Applying Business Intelligence in Educational Projects to Vulnerable and Refugee Children in the Colombian Caribbean Region

Transcripción

1 Applying Business Intelligence in Educational Projects to Vulnerable and Refugee Children in the Colombian Caribbean Region Aplicación de Inteligencia de Negocios en Proyectos Educativos para Población Infantil Vulnerable y Desplazada en la Región Caribe Colombiana ABSTRACT Business Intelligence (BI) is applied in different sectors to find answers to complex problems and to have an overview of the information handled. In this work was developed a business intelligence solution that provides support to take decisions in an educational project named Circles of Learning, which is operated by the University of Magdalena since 2006, and it aims to link vulnerable and refugee children to the school system. The technological development project was focused on build a BI application encompassing a wide perspective of psychosocial and educational characteristics of children and their households, to looking for behavior patterns and to give answers to questions such as: What are the variables that influence directly in academic performance and competence development of students? And, what factors are involved in student desertion? In this sense, we used, as a methodological guide, the work of Moss and Atre titled Business Intelligence Roadmap, and the agile method named Extreme Programming. RESUMEN La Inteligencia de Negocios es aplicada en diferentes sectores para buscar respuestas a problemas complejos y para tener una visión general de la información. En este trabajo se desarrolló una solución de inteligencia de negocios que sirve de apoyo a la toma de decisiones en la ejecución del proyecto Círculos de Aprendizaje, operado por la Universidad del Magdalena desde el año 2006, cuyo objetivo fundamental es vincular, a niños refugiados y/o en condiciones de vulnerabilidad, al sistema escolar. El proyecto de desarrollo tecnológico se enfocó en construir una aplicación de BI abarcando una perspectiva amplia de las características psicosociales y pedagógicas de los niños y sus núcleos familiares para buscar patrones de comportamiento y dar respuestas a preguntas como: Cuáles son las variables que influyen directamente en la nivelación académica y el desarrollo de competencias de los estudiantes? y Qué factores intervienen en la deserción estudiantil?. Para esto, se utilizó como guía metodológica el planteamiento de Moss y Atre en su trabajo Business Intelligence Roadmap, y el método ágil denominado Programación Extrema. Categories and Subject Descriptors H.4 [Information Systems Applications] General Terms Management, Measurement. Keywords Business Intelligence, Data Mining, OLAP, Refugee Children Education. Palabras Clave Inteligencia de Negocios, Minería de Datos, OLAP, Educación para Niñez Refugiada. 1. INTRODUCIÓN El Ministerio de Educación Nacional de Colombia, con el propósito de disminuir los índices de des-escolarización en la población infantil, ha implementado modelos de educación en emergencia, como el modelo Círculos de Aprendizaje. El objetivo de este modelo es brindar educación de calidad a la población infantil afectada por el problema de la migración forzada a causa de la violencia, así como, la inclusión de esta población en el sistema escolar formal. La operación de este modelo, en el Caribe colombiano, la ha realizado la Universidad del Magdalena durante los últimos cuatro años, ejecutando un presupuesto que supera los cinco millones de dólares. Durante los últimos 4 años y ejecutando un presupuesto que supera los cinco millones de dólares, la Universidad del Magdalena ha sido la encargada de operar este modelo en el Caribe colombiano. La ejecución del proyecto sugiere retos importantes entorno a los proceso de administración de información para apoyar la toma de decisiones. En primer lugar, el equipo de trabajo, constituido por más de trescientas personas, está distribuido por todo el Caribe colombiano, lo cual genera la necesidad de utilizar la Internet como el medio esencial para la comunicación y la gestión del proyecto. Por otra parte, y desde una perspectiva más profunda, el volumen y la diversidad de información administrada, la cual abarca aspectos pedagógicos, psicosociales e institucionales de los niños y niñas, sus familias y su entorno, demanda herramientas de captura y recuperación de información concebidas con el enfoque de Inteligencia de Negocios. El alcance del trabajo realizado incluyó la construcción de una bodega de datos, procedimientos para la extracción, transformación y carga de los datos obtenidos de la base de datos de una aplicación OLTP; la configuración de procedimientos de

