué estos estudiantes están en la parte de atrás de la carrera y qué podemos hacer para ayudarlos a levantarse.

Aquí tienes la explicación sencilla, punto por punto:

1. ¿Qué hicieron los investigadores? (La "Lupa Mágica")

En lugar de usar estadísticas aburridas y simples, los autores usaron un tipo de Inteligencia Artificial (IA) muy inteligente llamada Machine Learning (Aprendizaje Automático).

• La analogía: Imagina que tienes 1000 detectives diferentes (modelos matemáticos) revisando los datos de 10 países de América Latina. Cada detective tiene una opinión distinta.
• El truco: En lugar de elegir a uno solo, juntaron a todos los detectives en un "comité" (esto se llama Stacking) para que tomen una decisión conjunta más precisa.
• La magia: Luego, usaron una herramienta llamada SHAP (explicaciones de Shapley). Imagina que SHAP es como un desmontaje de un reloj: te permite ver cada engranaje individualmente para entender exactamente cuál está causando que el reloj se detenga. Así, la IA no solo dice "el estudiante va mal", sino que dice: "Va mal porque no tiene internet, porque repitió el curso y porque su escuela está en un barrio muy pobre".

2. ¿Quiénes son los estudiantes más afectados? (El perfil del "Corredor Caído")

El estudio identificó el "perfil tipo" del estudiante que tiene más probabilidades de estar en el último lugar (sin saber lo básico). Es como si dibujaran un retrato robot:

• La familia: Viene de una casa muy pobre, sin libros y, lo más importante, sin dispositivos digitales (ni computadora ni tablet).
• El estudiante: Ha repetido de curso (se quedó un año más en el mismo grado), habla un idioma diferente al de la escuela en casa (a veces una lengua indígena), y trabaja medio día para ayudar a su familia.
• La escuela: Va a una escuela pequeña, en un pueblo o zona rural, con un "clima" malo (donde no se siente seguro o feliz), con pocos ordenadores conectados a internet y con maestros que no tienen mucha formación o certificación.

La metáfora: Es como si a este estudiante le pidieran correr un maratón con zapatos rotos, sin agua, en un camino lleno de baches, mientras lleva una mochila pesada (trabajo y pobreza) y nadie le grita "¡tú puedes!" (falta de apoyo).

3. ¿Qué es lo que más importa? (Los "Engranajes" del problema)

El estudio encontró que, aunque cada país es un poco diferente, hay tres factores principales que actúan como frenos de mano en casi todos los países:

1. Repetir el curso: Es el indicador más fuerte. Si un niño repite, es muy probable que se quede atrás.
2. La riqueza de la familia: Si la familia tiene dinero, el niño tiene libros, internet y no necesita trabajar. Si no tiene, el niño lucha.
3. La tecnología en la escuela: Tener computadoras y conexión a internet es vital. Sin esto, es como intentar cocinar sin fuego.

4. ¿Qué pasa si miramos país por país?

Aunque el patrón general es el mismo, hay detalles curiosos:

• En México, muchos estudiantes de bajo rendimiento trabajan casi toda la semana y faltan a clases por meses.
• En Perú y Paraguay, la falta de tecnología y la calidad de los maestros son problemas gigantes.
• En Chile, el hecho de que la madre tenga poca educación y el niño haya faltado mucho a la escuela son claves.

5. ¿Qué nos dice esto? (La solución)

El estudio no solo señala el problema, sino que sugiere cómo arreglarlo. Es como decir: "Para que este corredor vuelva a la pista, no basta con darle un empujón; hay que arreglar sus zapatos y quitarle la mochila".

• Ayuda directa: Dar dinero a las familias más pobres para que los niños no tengan que trabajar y puedan estudiar.
• Tecnología: Llevar internet y computadoras a las escuelas rurales y a los hogares pobres.
• Maestros: Capacitar mejor a los profesores y asegurar que las escuelas tengan un ambiente seguro y acogedor.
• No repetir: Crear programas para que los niños que van mal no repitan el año, sino que reciban ayuda extra para avanzar.

En resumen

Este papel nos dice que la pobreza, la falta de tecnología y el trabajo infantil son los "monstruos" que están robando el futuro de los estudiantes en América Latina. La Inteligencia Artificial nos ayudó a ver estos monstruos con mucha claridad, para que los gobiernos sepan exactamente dónde golpear para salvar la educación de los más vulnerables.

