Analítica Predictiva para la Retención Estudiantil

Destinatarios:

• Responsables y analistas de sistemas de información (DGTIC, responsables informáticos)
• Directores académicos y responsables de programas
• Responsables del éxito estudiantil y del seguimiento de la retención
• Equipos de control escolar y de planeación
• Investigadores en ciencias de la educación o en análisis de datos educativos
• Profesionales en Innovación pedagógica o transformación digital

Objetivo(s) o competencia(s):

• Comprender los retos de la retención estudiantil en universidades mexicanas y latinoamericanas desde una perspectiva basada en datos
• Identificar y combinar información de LMS, control escolar, evaluaciones, asistencia y participación digital para construir perfiles de riesgo
• Introducción a modelos predictivos (machine learning, scoring, árboles de decisión) para anticipar la deserción.
• Convertir predicciones en acciones: alertas tempranas, tutorías, acompañamiento académico o psicólogo.
• Explorar herramientas accesibles (OpenSource o comerciales) que no requieren un equipo técnico avanzado.
• Incorporar los hallazgos en procesos institucionales de mejora, acreditación y aseguramiento de calidad.
• Reflexionar sobre la ética en el uso de datos estudiantiles: Privacidad, consentimiento y prevención de sesgos.
• Impulsar una cultura de toma de decisiones basada en datos en equipos académicos y administrativos.

Metodología y Actividades:

• Presentación interactiva con apoyos visuales: conceptos clave, datos y ejemplos reales de universidades.
• Estudio de caso práctico: análisis de un escenario de retención estudiantil a partir de datos ficticios (o anonimizados), con discusión colectiva.
• Demostración de una herramienta o tablero sencillo (ej. Google Data Studio, Power BI, Excel o la plataforma Edusign, si aplica) para ilustrar el análisis de datos.
• Trabajo en pequeños grupos: reflexión sobre los indicadores disponibles en sus instituciones y las posibles acciones a partir de predicciones.
• Quiz o encuesta en vivo con herramientas interactivas (ej. Mentimeter, Slido, Kahoot) para dinamizar la sesión y evaluar conocimientos.
• Espacio de intercambio abierto: discusión sobre los desafíos que enfrentan los participantes en sus propias universidades.

Mecanismo y criterios de evaluación:

• Autoevaluación inicial: breve cuestionario para conocer conocimientos previos y expectativas.
• Caso práctico en grupo: análisis de datos, elección de indicadores y propuesta de acciones.
• Quiz final: validación de conceptos clave con herramienta interactiva.
• Autoevaluación final: comparación con la inicial para medir el progreso.
• Feedback: formulario o QR para valorar la sesión.

Criterios:

• Identificación de indicadores clave.
• Interpretación de resultados predictivos.
• Relevancia de las acciones propuestas.
• Participación activa.
• Aplicación al contexto institucional.