2 análisis multidimensional de datos; y la aplicación de algunas técnicas de minería de datos con el propósito de obtener modelos orientados a perfiles de estudiantes. 2. MÉTODOS Y HERRAMIENTAS La metodología empleada para el desarrollo de este proyecto fue la planteada por Larissa T. Moss y Shaku Atre en su libro Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications [1], al mismo tiempo se utilizó el método ágil para el desarrollo de software denominado Programación Extrema [10], para guiar el desarrollo de una aplicación Web que permitiera a los usuarios interactuar con la solución de BI, lo cual permitió dar mayor énfasis en la adaptabilidad que en la previsibilidad y a la vez, ofreció la posibilidad de abordar las actividades de programación paralelamente, sin tener que esperar culminar unas tareas para iniciar otras. para complementar las actividades realizadas en la construcción de la solución de Inteligencia de Negocios y permitir que los diferentes usuarios puedan utilizar el producto a través de una aplicación Web. La metodología Business Intelligence Roadmap se compone de análisis del negocio, diseño, construcción y despliegue. Cada una de estas fases se encuentra dividida en pasos que se complementan y se encuentran organizados para llevar a cabo un proyecto de BI completo dicha organización puede visualizarse en la Figura 1. En la construcción de la solución se utilizaron varias herramientas de software, las cuales apoyaron procesos de modelado, implementación, pruebas y gestión del proyecto, las cuales se pueden resumir en la Tabla 1. Figura. 1 Business Intelligence Roadmap Business Intelligence Roadmap, se utilizó como una guía para el desarrollo de una solución de Inteligencia de Negocios de soporte a la toma de decisiones. La estructura de la metodología cubre todos los pasos necesarios, desde la toma de requerimientos y análisis del negocio, hasta cómo y cuándo se debe realizar un reléase y qué tipos de pruebas deben aplicarse al producto. También cabe mencionar que en los pasos en los que Business Intelligence Roadmap propone actividades de programación, se incluye la Programación Extrema como un modelo de proceso Tecnología Visual Paradigm para UML Visual Studio Team Foundation Microsoft Visual Studio 2008 Microsoft SQL SERVER 2008 Tabla 1. Herramientas utilizadas Descripción Herramienta de uso profesional que soporta el ciclo de vida completo en el desarrollo de software: análisis y diseño orientados a objetos, construcción, pruebas y despliegue. El software de modelado UML ayuda a una más rápida construcción de aplicaciones de calidad, mejores y a un menor costo. Permite dibujar todos los tipos de diagramas de clases, código inverso, generar código desde diagramas y generar documentación. Herramienta útil para la administración del ciclo de vida en el desarrollo de software extensibles, integradas y productivas que ayuda a los equipos de desarrollo de software mejorando las comunicaciones y la colaboración durante todo el proceso de desarrollo. Es un conjunto completo de herramientas de desarrollo para la generación de aplicaciones Web ASP.NET, Servicios Web XML, aplicaciones de escritorio y aplicaciones móviles. Visual Basic, Visual C++, Visual C# y Visual J# utilizan el mismo entorno de desarrollo integrado (IDE), que les permite compartir herramientas y facilita la creación de soluciones en varios lenguajes. Asimismo, dichos lenguajes aprovechan las funciones de.net Framework, que ofrece acceso a tecnologías clave para simplificar el desarrollo de aplicaciones Web ASP y Servicios Web XML. Es una completa suite para trabajar con datos, además de poseer el servicio principal para almacenar, procesar y proteger los datos. El Motor de base de datos proporciona acceso controlado y procesamiento rápido de transacciones para cumplir los requisitos de las aplicaciones. De igual forma, posee otros servicios muy útiles al momento de trabajar con datos y analizarlos, en la Tabla 2 se puede observar una breve descripción de ellos

3 Tabla 2. Tabla de Servicios de SQL SERVER Servicio Descripción Integration Services: Analysis Services: Reporting Services Es una plataforma para la creación de soluciones de integración de datos y de transformaciones de datos de alto rendimiento Permite trabajar con Análisis multidimensional de datos y Tareas de Minería de Datos. Dispone de una gama completa de herramientas y servicios listos para usar que le ayudarán a crear, implementar y administrar informes para la organización, así como de características de programación que le permitirán extender y personalizar la funcionalidad de los informes. 3. RESULTADOS Para el análisis multidimensional de la información de los niños se hizo necesario construir un Datawarehouse compuesto por cincuenta y cinco (55) tablas divididas de la siguiente forma, doce (12) Tablas de hechos: contiene las medidas a analizar, como deserción, inasistencia y rotación, incluyendo cuarenta y tres (43) Tablas de Dimensiones: las cuales almacenan las variables que se utilizan para analizar las medidas (Sexo, Extraedad, Grupo Poblacional, etc.). El esquema predominante en nuestro almacén de datos es el de estrella debido a que el 90% de las dimensiones lo usaban. La selección del esquema estrella, se hizo teniendo presente los requerimientos funcionales de la parte gerencial de Círculos del Aprendizaje, los cuales sugirieron que la información contenida en los cubos debía tener un retardo de máximo de 15 días, lo que implicaba que el tiempo entre procesamientos por cubos era relativamente corto, demandando que la velocidad de implementación fuera lo menor posible. Figura. 