DOI: https://doi.org/10.1016/j.engappai.2026.115154
تاريخ النشر: 2026-05-24
المؤلف: Marcos Delprato
الموضوع الرئيسي: اختيار المدرسة والأداء
نظرة عامة
تستكشف هذه الورقة البحثية محددات الطلاب ذوي الأداء المنخفض في أمريكا اللاتينية ومنطقة البحر الكاريبي (LAC) باستخدام بيانات من برنامج تقييم الطلاب الدوليين (PISA) لعام 2022 عبر عشرة دول. تستخدم الدراسة نموذج تصنيف ثنائي متراص وشرح إضافي شابلي (SHAP) لتحديد العوامل الحاسمة التي تؤثر على أداء الطلاب، لا سيما بين أولئك الذين يحققون أقل من المستوى 2. تشير النتائج الرئيسية إلى أن الطلاب الأكثر عرضة للقصور في الأداء غالبًا ما يتحدثون لغة أقلية، وقد أعادوا الصفوف، ويفتقرون إلى الأجهزة الرقمية في المنزل، ويأتون من أسر ذات دخل منخفض، ويحضرون مدارس تتميز بمناخ سيء وجودة تدريس غير كافية.
تكشف التحليلات أن تكرار الصفوف في المرحلة الابتدائية، وثروة الأسر، ومدخلات تكنولوجيا المعلومات والاتصالات التعليمية تصدرت باستمرار العوامل المؤثرة على أداء الطلاب عبر معظم الدول. ومن الجدير بالذكر أنه بينما تعتبر متغيرات مثل الشعور بالانتماء ودعم المعلم مهمة لكل من الطلاب ذوي الأداء المنخفض والطلاب ذوي الأداء الضعيف، فإن عوامل مثل العمل المدفوع وشدة الواجبات المنزلية أكثر صلة بالتمييز بين المستويات 1 و 2. تسلط الدراسة الضوء على تجانس هذه المحددات عبر الدول، على الرغم من أن السياقات المحلية المحددة تكشف عن تباينات، مثل تأثير التعليم الأمومي وأنماط حضور المدرسة. بشكل عام، تؤكد النتائج على الحاجة الملحة لاستراتيجيات تعليمية مستهدفة لمعالجة التحديات التي يواجهها الطلاب الأكثر حرمانًا في المنطقة.
مقدمة
تسلط مقدمة الورقة الضوء على التحديات التعليمية الكبيرة التي يواجهها الطلاب في أمريكا اللاتينية، لا سيما في التعليم الثانوي، حيث يتم تصنيف نسبة كبيرة من الطلاب على أنهم ذوي أداء منخفض في الرياضيات والقراءة. وفقًا لبيانات PISA 2022 من منظمة التعاون والتنمية الاقتصادية (OECD)، فإن حوالي 75% من الطلاب في المنطقة لا يحققون الكفاءات الأساسية في الرياضيات، وحوالي 55% يعانون من صعوبات في فهم القراءة. لقد تفاقمت الأزمة التعليمية بسبب جائحة COVID-19، التي أدت إلى إغلاق المدارس لفترات طويلة وفقدان ملحوظ في التعلم، مما أثر بشكل خاص على الطلاب المحرومين. تشير التقديرات إلى أن الطلاب في أدنى عُشر من الدخل شهدوا متوسط فقدان قدره 81% من سنوات التعليم مقارنة بـ 22% لأولئك في أعلى عُشر.
تهدف الورقة إلى التحقيق في محددات فقر التعلم في منطقة LAC، مع التأكيد على الحاجة إلى التمييز بين مجموعات الطلاب ذوي الأداء المنخفض لتحديد المحركات المحددة للنتائج التعليمية. باستخدام أحدث بيانات PISA، تستخدم الدراسة طرق التعلم الآلي القابلة للتفسير، وتحديدًا شروح شابلي الإضافية (SHAP)، لتحليل العوامل المؤثرة على أداء الطلاب عبر مختلف الدول في المنطقة. تسعى الأبحاث للإجابة على أسئلة رئيسية تتعلق بالمحددات الرئيسية للأداء المنخفض وملفات التعلم للطلاب في أطراف توزيع الإنجاز، مما يساهم في التدخلات التعليمية المستهدفة في سياق ما بعد الجائحة.
الطرق
توضح قسم الطرق الأساليب التجريبية والتحليلية المستخدمة في الدراسة. استخدم الباحثون مجموعة من التقنيات الكمية والنوعية لجمع البيانات، مما يضمن تحليلًا شاملاً للموضوع. شملت المنهجيات المحددة تجارب محكومة، ونمذجة إحصائية، وجمع البيانات من خلال الاستطلاعات أو الملاحظات، اعتمادًا على تركيز البحث.
تم إجراء التحليل الإحصائي باستخدام أدوات البرمجيات، مع إيلاء اهتمام خاص لضمان صلاحية وموثوقية النتائج. تم تعريف مقاييس رئيسية لتقييم النتائج، وتم تطبيق اختبارات مناسبة لتحديد مستويات الأهمية. يبرز القسم أهمية القابلية للتكرار والشفافية في الأساليب المستخدمة، مما يسمح للدراسات المستقبلية المحتملة بالبناء على النتائج المقدمة.
