Es posible que conozcas los modelos predictivos de deserción aplicados a la Educación Superior y Continua, ¿pero conoces los modelos uplift? En este blog te explicaremos qué son y cuál es su valor para mejorar el diseño de las estrategias de retención de tu institución. Te adelantamos que el riesgo de deserción y el comportamiento que muestra el alumno frente a la intervención no tienen por qué estar vinculados. ¿Intrigad@?, sigue leyendo.
Vamos a empezar por hablarte del lado humano; de los estudiantes sobre los que se aplican estos modelos predictivos. Sabemos que Ana, estudiante de ingeniería de primer año, es distinta en muchos sentidos a Diego, estudiante de psicología de tercero. Ambos son estudiantes de la misma institución educativa, pero les separan aspectos demográficos, financieros y de motivación, entre otras cosas. Para empezar, ni siquiera están en la misma carrera. En teoría, Ana, al ser estudiante de primer año, tiene un mayor riesgo de abandonar los estudios que Diego o cualquier otro estudiante que haya superado los primeros meses del viaje estudiantil, el momento más complicado y de mayor incertidumbre para un universitario novel.
Las buenas noticias son que, hoy en día, las instituciones de Educación Superior y Continua, públicas o privadas, son muy conscientes de que ningún estudiante y sus circunstancias son iguales. Por eso están tan pendientes de su bienestar personal y se aseguran de proporcionarles todo el apoyo que necesitan, de forma personalizada, para prevenir el abandono a lo largo de ese viaje estudiantil. No hay que olvidar que dejar de forma temprana los estudios tiene efectos devastadores en términos económicos y sociales para los propios estudiantes, la institución educativa y la sociedad en general.
En Chile, por ejemplo, los salarios de los no titulados universitarios son 1/3 menores que los de los graduados. Las instituciones, por su parte, además de sufrir pérdidas económicas por el abandono prematuro de los estudiantes, pueden ver comprometidas sus acreditaciones. El Gobierno dedica unos 250 millones de dólares al año en financiar los estudios de los fugados.
Así que las organizaciones educativas llevan implementando en los últimos años campañas de retención cada vez más sofisticadas, consistentes en proporcionar asistencia de todo tipo: académica, financiera, psicológica, etc. a los alumnos de mayor riesgo.
¿Cómo se identifica a los estudiantes de mayor riesgo de deserción?
Para identificar a aquellos estudiantes con más probabilidades de desertar existen los modelos predictivos. Por ejemplo, una institución que utiliza Nimbi cuenta con un sistema que permite agregar todos los datos demográficos, académicos y del comportamiento actuales e históricos de los estudiantes a lo largo de sus estudios para determinar la propensión al riesgo de los estudiantes activos. En el caso de Nimbi, específicamente, mostramos cuáles son los factores más importantes que inciden en el riesgo de desertar para cada alumno y el peso de cada factor en la posible deserción. Es decir, cuál es el nivel de riesgo, en qué momento es mayor y por qué.
Una vez identificado el alumno y entendido su contexto, ya se pueden aplicar planes de acción de retención estudiantil personalizados. Sin embargo, tratar a los estudiantes solamente considerando el riesgo de deserción no toma en consideración que cada persona responde de manera distinta a las estrategias de retención que se le aplican. Es decir, todavía se puede ir un paso más allá y estimar no solo qué estudiantes tienen más probabilidades de desertar y por qué, sino quiénes son más probables de retener o bien qué alumno acogerá de forma positiva una determinada intervención o apoyo. Y ahora sí, entramos de lleno en los modelos uplift.
¿Cuál es el valor de los modelos predictivos uplift?
Teniendo en cuenta todo lo anterior, en Nimbi modelamos sin perder de vista que no tiene por qué existir una vinculación directa entre el riesgo de deserción y cómo reaccionan los alumnos individualmente frente a las intervenciones que se realizan sobre ellos. Es decir, es posible que Ana o Diego tengan el mismo riesgo de deserción, pero no responderán necesariamente de la misma manera a las estrategias de retención que implemente su institución educativa.
Por eso, si se introducen técnicas de analítica predictiva para estimar los efectos de un tratamiento de apoyo en el comportamiento de los alumnos se podrían diseñar estrategias de retención más eficientes.
A continuación enumeramos los usos más comunes de los modelos uplift y sus principales beneficios:
3 Usos de modelos predictivos uplift
- Diseño de planes de acción de retención personalizados, por ejemplo, enfocándose en los alumnos que son más probables de retener.
- Creación de planes de acción de retención que consideren los efectos positivos de la gestión sobre el estudiante.
- Segmentación de alumnos según su mejora estimada en retención y posterior observación de las características de cada segmento.
3 Beneficios modelos predictivos uplift
- Mejora el diseño de los programas de retención, adaptándolos a los estudiantes que tienen más probabilidades de ser retenidos si son seleccionados.
- Optimiza el impacto de la retención porque prioriza a estudiantes con uplift.
- Evita el gasto de recursos en estudiantes que no van a responder a la gestión o no iban a desertar en primera instancia.
En conclusión, implementar un sistema que utilice los modelos predictivos uplift de Nimbi permite maximizar los efectos de los esfuerzos de retención que realice la institución de Educación Superior y Continua con sus alumnos. ¿Cómo lo consigue? Básicamente, estimando el efecto que tendrá un tratamiento en el comportamiento de cada estudiante y después diseñando planes de acción que estén focalizados en aquellos que tienen mayor probabilidad de retención.
Si quieres conocer cómo aplicar este tipo de modelos predictivos en tu organización, contacta con Nimbi. Sistema Inteligente de Acompañamiento Estudiantil – Contáctanos – Nimbi (nimbiedu.com)
