Hackaton · AI Builders GT
Vas a tomar los datos públicos de la educación en Guatemala —millones de filas que hoy solo un especialista puede leer— y construir, con apoyo de IA, una herramienta que los vuelva comprensibles para cualquier persona.
Con qué vas a trabajar
El dataset Educación Formal 2024, publicado como dato abierto por el Instituto Nacional de Estadística en datos.ine.gob.gt. Son microdatos: cada fila es una inscripción de un estudiante durante el ciclo 2024.
Cada registro describe dónde y cómo estudia una persona —departamento, establecimiento, nivel y grado, sector, área urbana o rural, sexo, pueblo de pertenencia, jornada— y cómo cerró el año. No hay nombres ni identificadores: no es una encuesta, es el censo administrativo completo del sistema educativo.
Ver el detalle de los datos →La problemática
Los datos están publicados y son gratuitos, pero en la práctica casi nadie los aprovecha. La barrera no es el acceso: es la interpretación. Tres razones concretas:
Todo está en clave
Los valores son códigos numéricos. El sector de una escuela aparece como
1, no como "Público"; el resultado del año como 5, no como
"No promovido". Sin el diccionario al lado, una fila no comunica nada.
El volumen abruma
Más de cuatro millones de filas repartidas en decenas de archivos. No se abren cómodamente en una hoja de cálculo ni se pueden volcar completas a un modelo de IA.
Nada viene calculado
No existe una columna que se pueda sumar. Cualquier indicador —aprobación, deserción, repitencia— hay que construirlo a partir del conteo de registros.
El costo de esto es real: una autoridad municipal, un periodista o un docente no pueden abrir esa tabla y sacar conclusiones sobre la educación de su territorio.
Qué buscamos resolver
Que estos datos dejen de ser una tabla opaca y se conviertan en información que una persona sin formación técnica pueda entender en minutos. Concretamente, queremos que tu herramienta logre tres cosas:
- Traducir: que los códigos se lean como palabras y las cifras tengan contexto.
- Explicar: que no solo muestre gráficas, sino que diga qué significan y qué se concluye de ellas.
- Responder: que quien tenga una duda pueda preguntarla en lenguaje natural y obtener una respuesta basada en los datos reales.
Cómo: los tres componentes
Ingesta de datos
Lee los archivos y los decodifica con el diccionario de variables, dejándolos listos para consumirse. Si esta pieza interpreta mal, todo lo demás sale mal.
Dashboard con gráficas y análisis
Visualizaciones claras acompañadas de análisis escrito, dirigidas a alguien sin formación estadística. Las cifras que afirmes deben cuadrar con los datos.
Agente en lenguaje natural
Responde preguntas sobre los datos y sobre el análisis que generó tu dashboard, sin inventar cifras y admitiendo cuando algo no se puede saber.
Cómo se evalúa
Sobre 100 puntos. Usar IA no resta —es parte del producto y una herramienta de desarrollo válida—; lo que más pesa es que comprendas y puedas explicar lo que construiste.
La evaluación incluye un pitch: un representante del equipo expone durante 5 minutos qué hizo y cómo lo hizo, seguido de 5 minutos de preguntas de los jueces.
Ver criterios y pitch →Qué entregas
Código
Un repositorio público, reproducible localmente, con instrucciones de uso y documentación formal de la arquitectura y las decisiones técnicas.
Audiovisual
Dos videos de máximo 3 minutos cada uno: uno explicando la arquitectura del proyecto y otro mostrando su funcionamiento.
Lo esencial de las reglas
- Equipos de 1 a 5 personas; puedes participar solo.
- El proyecto se construye durante el hackatón.
- Usar IA está permitido y se espera: documenta qué usaste y para qué.
- El dataset entregado es la base; datos externos deben ser públicos y citados.
- Presentarse al pitch es obligatorio para ser evaluado.