Explorando los Factores de Riesgo y Protectores en Adolescentes para la Prevención de la Violencia Escolar en el Perú: Un Enfoque de Machine Learning con Datos de las cuatro Encuestas Nacionales de Relaciones Sociales (ENARES)

Este proyecto propone un enfoque innovador e interdisciplinario para combatir la violencia escolar en adolescentes peruanos, combinando Machine Learning con análisis de datos de las cuatro ediciones de las Encuestas Nacionales de Relaciones Sociales (ENARES). Busca identificar factores de riesgo (como violencia doméstica o discriminación) y protectores (como apoyo familiar o participación extracurricular) que influyen en la violencia escolar —física, psicológica o cibernética—, que afecta a más del 75% de adolescentes en Perú. Se desarrollarán modelos predictivos con algoritmos como Random Forest y XGBoost, capaces de detectar patrones complejos no visibles con métodos estadísticos tradicionales, considerando variables como género, edad y procedencia. La metodología incluye limpieza de datos, validación cruzada, balanceo de clases y herramientas de interpretación visual para garantizar transparencia y precisión (evaluada con RMSE y R²). Los resultados permitirán diseñar intervenciones personalizadas para escuelas y políticas públicas, identificar a adolescentes en riesgo y actualizar modelos con nuevas encuestas. El impacto esperado es social —ambientes escolares más seguros y mayor bienestar adolescente— y económico —reducción de costos por salud mental y delincuencia juvenil—, promoviendo equidad e inclusión educativa. En síntesis, el proyecto ofrece un modelo basado en evidencia y replicable, que transforma la prevención de la violencia escolar mediante tecnología y ciencias sociales, alineado con prioridades nacionales y globales en educación.