Desarrollo y análisis de perfiles de jóvenes en los grados 10 y 11: predicción del éxito en carreras STEM

Abstract

Este estudio explora la baja representación de mujeres en carreras STEM (Ciencia, Tecnología, Ingeniería y Matemáticas) y busca identificar factores que influyen en la decisión de estudiantes de grados 10 y 11 para elegir estas disciplinas. A través de un enfoque basado en datos, se desarrolló un modelo predictivo usando Random Forest, que permite analizar variables clave como el interés en matemáticas y ciencias, el apoyo familiar y la influencia docente.

La investigación incluyó encuestas a estudiantes de un colegio en Barranquilla, Colombia, recolectando información sobre aspectos académicos, sociales y culturales. El modelo Random Forest demostró ser el más efectivo, alcanzando una precisión del 100%, superando técnicas como la regresión logística y SVM. Estos resultados revelan la importancia de abordar barreras culturales y estereotipos que limitan la participación femenina en STEM, como la percepción de estas áreas como poco atractivas o la falta de confianza promovida por mensajes sexistas.

Como solución, se desarrolló un prototipo de plataforma web que ofrece recursos interactivos e informativos para motivar a las jóvenes hacia carreras STEM. Incluye herramientas como una calculadora de probabilidades y un "Salón de la Fama" para visibilizar a mujeres destacadas en estas disciplinas.

El estudio concluye que fomentar la participación femenina en STEM no solo es una cuestión de equidad, sino también de sostenibilidad económica, ya que estos campos son esenciales para el futuro tecnológico. Se requiere un esfuerzo colectivo para crear entornos educativos inclusivos que inspiren a más jóvenes a perseguir estas carreras y contribuyan al progreso de la sociedad.

This study explores the underrepresentation of women in STEM (Science, Technology, Engineering, and Mathematics) careers and aims to identify factors influencing the decision of 10th and 11th-grade students to pursue these fields. Using a data-driven approach, a predictive model based on Random Forest was developed to analyze key variables such as interest in mathematics and science, family support, and teacher influence.

The research involved surveys conducted with students from a school in Barranquilla, Colombia, gathering data on academic, social, and cultural aspects. The Random Forest model proved to be the most effective, achieving 100% accuracy, outperforming techniques like logistic regression and SVM. The findings highlight the importance of addressing cultural barriers and stereotypes that hinder female participation in STEM, such as the perception of these fields as unattractive or the lack of confidence reinforced by sexist messages.

As a solution, a prototype web platform was developed to provide interactive and informational resources to encourage young women to consider STEM careers. It features tools like a probability calculator and a "Hall of Fame" to showcase prominent women in these fields.

The study concludes that fostering female participation in STEM is not only a matter of equity but also economic sustainability, as these fields are critical for the technological future. A collective effort is needed to create inclusive educational environments that inspire more young women to pursue these careers and contribute to societal progress.