Who Will Have a Child? Predicting Three-Year Childbearing Outcomes Using Machine Learning
Este estudio utiliza modelos de aprendizaje automático, específicamente XGBoost mejorado por SMOTE para el desequilibrio de clases y una selección de características informada por el dominio para la alta dimensionalidad, para predecir con éxito los resultados de la procreación infantil a tres años de cada individuo en los Países Bajos utilizando los datos de la encuesta PreFer.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Cada sociedad se enfrenta a una pregunta fundamental de planificación: ¿cuántos niños nacerán en los próximos años? Esto no es meramente una cuestión de curiosidad para los demógrafos; es una necesidad práctica para los gobiernos y las comunidades. Saber el número probable de nuevas familias ayuda a las escuelas a planificar aulas, a los hospitales a preparar salas de maternidad y a las ciudades a diseñar viviendas para poblaciones crecientes. Durante décadas, los investigadores han intentado pronosticar estas cifras observando tendencias generales, como la edad media de los padres primerizos o el clima económico general. Sin embargo, predecir si un individuo específico tendrá un hijo en un periodo corto de tiempo, como los próximos tres años, ha seguido siendo un rompecabezas difícil. Los factores que influyen en esta decisión son vastos y profundamente personales, y van desde la estabilidad financiera y la satisfacción en la relación hasta las metas profesionales y el simple deseo de formar una familia.
Un equipo de investigadores de la Universidad de Tilburg, en los Países Bajos, abordó recientemente este desafío recurriendo a un poderoso conjunto de herramientas conocido como aprendizaje automático (machine learning). En lugar de confiar en una única fórmula para adivinar el futuro, entrenaron programas informáticos para reconocer patrones complejos en las vidas de miles de personas. Su objetivo era ver si estos modelos digitales podían predecir con exactitud qué individuos, de entre 18 y 45 años, darían la bienvenida a un nuevo hijo entre 2021 y 2023. Los investigadores trabajaron con una enorme colección de datos de encuestas que contenía más de 30,000 piezas de información diferentes sobre cada persona, desde su año de nacimiento y nivel educativo hasta cómo dividen las tareas del hogar y qué tan satisfechos están con su pareja. La dificultad central que enfrentaron fue que los datos estaban muy sesgados; mucha más gente en el estudio no tuvo un nuevo hijo que los que sí, lo que hacía fácil que una computadora adivinara "no" para todos y aun así pareciera precisa, perdiendo de vista por completo a los padres reales.
Para resolver esto, los investigadores primero tuvieron que simplificar la abrumadora cantidad de información. Comenzaron utilizando sus conocimientos de las ciencias sociales para identificar cuáles de las 30,000 variables eran más probables que importaran, reduciendo el campo a una lista más manejable. Luego, utilizaron un programa informático para probar cuáles de estos factores eran realmente los predictores más fuertes, estableciéndose finalmente en un conjunto enfocado de solo 69 variables clave. Este proceso fue crucial porque intentar usar los 30,000 detalles a la vez habría confundido al modelo, de forma muy parecida a intentar encontrar un libro específico en una biblioteca donde cada estante está lleno de miles de títulos no relacionados. Al centrarse en las señales más relevantes, como la edad, el estado de la pareja y la situación financiera, permitieron que la computadora viera el bosque en lugar de perderse entre los árboles.
El equipo probó entonces tres tipos diferentes de modelos de aprendizaje automático para ver cuál podía identificar mejor a los futuros padres. Compararon un árbol de decisión básico, que realiza predicciones haciendo una serie de preguntas de sí o no, contra dos métodos más avanzados que combinan muchos de tales árboles para llegar a una conclusión más inteligente. Uno de estos métodos avanzados, conocido como el aumento de gradiente extremo (extreme gradient boosting), funcionaba construyendo una secuencia de modelos donde cada nuevo modelo aprendía de los errores del anterior. Los investigadores también tuvieron que abordar el desequilibrio en sus datos, donde el grupo de personas que tenían un nuevo hijo era mucho más pequeño que el grupo que no lo tenía. Para solucionar esto, utilizaron una técnica que creaba ejemplos sintéticos del grupo más pequeño, enseñando efectivamente a la computadora a prestar más atención al evento poco común de un nuevo nacimiento sin simplemente copiar los mismos datos una y otra vez.
Los resultados mostraron que el modelo más sofisticado, aquel que aprendía de sus propios errores, fue el que mejor funcionó. Al ser probado con datos que nunca había visto antes, este modelo identificó correctamente a los futuros padres con un alto grado de precisión, superando significativamente a los métodos más simples. El uso de la técnica para equilibrar los datos resultó esencial; sin ella, el modelo tenía dificultades para detectar al grupo minoritario de nuevos padres. El estudio encontró que, al seleccionar cuidadosamente las preguntas adecuadas para hacer y utilizar un modelo que pudiera aprender de sus errores, es posible pronosticar los resultados de la natalidad a corto plazo con una precisión sorprendente. Aunque los investigadores señalaron que sus hallazgos se basan en un grupo específico de personas en los Países Bajos y que necesitarían más pruebas en otras poblaciones, el trabajo demuestra que el aprendizaje automático puede ser una herramienta valiosa para comprender las complejas decisiones humanas detrás del crecimiento familiar.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.