Repitencia en el primer año de secundarias públicas de la Ciudad de Buenos Aires – Un análisis de Machine Learning

Abstract

El abandono escolar en el nivel secundario es un desafío estructural del sistema educativo argentino, con solo el 73% de los estudiantes logrando completar este nivel. La repitencia se ha identificado como un factor crítico asociado a la deserción, por lo que su detección temprana puede contribuir a mejorar las trayectorias educativas. Este estudio propone el desarrollo de un modelo de aprendizaje automático para predecir la repitencia en el primer año del nivel secundario, utilizando datos académicos, conductuales y contextuales de los estudiantes. Enparticular, se evalúa el impacto del Informe Puente Primario Secundario (PPS) en la predicción de trayectorias escolares. Los resultados indican que el modelo logra identificar patrones asociados a la repitencia con precisión, incluso en ausencia de variables socioeconómicas detalladas. Se destacan dos aplicaciones principales: la planificación pedagógica al inicio del ciclo lectivo y la intervención temprana a lo largo del año escolar. Asimismo, se identifican oportunidades de mejora mediante la incorporación de más cohortes y la estandarización de datos provenientes de instituciones privadas. Este estudio demuestra el potencial del uso de datos educativos y modelos predictivos en la toma de decisiones escolares. Futuras investigaciones podrían optimizar los modelos mediante nuevas variables y metodologías, así como evaluar el impacto real de su implementación en la dinámica escolar.