Qualified Educational Capacity Planning under Heterogeneous Student Support Needs: A Synthetic Benchmark and Decision-Support Framework

Resumen Técnico: Planificación de Capacidad Educativa Cualificada bajo Necesidades de Apoyo Heterogéneas

Formulación del Problema
El artículo aborda la planificación de la capacidad de personal educativo cualificado dentro de una sola institución. A diferencia de los modelos operativos estándar que tratan la capacidad del personal como un número fijo de cabezas, este trabajo modela la capacidad como tiempo de personal cualificado: tiempo que está tanto disponible como dotado de la preparación específica requerida para una tarea de apoyo (por ejemplo, remediación, apoyo lingüístico). El problema se caracteriza por tres restricciones dinámicas:

1. Heterogeneidad: Las demandas de apoyo se categorizan y el personal debe poseer cualificaciones específicas ($k$) para categorías específicas ($g$).
2. Cualificación Dinámica: La preparación es un estado continuo ($S_{w,k,t}$) sujeto a un deterioro ($\delta$) si no se practica, y requiere entrenamiento ($\alpha$) para alcanzar un umbral de cualificación estricto ($\theta$).
3. Entrenamiento con Consumo de Capacidad: El entrenamiento consume las mismas horas de personal escasas requeridas para el servicio estudiantil actual. Además, los servicios educativos son no almacenables; la demanda no satisfecha crea un remanente (backlog) que no puede "almacenarse" para su cumplimiento posterior, y la capacidad cualificada demasiado tarde no puede servir retroactivamente a la demanda pasada.

El problema de decisión implica la asignación de horas de personal entre el servicio directo ($x_{service}$) y el entrenamiento ($x_{train}$) bajo incertidumbre respecto a los aumentos de demanda, las ausencias del personal y la llegada de nuevas categorías de apoyo. Estas perturbaciones pueden ser anunciadas (visibles en la ventana de pronóstico) o sorpresa (ocultas hasta su aparición).

Metodología y Diseño del Benchmark
Los autores introducen un benchmark sintético controlado por semillas y un marco de soporte de decisiones en lugar de un programador desplegado. El sistema es un modelo de servicio estilizado con:

• Estado: Remanente de horas no satisfechas, disponibilidad del personal y niveles de preparación continuos.
• Acciones: Asignación de horas de servicio y entrenamiento sujetas a restricciones estrictas de elegibilidad (solo el personal cualificado puede dar servicio) y topes de plazas para el entrenamiento.
• Dinámica: El remanente evoluciona según la demanda menos el servicio; los niveles de preparación decaen y aumentan con el entrenamiento.
• Objetivo: Minimizar la suma de los costos de demanda no satisfecha y los costos de entrenamiento sobre un horizonte finito.

El benchmark incluye seis familias de escenarios: control estacionario, nuevas categorías de apoyo (anunciadas/sorpresa), ausencias del personal (anunciadas/sorpresa) y aumentos de demanda. Emplea una disciplina de factibilidad exacta, asegurando que todas las políticas generen acciones válidas, y utiliza checksums de reproducción (replay checksums) para la reproducibilidad bit a bit.

Clases de Políticas
El estudio compara varias clases de políticas, declarando explícitamente sus conjuntos de información:

1. ServiceOnly: Asigna el servicio proporcionalmente a la demanda; nunca entrena.
2. ReactiveGap: Entrena solo después de que la demanda no cubierta excede un umbral.
3. StaticInsurance: Ejecuta un plan de cualificación cruzada fijo y austero desde $t=0$ basado en la configuración inicial, gastando una fracción fija del presupuesto.
4. WaterFillingTraining: Distribuye un presupuesto de entrenamiento fijo a través de las brechas observadas.
5. ForecastAwareMPC (Principal): Un controlador de Programación Lineal Entera Mixta (MILP) de horizonte rodante que optimiza el servicio y el entrenamiento sobre un horizonte finito ($H=6$), replanificando en cada paso. Trata los choques sorpresa como enmascarados hasta que ocurren.
6. OracleUpperReference: Un par de previsión perfecta (mismo proceso de MPC pero con los choques sorpresa sin enmascarar) utilizado para aislar el valor de la previsión, no como un límite superior global.