2 Sección de Datawarehouse para almacenamiento de logros Para hacer posible el poblar estos datos se desarrollaron paquetes de carga utilizando la herramienta Microsoft SQL Server Integration Services (SSIS) la cual facilitó el transformar el diseño de los ETL en paquetes de carga debido a que utiliza una notación similar. Nuestra Data Stagin Area se desarrollo utilizando SSIS y la estructura en términos generales es la siguiente: primero, se puede mencionar un paquete para la carga de dimensiones. El desarrollo de esta área se hizo manejando el concepto de dimensiones lentamente cambiantes, el cual nos permite manejar históricos y realizar actualizaciones sobre los datos, se realizó un paquete por cada DataMart. En cuanto a las transformaciones realizadas a los datos se desarrollaron rutinas que trataban los valores nulos, la eliminación de valores duplicados según el caso. Esto para hacer posible la construcción de los cubos OLAP, todo esto se realizó utilizando la herramienta SQL Server Analysis Services (SSAS). En el paso siguiente, se definieron los 15 Cubos haciendo uso de los metadatos definidos previamente, estos metadatos contenían las dimensiones, jerarquías de dimensiones, medidas, perspectivas, traducciones y agregaciones por cada cubo, indicadores de rendimiento. Además se especificaron las operaciones que era posible realizar sobre las medidas ya sea Drill Down, Drill Up, Drill Across, Roll Across. En lo que respecta a la minería de datos, se escogió utilizar como herramienta SSAS, esta incluye algoritmos de minería de datos que facilitaron la obtención de una solución acorde a las necesidades de análisis en los Círculos de Aprendizaje. Para el proceso en mención se definieron cinco fases, entre las que se encuentran: en primera instancia, la definición del Problema, el análisis se orientó a descubrir perfiles de estudiantes y relaciones entre los datos que se almacenan de él ya sea para comprender el porqué cambia de estado la matricula del estudiante, es decir porque deja de asistir a clases, por otro lado se buscaba descubrir si los tutores tienen alguna incidencia en la calificación de los estudiantes, más allá de dictar las clases. En la segunda fase, la preparación de los datos, consistió en establecer homogeneidad en los formatos de los datos, al mismo tiempo se definieron reglas de eliminación y purificación e la información, como la eliminación de los datos de auditoría de las tablas, así como omitir los atributos que contienen información que se relaciona con la interfaz gráfica del aplicativo. En la tercera fase, se realizó una exploración de los datos, lo que condujo a replantear las expectativas propuestas y los objetivos planteados al realizar las actividades de minería de datos, sobre todo con relación a los perfiles de estudiantes, porque los resultados preliminares obligaron a desistir de encontrar patrones de comportamiento de los datos relacionados a los tutores, entonces habría que buscar perfiles de estudiantes sin

4 incluir la información del tutor. En la cuarta fase, o fase de obtención de modelos, la herramienta seleccionada permitió seleccionar los Clustering como una de las técnica de minería de datos, debido a que este algoritmo de segmentación utiliza técnicas iterativas para agrupar los escenarios de un grupo de datos dentro de Clústeres que contienen características similares entre sí, lo que para los estudiantes significaría determinar los perfiles y los atributos de asociación que se tratan de identificar. Una vez se procesó el modelo de minería de datos, se obtuvieron 10 clúster como se puede ver la figura 3. Variables Valores Probabilidad Habla 15,595% Grado 5 13,870% Edad 8,0-9,8 9,890% Grado 2 9,628% Grado 1 5,742% Visual 4,547% Auditivo 4,221% Otra 3,476% Tiene Sisben True 1,863% Tipo Documento Certificado Nacido Vivo 0,620% Figura. 3 Clúster de Datos Finalmente, para conocer las características de los Clúster, la Tabla 3, es un muy buen ejemplo de los resultados obtenidos en el clúster 7, donde se presentan las variables, los valores y sus respectivas probabilidades de ocurrencia. Tabla 3. Características de Clúster Variables Valores Probabilidad Tiene Sisben False 98,137% Edad 1,9-8,0 90,066% Tipo Documento Registro Civil 83,013% Estado Inicial 66,350% Sexo True 51,966% Sexo False 48,034% Grado 4 35,715% Grado 3 35,045% Estado Final 33,650% Tipo Documento Motricidad Fina Motricidad Gruesa 28,989% 22,560% Dentadura 20,613% Menor Sin Identificación 16,361% Por otra parte, el otro modelo seleccionado fueron los árboles de decisión (algoritmo utilizado como mecanismo de predicción), en este algoritmo, el atributo que se seleccionó para ser predicho fue la calificación del estudiante, y como valores de entrada se incluyeron todas las características vinculadas o relacionadas directamente con los estudiantes. Como ejemplo de las reglas de decisión obtenidas se puede mencionar, que al seleccionar como valor del atributo calificación Excelente, aquí se observa que los nodos donde el sombreado es más fuerte, la probabilidad de ocurrencia es más alta y al ubicarnos en esta hoja obtenemos una probabilidad del 97,66% y la siguiente regla: Tiene Carnet = False and Categoría Poblacional = 'Registrado' and Documento Verificacion not = '2 fotos. (Ver Figura. 4 Árbol de Decisión) Figura. 4 Árbol de Decisión Además de un árbol como tal, también se puede observar la red de dependencia que este genera al ser procesado, esto es una imagen con los atributos y la relación que estos poseen, lo que se llamaría relación de dependencia, es decir, que atributo puede ayudar a predecir a otro, por ejemplo, en la Figura. 5, donde los atributos alrededor de Nombre Escala permitirán predecir el valor y la probabilidad de ocurrencia.

