Ir directamente a la navegación principal Ir directamente a la búsqueda Ir directamente al contenido principal

Análisis predictivo y visualización de datos de educación de Ecuador y Perú para establecer brechas en el acceso a una educación de calidad usando datos abiertos.

  • Tincopa Flores, Jean Pierre (Investigador principal)
  • Chicaiza Espinosa, Janneth Alexandra (Investigador adjunto)
  • Valdivieso Díaz, Priscila Marisela (Investigador adjunto)
  • González Eras, Alexandra Cristina (Investigador adjunto)

Proyecto: Investigación

Detalles del proyecto

Resumen de proyecto

Este proyecto busca identificar brechas en el acceso a una educación de calidad en Ecuador y Perú, mediante la recolección, análisis exploratorio y predictivo de datos educativos de acceso público haciendo uso de técnicas descriptivas y de Machine Learning. El modelo a crear integrará variables académicas disponibles en plataformas como INEI (Perú) y Datos Abiertos (Ecuador). Además, el proyecto contará con la presentación de los resultados en un dashboard interactivo. Con esta
información se espera generar modelos que permitan identificar proyecciones relevantes, que puedan usarse para la toma de decisiones con intervenciones efectivas en diferentes regiones. Esto tiene un impacto significativo para reducir las brechas educativas y promover la equidad en ambos países; además, este proyecto servirá como base para futuras iniciativas en la aplicación de la Inteligencia Artificial en educación en ambos países.
EstadoActivo
Fecha de inicio/Fecha fin1/04/2631/03/27

Objetivos de desarrollo sostenible de las Naciones Unidas

En 2015, los estados miembros de las Naciones Unidas acordaron 17 Objetivos de desarrollo sostenible (ODS) globales para erradicar la pobreza, proteger el planeta y garantizar la prosperidad para todos. Este proyecto contribuye al logro de los siguientes ODS:

  1. ODS 4: Educación de calidad
    ODS 4: Educación de calidad

Palabras clave

  • Education
  • Machine Learning
  • Social Gaps
  • Data Visualization
  • Open Data

Categorías temáticas, líneas y sublíneas de investigación

  • Machine learning y deep learning