Proyecto que avanza desde análisis descriptivos hacia un enfoque predictivo basado en datos históricos de casos de abuso y violencia registrados en colegios de Bogotá. Para ello, se emplearon variables como localidad, género, edad, nivel académico y jornada con el fin de predecir el tipo de violencia y el tipo de agresor más probable al que podría ser susceptible un estudiante.
Abuso y Violencia de población escolar
Entidades participantes
- Secretaría de Educación Distrital
- Unidad Administrativa Especial de Catastro Distrital
Necesidad inicial
Surgió del interés de la Secretaría de Educación Distrital por aprovechar de manera más amplia la información recopilada sobre casos de abuso y violencia en colegios de Bogotá. Aunque la entidad ya contaba con análisis descriptivos que permitían identificar problemáticas frecuentes y características asociadas a las víctimas, se identificó la necesidad de evolucionar hacia una solución predictiva que permitiera anticipar posibles escenarios y fortalecer la generación de acciones preventivas y de intervención oportuna.
Proceso
Se desarrolla un modelo predictivo orientado a determinar el tipo de violencia y el tipo de agresor más probables a los que un estudiante podría ser susceptible, con base en variables como Localidad, Género, Nivel Académico, Edad y Jornada. Se realizaron pruebas con diferentes metodologías de aprendizaje automático, incluyendo XGBoost, Random Forest, MLP y Regresión Logística, obteniendo XGBoost el mejor desempeño predictivo.
Resultado / Solución
Se diseñó un aplicativo en Streamlit que permite generar predicciones de forma sencilla e interactiva, facilitando la consulta de resultados y apoyando procesos de toma de decisiones oportunas.