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

Utilizzando modelli di machine learning interpretabili su dati PISA 2022, lo studio identifica le principali cause strutturali e socio-economiche della bassa performance scolastica in dieci paesi latinoamericani post-pandemia, evidenziando come fattori quali la povertà, la ripetizione scolastica, la mancanza di dispositivi digitali e le carenze infrastrutturali delle scuole siano determinanti critici e omogenei nella regione.

L'essenziale

Ecco una spiegazione semplice e creativa di questo studio, pensata per chiunque voglia capire cosa sta succedendo nelle scuole dell'America Latina dopo la pandemia.

🎓 Il Grande Esame: Chi è rimasto indietro?

Immagina l'America Latina come una grande corsa di 100 metri. Prima della pandemia, molti corridori erano già in difficoltà, ma la pandemia è stata come un uragano improvviso che ha spazzato via la pista, fatto cadere molti atleti e lasciato altri senza scarpe.

Questo studio, scritto da un ricercatore di nome Marcos, ha preso i dati del 2022 (il "grande esame" internazionale chiamato PISA) per 10 paesi latinoamericani e ha chiesto: "Chi sono esattamente i corridori che sono caduti più in basso e perché?"

Non si sono limitati a guardare la media, ma hanno usato una lente magica (l'Intelligenza Artificiale spiegabile) per vedere i dettagli più piccoli.

---

🔍 La Lente Magica: L'Intelligenza Artificiale "Onesta"

Di solito, quando usiamo l'Intelligenza Artificiale (AI) per studiare i dati, è come avere una scatola nera: ti dice il risultato ("Questo studente fallirà"), ma non ti spiega il perché. È come un oracolo che parla in indovinelli.

In questo studio, gli autori hanno usato una tecnica speciale chiamata SHAP (che puoi immaginare come una lente di ingrandimento trasparente). Questa lente permette di smontare la "scatola nera" e vedere esattamente quali ingranaggi hanno fatto scattare la previsione.

• Domanda: "Perché questo studente è in difficoltà?"
• Risposta della lente: "Ah, ecco! È perché non ha un computer, parla una lingua diversa a casa, ha ripetuto l'anno e la sua scuola ha un clima pessimo."

---

👤 Il Profilo del "Corridore in Difficoltà" (Livello 0)

Usando questa lente, lo studio ha costruito il ritratto del "perfetto studente in difficoltà" (quello che non riesce a raggiungere nemmeno le competenze di base). Ecco chi è, descritto come un personaggio di un film:

• La Casa: Vive in una famiglia molto povera. Non c'è un computer in casa (o forse nemmeno uno smartphone). La mamma o il papà hanno studiato poco.
• Il Lavoro: Invece di fare i compiti, lavora per guadagnare soldi, spesso metà della settimana. È come se avesse due mestieri: studente e lavoratore.
• La Scuola: Va in una scuola piccola, spesso rurale, dove fa molto caldo o freddo (clima scolastico pessimo), dove i professori non sono tutti certificati e la connessione internet è inesistente.
• La Storia: Ha ripetuto l'anno scolastico (un campanello d'allarme enorme) e spesso parla una lingua indigena o minoritaria a casa, mentre a scuola si parla spagnolo o portoghese.

L'analogia: Immagina di dover costruire una casa (il futuro) ma ti hanno dato solo mattoni rotti, non hai il cemento (i soldi), piove dentro (clima scolastico) e devi lavorare tutto il giorno invece di posare i mattoni. È difficile che la casa venga su!

---

🚀 Chi è il "Corridore che Riusciva a Salire" (Livello 1 e 2)

Poi lo studio ha guardato chi, partendo dalle stesse difficoltà, è riuscito a fare un passo avanti.

• La differenza chiave? Spesso non è solo "essere ricchi". È avere supporto.
• Gli studenti che passano dal livello più basso a quello medio hanno più libri in casa, più dispositivi digitali, e soprattutto: non lavorano. Hanno tempo per studiare.
• Le loro scuole hanno più autonomia, più insegnanti qualificati e una connessione internet funzionante.

---

🌍 Cosa abbiamo imparato? (Le 3 Lezioni Principali)

1. Non è colpa solo dello studente: È come se la scuola fosse un'auto. Se l'auto ha il motore rotto (scuola povera, niente internet), il pilota (lo studente) non può vincere, anche se è bravissimo. La povertà e la mancanza di strumenti digitali sono i freni a mano tirati.
2. La ripetizione è un segnale d'allarme: Chi ripete l'anno è come un albero che ha smesso di crescere. È il fattore più forte che indica che lo studente è in pericolo di "cadere" definitivamente.
3. Non tutti i paesi sono uguali, ma il problema è simile: In tutti e 10 i paesi studiati, la povertà, la mancanza di computer e la ripetizione dell'anno sono sempre i "cattivi" principali. Tuttavia, in alcuni paesi (come il Messico o il Perù), il fatto di lavorare o essere indigeni pesa ancora di più.

