Universidad de Caldas · Modelo de riesgo de deserción
Resultados del modelo, probado contra el pasado
Corrida 2026-10-07_lgbm_con_actual. LightGBM entrenado con 2021-1 a 2025-1, pregrado y tecnologías. Solo cifras agregadas; la lista nominal queda en la carpeta de la corrida.
?Deja el mouse sobre una cifra grande, una barra o una fila para ver de dónde sale.
de los que desertan están en el 10 % que el modelo marca como más riesgoso
El modelo le pone a cada estudiante un porcentaje de riesgo. Si se atiende al 10 % con mayor riesgo, ahí están 63 % de los que van a desertar, y 40 % de esa lista deserta de verdad: 6 veces más que eligiendo al azar.
En una frase
- Con el pasado como examen, el modelo detecta en su lista del 10 % a 63 % de los desertores, con 40 % de aciertos en esa lista.
- Le gana a la regla manual "promedio menor a 3,0": con 816 estudiantes menos que atender, detecta casi lo mismo (55 % vs 58 %) con más aciertos (39 % vs 27 %).
- Los porcentajes son creíbles: al decil que el modelo le dio 34,2 % de riesgo, desertó el 39,1 %; al que le dio 0,2 %, el 0,4 %.
- Lo que más pesa: % de materias perdidas este semestre (24 %), Promedio de notas este semestre (19 %) y el programa (10 %).
- Comparado con Alerta Escuela (MINEDU Perú, 2024), con su mismo umbral de 0,5: AUC 0.88 vs 0,84 y precisión 0.71 vs 0,23.
Cómo se probó
Se entrena con los semestres anteriores y se predice el siguiente, que el modelo nunca vio. Luego se compara con lo que pasó de verdad. Se repite en cuatro fechas para que no dependa de un solo semestre.
| Entrena | Prueba en | Estudiante-programa | AUC | AP | Deserta en el top 10 % | Desertores atrapados | vs. azar |
|---|---|---|---|---|---|---|---|
| hasta 2023-1 | 2023-2 | 13 381 | 0.895 | 0.549 | 44,2 % | 65,6 % | 6.6× |
| hasta 2023-2 | 2024-1 | 14 354 | 0.902 | 0.575 | 39,0 % | 69,8 % | 7.0× |
| hasta 2024-1 | 2024-2 | 14 535 | 0.884 | 0.518 | 38,3 % | 61,9 % | 6.2× |
| hasta 2024-2 | 2025-1 | 15 788 | 0.832 | 0.481 | 39,2 % | 55,3 % | 5.5× |
| Promedio | 0.878 | 0.531 | 40,2 % | 63,1 % | 6.3× | ||
Si la universidad atiende a un grupo, 2025-1
La universidad elige cuántos puede atender; la tabla dice qué consigue con cada tamaño de lista.
| Lista | Estudiantes | Riesgo desde | Desertan | Desertores atrapados | vs. azar |
|---|---|---|---|---|---|
| 5% de mayor riesgo | 789 | ≥ 22,3 % | 60,6 % | 42,8 % | 8.6× |
| 10% de mayor riesgo | 1 578 | ≥ 8,8 % | 39,2 % | 55,3 % | 5.5× |
| 20% de mayor riesgo | 3 157 | ≥ 3,6 % | 24,1 % | 68,1 % | 3.4× |
Matriz de confusión, lista del 10 % en 2025-1
Comparado con otras opciones
| Opción | AUC | Deserta en el top 10 % | Desertores atrapados |
|---|---|---|---|
| Modelo principal (LightGBM, con notas del semestre) | 0.878 | 40,2 % | 63,1 % |
| Sin notas del semestre en curso | 0.858 | 36,3 % | 56,7 % |
| Regresión logística | 0.845 | 38,1 % | 59,9 % |
| Regla simple: promedio del semestre < 3,0 o sin notas | — | 27,1 % | 58,0 % |
| Partición aleatoria 70/30 por estudiante (optimista, solo referencia) | 0.922 | 49,1 % | 70,7 % |
La partición aleatoria mezcla pasado y futuro y reparte al mismo estudiante entre entrenamiento y prueba; por eso da más. Se muestra solo para explicar por qué no se usa.
Curvas y calibración
Las curvas resumen todos los umbrales posibles. La calibración responde: cuando el modelo dice "30 %", ¿desertó el 30 %?
