Artículo de investigación · Educación Básica Regular del Perú

Predicción del nivel de logro por competenciaModelo de machine learning con factores académicos y sociales en estudiantes de Educación Básica Regular del Perú

El estudio utiliza el historial académico y las variables disponibles del estudiante para anticipar su nivel de logro en la siguiente evaluación. Como análisis adicional, determina si la información socioemocional mejora la predicción obtenida con datos académicos.

01

Contexto educativo

Cómo se evalúa el logro por competencias en la Educación Básica Regular del Perú.

Cada competencia se evalúa de manera independiente en cuatro bimestres mediante los niveles C, B, A y AD. Esta escala permite reconocer el progreso y las necesidades de apoyo del estudiante.

Lectura pedagógica

¿Qué significa cada nivel?

NivelSignificado pedagógico
ADLogro destacadoSupera el nivel esperado en la competencia.
ALogro esperadoAlcanza el nivel esperado y cumple satisfactoriamente las tareas.
BEn procesoEstá próximo al nivel esperado y todavía requiere orientación.
CEn inicioMuestra un progreso mínimo respecto del nivel esperado.

Niveles de logro

Distribución observada por competencia

Figuras 3 y 4 del artículo
Distribución originalC · B · A · AD
C1
43.9%42.9%
C2
54%40%
C3
48.8%47.5%
C4
47.9%50%

C y AD representan menos del 10% en cada competencia.

02

Objetivo predictivo

Anticipar el nivel de logro de la siguiente evaluación.

El modelo utiliza el historial y las variables conocidas del estudiante para estimar, por competencia, qué ocurrirá en el siguiente bimestre.

Información disponibleBimestre actualHistorial académico + variables del estudiante
ModeloAprende patronesUna predicción por estudiante y competencia
Resultado anticipadoSiguiente bimestreNivel esperado y alerta de apoyo

Contrato de predicción

Unidad
Estudiante · competencia · bimestre
Horizonte
Siguiente bimestre disponible
Entradas
Información registrada antes de la evaluación futura
Salida operativa
B/C = con riesgo · A/AD = sin riesgo

Decisión de modelamiento

De cuatro niveles a dos clases

Figuras 3 y 4 del artículo
C1
51%49%
C2
56.1%43.9%
C3
49.5%50.5%
C4
48%52%

B + C → con riesgo · A + AD → sin riesgo

¿Por qué se utiliza una salida binaria?

Clases extremas escasas. C y AD representan menos del 10% por competencia, lo que dificulta aprender patrones estables para cuatro clases.

Una decisión pedagógica. El modelo anticipa quién podría no alcanzar el nivel esperado para orientar apoyo antes de la siguiente evaluación.

El significado se conserva. Los cuatro niveles siguen siendo visibles; la agrupación solo define la salida utilizada para entrenar y evaluar el modelo.

03

Información disponible

Qué información está disponible para realizar la predicción.

Primero se interpreta el instrumento socioemocional; después se revisan los cuatro archivos entregados por la institución.

Instrumento socioemocional

MINSA-42 · Habilidades sociales

Cuestionario oficial de 42 ítems para adolescentes. Las respuestas Likert se transforman en cuatro puntajes y un puntaje total; las categorías se derivan después mediante el baremo.

Ver baremo y detalle técnico
Asertividad

Expresar necesidades, opiniones y límites de forma clara y respetuosa.

12 ítems · puntaje 12–60
Muy BajoPresencia muy limitada; prioridad alta de acompañamiento.
BajoRecursos todavía limitados; requiere fortalecimiento sostenido.
Promedio BajoRecursos presentes, aunque aún poco consistentes.
PromedioDesarrollo esperado según la referencia del instrumento.
Promedio AltoRecursos frecuentes y por encima del nivel promedio.
AltoFortaleza clara y consistente en esta habilidad.
Muy AltoFortaleza muy marcada; conviene sostenerla y aprovecharla.
Comunicación

Escuchar, comprender y transmitir ideas de manera efectiva.

9 ítems · puntaje 9–45
Muy BajoPresencia muy limitada; prioridad alta de acompañamiento.
BajoRecursos todavía limitados; requiere fortalecimiento sostenido.
Promedio BajoRecursos presentes, aunque aún poco consistentes.
PromedioDesarrollo esperado según la referencia del instrumento.
Promedio AltoRecursos frecuentes y por encima del nivel promedio.
AltoFortaleza clara y consistente en esta habilidad.
Muy AltoFortaleza muy marcada; conviene sostenerla y aprovecharla.
Autoestima

Reconocer el propio valor, cualidades, dificultades y emociones.

12 ítems · puntaje 12–60
Muy BajoPresencia muy limitada; prioridad alta de acompañamiento.
BajoRecursos todavía limitados; requiere fortalecimiento sostenido.
Promedio BajoRecursos presentes, aunque aún poco consistentes.
PromedioDesarrollo esperado según la referencia del instrumento.
Promedio AltoRecursos frecuentes y por encima del nivel promedio.
AltoFortaleza clara y consistente en esta habilidad.
Muy AltoFortaleza muy marcada; conviene sostenerla y aprovecharla.
Toma de decisiones

Evaluar alternativas, consecuencias y acciones frente a un problema.

