Urban–Rural Gradients Predict Educational Gaps: Evidence from a Machine Learning Approach Involving Academic Performance and Impervious Surfaces in Ecuador

El rendimiento académico (AP) se explica por multitud de factores, principalmente aquellos relacionados con el entorno socioeconómico, cultural y educativo. Sin embargo, AP se entiende menos desde una perspectiva espacial. El objetivo de este estudio fue investigar una metodología que utiliza un enfoque de aprendizaje automático para determinar qué respuestas de una encuesta basada en un cuestionario eran relevantes para explicar el alto AP de los estudiantes de secundaria en gradientes urbano-rurales en Ecuador. Utilizamos ubicaciones de escuelas secundarias para construir conjuntos de datos individuales y estratificarlos según las puntuaciones AP. Utilizando el algoritmo de Boruta y la eliminación hacia atrás, identificamos los mejores predictores, los clasificamos mediante bosque aleatorio y mapeamos las probabilidades de clasificación AP. Resumimos estos resultados como respuestas frecuentes observadas para cada región natural de Ecuador y utilizamos sus resultados de probabilidad para formular hipótesis con respecto al gradiente urbano-rural derivado de mapas anuales de superficies impermeables. Nuestro enfoque dio como resultado un análisis cartográfico de probabilidades AP con precisiones generales de alrededor del 0,83% al 0,84% y valores Kappa del 0,65% al 0,67%. El AP alto se relacionó principalmente con respuestas sobre el entorno académico y las habilidades cognitivas. Estas respuestas identificadas variaron según la región, lo que permitió diferentes interpretaciones de los factores impulsores de AP en Ecuador. Se encontró que una transición de lo rural a lo urbano que oscilaba entre 8 y 17 años era el período de tiempo correlacionado con el logro de un alto AP.