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.
Recomendado para Proceso
Flujo metodológico adaptado de CRISP-DM
Ubicarlo debajo de la introducción de Proceso. Primero orienta al evaluador; después, el explorador interactivo explica cada etapa.
Lectura: el proceso es secuencial para presentarlo, pero permite regresar a etapas anteriores cuando aparecen problemas de datos o evaluación.
Recomendado para Modelar y Evaluar
Validación anidada: cinco rondas 80/20
Cada estudiante queda en el 20% externo exactamente una vez. Dentro del 80% restante, Optuna compara configuraciones sin tocar ese bloque de evaluación.
No es una grilla exhaustiva: cada trial propone una combinación de hiperparámetros.
En cada fila: 4/5 ajustan el pipeline y 1/5 puntúa el trial. Se promedian los cinco resultados.
Con los hiperparámetros ganadores se estima el umbral dentro del 80%; luego el pipeline completo se ajusta usando todo ese bloque.
Recién aquí se predice. Este 20% no eligió hiperparámetros, umbral ni preprocesamiento.
Se agrupan para calcular 12 métricas e intervalos; cada estudiante fue evaluado fuera del entrenamiento de su ronda.
Dos niveles distintos: los 5 folds externos estiman el desempeño; los 5 folds internos comparan cada trial de Optuna dentro del 80%. El bloque externo nunca guía la búsqueda.
Útil antes de Resultados
Qué cambia entre los cuatro escenarios
Aclara que la salida y el protocolo permanecen iguales; lo único que cambia es la información entregada al modelo.
Útil al cerrar Resultados
Cómo se llega de las métricas a una conclusión
No sustituye la tabla detallada. Resume el recorrido que debe seguir el asesor para interpretar los resultados sin quedarse únicamente con Accuracy.
Recomendado para Preparar los datos
Cómo se construye la matriz de modelamiento
La figura sigue una fila sintética: qué se extrae de cada archivo, qué transformación ocurre antes de la fecha de corte y cuál es el único dato futuro usado como etiqueta.
Lectura: la nota del siguiente bimestre no es una entrada: se conserva aparte como respuesta correcta para entrenar y evaluar. Las entradas se reconstruyen únicamente con información disponible antes del corte.
Recomendado para Objetivo o Preparación
Qué información puede conocer el modelo
Representa la regla más importante de la predicción: ninguna variable posterior al momento de decisión puede entrar en el entrenamiento.
Control anti-fuga: la fecha de corte separa lo que el modelo puede conocer de aquello que intenta predecir.
Útil en Instrumento socioemocional
Cómo 42 respuestas se convierten en variables
Resume la transformación del instrumento sin mostrar las 42 preguntas completas y permite entender por qué existen escenarios con puntajes y con categorías.
Útil para leer la tabla de resultados
Qué responde cada grupo de métricas
Agrupa las 12 métricas por propósito. Así el evaluador entiende por qué un modelo no debe elegirse únicamente por su Accuracy.
¿Cuántas predicciones son correctas y qué ocurre cuando las clases están desbalanceadas?
¿El modelo encuentra estudiantes con riesgo sin generar demasiadas alertas incorrectas?
¿El modelo ordena correctamente a quienes presentan mayor probabilidad de riesgo?
¿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.