💡 Cosa si può fare? (La Soluzione)

Lo studio suggerisce che non basta dire "studiate di più". Bisogna togliere gli ostacoli:

• Aiuto economico: Se un bambino lavora per aiutare la famiglia, la scuola non può funzionare. Servono aiuti economici alle famiglie (come i "buoni scuola" o trasferimenti di denaro) per permettere ai ragazzi di studiare invece di lavorare.
• Tecnologia: Dare computer e internet non è un lusso, è come dare le scarpe a chi deve correre.
• Supporto alle scuole povere: Insegnare ai professori come gestire classi difficili e migliorare il clima scolastico (rendere la scuola un posto sicuro e accogliente).

In sintesi

Questo studio ci dice che per salvare l'istruzione in America Latina dopo la pandemia, non possiamo guardare tutti gli studenti allo stesso modo. Dobbiamo usare la lente dell'Intelligenza Artificiale per trovare quelli che sono caduti più in basso e dare loro esattamente ciò che manca: tempo, strumenti digitali e un ambiente scolastico che non li faccia sentire soli.

È come dire: "Non possiamo chiedere a qualcuno di nuotare se non gli abbiamo dato la maschera e il boccaglio".

Sommario tecnico

Ecco un riassunto tecnico dettagliato del documento di ricerca in italiano, strutturato secondo le sezioni richieste.

Titolo: Identificazione dei determinanti post-pandemia degli studenti con bassa performance in America Latina attraverso metodi di Machine Learning interpretabile

1. Il Problema e il Contesto

Il documento affronta la grave crisi dell'apprendimento in America Latina (LAC), aggravata dalla pandemia di COVID-19. La regione presenta un'alta prevalenza di studenti che non raggiungono le competenze di base (definiti "poveri di apprendimento" o learning poverty).

• Contesto Post-Pandemico: La LAC ha subito il periodo più lungo di chiusura delle scuole (media di 269 giorni tra il 2020 e il 2021), con una perdita stimata di 0,9-1,1 anni di istruzione. Le disuguaglianze strutturali preesistenti si sono acuite, colpendo in modo sproporzionato gli studenti più svantaggiati.
• Il Gap di Ricerca: La letteratura esistente tende ad analizzare i determinanti della performance in modo aggregato (focalizzandosi sullo studente medio) o si concentra su sistemi educativi di paesi ricchi. Manca un'analisi dettagliata che distingua tra i gruppi di studenti con le performance più basse (livello 0: nessuna competenza; livello 1: competenze di base non raggiunte) e quelli che faticano a raggiungere la competenza di base (livello 2). Inoltre, c'è scarsità di studi che utilizzino metodi di Machine Learning (ML) interpretabile su dati di sondaggi educativi nel "Sud Globale".

2. Metodologia

Lo studio adotta un approccio quantitativo avanzato basato sui dati del PISA 2022 (Programme for International Student Assessment) relativi a 10 paesi dell'America Latina (Argentina, Brasile, Cile, Colombia, Repubblica Dominicana, Messico, Panama, Perù, Paraguay, Uruguay).

• Dati e Campione:

  • Vengono analizzati due campioni di lavoro distinti basati su un approccio binario:
    1. Studenti "Bottom" (Livello 0 vs Livello 1): Confronto tra chi non ha raggiunto alcuna competenza e chi ha raggiunto il livello 1 (N ≈ 16.236 osservazioni).
    2. Studenti "Low Performers" (Livello 1 vs Livello 2): Confronto tra chi è al livello 1 e chi raggiunge la competenza di base (Livello 2) (N ≈ 9.484 osservazioni).
  • Le variabili dipendenti sono aggregate su tre materie (Matematica, Lettura, Scienze).
  • Le covariate includono dati a livello di studente/famiglia (es. status socioeconomico, ripetizioni, lavoro retribuito, dispositivi digitali) e a livello scolastico (es. clima scolastico, infrastrutture ICT, qualità degli insegnanti).

• Approccio di Machine Learning:

  • Modelli di Classificazione Binaria: Vengono addestrati cinque modelli ML: Regressione Logistica (Logit), Logit con penalità Lasso (con convalida incrociata), Random Forest (RF), Gradient Boosting (GB) e Reti Neurali (NN).
  • Stacking (Ensemble Learning): Per massimizzare l'accuratezza predittiva, i migliori modelli vengono combinati in un modello "stacked" (generalizzazione impilata). Un meta-modello apprende i pesi ottimali da assegnare alle previsioni dei modelli base.
  • Interpretabilità (SHAP): Per superare il problema della "scatola nera" dei modelli ML, viene applicato l'algoritmo SHAP (Shapley Additive Explanations). Questo metodo, basato sulla teoria dei giochi, quantifica il contributo marginale di ogni caratteristica (covariata) alla previsione per ogni singola osservazione, permettendo di identificare i driver principali sia a livello globale che locale.

