Atributos de gobiernos corporativos universitarios y predicción de los niveles de divulgación de información: una aplicación de árboles de regresión

En la temática de gobierno y gestión universitaria Abello (2018), Abello et al. (2018) y Abello et al. (2019) han demostrado que en promedio el nivel de divulgación de información de las universidades latinoamericanas es bajo y muy heterogéneo; también han demostrado que los atributos de los gobiernos corporativos universitarios o máximos cuerpos colegidos (MCC) son determinantes de la divulgación de información. Aunque los datos de más de doscientas universidades que fueron utilizados en estos trabajos representan ser un elevado número de observaciones, solo son una proporción de todas las universidades latinoamericanas; asimismo, el levantamiento de información para determinar los niveles de divulgación de información pudiera llegar a complejo, emerge la necesidad predecir y estimar cuál sería el nivel esperado de divulgación de otras universidades. En atención a lo anterior, el presente trabajo tiene por objetivo predecir los niveles de divulgación de información de universidades latinoamericanas considerando los atributos de sus gobiernos corporativos universitarios o máximos cuerpos colegiados (MCC). Para lograr el objetivo anterior, se introduce con una técnica utilizada en otras disciplinas y con otros propósitos denominada árboles de regresión. Si bien existen otras técnicas, como las regresiones lineales, los árboles de clasificación y regresión son parte de técnicas de machine learning para construir modelos de predicción de desde los datos disponibles (Loh 2011). Así, para el propósito de este trabajo, los árboles de regresión pueden ser una metodología apropiada para predecir los niveles de divulgación de información de universidades latinoamericanas. La técnica generará nodos o ramificaciones de acuerdo a los atributos de los MCC, lo que permitirá tipificar las universidades para posteriormente realizar una predicción del nivel de divulgación de información considerando dichos atributos. El nombre de la técnica deriva de la práctica habitual de describir el proceso de partición de os datos mediante un árbol de decisiones y una, entre otras, de las ventajas de los árboles de regresión es que son fáciles de entender e interpretar (Hernández 2020). Los resultados del presente trabajo indican que las universidades cuyos MCC son más diversos y más independientes son las tienen los mayores índices de divulgación de información, mientras que por el lado contrario, las universidades cuyos MCC son menos diversos, el número de miembros son de 49 o menos, y además son MCC menos independientes, son las instituciones que tienen los menos índices de divulgación de información.