Modelo predictivo del desempeño académico en el Distrito de Barranquilla mediante técnicas de ciencia de datos

Simple item page
dc.contributor.advisorOrtega Lenis, Delia
dc.contributor.authorAcosta Quintero, Laura Melisa
dc.date.accessioned2026-07-22T16:23:30Z
dc.date.available2026-07-22T16:23:30Z
dc.date.issued2026
dc.description.abstractEl presente proyecto aplicado desarrolló un modelo predictivo del desempeño académico de los estudiantes del Distrito de Barranquilla en el Examen Saber 11°, a partir de los microdatos públicos del repositorio DataICFES correspondientes al período 2014-2 a 2024-2. Tras un proceso de consolidación, diagnóstico, limpieza e ingeniería de variables sobre 183.984 registros, se seleccionaron 17 predictores socioeducativos mediante criterios estadísticos (ANOVA, η²) y algorítmicos (Información Mutua y Random Forest Feature Importance). El análisis no supervisado mediante FAMD y K-Means segmentó la población en dos perfiles a lo largo de un gradiente socioeducativo dominante: uno aventajado (≈31%) y otro vulnerable (≈69%), con una brecha de 48 puntos en el puntaje promedio. Para el modelado supervisado se entrenaron y compararon cinco algoritmos: regresión lineal, Ridge, Lasso, Random Forest y XGBoost sobre la variable continua Puntaje Global. XGBoost optimizado mediante RandomizedSearchCV con TimeSeriesSplit resultó el modelo de mejor desempeño, con un error medio de 35 puntos en una escala de 0 a 500 y una varianza explicada cercana al 38% (R²) sobre una cohorte futura no observada. El análisis de interpretabilidad mediante valores SHAP identificó el nivel socioeconómico del establecimiento, los hábitos de lectura diaria y la edad de presentación como las variables dominantes, seguidas por la educación de los padres, evidenciando que el contexto institucional y el capital cultural familiar presentan mayor contribución predictiva que la riqueza material directa. Estos hallazgos delimitan las condiciones de uso del modelo como herramienta de apoyo a la política pública educativa del Distrito y confirman la viabilidad de construir, con datos públicos y técnicas estándar, un instrumento predictivo interpretable y contextualizado.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent94 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5693
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectCiencia de datosspa
dc.subjectMinería de datos educativaspa
dc.subjectDesempeño académicospa
dc.subjectAprendizaje supervisadospa
dc.subjectXGBoosteng
dc.subjectData scienceeng
dc.subjectEducational data miningeng
dc.subjectAcademic performanceeng
dc.subjectSupervised learningeng
dc.titleModelo predictivo del desempeño académico en el Distrito de Barranquilla mediante técnicas de ciencia de datosspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
Trabajo de grado en pdf - Modelo predictivo del desempeño ac.pdf
Size:
2.98 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de uso - Modelo predictivo del desempeño académico .pdf
Size:
465.96 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos