Educación

Aprendizaje federado predice abandono estudiantil sin compartir datos personales

El enfoque resuelve una de las tensiones centrales en analítica educativa: necesitar datos para predecir riesgo académico sin comprometer la privacidad de los estudiantes. En lugar de consolidar información en un servidor central, cada institución entrena su propio modelo y comparte únicamente los parámetros resultantes. El modelo combinado obtuvo un F1 de 0,755, resultados sólidos para un sistema distribuido en condiciones heterogéneas. Las variables con mayor poder predictivo, según valores SHAP, son conductuales: persistencia temporal en la plataforma, densidad de interacciones y comportamiento ante evaluaciones. Una advertencia relevante del propio estudio: las métricas de calibración muestran mayor sensibilidad a la heterogeneidad institucional, lo que importa al momento de interpretar probabilidades individuales.