“Con este sistema predictivo queremos generar una intervención previa a la causal de eliminación y además que estos warning sean cada vez menos”, comentó el profesor de la FEN y expositor del seminario, César Ortega.
____
Desde un 18% a un 12% disminuyó la tasa de deserción de estudiantes en la University of New England cuando utiliizaron un sistema de análisis predictivo de learning analytics, señala el artículo “Utilizing learning analytics to support study success”, publicado en 2019. La misma investigación señala que su aplicación en la Strayer University de Virginia hizo que los estudiantes en riesgo de eliminación subieran en un 5% la asistencia, aumentara en un 12% la aprobación de cursos y que se disminuyera en un 8% la deserción.
Así lo explicó César Ortega, máster en Business Administration, quien presentó la charla “Modelos predictivos para causales de eliminación y repensando el apoyo a los estudiantes utilizando machine learning”, en una nueva edición del Ciclo de Seminarios en Business Analytics, que organiza el Centro de Investigación Cuantitativa en Negocios del Departamento de Control de Gestión y Sistemas de Información de la Facultad de Economía y Negocios (FEN) de la Universidad de Chile, centro que es dirigido por el profesor Juan Díaz.
Si bien durante los últimos años el uso de modelos predictivos en distintos sectores económicos e industrias va en aumento, en el área de la educación esta transición ha sido más lenta, comentó Ortega, y agregó que el primer estudio chileno en el que se utilizaron herramientas de learning analitycs fue para analizar la predicción del rendimiento académico de estudiantes de ingeniería.
Es por ello que su exposición dio a conocer el trabajo que se realiza sobre esta materia en la FEN, donde se utiliza un modelo predictivo con inteligencia artificial que busca, mediante acciones preventivas, ayudar a los estudiantes que podrían estar en riesgo de ser eliminados.
Caso FEN
La propuesta de investigación surgió con el objetivo de “desarrollar un modelo predictivo supervisado de clasificación de estudiantes en alto riesgo de caer en causal de eliminación académica”. Para la generación del modelo se consideraron las características, los datos de la PDT, e información académica de más de 4 mil 700 estudiantes de la FEN matriculados entre 2012 y 2019. Junto con ello, además, se piloteó el uso del modelo el primer y segundo semestre de 2022.
Con esa información, se generó un índice que muestra el riesgo de cada estudiante de caer en una posible causal de eliminación para el semestre en curso.
“Con este sistema predictivo queremos generar una intervención previa a la causal de eliminación y además que estos warning sean cada vez menos”, puntualizó Ortega, quien añadió que esto permitiría ayudar a mitigar el estrés que sufren los estudiantes, pero también los costos administrativos y sociales vinculados a la problemática.
Repensando el apoyo
Ortega señaló que a partir del análisis de los indicadores que arrojó el modelo predictivo se pudieron configurar algunas estrategias de prevención, entre ellas contactar con anticipación a los y las estudiantes con mayor riesgo de caer en causal de eliminación. Destacó que gracias a esta iniciativa se logró “fortalecer la comunicación con la Dirección de Asuntos Estudiantiles y gestionar los apoyos disponibles en caso de que no se encontraran haciendo uso de estos”.
Agregó también que durante el segundo semestre se empleó este mismo indicador “como variable de desempate en los accesos a las tutorías de apoyo académico, las que comúnmente tienen una gran cantidad de postulaciones”. Esto permitió analizar posibles dificultades, apoyando en la selección de ingreso.
En paralelo a la utilización del sistema predictivo, comentó que surgieron otras iniciativas para abordar la temática con los alumnos, tales como la realización de algunos webinar y videos que explicaban las causales de eliminación; la creación de un manual para abordar las distintas situaciones; y el envío de correos electrónicos preventivos que daban a conocer las distintas causales y mostraban también los posibles caminos para evitar caer en algunas de ellas.
Por último, el profesor Ortega sostuvo que actualmente se trabaja en el desarrollo de un sitio que permita consultar el riesgo de los estudiantes en línea, según las variables incluidas en el modelo predictivo.
Equipo Prensa
Portal Innova
