Metodología de proyección de la matrícula escolar, secciones y docentes en el Perú : una aproximación con Machine Learning

Abstract

El presente informe detalla la metodología empleada para desarrollar los modelos analíticos basados en técnicas de Aprendizaje Automático (Machine Learning, ML), los cuales fueron ajustados para proyectar, con un horizonte temporal de un año, la «matrícula escolar, las secciones y los docentes» para cada grado escolar de los servicios educativos de la «Educación Básica Regular» (EBR) en el Perú. La elaboración de los modelos se fundamentó principalmente en los datos administrativos proporcionados por el Ministerio de Educación (Minedu), los cuales demostraron ser idóneos para la implementación de modelos de ML. Las proyecciones generadas por los modelos de ML fueron sometidas a una evaluación, comparándolas con las proyecciones realizadas por la Unidad de Estadística (UE) de la Oficina de Seguimiento y Evaluación Estratégica (OSEE) del Minedu para el año 2021. La métrica utilizada para impedir el rendimiento de los modelos fue la «Raíz Cuadrada del Error Cuadrático Medio» (Root Mean Square Error, RMSE) aplicada a ambas proyecciones. Como resultado de esta evaluación, se evidenció que los modelos de ML lograron reducir el RMSE, especialmente en los niveles de primaria y secundaria de EBR.