Analysis and Prediction of At-Risk Students Using Machine Learning Algorithms

Imagina una universidad como un jardín grande y con mucho movimiento. El objetivo es ayudar a que cada estudiante (las plantas) crezca fuerte y alcance su plena floración (la graduación). Sin embargo, a veces las plantas comienzan a marchitarse o dejan de crecer antes de estar listas. En el pasado, los jardineros (el personal de la universidad) solo notaban que una planta estaba en problemas después de que ya se había vuelto amarilla o había perdido sus hojas. Para entonces, a menudo era demasiado tarde para salvarla.

Este artículo trata sobre la construcción de un sistema de pronóstico meteorológico inteligente para ese jardín. En lugar de esperar a que las hojas se vuelvan amarillas, los investigadores utilizaron programas informáticos (Aprendizaje Automático o Machine Learning) para observar el suelo, el agua y la historia de la planta para predecir de antemano cuáles podrían tener dificultades.

Aquí hay un desglose sencillo de lo que hicieron y lo que encontraron:

El Problema: La "Alarma Tardía"

Las universidades pierden dinero y reputación cuando los estudiantes se van antes de tiempo. Actualmente, las escuelas intentan ayudar a los estudiantes ofreciendo asesoramiento o tutorías, pero a menudo hacen esto de forma reactiva. Es como llamar al médico solo después de que ya te has roto una pierna. Los investigadores querían encontrar una manera de predecir la rotura antes de que ocurra para poder ofrecer un yeso (apoyo) de forma temprana.

La Herramienta: Los Algoritmos de la "Bola de Cristal"

Los investigadores recopilaron datos de la Sydney International School of Technology and Commerce (SISTC). Analizaron los registros de 2,405 estudiantes, pero los limpiaron para centrarse en 1,027 estudiantes que habían terminado sus estudios o habían abandonado.

Introdujeron estos datos en cuatro diferentes "bolas de cristal" (algoritmos de Aprendizaje Automático) para ver cuál podía predecir el futuro mejor:

1. Regresión Logística: Una calculadora simple de línea recta que pondera diferentes factores.
2. Bosque Aleatorio (Random Forest): Un equipo de muchos tomadores de decisiones (como un comité de expertos) votando sobre el resultado.
3. K-Vecinos Más Cercanos (KNN): Un método que observa a los "vecinos" del estudiante (estudiantes con calificaciones y antecedentes similares) para adivinar qué les pasará.
4. Máquinas de Vectores de Soporte (SVM): Un método que traza una línea para separar a los "graduados" de los "desertores".

Los Ingredientes: ¿En qué se fijaron?

Para realizar sus predicciones, la computadora analizó 14 pistas específicas, tales como:

• Historial Académico: Cuántas materias aprobaron, reprobaron o saltaron.
• Demografía: Su edad, género, nacionalidad y tipo de visa.
• Tiempo: Cuánto tiempo llevaban estudiando y cuántas veces intentaron un curso.

Los Resultados: ¿Quién ganó la carrera?

Los investigadores probaron estas "bolas de cristal" para ver qué tan precisas eran. Los resultados fueron sorprendentemente altos:

• Los Ganadores: La Regresión Logística y SVM (Kernel Lineal) fueron los campeones. Obtuvieron un 99% de precisión. Esto significa que fueron casi perfectos para adivinar qué estudiantes terminarían y cuáles se irían.
• El Segundo Lugar: El Bosque Aleatorio también fue muy fuerte con un 98.7%.
• Los Otros: KNN y la versión más compleja de SVM también fueron buenos, pero ligeramente menos precisos (alrededor del 96-97%).

Lo que la "Bola de Cristal" les dijo

Cuando los investigadores analizaron por qué los modelos ganadores realizaban sus predicciones, encontraron algunos patrones interesantes:

• Tipo de Visa: Los estudiantes con una "Visa de Estudiante" estándar tenían muchas más probabilidades de terminar sus estudios.
• Nacionalidad: Los datos mostraron que los estudiantes de Pakistán tenían una mayor probabilidad de abandonar los estudios en comparación con otros en este conjunto de datos específico.
• Calificaciones: El número de materias que un estudiante reprobó fue una gran señal de alerta. Cuantas más reprobaban, mayor era el riesgo de que se fueran.
• Elección de Carrera: Los estudiantes en el programa de "Maestría en TI" tenían más probabilidades de quedarse y terminar.

El Control de Seguridad

Los investigadores fueron cuidadosos con la privacidad. Eliminaron todos los nombres y detalles personales de los datos, tratando a los estudiantes como números anónimos. También señalaron un problema potencial: si los datos no tienen suficientes ejemplos de ciertos grupos (como géneros o nacionalidades específicas), la computadora podría tener sesgos. Sugirieron verificar esto en el futuro.

La Conclusión

Este estudio demuestra que, mediante el uso de matemáticas simples y modelos computacionales, las universidades pueden actuar como jardineros proactivos. En lugar de esperar a que un estudiante falle, pueden usar los datos para detectar las señales de advertencia temprano. El estudio encontró que los modelos simples (Regresión Logística y SVM Lineal) son en realidad las mejores herramientas para este trabajo, ofreciendo un 99% de probabilidad de identificar correctamente a los estudiantes que necesitan ayuda antes de que decidan irse.

Los investigadores sugieren que, en el futuro, las escuelas podrían añadir más detalles —como cuánto participa un estudiante en clase o sus hábitos de tareas— para hacer estas predicciones aún más agudas, pero por ahora, los datos actuales ya están haciendo un trabajo fantástico.