Un proyecto práctico de IA para el equipo del Helios Decision Center: correlación, validación y pronósticos para 1,500+ escuelas de Arizona de kínder a octavo grado, desarrollado con las herramientas que ya usan y con capacitación para que el equipo realice sus propios análisis con IA.
De un vistazo
El reto
El Helios Decision Center cuenta con abundantes datos públicos sobre 1,500+ escuelas de Arizona de kínder a octavo grado y opera su propia aplicación de análisis. El equipo quería aplicar técnicas estadísticas a esos datos y aprender a hacerlo por su cuenta con IA. Este tipo de trabajo nunca había estado a su alcance, así que también quería comprobar que la IA podía hacerlo rápido y a un costo accesible. Para lograrlo se combinaron la ciencia de datos, para detectar correlaciones, valores atípicos y pronósticos difíciles de obtener a mano; la ingeniería de datos, para limpiar la información y validarla con fuentes oficiales; y la ingeniería de software, para integrar todo en una aplicación funcional. Todo el trabajo se hizo con IA.
Lo que construimos
- Un análisis de correlaciones y valores atípicos que compara cualquier par de las 60+ métricas escolares en todas las escuelas del conjunto de datos y señala los casos estadísticamente inusuales en un tablero interactivo
- Un sistema de validación basado en evidencia que verifica cada campo con su fuente pública oficial (AZ School Report Cards, el Auditor General, el State Board of Education y el US Census) y registra cada intento para su auditoría
- Una capa predictiva exploratoria que genera pronósticos de resultados por escuela en matemáticas, lengua y literatura en inglés (ELA) y ciencias, muestra los principales factores detrás de cada uno y señala las escuelas con un desempeño muy por encima o por debajo de lo pronosticado
- Capacitación práctica y marcos de trabajo reutilizables, impartidos con los datos y las herramientas del propio equipo, para que puedan plantearle un problema a la IA, revisar sus resultados y ejecutar estos flujos de trabajo por su cuenta
- Un conjunto de tecnologías portátil que pueden alojar por su cuenta y que reproduce la aplicación que el equipo ya usa, para que los análisis se ajusten a su forma de trabajar
Los resultados
- Entregamos las tres fases de análisis para el conjunto completo de datos de 1,500+ escuelas: correlación y detección de valores atípicos, validación de datos y predicción
- Le mostramos al equipo lo que la IA puede hacer con sus propios datos y tecnologías, y lo capacitamos para diseñar y ejecutar estos flujos de trabajo por su cuenta
- La validación rastrea cada campo hasta su fuente oficial y conserva un registro auditable, de modo que cualquier cifra del tablero puede justificarse
- Los pronósticos incluyen los factores que los determinaron y se presentan como un apoyo a las decisiones que una persona revisa, no como una caja negra
- Avanzamos rápido y mantuvimos un proceso reproducible: completamos cada fase en días, en lugar de las semanas o meses que antes requería este trabajo
- Entregamos más valor que el costo del proyecto, y cada fase produjo análisis que el equipo podía utilizar de inmediato
Tecnologías utilizadas
Kyle creó un marco de análisis con IA que abarca todas las 1,500+ escuelas de Arizona de kínder a 8.º grado, desde correlaciones y detección de valores atípicos hasta validación de datos basada ante todo en evidencia y pronósticos por escuela, en una fracción del tiempo y del costo que nos habría tomado hacerlo de otra manera. Igual de valioso fue que mi equipo y yo terminamos con la capacidad de diseñar estos flujos de trabajo con IA por nuestra cuenta.