Estudiantes de Ingeniería en Inteligencia Artificial de la UIS, sede Saravena, presentaron dos investigaciones sobre riesgos de crecientes del río Cravo Norte y deserción universitaria durante la jornada “IA & Ciencia: Investigar con máquinas”, organizada por la Facultad de Ciencias de la Universidad Industrial de Santander.
Los proyectos parten de problemas concretos del departamento de Arauca y exploran cómo la inteligencia artificial (IA) puede ayudar a analizar datos, identificar riesgos y orientar decisiones que respondan a las necesidades de la comunidad.
Yazid Esteban Ramírez Arévalo, estudiante de tercer semestre, expuso la investigación “Investigación hidrológica asistida por IA: clasificación del riesgo de crecidas en el río Cravo Norte, Arauca”. El trabajo busca reconocer patrones asociados a los caudales elevados y facilitar la identificación de días con riesgo de crecientes.
Para desarrollar el análisis, el equipo investigador recopiló registros de distintas estaciones de medición, relacionados con caudales, precipitaciones y niveles del río. La información inicial comprendía aproximadamente 289.929 datos en bruto, que fueron procesados mediante inteligencia artificial para depurarlos y organizarlos.
A partir de los datos disponibles, correspondientes al periodo entre 2016 y 2026, se analizaron 3.906 días. Los resultados identificaron que el 15 % correspondía a jornadas clasificadas como de alto riesgo de caudal y crecida, según el umbral estadístico establecido en la investigación.
“Lo que se busca con este trabajo es hacer que se detecten mucho más fácilmente los altos riesgos de caudal y poder tomar cartas en el asunto para las prevenciones de estos desastres”, explicó Ramírez Arévalo.
El estudiante señaló que contar con información no siempre se traduce en acciones oportunas. Por eso, la investigación plantea aprovechar los registros disponibles para reconocer situaciones de riesgo y contribuir a la prevención de emergencias que pueden afectar a las comunidades y la movilidad regional.
Prevenir la deserción desde el análisis de datos
La segunda propuesta, titulada “Pronóstico temprano del riesgo de deserción estudiantil con programación asistida por IA: validación con datos sintéticos”, fue presentada por Juan Sebastián Mateus Mateus, también estudiante de tercer semestre de Ingeniería en Inteligencia Artificial de la sede Saravena.
El proyecto examina si es posible estimar el riesgo de abandono de un estudiante nuevo mediante la comparación de sus condiciones con las de estudiantes que anteriormente desertaron o continuaron sus estudios. Para esta primera validación, el equipo utilizó datos sintéticos generados con ayuda de inteligencia artificial, con el propósito de evaluar el funcionamiento del modelo antes de trabajar con información real.
Entre los factores identificados, el estudiante señaló el trabajo como una de las principales condiciones asociadas al riesgo de deserción en el territorio. También mencionó dificultades de transporte y conectividad, además de circunstancias familiares y motivacionales que requieren análisis cualitativo.
La propuesta contempla evaluar posibles medidas de apoyo, como facilitar equipos tecnológicos y alternativas de transporte para estudiantes que enfrenten esas dificultades. Su propósito es avanzar hacia un proyecto de grado que pueda aplicarse en la sede UIS Saravena con datos reales.
Investigación conectada con el territorio
El docente de cátedra Jhonnier Esteban Casallas Marín, quien imparte matemáticas y matemática computacional, destacó la oportunidad de acercar a los estudiantes a escenarios científicos y demostrar que desde las sedes regionales también pueden formular preguntas de investigación pertinentes. “Más que talento, yo considero que hay muchos diamantes por pulir”, afirmó Casallas Marín, al referirse al potencial de los jóvenes de Arauca y a las oportunidades que pueden abrirse mediante la formación universitaria.
La participación en “IA & Ciencia: Investigar con máquinas” permitió a los estudiantes compartir sus avances y poner a prueba sus propuestas ante un público académico. Ambos trabajos muestran cómo la formación en inteligencia artificial puede vincularse con desafíos del entorno: desde anticipar crecientes hasta identificar condiciones que dificultan la permanencia en la educación superior.
