🎓 Predicción de Éxito Académico

📌 Descripción del Proyecto

Este proyecto de Inteligencia de Negocios (BI) desarrollado en Qlik Sense tiene como objetivo analizar los factores demográficos, sociales y académicos que impactan el rendimiento de los estudiantes en las materias de Matemáticas y Portugués.

El tablero interactivo permite a instituciones educativas identificar qué variables (horas de estudio, ausentismo, nivel educativo de los padres o acceso a internet) son verdaderos predictores de éxito, desmintiendo mitos comunes sobre la educación.

🗄️ Fuente de Datos

• Dataset: Student Performance Data Set (UCI Machine Learning Repository / Kaggle).
• Estructura: Dos archivos CSV (student-mat.csv y student-por.csv) con 33 variables sociodemográficas y de calificaciones para un total combinado de 1044 exámenes rendidos por 661 alumnos únicos.

⚙️ Arquitectura y Modelado de Datos (ETL)

El proyecto destaca por un robusto procesamiento en el Back-end (Script de carga de Qlik):

1. Esquema en Estrella (Star Schema): Separación de datos descriptivos en una Dim_Alumno y métricas calculables en una Fact_Rendimiento para optimizar el motor asociativo de Qlik.
2. Generación de Llaves Únicas: Uso de la función AutoNumberHash128() para crear un ID compuesto de alumno y evitar llaves sintéticas al concatenar ambas materias.
3. Resolución de Granularidad (Atributos Mutables): Variables como "Clases Pagadas" o "Apoyo Escolar" fueron tratadas a nivel de tabla de hechos, ya que un mismo alumno puede tener tutoría para Matemáticas pero no para Portugués.
4. Data Cleansing & Mapping: Uso de MAPPING LOAD y ApplyMap() para traducir y estandarizar variables binarias, y control de flujo (If) para limitar valores atípicos (outliers) en la variable de ausentismo.
5. Flags Binarios: Creación de variables estáticas (1/0) en el script (Flag_Aprobado) para maximizar el rendimiento de las expresiones "Set Analysis" en el Front-end.

📊 Principales Insights Descubiertos

A través del análisis visual (Front-end), se descubrieron patrones contra-intuitivos de alto valor para la toma de decisiones:

• 🥇 El poder de la motivación intrínseca: Utilizando un Diagrama de Caja (Box Plot), se demostró que el deseo del alumno de continuar con estudios superiores es el mayor predictor de calificaciones altas, superando al apoyo escolar externo.
• 📉 El ausentismo anula la inversión económica: Un Gráfico de Dispersión (Scatter Plot) reveló que, a partir de las 5 faltas, los alumnos tienden a reprobar sistemáticamente, independientemente de si sus familias pagan tutorías privadas o no.
• 🌐 La Paradoja del Internet Rural: Un Mapa de Árbol (Treemap) cruzando la Zona de residencia y el Acceso a Internet demostró que los alumnos de zonas rurales SIN internet tienen una mayor tasa de aprobación (~68%) que los rurales CON internet (~60%). Sin un entorno escolar completamente digitalizado, el internet actúa más como distracción que como herramienta académica. La población de mayor riesgo resultó ser la zona Urbana SIN internet (~55%).

📈 Visualizaciones Implementadas

• KPIs y Medidores: Tasas de aprobación y promedios generales.
• Box Plots: Para evaluar la dispersión de notas según horas de estudio y motivación académica, detectando valores atípicos.
• Scatter Plots: Correlación entre faltas y notas finales, coloreado por tutorías privadas.
• Treemaps y Tablas Pivotantes (Mapas de Calor): Cruce multidimensional de variables sociodemográficas (Ej: Educación de la madre vs. Padre).
• Histogramas: Para visualizar la distribución general de calificaciones y detectar el volumen de deserción (dropouts).

🚀 Cómo usar este repositorio

1. Clona este repositorio o descarga los archivos CSV de la carpeta /data.
2. Crea una nueva aplicación en Qlik Sense Desktop o Qlik Cloud.
3. Copia el contenido del archivo Script_de_carga.qvs en tu Editor de Carga de Datos.
4. Ajusta la conexión lib:// a la ruta donde guardaste los archivos CSV.
5. Carga los datos y construye las visualizaciones detalladas.

---

Desarrollado como proyecto de portafolio para demostrar habilidades avanzadas en Análisis de Datos y Qlik Sense.