النتائج
في هذا القسم، تحلل الدراسة قيم SHAP (SHapley Additive exPlanations) على مستوى الدول، مع التركيز على العوامل المؤثرة على إنجاز الطلاب عبر عشرة دول في أمريكا اللاتينية. تكشف التحليلات أن تكرار الصفوف الابتدائية هو مساهم رئيسي باستمرار في الأداء المنخفض، حيث يظهر في أعلى عشرة متغيرات مرتبة لجميع الدول. تشمل العوامل المهمة الأخرى الحالة الاجتماعية والاقتصادية للأسرة (SES) ومناخ المدرسة، والتي تتواجد في تسع وثماني دول، على التوالي. تشير النتائج إلى أن الطلاب الذين لديهم احتمالات أعلى لتحقيق المستوى 0 فقط يميلون إلى القدوم من خلفيات محرومة، ويفتقرون إلى الموارد الرقمية، ويعانون من بيئات مدرسية سيئة، بينما أولئك الأكثر احتمالًا للوصول إلى المستوى 1 عادةً ما يتمتعون بدعم عائلي أفضل، وموارد تعليمية أكثر، ويحضرون مدارس ذات مناخ إيجابي.
توضح النتائج أيضًا تقاطع العوامل المؤثرة على أداء الطلاب، مع تسليط الضوء بشكل خاص على الفجوات بين الجنسين. على سبيل المثال، يتأثر الطلاب الذكور من الأسر الفقيرة بشكل أكبر من انخفاض SES مقارنة بنظرائهم الإناث. بالإضافة إلى ذلك، فإن تأثير تكرار الصفوف الابتدائية يتفاقم بسبب الثروة، حيث يظهر الطلاب الفقراء الذين يعيدون الصفوف فرصًا أعلى بكثير من الأداء المنخفض. كما تشير التحليلات إلى أنه بينما يستفيد الطلاب عمومًا من الدعم التعليمي الأسري، فإن تأثيراته تختلف حسب الجنس، حيث تعاني الطالبات من تأثيرات سلبية أكثر وضوحًا من نقص الدعم. بشكل عام، تؤكد الدراسة على التفاعل المعقد بين العوامل الاجتماعية والاقتصادية، والموارد التعليمية، والجنس في تشكيل نتائج الطلاب عبر سياقات مختلفة.
المناقشة
تسلط قسم المناقشة في الورقة الضوء على التطبيق المتزايد لتعلم الآلة (ML) في البحث التعليمي، لا سيما في سياقات التعلم المراقب. لقد أظهرت نماذج ML قدرات تنبؤية متفوقة مقارنة بالطرق الإحصائية التقليدية، على الرغم من أن هذا غالبًا ما يضر بالقدرة على التفسير. لمعالجة ذلك، اكتسب مجال التعلم الآلي القابل للتفسير (IML) زخمًا، مع استخدام تقنيات مثل SHAP (SHapley Additive exPlanations) لتوضيح مخرجات النماذج. على الرغم من الاستخدام المتزايد لـ ML في العلوم الاجتماعية والتعليم، فإن التركيز كان بشكل أساسي على مهام التنبؤ، مثل التنبؤ بالأداء الأكاديمي، مع تركيز أقل على فهم العوامل الأساسية التي تؤثر على نتائج الطلاب.
تحدد الورقة فجوة في الأدبيات المتعلقة بتطبيق طرق IML على استطلاعات التعلم، خاصة في سياق الدول النامية. لقد ركزت معظم الدراسات الحالية على أنظمة التعليم الثرية، مما ترك فراغًا في فهم الفجوات التعليمية في الجنوب العالمي. تهدف الأبحاث الحالية إلى سد هذه الفجوة من خلال تحليل محددات فقر التعلم في منطقة أمريكا اللاتينية ومنطقة البحر الكاريبي (LAC)، باستخدام أحدث بيانات PISA 2022، التي تأثرت بجائحة COVID-19. تبتكر الدراسة في تفكيك أداء الطلاب إلى فئات متميزة من ذوي الأداء المنخفض والضعيف، مما يوفر نظرة شاملة على العوامل المساهمة في الفجوات التعليمية عبر عشرة دول من LAC. من خلال استخدام نهج نموذج جماعي وتقنيات IML، تسعى الأبحاث إلى تقديم رؤى قابلة للتنفيذ حول محركات إنجاز الطلاب وآثارها على السياسات والممارسات التعليمية.
