Ensemble-SMOTE: Mitigando el desbalance de clases en la detección de graduación a tiempo

En educación, detectar estudiantes que se gradúan a tiempo es difícil debido a la alta complejidad de los datos. Los investigadores han empleado varios enfoques para identificar la graduación a tiempo con Aprendizaje Automático, pero sigue siendo una tarea desafiante debido al desbalance de clases en el conjunto de datos. Este estudio tiene como objetivo (i) comparar varios métodos de tratamiento del desbalance de clases con diferentes proporciones de muestreo, (ii) proponer un método de tratamiento del desbalance de clases en conjunto para mitigar el problema del desbalance de clases, y (iii) desarrollar y evaluar modelos predictivos para identificar la probabilidad de que los estudiantes se gradúen a tiempo durante sus estudios en la universidad. El conjunto de datos se recolectó de 4007 graduados de una universidad de los años 2021 y 2022 con 41 variables. Después de la selección de características, se compararon varios métodos de tratamiento del desbalance de clases con diferentes proporciones de muestreo que oscilaban entre el 50% y el 90%. Además, se propone Ensemble-SMOTE para agregar el conjunto de datos generado por variantes de la Técnica de Sobremuestreo de Minorías Sintéticas en la mitigación efectiva del problema del desbalance de clases. El conjunto de datos generado por los métodos de tratamiento del desbalance de clases se usó como entrada para los modelos predictivos en la detección de graduación a tiempo. Los modelos predictivos fueron evaluados en función de la precisión, la precisión (precision), la recuperación (recall), la puntuación F0.5, la puntuación F1, la puntuación F2, el Área bajo la Curva y el Área Bajo la Curva de Precisión-Recuperación. Según los hallazgos, la Regresión Logística con Ensemble-SMOTE superó a otros modelos predictivos y métodos de tratamiento del desbalance de clases al lograr la mayor precisión promedio (87.24), recuperación (92.50%), puntuación F1 (91.30%) y puntuación F2 (92.02%) del 6º al 10º trimestre. Para evaluar la efectividad de los métodos de tratamiento del desbalance de clases, se realizó la prueba de Friedman para determinar la diferencia significativa entre los modelos después de aplicar la prueba de Shapiro-Wilk en la prueba de normalidad. En consecuencia, Ensemble-SMOTE se clasifica como el mejor desempeño al lograr el valor más bajo en el rango promedio basado en las métricas de rendimiento. Investigación adicional podría incorporar y examinar enfoques más complicados para mitigar el desbalance de clases cuando el conjunto de datos es altamente desbalanceado.