La moraleja: No podemos esperar a que los estudiantes "se despierten" solos. Necesitamos quitarles los obstáculos (pobreza, falta de internet, escuelas malas) para que puedan correr hacia la meta.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo "Identifying the Post-Pandemic Determinants of Low Performing Students in Latin America Through Interpretable Machine Learning Methods", estructurado según los puntos solicitados.

1. Planteamiento del Problema

El artículo aborda la crisis de aprendizaje profunda en América Latina (AL), agravada por la pandemia de COVID-19. La región enfrenta una "trampa de bajo aprendizaje" caracterizada por desigualdades estructurales y una alta prevalencia de estudiantes que no alcanzan competencias básicas.

• Contexto Post-Pandemia: Las escuelas en AL permanecieron cerradas un promedio de 269 días (1.42 años de interrupción), lo que exacerbó las pérdidas de aprendizaje, especialmente en los grupos más vulnerables.
• El Vacío de Investigación: Estudios anteriores se han centrado en el "estudiante promedio" o en niveles de competencia más altos, sin desagregar adecuadamente a los estudiantes en la parte inferior de la distribución de aprendizaje. Existe una necesidad crítica de distinguir entre:
  • Estudiantes "de fondo" (Bottom performers): Nivel 0 (sin competencias) y Nivel 1 (por debajo de la competencia básica).
  • Estudiantes "de bajo rendimiento" (Low performers): Nivel 1 vs. Nivel 2 (competencia básica).
• Objetivo: Identificar los determinantes específicos que empujan a los estudiantes hacia estos niveles inferiores y entender cómo estos factores varían entre grupos y países, utilizando datos post-pandemia (PISA 2022).

2. Metodología

El estudio emplea un enfoque avanzado de Aprendizaje Automático Interpretable (IML) sobre datos del Programa para la Evaluación Internacional de Estudiantes (PISA) 2022 de 10 países de AL (Argentina, Brasil, Chile, Colombia, República Dominicana, México, Panamá, Perú, Paraguay y Uruguay).

• Datos y Muestras:
  • Se combinan los resultados de Matemáticas, Lectura y Ciencias.
  • Se definen dos muestras binarias de trabajo:
    1. Nivel 0 vs. Nivel 1: Estudiantes sin competencia vs. competencia mínima. (N ≈ 16,236).
    2. Nivel 1 vs. Nivel 2: Estudiantes por debajo de la competencia básica vs. competencia básica. (N ≈ 9,484).
• Modelos de Clasificación Binaria: Se entrenaron cinco modelos individuales optimizados mediante búsqueda de hiperparámetros (Grid Search) y validación cruzada (K-fold estratificado):
  1. Regresión Logística (Logit).
  2. Logit con penalización Lasso (CV).
  3. Random Forest (RF).
  4. Gradient Boosting (GB).
  5. Redes Neuronales (NN).
• Ensamble (Stacking): Para mejorar la precisión y robustez, se utilizó una técnica de Generalización Apilada (Stacking). Los modelos base entrenados generaron probabilidades cruzadas que alimentaron un meta-modelo (regresión lineal con restricciones de suma de pesos = 1).
• Interpretabilidad (SHAP): Se aplicó el método SHAP (Shapley Additive Explanations) para descomponer las predicciones del modelo. Esto permite:
  • Explicaciones Globales: Identificar las variables más importantes en promedio para todo el conjunto de datos.
  • Explicaciones Locales: Perfiles detallados de estudiantes individuales en los extremos de la distribución (los más propensos a fallar vs. los que tienen más probabilidades de superar el umbral).
  • Interacciones: Análisis de cómo factores como el género, la repetición y el stock de TIC interactúan con el nivel socioeconómico.

3. Contribuciones Clave

• Desagregación Granular: Es el primer estudio empírico que separa a los estudiantes de "fondo" (Nivel 0) de los de "bajo rendimiento" (Nivel 1) en la región de AL, permitiendo estrategias de intervención diferenciadas.
• Enfoque Regional y Post-Pandemia: Utiliza los datos más recientes (PISA 2022) que reflejan el impacto de las cierres escolares y la transición al aprendizaje remoto, cubriendo 10 países simultáneamente.
• Aplicación de IML en el Sur Global: Expande la literatura de aprendizaje automático en educación, tradicionalmente centrada en países ricos, hacia sistemas educativos del Sur Global con restricciones de recursos.
• Perfiles de Estudiantes Extremos: No solo identifica factores, sino que construye perfiles concretos de estudiantes "bloqueados" en el Nivel 0 versus aquellos que logran transicionar al Nivel 1 o 2, ofreciendo una hoja de ruta para políticas públicas.

