Patrones en la Educación Intercultural Bilingüe en instituciones educativas peruanas utilizando machine learning

Abstract

La Educación Bilingüe Intercultural (EBI) en Perú busca brindar instrucción cultural y lingüísticamente relevante para estudiantes indígenas; sin embargo, su implementación sigue enfrentando desafíos estructurales, lingüísticos y de recursos. Este estudio identificó patrones latentes en la implementación de la EBI mediante técnicas de aprendizaje automático y comparó el rendimiento predictivo de diferentes algoritmos de clasificación. Métodos: Se analizó un conjunto de datos que comprende 84,558 registros institucionales y 17 variables. Tras el preprocesamiento de datos, que incluyó imputación de valores faltantes, codificación categórica y reducción de dimensionalidad, se desarrollaron modelos de clasificación multiclase para predecir cinco escenarios de implementación de la EBI. Se evaluaron ocho algoritmos de machine learning bajo diferentes configuraciones de entrenamiento y prueba (80/20, 50/50, 25/75 y 10/90). El rendimiento del modelo se evaluó mediante precisión, exhaustividad, puntuación F1 ponderada y validación cruzada de cinco pliegues. Resultados: Los métodos basados en conjuntos superaron consistentemente a los clasificadores lineales y basados en distancia. El Gradient Boosting obtuvo el mejor rendimiento (precisión ≈ 0,77; puntuación F1 ponderada = 0,74), seguido de Random Forest y KNearest Neighbors. La validación cruzada confirmó la robustez del modelo, con precisiones medias que oscilaron entre 0,766 y 0,774 y bajas desviaciones estándar (< 0,007). Los hallazgos demuestran que los modelos de machine learning pueden capturar eficazmente relaciones complejas y no lineales en sistemas educativos caracterizados por la diversidad lingüística e institucional. El marco propuesto ofrece un enfoque escalable y reproducible para el desarrollo de políticas basadas en evidencia, apoyando estrategias basadas en datos para mejorar la equidad y la calidad en la educación bilingüe intercultural.