Explorando la Relación Entre Métodos de Atribución de Características y el Desempeño del Modelo

Los modelos de aprendizaje automático y aprendizaje profundo son fundamentales en contextos educativos, particularmente en la predicción del éxito estudiantil. A pesar de su amplia aplicación, persiste una brecha significativa en la comprensión de los factores que influyen en las predicciones de estos modelos, especialmente en la explicabilidad dentro de la educación. Este trabajo aborda esta brecha al emplear nueve métodos de explicación distintos y realizar un análisis exhaustivo para explorar la correlación entre el acuerdo entre estos métodos en la generación de explicaciones y el desempeño del modelo predictivo. Al aplicar la correlación de Spearman, nuestros hallazgos revelan una correlación muy fuerte entre el desempeño del modelo y el nivel de acuerdo observado entre los métodos de explicación.