graduación

Cómo mejorar la tasa de graduación con la ayuda de Big Data

El éxito estudiantil requiere del seguimiento y acompañamiento del estudiante, por eso, es de vital importancia contar con una alerta temprana de los distintos factores que podrían afectar el desarrollo efectivo de su carrera. Las universidades más prestigiosas han dejado de ver los datos como una mera rendición de cuentas y han adoptado el análisis predictivo a través de software.

El Big Data o la interpretación de datos recolectados masivamente ha permitido a las instituciones de Educación Superior el desarrollo de medidas preventivas para mejorar su tasa de graduación. A continuación, conoce más sobre el uso de tecnología para evitar la deserción.

La deserción universitaria es un fenómeno que afecta de manera transversal a Latinoamérica. Según un informe del Banco Mundial, las siguientes cifras representan este panorama:

Retención estudiantil en Latam

El análisis predictivo permite distinguir entre múltiples factores de riesgo. Los estudiantes que desertan no necesariamente lo hacen porque obtienen promedios insuficientes, también se pueden ver afectados por sus horarios laborales, la tenencia de hijos o por la insuficiencia de recursos. Esto significa una pérdida importante del talento humano que contribuiría al desarrollo económico de la región.

En Norteamérica, prestigiosos planteles de Educación superior ya han tomado medidas. Es el caso Ball State University en Indiana, Estados Unidos, donde monitorean los niveles de compromiso académico y actividades sociales con el fin de detectar a tiempo patrones que puedan reflejar dificultades académicas.

Arizona State University, por su parte, implementó un sistema de alertas que mejoró considerablemente la tasa de titulación mejorando del 26% al 41% desde su implementación en 2007. Mientras que la Universidad de Toronto, en Canadá, tomó medidas para apoyar a los estudiantes que presentaban problemas en sus resultados.

Todas estas instituciones utilizaron Big Data, y en específico Machine Learning, para conocer las razones de deserción que ocurrían más frecuentemente en su contexto. Ahora, veamos cómo funciona.

Tecnología para aprender de la experiencia

Los algoritmos de Machine Learning de tipo predictivo tienen como característica fundamental modelar y extraer información útil de los datos, por esto pueden integrar valores de distintos factores de deserción con los que cuenta una entidad educativa.

El Chief Data Officer de uPlanner, Sebastián Flores, explica que “con la información disponible de estudiantes que ya han desertado o egresado de la institución es posible calcular de manera individual sus factores de deserción. Con esta información, el algoritmo se entrena cada semestre, aprendiendo de la experiencia para aplicar la información lo más actualizada posible y hacer una predicción sobre los alumnos que actualmente se encuentran en la institución”.

En este proceso de aprendizaje el algoritmo comenzará a distinguir qué factores de riesgo tienen más peso para la institución en cuestión. Los especialistas aseguran que integrar múltiples fuentes de datos relacionadas con la deserción ayuda considerablemente a detectar los motivos de deserción de manera específica.

Este es el trabajo que realizan soluciones tecnológicas como Student Success, el software de uPlanner especializado en el éxito estudiantil. El CDO de uPlanner comenta que “con esta plataforma se centraliza toda esa información y, gracias a herramientas de Inteligencia Artificial y Machine Learning, el sistema logra aprender cuáles son los patrones de deserción, e indica qué estudiantes, en función de sus datos actuales, podrían tener más riesgo de desertar”.

De esta forma, el seguimiento se realizará de manera más personalizada y se priorizará a los estudiantes que están en mayor riesgo de deserción.

Datos para optimizar la Educación Superior

Student Success es la solución diseñada especialmente para lograr el éxito estudiantil e impulsar la tasa de graduación. Para ello, detecta de forma temprana a los estudiantes en riesgo de deserción estudiantil, utilizando por ejemplo datos personales, familiares, académicos y financieros, entre muchos otros.

Privilegiar los datos otorgará a los departamentos que administran los procesos de retención estudiantil la capacidad de tomar medidas para apoyar al estudiante, con información configurada de manera muy fina con la realidad de la institución, en un país, y en un campus específico.

El sistema integra factores que tienen distinta resolución temporal. Por ejemplo, existen datos estáticos de los estudiantes, como los de la admisión a la universidad, y los que tienen mayor resolución temporal, como la asistencia a clases o las notas parciales, los cuales ayudan a gatillar eventos particulares que generan una mayor o menor deserción del estudiante.

“En general lo que nosotros hemos observado es que las variables académicas, como es de esperarse, tienen un gran impacto en la deserción, sin embargo, muchas veces las universidades tienen un a priori de ciertos factores que deberían tener peso, pero que en la práctica no tienen la importancia que uno se espera. Lo bueno de este producto es que no viene configurado de manera fija y predeterminado, sino que se adapta a la realidad de la institución y los datos que ésta posee”, comenta Sebastián Flores.

Student Success tiene un foco flexible, que permite conectar distintos sistemas de información de una universidad en una única plataforma centralizada. Es decir, si una entidad tiene almacenados los datos en varias bases de datos en un formato interno, estos pueden comunicarse a través del software.

Conclusión

La transformación digital está impulsando a las instituciones de educación superior a lograr el éxito estudiantil; Student Success es una herramienta clave para esto, gracias a su capacidad de predicción de manera específica, en función de los datos históricos de los planteles.

Además, gracias a su facultad de centralizar la información entrega a las universidades toda la información necesaria para contactar a sus estudiantes en riesgo de desertar, llevando una bitácora personalizada.

Publicaciones Similares