Resultados Clave y Mapa de Regímenes
El hallazgo central no es una política "mejor" universal, sino un mapo de regímenes gobernado por la relación entre el retraso de entrenamiento (tiempo para adquirir una nueva cualificación) y el alcance de reacción del controlador (horizonte de planificación + ventana de remanente recuperable).

1. Régimen de Reacción Factible: Cuando una nueva cualificación puede adquirirse dentro del alcance de reacción del controlador (por ejemplo, tasas de entrenamiento estándar, arranques en caliente o ventanas de disrupción cortas), el controlador MPC de bucle cerrado domina.

   • En una suite adversaria congelada de 2,620 episodios (que cubre ventanas cortas, entrenamiento lento, poco margen y planes estáticos enfocados en choques), el controlador ganó las 158 celdas emparejadas contra las líneas base estáticas.
   • El análisis de atribución muestra que el valor proviene de la adquisición de cualificaciones justo a tiempo, no solo de una mejor asignación de servicio.
   • El controlador se desempeña de manera casi idéntica al Oracle de previsión perfecta en choques anunciados, confirmando su legitimidad.

2. Régimen de Pre-posicionamiento: Cuando el retraso de entrenamiento supera el horizonte del controlador (por ejemplo, un "arranque en frío" con reentrenamiento profundo que requiere ~60 horas de personal, excediendo el $H=6$), el seguro estático austero gana por hasta un factor de 2 en ventanas largas.

   • Esta victoria es estructural: el Oracle de previsión perfecta (también limitado a $H=6$) empata con el controlador principal y pierde idénticamente ante el plan estático, demostiendo que el fallo se debe a la restricción del horizonte, no a la lógica del controlador.
   • Los entrenadores reactivos que comienzan tras la aparición del choque son los peores ejecutores, desperdiciando esfuerzo en un entrenamiento que no puede cualificar a tiempo.

3. Insuficiencia Estructural: Cuando la demanda total supera estructuralmente la capacidad cualificada ($\rho < 1$), todas las políticas colapsan y la elección de la política se vuelve irrelevante.

4. Perecederidad del Remanente: Introducir una fecha límite (remanente perecedero) desplaza el límite entre los regímenes pero no los elimina. La ventaja del controlador en el régimen de reacción factible no depende de ser tolerante con el servicio tardío.

Significancia y Reivindicaciones
El artículo afirma proporcionar el primer benchmark sintético reproducible para la planificación de la capacidad educativa cualificada que integra estados de habilidades dinámicos, costos de oportunidad de entrenamiento y demanda heterogénea.

• Contribución: Establece un mapo de regímenes que distingue cuándo el control dinámico y justo a tiempo es superior frente a cuándo el pre-posicionamiento estático y austero es estructuralmente necesario.
• Contraste con la Manufactura: A diferencia de los estudios de manufactura complementarios donde el seguro estático suele ganar cerca de los límites de capacidad, este modelo educativo muestra que el control dinámico domina en la mayoría de los escenarios realistas, a menos que el retraso de entrenamiento sea estructuralmente más largo que el horizonte de planificación.
• Limitaciones: Los autores declaran explícitamente que todos los resultados son evidencia computacional estilizada sobre datos sintéticos. El marco no hace afirmaciones sobre resultados estudiantiles reales, cumplimiento legal o colocaciones individuales. Sirve como un banco de pruebas para estudiar problemas de decisión, no como una herramienta de despliegue.
• Herramientas: El artículo introduce EduCapacity Studio, una interfaz transparente para el análisis de escenarios y reproducción bit a bit, diseñada como un instrumento de reproducibilidad más que como un motor de recomendación.

En resumen, el artículo argumenta que la "mejor" estrategia depende enteramente de la relación entre el retraso de entrenamiento y el alcance de reacción del controlador. Si el retraso es corto, el control dinámico gana; si el retraso es largo (haciendo que la reacción sea estructuralmente demasiado tardía), el pre-posicionamiento estático austero es la respuesta estructural óptima.