Imputación de datos faltantes en encuestas escolares: comparación entre Random Forest y Redes Neuronales Artificiales

El presente trabajo analiza y compara la precisión de dos algoritmos de aprendizaje automático supervisado -Random Forest y Redes Neuronales- en la imputación de datos faltantes en encuestas escolares. A partir de la base de datos correspondiente a los cuestionarios complementarios respondidos por estudiantes de sexto grado del nivel primario de la Ciudad Autónoma de Buenos Aires en el marco del operativo nacional de evaluación Aprender 2023, se simulan valores perdidos en variables vinculadas a la construcción del índice de nivel socioeconómico con el fin de aplicar ambos modelos. Los valores faltantes se generaron de forma artificial siguiendo un mecanismo de pérdida completamente aleatorio (MCAR), lo que permite evaluar la capacidad predictiva de los modelos en un entorno controlado. El estudio analiza el desempeño de cada algoritmo sobre dos variables objetivo de diferente nivel de medición (nominal y ordinal) y complejidad (binaria y con múltiples categorías), a partir de métricas de precisión derivadas de la matriz de confusión. El objetivo es contribuir a la incorporación de estrategias de imputación más modernas en el ámbito educativo, en reemplazo o complemento de enfoques tradicionales, promoviendo la mejora de la calidad de las estimaciones.