APLICACIÓN DE TÉCNICAS DE APRENDIZAJE AUTOMÁTICO PARA CLASIFICAR EL RENDIMIENTO ACADÉMICO EN LA ENEM: UN ESTUDIO CON DATOS DE MARANHÃO

Resumen

Este estudio tiene como objetivo aplicar y comparar técnicas de aprendizaje automático para clasificar el rendimiento de los estudiantes de Maranhão en el Examen Nacional de Enseñanza Media (ENEM) 2023, centrándose en la prueba de Matemáticas. Se utilizaron tres modelos predictivos a partir de una base de datos de más de 112.000 participantes: Regresión Logística, Random Forest y XGBoost. Tras preprocesar los datos y convertir las variables categóricas, los modelos se entrenaron para clasificar a los estudiantes en dos categorías: buenos y malos, basándose en una puntuación de corte de 500 puntos. El análisis reveló patrones regionales de desigualdad educativa y destacó variables socioeconómicas como la renta y la edad como principales predictores del rendimiento. La regresión logística logró una mayor precisión, mientras que XGBoost mostró un mejor equilibrio entre precisión y sensibilidad. Los resultados refuerzan la utilidad del aprendizaje automático para los análisis educativos y proporcionan información importante para las políticas públicas destinadas a mejorar la equidad y la calidad de la educación en el estado de Maranhão.

DOI: https://doi.org/10.56238/sevened2025.030-001