Qué pesa en la predicción
Importancia por ganancia en LightGBM: cuánto mejora el modelo cada vez que usa la variable. Es relativa: sirve para comparar variables entre sí.
Lista de riesgo para 2025-2 y 2026-1
El modelo final, entrenado con los 9 semestres, calificó a los estudiantes de los dos semestres que aún no tienen etiqueta. Categorías como en Alerta Escuela: Alto ≥ 25 %, Medio ≥ 10 %, Bajo el resto. Los umbrales son propuesta; se ajustan con la universidad según su capacidad de atención.
Por programa, 2026-1
Programas con al menos 100 estudiantes. La lista nominal, con documento, está en 2026-10-07_lgbm_con_actual/riesgo_2026-1.csv y no se publica.
| Programa | Facultad | Estudiantes | Riesgo alto | Riesgo promedio |
|---|---|---|---|---|
| Tecnología en Sistemas Informáticos | Ingeniería | 144 | 19 | 12,7 % |
| Administración Financiera – Manizales (con Ampliación a la Dorada) | Ciencias Jurídicas y Sociales | 414 | 42 | 11,5 % |
| Licenciatura en Ciencias Naturales | Ciencias Exactas y Naturales | 176 | 15 | 11,1 % |
| Historia | Ciencias Jurídicas y Sociales | 117 | 11 | 10,7 % |
| Licenciatura en Artes Escénicas | Artes y Humanidades | 190 | 17 | 10,7 % |
| Tecnología en Finanzas | Ciencias Jurídicas y Sociales | 251 | 32 | 10,6 % |
| Licenciatura en Filosofía y Letras | Artes y Humanidades | 193 | 19 | 10,2 % |
| Ingeniería de Alimentos | Ingeniería | 371 | 38 | 9,9 % |
| Sociología | Ciencias Jurídicas y Sociales | 183 | 14 | 9,4 % |
| Técnico Profesional en Expresión Artística, Corporal y Vocal para la Escena | Artes y Humanidades | 131 | 17 | 8,8 % |
| Administración de Empresas Agropecuarias | Ciencias Agropecuarias | 558 | 65 | 8,5 % |
| Ingeniería en Informática | Ingeniería | 701 | 55 | 8,3 % |
| Licenciatura en Lenguas Modernas | Artes y Humanidades | 542 | 34 | 8,1 % |
| Tecnología en Procesos de Seguridad y Salud en el Trabajo | Ingeniería | 361 | 45 | 7,7 % |
| Ingeniería Mecatrónica | Ciencias Exactas y Naturales | 441 | 42 | 7,6 % |
| Antropología | Ciencias Jurídicas y Sociales | 351 | 21 | 7,6 % |
| Geología | Ciencias Exactas y Naturales | 480 | 33 | 7,6 % |
| Desarrollo Familiar | Ciencias Jurídicas y Sociales | 235 | 14 | 7,6 % |
| Artes Plásticas | Artes y Humanidades | 248 | 13 | 6,7 % |
| Biología | Ciencias Exactas y Naturales | 440 | 18 | 6,2 % |
| Técnico Profesional en Depuración y Procesamiento de Datos para Inteligencia Artificial | Ingeniería | 378 | 35 | 6,0 % |
| Ingeniería Agronómica | Ciencias Agropecuarias | 622 | 31 | 5,8 % |
| Enfermería | Ciencias para la Salud | 468 | 20 | 5,3 % |
| Tecnología en Regencia de Farmacia | Ciencias para la Salud | 400 | 15 | 5,1 % |
| Trabajo Social | Ciencias Jurídicas y Sociales | 543 | 26 | 5,0 % |
| Técnico Profesional en Programación para Dispositivos Móviles | Ingeniería | 142 | 8 | 5,0 % |
| Maestro en Música | Artes y Humanidades | 177 | 5 | 4,7 % |
| Licenciatura en Música | Artes y Humanidades | 155 | 4 | 4,3 % |
| Técnico Profesional en Programación Web | Ingeniería | 566 | 29 | 4,2 % |
| Licenciatura en Ciencias Sociales | Ciencias Jurídicas y Sociales | 378 | 12 | 4,2 % |
| Derecho | Ciencias Jurídicas y Sociales | 636 | 17 | 4,1 % |
| Técnico Profesional en Saneamiento Ambiental | Ciencias Agropecuarias | 653 | 28 | 4,1 % |
