Inteligencia artificial
Ficha 25: Modelo Predictivo de Desvinculación Educativa
Informes
Casos de uso de inteligencia artificial en el Estado para estimar la probabilidad de desvinculación educativa de estudiantes de educación media básica.
Identificación del organismo
- Grupo de organismos: Entes Autónomos.
- Organismo: Administración Nacional de Educación Pública. Consejo Directivo Central
- Fecha de reportado: 30/04/2024.
Identificación del caso de uso
- Identificación: Modelo Predictivo de Desvinculación Educativa.
- Descripción: Se trata de un modelo que con datos de la trayectoria educativa de educación primaria y variables socioeconómicas, estima una probabilidad de desvinculación educativa de estudiantes de educación media básica.
- Estado: En desarrollo.
- Comienzo de la iniciativa: 01/03/2023.
Información del caso de uso
- Problema que resuelve: Intenta resolver el problema del alto porcentaje de abandono en educación media, anticipándose a su posible desvinculación, para lo cual una vez detectados los casos, se desplegarán diversas estrategias para mitigar este riesgo.
- Público objetivo al que impacta: Estudiantes de 7mo de Educación Media Básica (Dirección General de Educación Secundaria, DGES y Dirección General de Educación Técnica y Profesional, DGETP.)
- Tecnología aplicada: Aprendizaje automático (Marchine Learning, Deep Learning, Clustering). Predicción alertas tempranas.
- Tipo de licencia código o librerías utilizadas: Abierto.
- Lenguajes utilizados: Python y R.
Desarrollo técnico del sistema
- Responsable desarrollo: Se realizó en forma mixta: parte en el organismo y parte con un proveedor externo. Se realizó en cooperación con otro organismo del Estado.
- Áreas funcionales involucradas: Tecnología, informática, administración y otras personas expertas en la materia.
- Tipos de datos de entrenamiento: Estructurado.
- Involucra humano en la decisión final: Si. Luego de obtenido los resultados del modelo, las decisiones las toman las personas, eventualmente ponderando otras variables o restricciones por fuera del modelo.
- Principales dificultades y retos identificados: Calidad de los datos: integralidad y errores de imputación, que también impactan en la interpretación de los datos. Interpretación de los datos; Versatilidad del público objetivo: el modelo es para dos subsistemas de la educación con características diferentes.