Página de exploración visual

Gráficos que pueden guiar la lectura del evaluador.

Estas figuras explican relaciones y secuencias que resultan difíciles de captar solo con texto. Son propuestas; todavía no forman parte de la presentación principal.

03

Útil antes de Resultados

Qué cambia entre los cuatro escenarios

Comparación conceptual

Aclara que la salida y el protocolo permanecen iguales; lo único que cambia es la información entregada al modelo.

Bloques disponiblesAcadémicoPuntajes MINSACategorías MINSADatos personales
01
Con puntajesAcadémico + puntajes MINSA
02
Con categoríasAcadémico + categorías MINSA
03
Puntajes + categoríasTodos los bloques disponibles
04
Sin el testAcadémico + datos personales
Salida comúnNivel del siguiente bimestreB/C · con riesgoA/AD · sin riesgo
04

Útil al cerrar Resultados

Cómo se llega de las métricas a una conclusión

Síntesis de lectura

No sustituye la tabla detallada. Resume el recorrido que debe seguir el asesor para interpretar los resultados sin quedarse únicamente con Accuracy.

01ModelosCinco alternativas
02MétricasDesempeño y equilibrio
03EscenariosAporte de cada bloque
04ConclusiónUtilidad y límites
07

Útil en Instrumento socioemocional

Cómo 42 respuestas se convierten en variables

Puntuación MINSA-42

Resume la transformación del instrumento sin mostrar las 42 preguntas completas y permite entender por qué existen escenarios con puntajes y con categorías.

Cuestionario42 ítemsLikert de 1 a 5
Orientación15 ítems inversosFórmula 6 − respuesta
Asertividad12 ítems
Comunicación9 ítems
Autoestima12 ítems
Toma de decisiones9 ítems
Salida continua5 puntajes4 dimensiones + total
Aplicar baremo5 categorías7 niveles interpretativos
08

Útil para leer la tabla de resultados

Qué responde cada grupo de métricas

Mapa de evaluación

Agrupa las 12 métricas por propósito. Así el evaluador entiende por qué un modelo no debe elegirse únicamente por su Accuracy.

01Acierto global
AccuracyBalanced Accuracy

¿Cuántas predicciones son correctas y qué ocurre cuando las clases están desbalanceadas?

02Detección de clases
PrecisiónSensibilidadEspecificidadF1G-meanMCC

¿El modelo encuentra estudiantes con riesgo sin generar demasiadas alertas incorrectas?

03Discriminación
AUROCPR-AUC

¿El modelo ordena correctamente a quienes presentan mayor probabilidad de riesgo?

04Calidad probabilística
Brier ↓ECE ↓

¿Las probabilidades estimadas se parecen a la frecuencia realmente observada?

Seis métricas principales. La búsqueda de hiperparámetros maximiza la peor entre AUROC, sensibilidad, especificidad, precisión, F1 y Balanced Accuracy.