Análisis de datos de estudiantes de educación formal (2023)

Documentación técnica

Para el análisis se utilizaron las siguientes bibliotecas en R:

• haven: Para importar datos en formato SPSS (.sav).
• arules: Para ejecutar el algoritmo Apriori.
• ggplot2 y ggalt: Para la visualización de gráficos.
• kmeans: Algoritmo de agrupamiento utilizado para la segmentación de datos.

# Ejemplo de cómo cargar bibliotecas en R
install.packages("haven")
library("arules")
library("haven")
library("ggplot2")
library("ggalt")

---

1. Análisis de Reglas de Asociación Apriori

Se realizo en base a la población de básico

Las reglas de asociación Apriori ayudan a identificar patrones entre variables en los datos educativos. Las cuatro reglas más importantes encontradas son:

1. Regla 1: Si el área es urbana, es más probable que el sector no sea público. Interpretación: Esta relación sugiere que los estudiantes en áreas urbanas tienen mayor acceso a instituciones privadas.

2. Regla 2: La jornada no matutina tiene una relación significativa con el sector privado. Interpretación: Esto podría deberse a la flexibilidad horaria en instituciones privadas.

3. Regla 3: Si el estudiante es de origen mestizo/ladino, es más probable que su jornada no sea matutina aunque no es crucial. Interpretación: Refleja posibles preferencias o limitaciones culturales o económicas en horarios de estudio.

4. Regla 4: Los estudiantes mestizo/ladinos generalmente no pertenecen al sector público. Interpretación: Muestra un posible sesgo hacia el acceso a instituciones privadas para la población maya, garifuna y Xinca.

---

2. Reglas de Asociación FP-Growth

Se realizo en base a la población de diversificado

FP-Growth es una alternativa eficiente para el análisis de patrones frecuentes. Las cuatro reglas clave encontradas con FP-Growth son:

1. Regla 1: Los estudiantes de determinados departamentos (como Guatemala y El Progreso) son menos propensos a pertenecer al sector público. Interpretación: Podría reflejar una mayor disponibilidad de opciones privadas en estos departamentos.

2. Regla 2: Si el sector no es público, existe una alta probabilidad de que el estudiante pertenezca a una población ladina. Interpretación: Es posible que estudiantes de la población ladina prefieran el sector privado.

3. Regla 3: El sector privado tiende a ofrecer más jornadas no matutinas. Interpretación: Podría ser una estrategia para atraer estudiantes con necesidades de horario flexible.

4. Regla 4: Es probable que los estudiantes de jornadas matutinas pertenezcan a la población mestiza/ladina. Interpretación: Esto puede ser indicativo de un sesgo cultural en cuanto a las preferencias de horario.

---

3. Análisis de Clustering (K-means)

Se realizo en base a la población en general

El clustering K-means permite identificar grupos de estudiantes con características similares. A continuación, se presentan los segmentos principales relacionados con una problemática identificada:

1. Idea 1: Estudiantes del sector público en áreas rurales. Correlación: Este grupo tiene limitaciones en acceso a recursos.

2. Idea 2: Estudiantes en áreas urbanas con preferencia por el sector privado. Correlación: Relacionado con un acceso socioeconómico superior.

3. Idea 3: Estudiantes en jornadas no matutinas del sector privado. Correlación: Posible conexión con actividades extracurriculares o empleo.

4. Idea 4: Estudiantes de origen maya en áreas rurales. Correlación: Indica una brecha en acceso y calidad educativa comparado con áreas urbanas.

5. Idea 5: Estudiantes dependiendo del departamento al que pertenecen están segmentados en regiones, y cada región tiene más ingerencia ya sea en el un sector u otro, como también en un área u otra área. Correlación: Indica una diferencia entre regiones y su acceso y pertenencia de los estudiantes a sectores o áreas mayoritariamente dependiendo de la región a la que pertenezcan. Por ejemplo la región central tiene mayor diferencia en que tienen mayor presencia en el sector privado y pertenecen mayoritariamente a áreas urbanas.

Interpretación de los Resultados:
La segmentación permite entender diferentes factores que afectan a cada grupo, proporcionando una base para estrategias educativas adaptadas.

---

4. Propuestas para Abordar la Problemática Identificada

Basadas en los resultados del análisis de datos y en la investigación realizada, se proponen estrategias concretas para abordar los problemas identificados:

1. Propuesta 1: Implementación de programas de becas y subsidios para estudiantes en áreas rurales.

   • Justificación: Mejoraría el acceso a instituciones de mayor calidad y reduciría la brecha urbano-rural.

2. Propuesta 2: Flexibilidad en horarios de estudio para estudiantes del sector público en áreas rurales.

   • Justificación: Beneficiaría a aquellos que deben trabajar o tienen responsabilidades familiares.

3. Propuesta 3: Fomento de la inclusión educativa para poblaciones mayas mediante programas específicos.

   • Justificación: Facilitaría el acceso en el sistema educativo y mayor igualdad en este acceso.

4. Propuesta 4: Alternativas entre departamentos para entregar planes de estudios más orientadas a la región a la que pertenece el establecimiento y dar mejores oportunidades a regiones más exteriores a la capital.

   • Justificación: Facilitaría el acceso en el sistema educativo y mayor igualdad en este acceso a nivel regiones.

Investigación de Contexto Guatemalteco:
Estas propuestas es necesario verlas desde el contexto Guatemalteco, lo que se realizó en este análisis, considerando factores culturales, económicos y sociales. Aún así no se encontrarón factores completamente determinantes y extremos,

---

Referencias

1. Documentación científica sobre inclusión y acceso a la educación en zonas rurales
2. Estudios de contexto guatemalteco sobre el sector educativo y brechas socioeconómicas