5 construcción de una solución de inteligencia de negocios, la primera para construir la fuente alimentadora de información y la segunda para construir la manera como se accede a esta información de manera eficiente. En marco del desarrollo profesional se descubrió el verdadero significado de ser un profesional útil a la sociedad, relacionarse con personas de un nivel académico similar al propio o superior con aras de generar un impacto en el entorno, mucho más si es la población infantil. Figura. 5 Red de Dependencia En la fase final, evaluación de resultados, donde los modelos obtenidos son puestos a prueba con una población de estudiantes menor, los modelos de clúster y árbol de decisión lanzaron resultados dentro de los deseados cumpliendo con las expectativas esperabas para los modelos generados. Al finalizar el proyecto, se obtuvo una solución de Inteligencia de Negocio para el proyecto Círculos de Aprendizaje, que permite el análisis de la información contenida de 3120 infantes en estado de desplazamiento y vulnerabilidad que no asisten a entidades educativas y que se encuentran divididos en 195 círculos, para los cuales se deben tomar decisiones oportunamente y garantizar la sostenibilidad y expansión del proyecto. 4. CONCLUSIONES Como bien es sabido, la región Caribe es una de las más afectadas en Colombia por los grupos alzados en armas y por la pobreza, además de poseer un alto índice de desescolarización. Esto afecta en gran medida a los infantes que pertenecen a estos grupos familiares, debido a que no reciben la atención educativa y psicoafectiva necesaria, conllevando a que esto se reflejé en un futuro y finalmente, se convierte en un cadena interminable de violencia y pobreza. Por lo cual se cree necesario estudiar estos factores a través de técnicas computacionales que ayuden a encontrar respuesta a problemas sociales como la deserción estudiantil, además de permitir hacer un seguimiento uno a uno de los niños. El uso de técnicas de inteligencia de negocio, como las de minería de datos ofrecen un gran aporte a la gestión de información en proyectos educativos de alto contenido social, ya que como se demostró en el proyecto la obtención de estos perfiles ayudar de gran manera en la asignación de los estudiantes a un tutor o maestro dependiendo de un conjunto de variables que en la mayoría de las instituciones de enseñanza no se tienen en cuenta, variable como el nivel educativo de los padres, la cantidad de miembros que su núcleo familiar posee entre otros. Las metodologías Business Intelligence Roadmap y extreme Programming constituyen una herramienta muy útil en la 5. AGRADECIMIENTOS Nuestro especial agradecimiento a la Vicerrectoría de Extensión de la Universidad del Magdalena, liderada por el Ingeniero Roberto Aguas, por permitirnos participar en esta experiencia que ratifica el compromiso y la responsabilidad social de las disciplinas relacionadas con las tecnologías de información. 6. REFERENCES [1] T.MOSS, Larissa, ATRE, Shaku, Business Intelligence Roadmap: The Complete Project Lifecycle for Decision, Addison Wesley, [2] WANG, John Encyclopedia of Data Warehousing and Mining, [3] ADAMSON, Christopher, Mastering Data Warehouse Aggregates: Solutions for Star Schema Performance,2006. [4] PEÑA, ALEJANDRO, Inteligencia de Negocios: Una Propuesta para su en las organizaciones, [5] RAINARDI, VINCENT, Building a Data Warehouse, 2007 [6] TANIAR, David, Data Mining and Knowledge Discovery Technologies (Advances in Data Warehousing and Mining), [7] MINISTERIO DE EDUCACIÓN NACIONAL FUNDACIÓN ESCUELA NUEVA VOLVAMOS A LA GENTE Proyecto FENVG MEN. [8] SERGIO LUJÁN-MORA, Data Warehouse Design with UML, Department of Software and Computing Systems University of Alicante, [9] Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Introduction to Data Mining [10] Dr. Neil Roodyn 2004 extreme.net: Introducing extreme Programming Techniques to.net Developers [11] Doug Wallace, Isobel Raggett, Joel Aufgang 2002 Extreme Programming for Web Projects [12] Lisa Crispin, Tip House, 2002.Testing Extreme Programming