DOI: https://doi.org/10.1016/j.engappai.2026.115154
Publication Date: 2026-05-24
Author(s): Marcos Delprato
Primary Topic: School Choice and Performance
Overview
This research paper investigates the determinants of low-performing students in Latin America and the Caribbean (LAC) using data from the 2022 Programme for International Student Assessment (PISA) across ten countries. The study employs a stacking model of binary classification and Shapley Additive Explanations (SHAP) to identify critical factors influencing student performance, particularly among those achieving below level 2. Key findings indicate that students at the highest risk of underachievement often speak a minority language, have repeated grades, lack digital devices at home, come from low-income families, and attend schools characterized by poor climate and inadequate teaching quality.
The analysis reveals that primary school repetition, household wealth, and educational ICT inputs consistently rank among the top factors affecting student performance across most countries. Notably, while variables such as a sense of belonging and teacher support are significant for both bottom and low performers, factors like paid work and homework intensity are more relevant for distinguishing between levels 1 and 2. The study highlights the homogeneity of these determinants across countries, although specific local contexts reveal variations, such as the impact of maternal education and school attendance patterns. Overall, the findings underscore the urgent need for targeted educational strategies to address the challenges faced by the most disadvantaged students in the region.
Introduction
The introduction of the paper highlights the significant educational challenges faced by Latin American students, particularly in secondary education, where a substantial percentage of students are classified as low performers in mathematics and reading. According to the OECD’s PISA 2022 data, approximately 75% of students in the region do not meet basic math competencies, and around 55% struggle with reading comprehension. The educational crisis has been exacerbated by the COVID-19 pandemic, which resulted in prolonged school closures and a notable loss of learning, particularly affecting disadvantaged students. Estimates suggest that students in the lowest income decile experienced a mean loss of 81% of educational years compared to 22% for those in the highest decile.
The paper aims to investigate the determinants of learning poverty in the LAC region, emphasizing the need to differentiate among low-performing student groups to identify specific drivers of educational outcomes. Utilizing the latest PISA data, the study employs interpretable machine learning methods, specifically Shapley Additive Explanations (SHAP), to analyze the factors influencing student performance across various countries in the region. The research seeks to answer key questions regarding the principal determinants of low performance and the learning profiles of students at the extremes of the achievement distribution, thereby contributing to targeted educational interventions in the post-pandemic context.
Methods
The Methods section outlines the experimental and analytical approaches employed in the study. The researchers utilized a combination of quantitative and qualitative techniques to gather data, ensuring a comprehensive analysis of the subject matter. Specific methodologies included controlled experiments, statistical modeling, and data collection through surveys or observations, depending on the research focus.
The statistical analysis was conducted using software tools, with particular attention to ensuring the validity and reliability of the results. Key metrics were defined to evaluate the outcomes, and appropriate tests were applied to determine significance levels. The section emphasizes the importance of replicability and transparency in the methods used, allowing for potential future studies to build upon the findings presented.
Results
In this section, the study analyzes SHAP (SHapley Additive exPlanations) values at the country level, focusing on the factors influencing student achievement across ten Latin American countries. The analysis reveals that primary repetition is consistently a top contributor to low achievement, appearing in the top ten ranked covariates for all countries. Other significant factors include family socioeconomic status (SES) and school climate, which are present in nine and eight countries, respectively. The findings indicate that students with higher probabilities of achieving only level 0 tend to come from disadvantaged backgrounds, lack digital resources, and experience poor school environments, while those more likely to reach level 1 typically have better family support, more educational resources, and attend schools with positive climates.
The results further illustrate the intersectionality of factors affecting student performance, particularly highlighting gender disparities. For instance, male students from poorer households are more adversely affected by low SES compared to their female counterparts. Additionally, the impact of primary repetition is compounded by wealth, with poorer repeaters showing significantly higher chances of low achievement. The analysis also notes that while family educational support generally benefits students, its effects vary by gender, with female students experiencing more pronounced negative impacts from a lack of support. Overall, the study underscores the complex interplay of socioeconomic factors, educational resources, and gender in shaping student outcomes across different contexts.
Discussion
The discussion section of the paper highlights the growing application of machine learning (ML) in educational research, particularly in supervised learning contexts. ML models have demonstrated superior predictive capabilities compared to traditional statistical methods, although this often compromises interpretability. To address this, the field of interpretable machine learning (IML) has gained traction, with techniques like SHAP (SHapley Additive exPlanations) being employed to elucidate model outputs. Despite the increasing use of ML in social sciences and education, the focus has predominantly been on prediction tasks, such as forecasting academic performance, with less emphasis on understanding the underlying factors influencing student outcomes.
The paper identifies a gap in the literature concerning the application of IML methods to learning surveys, especially in the context of developing countries. Most existing studies have concentrated on affluent education systems, leaving a void in understanding educational inequalities in the Global South. The current research aims to fill this gap by analyzing determinants of learning poverty in the Latin American and Caribbean (LAC) region, utilizing the latest PISA 2022 data, which was influenced by the COVID-19 pandemic. The study innovatively disaggregates student performance into distinct categories of low and bottom performers, providing a comprehensive overview of the factors contributing to educational disparities across ten LAC countries. By employing an ensemble model approach and IML techniques, the research seeks to offer actionable insights into the drivers of student achievement and the implications for educational policy and practice.