Un modelo de alerta temprana de aprendizaje automático sensible al contexto para el riesgo de abandono en el nivel O en el suroeste de Uganda

La tasa de finalización de la educación secundaria inferior en Uganda era de apenas el 26,4%, según los datos más recientes de la UNESCO citados en el informe de políticas de 2024 de UNICEF sobre el sector educativo del país, y el Ministerio de Educación y Deportes atribuye más del 40% de los abandonos a dificultades financieras.
Investigadores de la Universidad Bishop Stuart construyeron un modelo de aprendizaje automático sensible al contexto para identificar a estudiantes de nivel O en riesgo de abandono en seis escuelas secundarias mixtas privadas de los distritos de Mbarara e Isingiro, a partir de registros completos de 331 de los 1.919 estudiantes accesibles. Comparando clasificadores de regresión logística, bosque aleatorio, máquina de vectores de soporte y k-vecinos más cercanos con validación cruzada de cinco particiones, el equipo halló que el SVM tuvo el mejor desempeño (puntuación F1 de 0,633), por delante de la regresión logística (0,600), el bosque aleatorio (0,511) y el KNN (0,468). El absentismo crónico, las dificultades financieras y los atrasos en el pago de tasas, las largas distancias de desplazamiento, la escasa confianza en los exámenes, el acoso escolar, la limitada participación de los padres y el estrés psicológico fueron los principales indicadores de riesgo.
Los autores son honestos sobre las limitaciones del modelo: una «puntuación F1 moderada, una muestra escolar pequeña y no aleatoria, etiquetas de riesgo construidas por los propios investigadores y la ausencia de validación prospectiva externa impiden un uso autónomo en decisiones de alto riesgo». Recomiendan su uso únicamente como herramienta de detección supervisada por humanos, que alimente derivaciones a orientación y apoyo académico, y no como una herramienta de decisión autónoma, una advertencia honesta para cualquier escuela que considere sistemas similares.