RETENCIÓN ESTUDIANTIL

MEJORA LA RETENCIÓN ESTUDIANTIL MEDIANTE UN MODELO PARA PREDECIR EL RIESGO DE DESERCIÓN EN CADA ESTUDIANTE

Casi siempre es triste y doloroso cuando un estudiante abandona su carrera en la educación superior. Más aún si se trata de alguien de la primera generación en su familia en alcanzar este nivel educativo.

En su institución ¿Lamentan no conocer en detalle los factores que aumentan o disminuyen el riesgo de desertar, en cada uno de sus estudiantes?¿Lamentan no lograr que un mayor número de ellos termine exitosamente su carrera?

¿Qué hace?

El software especializado uRetention permite estimar el riesgo de deserción

de cada estudiante de una institución de educación superior en cualquier momento del tiempo, incluso desde el primer día de clases. Además, permite identificar para cada estudiante aquellos factores que están incrementando dicho riesgo, junto con estimar el peso relativo de cada factor.

El modelo predictivo generado por uRetention es específico para cada institución.

Su elaboración está basada en algoritmos de machine learning, que utilizan como insumo datos históricos de la institución y sus estudiantes, tales como los cursos que conforman cada plan de estudios, el rendimiento académico y deserciones observadas en los estudiantes, etc. Cada vez que se ingresan datos nuevos, el modelo los procesa y actualiza sus parámetros, mejorando su valor predictivo.

Cada institución puede elegir entre usar un modelo predictivo general para todos sus estudiantes o bien ‘modelos predictivos por segmento’,

donde los datos históricos y las predicciones se refieren a los diferentes campus, carreras u otros segmentos. Los modelos por segmento pueden tener mejor valor predictivo, especialmente cuando dichos segmentos de estudiantes tienen comportamientos diferentes entre sí.

uRetention genera reportes que identifican a todos aquellos estudiantes con alto riesgo de deserción.

Además, genera una ficha personalizada de cada estudiante, con sus datos de caracterización, riesgo de deserción y factores de riesgo específicos, entre otros.

Beneficios

En una institución de educación superior, el uso de uRetention suele producir importantes beneficios:

Estima de manera rápida y automatizada el riesgo de deserción

De este modo, libera a los equipos responsables de éxito estudiantil...
+
de las tareas de procesamiento de datos y les permite reorientar sus esfuerzos a diseñar e implementar acciones para mejorar la retención.

Centraliza toda la información relacionada con el riesgo de deserción

integrando datos de cada estudiante que suelen estar dispersos en diferentes sistemas...
+
ya que refieren a temas de diversa naturaleza tales como: rendimiento académico, datos personales y familiares, historial de pagos, etc.

Genera estimaciones de alta precisión

sobre todo cuando existen suficientes datos históricos para elaborar el modelo predictivo.
+
Este logro es fruto del diseño de nuestros algoritmos y puede corroborarse usando nuestro modelo para estimar riesgos de deserción, para un período del que se tengan datos y comparando luego dichas estimaciones con las deserciones efectivamente observadas.

La acción conjunta de los efectos señalados suele traducirse en el beneficio más importante de todos: uRetention ayuda eficazmente a las instituciones a mejorar la retención estudiantil. Ello, pues provee de información relevante y oportuna para diseñar, implementar y dar seguimiento a las acciones dirigidas a reducir la deserción estudiantil, tanto a nivel global como de estudiantes individuales.

Cómo Funciona

El uso de uRetention considera los siguientes pasos principales:

La institución provee un conjunto de datos para ser integrados a la plataforma de uRetention:

  • Datos base: carreras, campus, períodos académicos, modalidades de enseñanza, etc.
  • Datos de planes de estudio: secuencias de cursos que constituyen cada plan de estudios.
  • Datos de registro académico, referidos al historial académico de cada estudiante: cursos inscritos, cursos aprobados, notas obtenidas, etc.

A los anteriores se suma la carga de todos los demás conjuntos de datos disponibles en la institución que sean de calidad aceptable y que pudieran tener alguna relación con la deserción (relación que será determinada al generar el modelo, en la etapa 2):

  • Datos relacionados: notas parciales, becas, historial de pagos, edad, sexo, estado civil, promedio de notas en educación secundaria, nivel socioeconómico, proveniencia de otra ciudad, etc.

Luego de cargado cada conjunto de datos, uRetention genera un reporte sobre su calidad, alertando en caso que la completitud o consistencia de ellos sean insuficientes para ser tomados en cuenta por los algoritmos del programa.

Trabajando en conjunto con el equipo de uPlanner, la institución decide si utilizará un modelo predictivo único, común para todos sus estudiantes. O si generará modelos predictivos específicos por campus, carreras, modalidad de enseñanza u otro segmento, a partir de los datos históricos de cada segmento.
En general, si existen datos en cantidad y calidad suficientes, los modelos por segmentos pueden dar mejor cuenta de los comportamientos de un cierto grupo de estudiantes y, por lo mismo, entregar estimaciones más precisas de su riesgo de deserción.

Utilizando el modelo predictivo (general o por segmentos), uRetention estima, para cada uno de los estudiantes, la probabilidad de que éste abandone sus estudios. A partir de dichos valores, el programa genera un reporte identificando a todos aquellos estudiantes cuyo riesgo de deserción es superior a un cierto valor predefinido por la institución.

uRetention también puede usarse para generar reportes grupales, identificando aquellas carreras o cohortes cuyo riesgo promedio de deserción sea superior a un cierto valor.

Junto con sus estimaciones, uRetention genera una ficha personalizada en la que detalla, para cada estudiante, sus datos de caracterización, su riesgo de deserción (incluyendo su evolución histórica) y su particular lista de factores asociados, con su peso relativo. Además de una sección de bitácora, en la que se lleva registro de las acciones realizadas por la institución para reducir el riesgo de deserción de dicho estudiante.

Las instituciones utilizan los datos generados por el modelo predictivo para diseñar e implementar acciones dirigidas a reducir el riesgo de deserción de sus estudiantes. Y como pueden generarse nuevas estimaciones en cualquier momento del tiempo, uRetention es una herramienta muy eficaz para monitorear la efectividad de las acciones que vaya implementando la institución.

Nuestros Clientes

Más de 70 instituciones educativas confían en nosotros y nuestras soluciones tecnológicas, desde institutos pequeños y medianos hasta Universidades prestigiosas, liderando los rankings universitarios.