9 ítems · puntaje 9–45
Muy BajoPresencia muy limitada; prioridad alta de acompañamiento.
BajoRecursos todavía limitados; requiere fortalecimiento sostenido.
Promedio BajoRecursos presentes, aunque aún poco consistentes.
PromedioDesarrollo esperado según la referencia del instrumento.
Promedio AltoRecursos frecuentes y por encima del nivel promedio.
AltoFortaleza clara y consistente en esta habilidad.
Muy AltoFortaleza muy marcada; conviene sostenerla y aprovecharla.
iCRM Educativo
Sistema académicoiCRM Educativo

La entrega analítica se consolida por dominio en cuatro archivos pseudonimizados. El componente psicológico tiene un origen distinto: la aplicación profesional del MINSA-42.

academico.parquet

Registro académico de cada estudiante por área, competencia y periodo evaluado.

528,589 filas · 24 columnas
Variables principales · 10 de 24 columnas
Columna principalTipoRango o valores
id_estudianteIdentificador994 códigos pseudonimizados
anioDiscreta2023–2025
nivelNominalprimaria · secundaria
gradoOrdinal1–6
seccionNominalA · B · C · D · E
periodoOrdinalb1 · b2 · b3 · b4 · anual
area_textoTexto14 áreas · 154 900 faltantes
competencia_textoTexto32 competencias · 154 900 faltantes
grano_medidaNominalárea · competencia · desconocido
nota_textoOrdinalC · B · A · AD · 2 201 faltantes
04

Proceso inspirado en CRISP-DM

Cómo los datos se convierten en una predicción.

Las seis etapas documentan cómo se comprende, prepara, modela y evalúa la información antes de comunicar el resultado.

Etapa 01 · CRISP-DM adaptado

Definir el objetivo

Definir qué se predice, en qué horizonte y con qué información.

  • Unidad: estudiante–competencia
  • Salida: B/C = 1 · A/AD = 0
  • Horizonte: bimestre siguiente
Producto de la etapaContrato de predicción y criterio de salida.

El flujo es iterativo: si la evaluación revela un problema de cobertura, definición o fuga temporal, se regresa a la etapa correspondiente.

Ver propuestas de gráficos metodológicos
05

Resultados e interpretación

Qué tan bien se predice y qué información aporta.

Revisa los resultados por modelo y competencia; después compara escenarios para estimar el aporte adicional de cada bloque de variables.

Con puntajesDatos disponibles · 21 entradas
Ver detalle
Variables de entrada21
Datos académicos
logro_anterior_codco_c1co_c2co_c3co_promediocs_c1cs_c2cs_c3cs_promediocyt_c1cyt_c2cyt_c3cyt_promedio
Test · puntajes
asertividad_puntajeautoestima_puntajecomunicacion_puntajetoma_de_decisiones_puntajetotal_puntaje
Datos personales
edadgradogenero_m
Variables de salida1
Nivel de logro del siguiente bimestre · con riesgo (B/C) o sin riesgo (A/AD)
Configuración del modeloObjetivoDicotómico · 2 clasesProtocoloHoldout 80/20Validación interna5 pliegues en entrenamientoPrueba20% reservadoBúsqueda de hiperparámetrosOptuna · TPE · 50 trialsMaximiza la peor de 6 métricas principales · poda por mediana · semilla 42

Corridas piloto · holdout 80/20

Modelos por competencia

C1 disponible · C2–C4 pendientes
Compet.ModeloNAccuracyExact. bal.PrecisiónSens.Espec.F1G-meanMCCAUROCPR-AUCBrierECE
C1Regresión logística L21240.7740.7620.6880.7170.8080.7020.7610.5210.8800.8270.1430.105
Random Forest1240.7580.7630.6430.7830.7440.7060.7630.5110.8480.7460.1590.117
XGBoost1240.7020.6960.5850.6740.7180.6260.6960.3830.8200.7240.1750.127
LightGBM1240.7100.6980.6000.6520.7440.6250.6960.3900.8280.7240.1650.108
CatBoost1240.7580.7540.6540.7390.7690.6940.7540.4980.8700.7970.1510.103
C2Regresión logística L2—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
Random Forest—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
XGBoost—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
LightGBM—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
CatBoost—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
C3Regresión logística L2—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
Random Forest—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
XGBoost—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
LightGBM—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
CatBoost—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
C4Regresión logística L2—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
Random Forest—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
XGBoost—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
LightGBM—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
CatBoost—Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.Pend.
< 0.780.78–0.80≥ 0.80

C1 usa corridas piloto marcadas como prueba en el registro. C2–C4 conservan la misma lista de modelos y quedan pendientes de vinculación. Brier y ECE son neutrales porque un valor menor es mejor.

Lectura de los resultados

Qué aprendemos de la predicción.

La comparación ayuda a interpretar el modelo; no constituye el objetivo principal del proyecto.

01

Capacidad predictiva

Identificar el modelo que anticipa mejor el nivel de logro de la siguiente evaluación en todas las competencias.

02

Aporte de las variables

Medir si los puntajes o categorías socioemocionales mejoran la predicción obtenida con el historial académico.

03

Utilidad pedagógica

Traducir el resultado en una alerta comprensible que permita orientar apoyo antes del siguiente bimestre.