universidades

Las claves del big data del sistema de selección a las universidades

Las instituciones de la educación superior invierten considerables sumas de dinero en sus procesos de reclutamiento y admisión, tanto para llegar a potenciales estudiantes, como para el sistema de selección a los candidatos más adecuados para sus programas de estudios. Esto requiere no solo de buenas estrategias de marketing y admisiones, sino de una importante capacidad de analizar los grandes datos que recogen.

Los procesos de reclutamiento y admisión pueden poner a prueba la capacidad de los sistemas de gestión de estudiantes de las universidades, en términos del manejo de grandes cantidades de datos y consultas de postulantes, de modo de organizar la información y preparar programas de orientación adecuados para canalizar las diferentes ofertas de las instituciones de educación superior.

No debiéramos perder esta información: desde los procesos de admisión, los equipos deberían recibir retroalimentación y benchmarking para que la administración de la universidad pueda gestionar mejor sus finanzas, las admisiones especiales, la motivación de los estudiantes, las estrategias de marketing, la gestión de recursos e incluso el diseño curricular.

Por ejemplo, los expertos de la Universidad de Berkeley encontraron que el big data permitiría analizar patrones dentro de una institución, para personalizar el proceso de enseñanza aprendizaje y medir el desempeño de los estudiantes más allá de las pruebas estandarizadas.

Sin embargo, el uso de big data y el análisis predictivo es importante no solamente para estudiar estadísticas. El personal a cargo de asuntos estudiantiles cumple una función importante para mejorar los datos que los potenciales estudiantes reciben cuando están buscando instituciones de educación superior, y utilizar esa información para mejorar los procesos de evaluación, académicos e institucionales.

El manejo de los grandes datos para el proceso de decisión de los estudiantes

El data science tiene un sinnúmero de usos en las universidades. Imaginemos el caso ficticio de una de las mejores universidades del mundo, donde suelen entrar estudiantes de distintos países, quienes consultan tanto en seminarios de educación como en procesos de admisión online.

La cantidad de información que manejan esos equipos de admisión es tan grande que no podrían gestionarla con una simple planilla de cálculo. El uso de algoritmos matemáticos podría ayudar a identificar factores importantes de mejora en aquellos casos que evitan que los postulantes puedan elegir una institución en particular.

Imaginen que sucedería, en teoría, si

  • Un tercio de los que postulan a una institución no dominara el inglés como lengua materna, y enfrentaran ciertas barreras de comprensión de lectura. Esa data podría ser utilizada para mejorar programas de nivelación idiomática antes del inicio del semestre.
  • Uno de cada cuatro estudiantes de posgrado fuera mayor de 30 años, y debiera llegar a otro país con su familia. Los problemas de alojamiento prevendrían elegir un programa respecto a otro. La universidad podría usar la información para sugerir mejores residencias universitarias.
  • La mitad de los candidatos a carreras de ingeniería tuviera buenos exámenes de admisión, pero muchos con deficiencias en áreas como cálculo o algebra. El curriculum podría adaptarse para desarrollar programas de nivelación en estas materias.

Tomemos el uso del marketing online y las redes sociales. La información de los motores de búsqueda podría ser sumamente valioso. De acuerdo a Hanover Research,

  • 98% de las universidades reporta tener una página en Facebook.
  • 66% señala tener algún tipo de blog.
  • 47% de los agentes de admisión señala utilizar LinkedIn.

¿Qué pasaría si usáramos las redes sociales no solo para difundir las campañas de la universidad, sino analizar las tendencias y patrones de lo que buscan los estudiantes online?

Imagínate identificar patrones y palabras clave en foros, y encontrar que muchos escolares no conocen la diferencia entre un ingeniero biomédico o un tecnólogo médico. Podría aclarar en sus campañas de difusión cuáles son las diferencias entre cada carrera.

El consultor en investigación educativa Eduventures muestra que las instituciones de educación superior pueden gastar millones de dólares para reclutar estudiantes a través de distintos canales de marketing. Por ello, el análisis predictivo del big data permitiría reducir los costos de adquisición por estudiante.

Por ejemplo, una institución consultada por Eduventures aseguró que su uso más sofisticado de análisis predictivo permite que el equipo de admisión identifique con mayor rigurosidad científica a quiénes de los que hacen consultas “tienen una mayor tendencia a postular a la universidad en base a una diversidad de factores, como ubicación, carrera esperada o contacto inicial”.

“Con esta información el equipo de admisión puede calificar la tendencia de cada persona a aplicar a la universidad, lo que permite focalizar el esfuerzo y los gastos de manera adecuada”.

Otra institución entrevistada encontró que, de los colegios donde desarrollaban programas de admisión, 10% tenían una mayor proporción de estudiantes del perfil de interés de la institución, y usaron la data para redoblar su esfuerzo allí.

Sin embargo, hay ciertas dudas ante el uso de este tipo de procesos, sobre todo con el uso de información personal para realizar marketing. En ese sentido, los creadores del QS World University Rankings recomiendan centrarse en aquellos productos que estén vinculados a los procesos de la institución, y señala que el big data tiene la capacidad de entregar a los potenciales estudiantes mayor información y alternativas, que permitan que las universidades mejoren el desempeño de sus estudiantes y el proceso de reclutamiento de alumnos.

De hecho, para el  IBM EMC Corporation, las instituciones de educación superior tienen una gran cantidad de puntos de motivación que se pueden beneficiar del big data – desde el perfilamiento de potenciales alumnos al trabajo con potenciales ex alumnos.

 

Ciclo de la motivación de un estudiante

Ciclo de la motivación de un estudiante

Fuente: EMC Corporation

Hay beneficios en el largo plazo. Masterstudies.com señala que, con un mayor refinamiento del proceso de admisión, el análisis predictivo en base a datos demográficos y sobre el comportamiento también permite aumentar las tasas de titulación. Esto facilita que no solo reciban a los candidatos más apropiados, sino orientarles mejor una vez que entran a la institución.

Robert Miller, vicepresidente de gestión de admisión de Centenary University, señala a Universitybusiness.com que “el análisis predictivo permite especialmente que los gestores de admisión identifiquen variables claves acerca la tendencia de ciertos estudiantes a entrar a la universidad, lo que permite customizar la estrategia de reclutamiento y selección”.

La gestión de postulaciones debiera propender a realizar “modelamiento por uplift”, una disciplina que vincula las actividades de la institución con los comportamientos de los estudiantes. Esto puede mostrar tendencias para atraer más estudiantes.

¿Cómo captura tu institución la información de admisiones? ¿Cómo la utiliza para mejorar los procesos académicos?

Publicaciones Similares