3. Contributi Chiave

1. Disaggregazione dei Gruppi: È il primo studio empirico che analizza i determinanti della povertà di apprendimento nella LAC separando gli studenti in gruppi distinti (Livello 0 vs 1 e Livello 1 vs 2), rivelando che i fattori che spingono uno studente al livello più basso differiscono da quelli che impediscono il passaggio al livello successivo.
2. Focus Regionale e Post-Pandemico: Utilizza i dati più recenti (PISA 2022) raccolti dopo la pandemia, offrendo una visione aggiornata delle dinamiche di apprendimento in un contesto di crisi educativa.
3. Estensione del ML al Sud Globale: Estende l'uso di tecniche di ML interpretabile (SHAP) ai sistemi educativi dell'America Latina, un'area sottorappresentata nella letteratura ML educativa rispetto ai paesi sviluppati.
4. Analisi Locale e Globale: Fornisce sia stime globali per l'intera regione sia profili dettagliati a livello di singolo paese e di studente "estremo" (quelli con la probabilità più alta di fallire).

4. Risultati Principali

A. Determinanti Globali (Livello 0 vs Livello 1):
Per gli studenti con le performance più basse (nessuna competenza), i fattori determinanti includono:

• Ripetizione scolastica: La ripetizione alla scuola primaria è il fattore più impattante.
• Fattori Demografici e Linguistici: Parlare una lingua minoritaria a casa e l'essere di origine indigena.
• Risorse Domestiche: Assenza di dispositivi digitali, famiglie povere (basso SES) e lavoro retribuito (metà della settimana).
• Contesto Scolastico: Clima scolastico negativo, infrastrutture ICT deboli e bassa qualità dell'insegnamento (solo un terzo degli insegnanti è certificato).

B. Determinanti Globali (Livello 1 vs Livello 2):
Per gli studenti che faticano a raggiungere la competenza di base, i fattori cambiano leggermente:

• Supporto Familiare: Il livello di istruzione della madre e il supporto educativo familiare diventano più rilevanti.
• Lavoro e Tempo: L'impegno in lavoro retribuito e la bassa intensità dei compiti a casa sono driver significativi.
• Risorse: La ricchezza familiare e la disponibilità di libri e dispositivi digitali salgono nella classifica dei fattori più importanti.

C. Profili di Studenti "Estremi" (Analisi Locale SHAP):
L'analisi dei profili degli studenti con la massima probabilità di essere al Livello 0 rivela un "profilo di svantaggio cumulativo":

• Studente che ripete la primaria, parla una lingua minoritaria, non possiede dispositivi digitali, proviene da una famiglia molto povera, lavora per paga 2-3 giorni a settimana e frequenta una scuola con clima negativo, scarsa ICT e pochi insegnanti certificati.
• Al contrario, gli studenti che riescono a passare al Livello 1 provengono da famiglie più ricche, non lavorano, hanno più dispositivi e frequentano scuole private o pubbliche con maggiore autonomia e migliori infrastrutture.

D. Eterogeneità Nazionale:
Sebbene esistano pattern omogenei (la ripetizione primaria e la ricchezza familiare sono nei top 10 per 8 su 10 paesi), emergono specificità nazionali:

• Messico: Il lavoro retribuito quasi a tempo pieno è un driver critico.
• Perù e Paraguay: Le caratteristiche scolastiche (infrastrutture ICT, autonomia) e l'origine indigena giocano un ruolo predominante.
• Cile: La frequenza scolastica irregolare (assenteismo) e il basso livello di istruzione materna sono fattori chiave.

E. Impatto della Pandemia:
L'analisi di sottocampioni di scuole chiuse mostra che la durata della chiusura scolastica (SDC) e la bassa percentuale di studenti effettivamente coinvolti nell'apprendimento a distanza aumentano significativamente la probabilità di cadere nel livello di performance più basso.

5. Significato e Implicazioni Politiche

Lo studio offre una base empirica solida per politiche educative mirate e differenziate:

• Interventi Targettizzati: È necessario distinguere le strategie per gli studenti al livello 0 (che richiedono supporto finanziario, programmi bilingue per indigeni, lotta alla ripetizione e trasferimenti di cassa) da quelli al livello 1 (che necessitano di investimenti in input educativi, libri, dispositivi e supporto familiare).
• Investimenti Strutturali: L'analisi evidenzia la barriera critica dell'accesso alle tecnologie (ICT) e la necessità di migliorare la qualità degli insegnanti (certificazione e formazione continua).
• Sistemi di Allerta Precoce: I profili SHAP possono essere utilizzati per costruire sistemi di allerta precoce (Early Warning Systems) per identificare gli studenti a rischio di abbandono o fallimento, permettendo interventi tempestivi.
• Approccio Multilivello: Le soluzioni devono agire simultaneamente a livello individuale (riduzione del lavoro minorile, supporto psicologico), familiare (sostegno economico) e scolastico (clima, infrastrutture, formazione docenti).

In sintesi, il paper dimostra che l'uso combinato di modelli di ensemble e tecniche di interpretabilità SHAP permette di decodificare la complessità della povertà di apprendimento in America Latina, fornendo una mappa dettagliata per interventi politici che vadano oltre le soluzioni generiche.