evidoria

← Volver al listado

Buena práctica Importada

El algoritmo de emparejamiento Gale-Shapley de los institutos de Nueva York — Escala, auditorías y brechas de equidad sin resolver

Estados Unidos · New York City · Ver el perfil de Estados Unidos · Ver el perfil de New York City

Evidencia: Observacional / pre-post Top 70% 40/100 · Pregunte a Evidence Copilot sobre esta práctica

El DOE de Nueva York asigna a ~75.000 alumnos de 8.º grado al año en 1.600+ centros mediante algoritmo; el 92% obtuvo una de sus cinco opciones en 2026. Una auditoría de 2025 halló falta de políticas escritas y fallos al priorizar a alumnos sin hogar y pobres.

~900,000
Estudiantes procesados anualmente
~1,600
Escuelas en el sistema
~75,000
Estudiantes de 8.º grado solicitantes (ciclo 2026-27) (2026-27)
92 %
Solicitantes que recibieron oferta entre sus 5 primeras opciones (2026-27)
90 %
Solicitantes que recibieron oferta entre sus 5 primeras opciones (ciclo anterior)
~7,000
Estudiantes en vivienda temporal sin prioridad requerida consistente (2023-24)
31 of 39
Estudiantes de bajos ingresos muestreados mal identificados

Detalles

Madurez
Consolidada
Promotor
New York City Department of Education
Período
2003–ongoing; state audit 2023–2025; 2026 cycle results
Palabras clave
school admissions, algorithmic matching, administrative operations, public education

Contexto

El Departamento de Educación de la ciudad de Nueva York utiliza un sistema centralizado de emparejamiento algorítmico, basado en el algoritmo de aceptación diferida de Gale-Shapley, para asignar estudiantes a escuelas secundarias desde 2003-04, procesando actualmente a unos 900.000 estudiantes en unas 1.600 escuelas.

Actividades

Para 2026-27, el DOE reportó que el 92% de los solicitantes recibió una oferta de una de sus cinco opciones preferidas, frente al 90% del ciclo anterior.

Resultados

Una auditoría de julio de 2025 del Contralor del Estado de Nueva York encontró que el DOE no tenía políticas escritas que rigieran el proceso; unos 7.000 estudiantes en vivienda temporal no recibieron de forma consistente la prioridad requerida en 2023-24, y, en una muestra de 39 estudiantes, 31 probablemente tenían bajos ingresos pero no fueron correctamente identificados para efectos de prioridad.

Conclusiones

El algoritmo de emparejamiento en sí funciona como fue diseñado y a una escala genuina, pero los flujos de datos subyacentes, los procesos de anulación manual y las obligaciones de transparencia recibieron mucho menos rigor, una brecha revelada solo por una auditoría independiente.

Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Largo (> 3 años)
Personal y competencias
NYC DOE admissions staff, Manual-override reviewers

Condiciones para el éxito

  • Accurate address/income data pipelines
  • Documented manual overrides
  • Local Law 72 transparency compliance

Modos de fallo comunes

  • No written policies for a process serving hundreds of thousands of students
  • 200+ manual overrides improperly documented or missing in one year

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles