Topological Data Analysis for Sustainable and Smart City Education Systems

Abstract

El capítulo aplica el Topological Data Analysis (TDA) al conjunto de datos PISA con el fin de comprender los sistemas educativos en el contexto de las ciudades inteligentes y sostenibles. Mediante el uso de herramientas como la homología persistente, la entropía de persistencia y la amplitud, los autores identifican estructuras topológicas complejas que revelan patrones no lineales en el rendimiento estudiantil. El estudio combina características topológicas con variables tradicionales, mejorando los modelos predictivos de desempeño académico y permitiendo detectar desigualdades y factores de éxito en entornos urbanos. Los resultados demuestran que los atributos derivados del TDA aumentan significativamente la precisión de los modelos de predicción educativa. Esta metodología se presenta como una herramienta prometedora para la formulación de políticas educativas basadas en evidencia en ciudades sostenibles, fortaleciendo la investigación interdisciplinar entre análisis de datos, educación y desarrollo urbano.

This chapter applies Topological Data Analysis (TDA) to the PISA dataset to better understand educational systems within the framework of smart and sustainable cities. Using tools such as persistent homology, persistence entropy, and amplitude, the authors identify complex topological structures that reveal nonlinear patterns in student achievement. By integrating topological features with traditional educational variables, the study improves predictive models of student performance and helps uncover disparities and success factors in urban contexts. The findings show that incorporating TDA-derived attributes significantly enhances model accuracy and interpretability. This approach positions TDA as a powerful analytical method for evidence-based educational policy in smart cities, contributing to interdisciplinary research connecting data science, education, and sustainable urban development.