Volver al Repositorio
Modelos de machine learning para fiscalización por programas de establecimientos educacionales.

Modelos de machine learning para fiscalización por programas de establecimientos educacionales.

Objetivo Principal

Hacer más eficiente el muestreo de establecimientos educacionales a fiscalizar ante el riesgo de incumplimiento de la normativa educacional y en el uso de recursos

Descripción

La Superintendencia de Educación fiscaliza anualmente a los más de 18 mil establecimientos preescolares y escolares del país respecto del cumplimiento de la normativa para proveer una educación de calidad. Dada su cantidad, el Plan Anual de Fiscalización contempla la definición de muestras de recintos por fiscalizar [1], alcanzando en 2019 y 2020 tasas de cobertura de 41,2% y 42,4%, respectivamente.

Para mejorar la asertividad de las muestras de recintos educativos, la Superintendencia incorporó en 2019 modelos predictivos basados en técnicas de machine learning, con el fin de identificar los establecimientos más propensos al incumplimiento de la normativa educacional y del uso de recursos, en base a dimensiones de información que indicaran un riesgo [2].

De acuerdo a la institución, durante ese año la efectividad de las fiscalizaciones aumentó en un 50% [3], mientras que la efectividad del uso de machine learning -respecto de las fiscalizaciones realizadas bajo otros criterios- fue de 61% en el Programa de Recursos SEP y de 66,5% en el Programa de Reconocimiento Oficial [4].

Fuentes