Sistema de alerta temprana con IA para el riesgo de abandono escolar — Universidad Politécnica Mohammed VI y el Ministerio de Educación Nacional de Marruecos

El Ministerio de Educación Nacional, Preescolar y Deportes de Marruecos se asoció con la Universidad Politécnica Mohammed VI (UM6P) para abordar el abandono escolar, utilizando un amplio conjunto de datos administrativos con cerca de 1,4 millones de registros de estudiantes a lo largo de cinco cursos académicos en la región de Fez-Mequinez.

El proyecto tenía como objetivo construir un sistema de aprendizaje automático explicable capaz de señalar con suficiente antelación a los estudiantes en riesgo de abandono para permitir la intervención de los centros escolares, utilizando la interpretabilidad basada en SHAP para que las predicciones fueran comprensibles para los administradores en lugar de funcionar como una caja negra.

Los investigadores compararon cinco algoritmos (árbol de decisión, Random Forest, XGBoost, LightGBM y un enfoque de votación por conjunto) entrenados con más de 100 variables a nivel de estudiante, aplicando después SHAP para identificar los factores que más influían en cada predicción de riesgo.

Con una división aleatoria de los datos, la mejor configuración alcanzó un 88% de exactitud, un 88% de sensibilidad (recall), un 86% de precisión y un AUC del 87%; el mejor modelo aislado (LightGBM, nivel 7) obtuvo un 83% de exactitud y un 89% de AUC. El rendimiento cayó de forma notable al evaluarse con una división cronológica más realista (año tras año), lo que los autores atribuyen en parte a la disrupción causada por la COVID-19 en los patrones habituales de abandono escolar.

Los autores presentan el sistema como un resultado de investigación prometedor pero todavía preliminar, limitado a una sola región, advirtiendo que las cifras de exactitud destacadas podrían no mantenerse en un despliegue real y señalando que la reducida proporción de casos de abandono complica la clasificación.