Predicción de resultados en educación inicial mediante un modelo de Random Forest neutrosófico: gestión de la incertidumbre en la toma de decisiones pedagógicas

Este artículo presenta un nuevo marco que integra la clasificación de Bosque Aleatorio con la lógica neutrosófica para abordar el desafío de la toma de decisiones consciente de la incertidumbre en los procesos de solicitud de admisión a escuelas infantiles. Utilizando el conjunto de datos Nursery, disponible públicamente, que incluye atributos sociofamiliares como la ocupación de los padres, la situación financiera y las condiciones de salud, el modelo propuesto no solo logra una alta precisión predictiva (aproximadamente el 95%), sino que también cuantifica la incertidumbre explícitamente a través de conjuntos neutrosóficos definidos por los grados de pertenencia a la verdad (V), la indeterminación (I) y la falsedad (F). Este enfoque permite una interpretación matizada de la confianza de la clasificación, distinguiendo entre casos claros que pueden automatizarse e instancias límite que requieren la revisión de expertos humanos. Al permitir una estrategia de toma de decisiones transparente y escalonada, el marco mejora la imparcialidad, la explicabilidad y la eficiencia operativa de los sistemas de admisión, ofreciendo una herramienta práctica para uso administrativo en entornos educativos de alto riesgo.