| Ingeniería en Sistemas y Computación | Ingeniería | 512 | 13 | 4,0 % |
| Diseño Visual | Artes y Humanidades | 334 | 9 | 4,0 % |
| Medicina Veterinaria y Zootecnia | Ciencias Agropecuarias | 593 | 13 | 3,8 % |
| Medicina | Ciencias para la Salud | 635 | 18 | 3,8 % |
| Técnico Profesional en Procesamiento Agroindustrial | Ingeniería | 156 | 11 | 3,7 % |
| Licenciatura en Educación Física, Recreación y Deporte | Ciencias para la Salud | 632 | 15 | 3,7 % |
| Técnico Profesional en Instalación de Sistemas de Energía Renovable | Ciencias Exactas y Naturales | 207 | 9 | 3,5 % |
| Técnico Profesional en Marketing Digital | Artes y Humanidades | 730 | 11 | 1,7 % |
| Técnico Profesional en Seguridad y Salud en el Trabajo | Ingeniería | 709 | 8 | 1,6 % |
Método, en corto
Quién usa este enfoque
El algoritmo es LightGBM, un método de árboles de decisión en cadena (gradient boosting) publicado por Microsoft Research en 2017. Experiencias con el mismo problema:
| Quién | Qué hizo | Algoritmo |
|---|---|---|
| Ministerio de Educación del Perú, Alerta Escuela (2024) | Riesgo de deserción interanual para todos los estudiantes de educación básica del país, con datos administrativos. Resultados en tres categorías (Bajo, Medio, Alto) enviados a las escuelas. | LightGBM, elegido entre seis algoritmos por su F1 |
| Banco Mundial, Guatemala y Honduras (Adelman et al., 2017) | Predicción de deserción escolar con datos administrativos; referencia metodológica de Alerta Escuela. | Machine learning (no verificado cuál) |
| Chile (Rodríguez, 2023) | Metodología para diseñar y evaluar modelos de deserción escolar en el sistema chileno. | Machine learning (no verificado cuál) |
| Finlandia (Vaarma, 2024) y Estados Unidos (Sansone, 2017) | Estudios de deserción con machine learning en secundaria y educación superior. | Machine learning (no verificado cuál) |
Referencias: MINEDU (2024), Alerta Escuela: metodología para el cálculo del riesgo de deserción interanual en el Perú con machine learning, OSEE, ISBN 978-9972-246-90-6. Ke, G. et al. (2017), LightGBM: A Highly Efficient Gradient Boosting Decision Tree, NeurIPS. Adelman, Haimovich, Ham y Vázquez (2017), Predicting School Dropout with Administrative Data, World Bank. Rodríguez (2023), Education and Information Technologies. Las cuatro últimas se citan desde la bibliografía de Alerta Escuela.
Métricas con umbral 0,5, formato Alerta Escuela
Promedio, desviación, mínimo y máximo entre los 4 cortes. La última columna es el nivel inicial de Alerta Escuela (MINEDU Perú, 2024), como referencia.
| Métrica | Promedio | DE | Mín. | Máx. | Alerta Escuela |
|---|---|---|---|---|---|
| Precisión | 0.711 | 0.038 | 0.648 | 0.744 | 0,23 |
| Sensibilidad (recall) | 0.338 | 0.061 | 0.282 | 0.438 | 0,37 |
| Especificidad | 0.990 | 0.003 | 0.986 | 0.993 | 0,98 |
| F1 | 0.453 | 0.044 | 0.407 | 0.523 | 0,28 |
| ROC AUC | 0.878 | 0.027 | 0.832 | 0.902 | 0,84 |
| PR AUC | 0.531 | 0.035 | 0.481 | 0.575 | 0,15 |
| Filtración (1 − precisión) | 0.289 | 0.038 | 0.256 | 0.352 | 0,77 |
| Subcobertura (1 − recall) | 0.662 | 0.061 | 0.562 | 0.718 | 0,63 |
Con umbral 0,5 el modelo marca a pocos estudiantes y acierta mucho; para atrapar más desertores se baja el umbral o se usa el top-k. Por eso el informe muestra las dos lecturas.