Modelo Estadístico para determinar los factores académicos en los Resultados de las Pruebas Saber Pro

Objetivo: Diseñar un modelo estadístico que determine los factores académicos sobre resultados de las Pruebas Saber Pro. Metodología o método: El estudio de técnicas de relaciones multivariables y de aprendizaje fueron empleadas para establecer un mecanismo de relación entre un conjunto de variables académicas y sociodemográficas y su influencia con el resultado de la prueba Saber Pro, a través de un diseño y selección de un modelo estadístico multivariable que determine en forma óptima los factores académicos que inciden en los resultados de las pruebas Saber Pro. Resultados: Se apreció que no existen diferencias significativas entre los modelos y la realidad reflejada en la muestra de la validación a excepción de la prueba PCME que el modelo de Random Forest no prueba hipótesis de validación. Se identificó que el modelo de regresión lineal multivariante no muestra diferencias significativas en ninguna de las pruebas, al contrario del modelo Random Forest si muestra diferencias para ciertos valores de α en ING y FPI además de rechazar hipótesis de igualdad para la prueba PCME. Conclusiones: Cualquiera de las técnicas utilizadas en el estudio puede ayudar a realizar un modelo predictivo que sea capaz de permitir a la institución generar estrategias para lograr crear políticas orientadas a mejorar el rendimiento de los estudiantes. Sin embargo, la técnica de regresión lineal multivariante de acuerdo a las pruebas de hipótesis es la mejor posicionada en este estudio.

目标：设计一统计模型以确定影响 Saber Pro 测试结果的学术因素。研究方法：采用多元关系技术及学习算法，构建一套将学术与社会人口变量集合与 Saber Pro 测试结果之间关系关联的机制。此机制通过设计并选择一多元统计模型，旨在最优地识别对 Saber Pro 测试结果产生影响的学术因素。结果：研究结果显示，模型与现实在验证样本中的反映并无显著差异，唯独 PCME 测试中，随机森林模型未能验证假设。进一步分析表明，多元线性回归模型在所有测试中均未显示出显著差异，而随机森林模型则在 ING 和 FPI 的某些 α 值下显示出差异，并且对于 PCME 测试，该模型拒绝了相等性假设。结论：所采用的研究技术均可助力构建预测模型，使机构能够制定旨在提升学生表现的策略。然而，根据假设检验结果，多元线性回归模型在本次研究中具有最佳的适用性。