Artículo científico · 2019
From Lab to Production: Lessons Learnt and Real-Life Challenges of an Early Student-Dropout Prevention System.
IEEE Transactions on Learning Technologies, 12(2), 264–277.
Consultar publicación ↗Especialidades
Prevención del abandono
Anticipar el riesgo. Actuar a tiempo.
El abandono universitario constituye uno de los principales desafíos de las instituciones de educación superior. Sus consecuencias afectan a los estudiantes, a las universidades y a la sociedad, tanto por las oportunidades perdidas como por los recursos y esfuerzos que no llegan a traducirse en la finalización de los estudios.
Comprender sus causas es importante. Pero también lo es disponer de herramientas que permitan identificar situaciones de riesgo antes de que el abandono se produzca y actuar cuando todavía existe la oportunidad de prevenirlo.
En DIMETRICAL fuimos pioneros en España en llevar los modelos predictivos de abandono universitario más allá de la investigación, desarrollando soluciones integradas en los procesos reales de gestión y seguimiento de los estudiantes.
De los modelos predictivos a la prevención real
Nuestro trabajo en este ámbito comenzó en 2015, mediante un proyecto de investigación y desarrollo realizado en colaboración con la Universidad a Distancia de Madrid (UDIMA) y con investigadores de la Universidad Autónoma de Madrid (UAM).
El resultado fue SPA, un sistema de alerta temprana y prevención del abandono que entró en explotación en 2017.
A diferencia de muchas iniciativas centradas exclusivamente en construir y evaluar modelos predictivos, el proyecto abordó el desafío de convertir esos modelos en una herramienta institucional de uso cotidiano.
El sistema combinaba información académica, administrativa y de actividad en el entorno virtual de aprendizaje para estimar el riesgo de abandono de los estudiantes, tanto en momentos tempranos como a lo largo del curso académico.
Pero su aportación no terminaba en la predicción.
SPA permitía también orientar las actuaciones de los equipos responsables del seguimiento estudiantil, registrar las intervenciones realizadas y disponer de información para analizar posteriormente sus resultados.
Porque predecir el abandono no es el objetivo final. El verdadero objetivo es contribuir a evitarlo.
Una experiencia respaldada por la investigación
La experiencia adquirida durante el desarrollo, implantación y explotación del sistema dio lugar a dos publicaciones científicas internacionales, elaboradas junto con investigadores universitarios.
En 2019 publicamos, en colaboración con la UAM y la UDIMA, el artículo From Lab to Production: Lessons Learnt and Real-Life Challenges of an Early Student-Dropout Prevention System, en la revista IEEE Transactions on Learning Technologies.
El trabajo documenta la experiencia de llevar modelos predictivos desde el laboratorio hasta un sistema en explotación, incluyendo las dificultades técnicas y organizativas encontradas y las lecciones aprendidas durante el proceso.
Posteriormente, en 2020, participamos en la elaboración del capítulo Best Practices in Dropout Prediction: Experience-Based Recommendations for Institutional Implementation, incluido en el libro Early Warning Systems and Targeted Interventions for Student Success in Online Courses, publicado por IGI Global.
Este segundo trabajo recoge recomendaciones prácticas para el desarrollo, evaluación e implantación institucional de modelos predictivos basadas en la experiencia adquirida.
Ambas publicaciones reflejan uno de nuestros principales valores diferenciales: combinar investigación, capacidad tecnológica y conocimiento del funcionamiento universitario para desarrollar soluciones que puedan utilizarse en condiciones reales.
Capítulo de libro · 2020
Best Practices in Dropout Prediction: Experience-Based Recommendations for Institutional Implementation.
En Early Warning Systems and Targeted Interventions for Student Success in Online Courses, IGI Global.
Consultar publicación ↗Del conocimiento del riesgo a la intervención
Una estrategia de prevención del abandono basada en modelos predictivos requiere mucho más que seleccionar un algoritmo.
Es necesario comprender qué significa el abandono para cada institución, identificar las fuentes de información relevantes, construir modelos adecuados y garantizar que sus resultados puedan utilizarse de forma efectiva.
Nuestra experiencia nos permite abordar el proceso de manera integral:
- Comprender el fenómeno. Analizar el abandono en el contexto de la institución, sus modalidades de enseñanza y las características de sus estudiantes.
- Integrar la información. Aprovechar los datos académicos, administrativos y de actividad disponibles en los sistemas universitarios.
- Anticipar situaciones de riesgo. Desarrollar y evaluar modelos predictivos que permitan identificar a estudiantes que podrían necesitar atención.
- Facilitar la intervención. Proporcionar información útil a los equipos responsables del acompañamiento y la retención.
- Aprender de la experiencia. Registrar y analizar las actuaciones realizadas para contribuir a mejorar progresivamente las estrategias institucionales.
El sistema debe adaptarse a los procesos, recursos y necesidades de cada universidad, prestando especial atención a la protección de los datos personales, la calidad de las predicciones y su interpretación responsable.
La tecnología al servicio de las personas
Los modelos predictivos no determinan el futuro de un estudiante. Identifican patrones y estiman riesgos a partir de la información disponible, con las limitaciones e incertidumbres propias de cualquier técnica de análisis.
Su valor reside en ayudar a las personas responsables de la atención y el seguimiento estudiantil a disponer de información adicional para orientar mejor sus decisiones.
La finalidad no es automatizar decisiones sobre los estudiantes, sino facilitar que las universidades puedan actuar de forma más temprana, personalizada y fundamentada.
En DIMETRICAL combinamos nuestra experiencia en aprendizaje automático, conocimiento de los sistemas universitarios y años de trabajo con procesos reales de prevención del abandono.
Nuestro objetivo es ayudar a las instituciones a convertir la capacidad de anticipación que ofrecen los datos en oportunidades de apoyo para sus estudiantes.
¿Conversamos?
Si tu universidad quiere desarrollar o evolucionar sus capacidades de predicción y prevención del abandono, podemos ayudarte a estudiar las posibilidades que ofrecen sus datos y a diseñar una solución adaptada a sus necesidades.