El abandono de la educación superior puede implicar costos significativos a nivel personal y social. Según un reporte del Banco Mundial publicado durante el 2017 (ver reporte AQUÍ), esta situación es particularmente preocupante en Latinoamérica, donde aproximadamente la mitad de la juventud que comienza la Educación Superior no finaliza sus estudios, ya sea porque deserta o porque no ha logrado obtener su grado académico aún. A nivel personal, la decisión de abandonar estudios superiores puede afectar tanto el desarrollo profesional como la autoconfianza de las personas respecto de su autoestima y su futuro, mientras que, a nivel social, la alta deserción impacta negativamente sobre el capital humano, lo que a su vez limita el potencial colectivo de innovación y perpetua brechas de desigualdad.
En los últimos años, las universidades han acumulado una gran cantidad de datos educativos, tales como puntajes de admisión, calificaciones, u otras variables. Junto con la aparición de nuevos métodos estadísticos y de aprendizaje automático, la acumulación de datos ha permitido idear nuevas formas de abordar el problema de la deserción estudiantil, generando nuevas oportunidades de investigación en analítica de aprendizaje u otros campos afines. El objetivo de estas líneas de investigación es comprender cuáles son los principales factores que contribuyen a la reprobación y abandono, de manera de que las universidades puedan detectar estudiantes en riesgo a tiempo. A la fecha, se han publicado un gran número de trabajos que proponen sistemas de alerta temprana para detectar estudiantes en riesgo. Personalmente, colaboré con el Data Hub del Tec de Monterrey en la recopilación y curado de un conjunto de datos con variables relacionadas con la vida estudiantil y el tiempo de deserción con el propósito de motivar a diferentes investigadores a desarrollar soluciones basadas en diferentes algoritmos de aprendizaje automático (ver detalles de este trabajo AQUÍ).
Sin embargo, pocos estudios describen y evalúan cómo se utilizan dichos modelos en entornos educativos del mundo real. Esto motivó la tesis de Matías Piña, quien obtuvo recientemente su grado de Magíster en Ciencias de la Ingeniería bajo la supervisión del profesor Jorge Baier y mía. Matías utilizó un enfoque de investigación basado en el diseño para evaluar la implementación de un sistema de alerta temprana en la Escuela de Ingeniería de la Pontificia Universidad Católica de Chile. Específicamente, Matías llevó a cabo dos ciclos de investigación: uno para evaluar el diseño e implementación del sistema en un curso masivo en línea, y luego un segundo para evaluar su uso en tres cursos masivos de carácter presencial. La implementación del sistema incluyó la introducción de un/a ayudante de bienestar, quien estaba a cargo de contactar a quienes fueran identificados como estudiantes en riesgo. Su misión era ofrecer apoyo académico personalizado, flexibilidad en instancias de evaluación, y/o conectarlos con servicios estudiantiles cuando fuera necesario. Según la tesis de Matías, la intervención de este ayudante fue percibida como beneficiosa por varios de los estudiantes de los cursos en los que se implementó el sistema de alerta temprana. A su vez, quienes ejercieron el rol de ayudante consideraron que el sistema de alerta temprana era una herramienta útil para identificar y brindar apoyo oportuno al estudiantado.
En conclusión, la investigación en analíticas de aprendizaje puede favorecer el desarrollo de sistemas de alerta temprana para detectar estudiantes en posible riesgo de deserción. No obstante, la implementación de estos sistemas debe ser acompañada por intervenciones para brindar apoyo efectivo en diversas formas, ya sea a través de cursos de nivelación, sesiones de tutoría individualizada, y/o enlace con diferentes servicios de asuntos estudiantiles. Más esfuerzos se requieren en esta línea de manera de no sólo promover la retención estudiantil, sino también el bienestar y el sentido de importancia del estudiantado en relación con sus estudios superiores. En caso de tener interés en conocer más sobre el rol del ayudante de bienestar, pueden revisar los recursos a continuación:
Piña, M. A., & Hilliger, I., & Baier, J. A., & Melian, C., & Ruz, C., & González, T. A. (2021, July), A Protocol to Follow-up with Students in Large-enrollment Courses Paper presented at 2021 ASEE Virtual Annual Conference Content Access, Virtual Conference. https://doi.org/10.18260/1-2--36603
Baier, J. A., & Hilliger, I., & Hidalgo, X., & Piña, M. A., & Astudillo, G. (2023, June), The Well-being Teaching Assistant: A Proactive Approach to Caring for Students with Academic and Personal Difficulties in Massive Courses Paper presented at 2023 ASEE Annual Conference & Exposition, Baltimore, Maryland. https://peer.asee.org/44496
Imagen de Gerd Altman en Pixabay
Kommentare