4. Resultados Principales

A. Determinantes Globales (Nivel 0 vs. Nivel 1)

Los factores con mayor impacto en la probabilidad de estar en el Nivel 0 (sin competencia) son:

• Repetición escolar: Especialmente en primaria.
• Falta de pertenencia y apoyo: Bajo sentido de pertenencia a la escuela y falta de apoyo al bienestar por parte de los docentes.
• Factores familiares: Pobreza (bajo SES), falta de dispositivos digitales en el hogar y hablar un idioma minoritario.
• Trabajo infantil: Participación en trabajo remunerado.
• Contexto escolar: Clima escolar deficiente, infraestructura TIC débil y baja calidad docente (solo un tercio de los profesores certificados).

B. Determinantes Globales (Nivel 1 vs. Nivel 2)

Para pasar de un rendimiento bajo a uno básico, los factores clave cambian ligeramente:

• Apoyo educativo familiar: La educación de la madre y el apoyo familiar son determinantes superiores.
• Trabajo y tareas: La intensidad de las tareas escolares y la ausencia de trabajo remunerado son críticas.
• Recursos: La riqueza del hogar y la posesión de libros/dispositivos tienen un peso mayor que en el grupo de Nivel 0.

C. Perfiles de Estudiantes (Explicaciones Locales)

• Perfil de Riesgo Máximo (Nivel 0): Un estudiante con alta probabilidad de ser Nivel 0 es indígena, repitió grado, trabaja medio tiempo, no tiene dispositivos digitales, proviene de una familia muy pobre y asiste a una escuela rural pública con mal clima, poca conectividad y baja certificación docente.
• Perfil de Éxito (Nivel 1): Un estudiante que logra salir del Nivel 0 suele provenir de una familia con mayor SES, tiene libros y dispositivos, no trabaja, y asiste a una escuela privada o con mayor autonomía, mejor clima y docentes certificados.

D. Heterogeneidad por País

Aunque existen patrones homogéneos (la repetición y la riqueza familiar están en el top 10 en al menos 8 de los 10 países), hay matices específicos:

• México: El trabajo remunerado casi a tiempo completo y el ausentismo prolongado son factores distintivos.
• Perú y Paraguay: La infraestructura TIC y la autonomía escolar juegan un papel más prominente.
• Chile y Panamá: La educación materna (a menudo incompleta en primaria) es un factor crítico.

E. Interseccionalidad

El análisis de interacciones revela que la pobreza afecta desproporcionadamente a los estudiantes masculinos en términos de probabilidad de caer al Nivel 0, y que la falta de apoyo educativo familiar impacta negativamente más a las estudiantes femeninas.

5. Significado e Implicaciones

El estudio ofrece una base empírica sólida para el diseño de políticas educativas dirigidas ("targeting"):

1. Intervenciones Diferenciadas: Se requiere una estrategia de dos vías:
   • Para estudiantes en Nivel 0: Intervenciones urgentes contra la repetición, apoyo a la educación indígena, transferencias de efectivo para reducir el trabajo infantil y mejora inmediata del clima escolar.
   • Para estudiantes en Nivel 1: Inversión en insumos educativos (libros, TIC), fortalecimiento del apoyo familiar y mejora de la calidad docente para alcanzar la competencia básica (Nivel 2).
2. Infraestructura y Calidad Docente: La brecha digital y la falta de docentes certificados son barreras estructurales que impiden la movilidad en la distribución de aprendizaje.
3. Herramienta de Política Pública: El uso de valores SHAP locales permite a los sistemas educativos identificar a estudiantes específicos en riesgo (sistemas de alerta temprana) basándose en sus perfiles de covariables, no solo en promedios.

En conclusión, el paper demuestra que la pobreza de aprendizaje en AL es multifacética y requiere soluciones que aborden simultáneamente las desigualdades familiares, las prácticas escolares (repetición, clima) y la infraestructura tecnológica, utilizando modelos predictivos avanzados para guiar la asignación de recursos.