Modelo de Machine Learning para relacionar la formación, tipo de vinculación y cargo de los docentes, con los resultados de las pruebas estandarizadas Saber 11 en los colegios oficiales del departamento Cundinamarca en el año 2023

Abstract

Numerosas políticas orientadas al mejoramiento de la calidad en la educación preescolar, básica y media se han centrado en la cualificación de alto nivel de los maestros como una herramienta clave para mejorar el éxito académico de los estudiantes. Sin embargo, la literatura revisada para este trabajo de grado no encuentra evidencia concluyente de una relación significativa entre los títulos de posgrado de los docentes y los resultados de sus estudiantes en pruebas estandarizadas. Investigaciones previas, basadas en estudios que usan modelos de regresión y series de tiempo, han sugerido que una mayor formación de los docentes no necesariamente se traduce en mejores rendimientos académicos de los alumnos. De forma similar, los enfoques de aprendizaje automático tampoco han identificado la formación avanzada de los docentes como una variable principal que afecte el rendimiento académico de los estudiantes. A pesar de ello, las recientes políticas públicas en Colombia insisten en que la formación de alto nivel de los docentes es un componente determinante en la mejora de los aprendizajes, particularmente en los niveles de preescolar, básica y media. En este contexto, el presente trabajo busca aportar sobre esta hipótesis de la política educativa: ¿realmente el nivel de formación, el tipo de vinculación y en rol de la institución educativa -IE de los docentes, influye de manera significativa en los resultados académicos, en los términos de las pruebas estandarizadas? Este trabajo propone un modelo basado en algoritmos de aprendizaje automático que predice la clasificación ICFES de los colegios oficiales en Cundinamarca. Para ello, se construyó una base de datos que integra características clave del perfil docente, incluyendo su nivel de formación (desde normalistas superiores hasta doctorados), su tipo de vinculación laboral al magisterio y su rol en la institución educativa. Estos atributos fueron analizados junto con la clasificación obtenida por cada colegio en las pruebas ICFES. Los resultados revelan que el modelo predictivo logró un rendimiento moderado, donde la formación de alto nivel de los docentes en niveles de especialización y maestría es una de las características más influyentes en la predicción de los resultados de las IE. Nuestro trabajo sugiere además que otros factores, como ser docente en propiedad y docente de aula, pueden tener un impacto considerable en la clasificación de los planteles educativos. Esperamos que este trabajo de grado represente una contribución al campo, al aplicar técnicas de aprendizaje automático para predecir los resultados de la clasificación ICFES de los colegios oficiales, usando características de formación, vinculación y rol de los docentes en las IE. Los hallazgos, que deben corroborarse con la información de otras entidades territoriales, podrían guiar futuras investigaciones y aportes sobre las verdaderas palancas para mejorar la calidad educativa en Colombia. Contribuciones: 1. Se ha reunido un conjunto de datos enfocado en predecir el desempeño de las IE del departamento, a partir de la formación avanzada, el tipo de vinculación y el rol de los docentes. 2. Este trabajo analiza las características de los docentes que influyen en la calidad de las IE, medida a través de pruebas estandarizadas, dejando de lado factores específicos del rendimiento individual de los estudiantes y su entorno. 3. Se ofrecen elementos para futuros modelos que profundicen en los factores que afectan la calidad educativa de las IE, usando las características docentes como variable central. De esta manera, se contribuye al entendimiento de las políticas públicas actuales y futuras, orientadas a fortalecer la calidad en los niveles de educación preescolar, básica y media.