Factores claves que describen los resultados de Pruebas Saber 11 en el departamento del Atlántico usando técnicas de analítica de datos

Abstract

El propósito de este proyecto es aplicar técnicas de análisis de datos a los resultados de las Pruebas Saber 11 del segundo semestre del 2020 para identificar factores que determinan el rendimiento de los estudiantes al momento de realizar la prueba. Dada la problemática que representa el posible bajo o medio rendimiento en las pruebas presentadas por los estudiantes del departamento, según información basada en resultados de la prueba anteriormente mencionada y en respuestas a preguntas sociales, demográficas y/o económicas realizadas por ICFES a los estudiantes, buscamos deducir o inferir los elementos por los que los estudiantes puedan presentar más dificultades o, por el contrario, los elementos que puedan mejorar el rendimiento de los estudiantes durante la prueba o en el proceso de estudio de la misma. Este informe cumple el propósito de enunciar y describir las etapas por las que atraviesa el proyecto, iniciando por un proceso de investigación, donde se consultan artículos de investigación provenientes de varias fuentes, después de ser sometidos por un proceso de depuración. Segundo, se obtiene y se analiza el conjunto de datos de la página web de datos abiertos de Colombia, el cual contiene resultados anónimos de las Pruebas Saber 11 del segundo semestre del 2020. Tercero, algunos de los atributos pasan por varios algoritmos de pre-procesado, como la separación de los datos provenientes de otros departamentos, o la asignación de valores numéricos a atributos no numéricos. Cuarto, se aplican a los datos ya "limpios" los algoritmos de clustering necesarios para poder visualizar los datos según las variables de interés. Por último, se evidencian los resultados y las conclusiones derivadas de estos.

The purpose of this project is to apply data analysis techniques to the results of the Pruebas Saber 11 of the second semester of 2020 to identify factors that determine the performance of the students at the time of taking the test. Given the problem represented by the possible low or average performance in the tests presented by the students of the department, according to information based on the results of the aforementioned test and in answers to social, demographic and/or economic questions made by ICFES to the students, we seek to deduce or infer the elements by which the students may present more difficulties or, on the contrary, the elements that may improve the performance of the students during the test or in the process of studying it. This report fulfills the purpose of enunciating and describing the stages through which the project goes through, starting with a research process, where research articles from various sources are consulted, after being subjected to a filtering process. Second, the data set from the Colombian open data website is obtained and analyzed, which contains anonymous results from the Pruebas Saber 11 of the second semester of 2020. Third, some of the attributes go through several algorithms of pre-processing, such as separating data from other departments, or assigning numeric values ​​to non-numeric attributes. Fourth, the necessary clustering algorithms are applied to the already "clean" data to let us visualize the data according to the variables of interest. Finally, the results and the conclusions derived from them are evidenced.