¿Ha escuchado en las noticias o leído en el periódico que fumar puede cortarle 10 años a su vida? ¿O que el consumo excesivo de alcohol puede tronchar su vida por 7.6 años? Se preguntará cómo los científicos saben exactamente que son 10 ó 7.6 años los que una persona pierde si fuma o bebe en exceso. ¿Es esa predicción algo así como ver el futuro en una bola de cristal?
En realidad, las estadísticas no se refieren a un lector específicamente o a predicciones como las de la astrología o el tarot. La respuesta a esta pregunta está en los modelos estadísticos.
Estos modelos comparan cientos de miles de datos pasados de fumadores o no fumadores (o de personas que consumen o no alcohol en exceso) para crear una serie de ecuaciones. Las ecuaciones se “alimentan” de datos del pasado para estimar qué podría pasarle a una persona “promedio” con un perfil similar al de otras personas en el modelo.
Las aplicaciones de los modelos estadísticos no se limitan sólo a prevenirnos sobre el riesgo de beber o fumar. También pueden usarse en otras disciplinas, incluyendo la educación universitaria. Lo importante es que haya suficientes datos para que el modelo sea uno confiable.
Un claro ejemplo de cómo los modelos estadísticos apoyan la educación postsecundaria en Uruguay, es un estudio de la Facultad de Ingeniería y Tecnología (FIT) de la Universidad Católica del Uruguay (UCU). El estudio está utilizando datos de estudiantes de ingeniería de años pasados para identificar qué estudiantes futuros podrían necesitar apoyo académico suplementario en la carrera.
El grupo interdisciplinario de investigadores incluye a los profesores Eduardo Lacués, Gabriela Otheguy, Magdalena Pagano, Alejandra Pollio (Departamento de Matemáticas, FIT, UCU), Rosina Pérez, Marcos Sarasola (Departamento de Educación, Facultad de Ciencias Humanas, UCU) y Wilson González-Espada (Programa Fulbright Uruguay; Morehead State University, Kentucky, EE.UU.)
Los datos que alimentan el modelo estadístico provienen de dos fuentes principales. La primera es una prueba diagnóstica de matemáticas que se ofrece a los estudiantes que recién ingresan a las carreras de la FIT. Esta prueba fue validada mediante métodos psicométricos por los investigadores para maximizar su precisión.
La segunda fuente de datos incluye tres indicadores de éxito académico al término del primer año universitario en las carreras de la FIT: cantidad de cursos de matemáticas completados exitosamente, cantidad de cursos de ciencias completados exitosamente y el promedio académico general.
El modelo estadístico ya estableció preliminarmente un alto nivel de correlación entre la puntuación en la prueba diagnóstica, y la cantidad de cursos de matemáticas y ciencias completados exitosamente.
Este resultado es consistente con otros estudios similares, que establecen que a mayor dominio de las matemáticas, mayor probabilidad de éxito universitario. El nivel de correlación todavía no es tan concluyente cuando se trata de predecir el promedio académico general de los estudiantes, que incluye cursos adicionales a los de matemáticas y ciencias.
Aunque la recolección y análisis de datos aún está en progreso, los investigadores han corroborado la calidad de los datos y la utilidad del modelo para diagnosticar a futuros estudiantes de la FIT. Se espera que el modelo esté completo e implementado en marzo de 2017, cuando los estudiantes que tomaron la prueba diagnóstica en marzo de 2016 terminen de cursar su primer año de ingeniería.
Con cada nuevo año, más datos pueden incluirse en el modelo, haciéndolo más robusto. Esto ayudaría aún más a la identificación temprana de estudiantes con alta y baja probabilidad de tener problemas académicos, lo que implicará más estudiantes completando sus carreras a tiempo e integrándose a la sociedad y al mundo laboral.
