El abandono escolar es un desafío en cualquier institución educativa, afectando tanto a los estudiantes como a la propia institución. En la Universidad de Oviedo, conscientes de la magnitud del problema, decidieron abordar esta cuestión de manera innovadora.
Las razones para el abandono pueden ser diversas: dificultades académicas, problemas financieros, situaciones personales, entre otras. Este problema no solo impacta negativamente la vida de los estudiantes, sino que también puede perjudicar la reputación y la eficacia de las instituciones educativas.
La Universidad de Oviedo se enfrenta a una tasa de abandono que quiere minimizar. Aunque con cifras similares a las del resto del Sistema Universitario Español, busca soluciones efectivas que permitan predecir y prevenir estas situaciones. Así fue como, en el marco del programa Microsoft Open Education Analytics, se presentó una oportunidad única para explorar las capacidades de la plataforma Azure y sus componentes, lo que llevó a la colaboración con ENCAMINA.
La solución propuesta por nuestro equipo consistió en desarrollar un modelo de aprendizaje automático que analizara datos históricos de los estudiantes para predecir la probabilidad de abandono. Este modelo permite identificar a los estudiantes en riesgo con suficiente antelación, lo que facilita la implementación de medidas preventivas. Así lo explica Alberto Manuel Fernández, director del Área de Tecnologías de la Información de la Universidad de Oviedo “Nos pareció interesante la propuesta y tras darle vueltas a varias ideas, la de hacer un predictor de abandono basado en nuestros datos históricos de expedientes académicos nos pareció atractiva y viable”.
La implementación del proyecto se realizó enteramente en Azure. Utilizando Azure Synapse para la ingesta de datos, Databricks para el procesamiento y Azure Machine Learning para el desarrollo del algoritmo, se creó un modelo robusto y eficiente. Los resultados se visualizan a través de Power BI, lo que permite a los responsables académicos acceder a los informes y tomar decisiones informadas.
“Desde Azure diariamente se consumen incrementos de datos que se procesan con Azure Synapse, se depositan en un Data Lake y con Databricks se procesan esos datos ejecutando el algoritmo de Machine Learning que genera la predicción. Esta luego se visualiza con Power BI”, asegura Alberto Manuel Fernández.
La precisión del modelo se evalúa diariamente. El algoritmo seleccionado se reentrena cada día utilizando un histórico de datos de 15 años. Este enfoque permite ajustar continuamente el modelo y generar indicadores de fiabilidad. Según Alberto Manuel Fernández: «El modelo es bastante preciso al determinar quién NO va a abandonar y es un tanto exagerado al predecir quién SÍ va a abandonar. En término medio se equivoca un 0.95% en las predicciones de no abandono y exagera un 60% en las predicciones de abandono».
Aunque la herramienta aún está en fase piloto, se espera que complemente los planes de acción tutorial de todos los centros, ayudando a reducir el abandono escolar mediante intervenciones más tempranas y precisas. La detección temprana es crucial, especialmente en los primeros trimestres del primer curso, aunque este punto también presenta retos debido al escaso registro de actividad de los nuevos alumnos en esos primeros momentos.
Según el director TIC de la Universidad de Oviedo
ENCAMINA ha sido un socio estratégico durante todo el proceso, desde la presentación de la iniciativa hasta el desarrollo del proyecto. Su acompañamiento ha sido clave para el éxito de esta iniciativa, proporcionando no solo la infraestructura técnica sino también el apoyo necesario para la implementación y el ajuste del modelo.
La Universidad de Oviedo, con el apoyo de ENCAMINA y Microsoft, ha dado un paso significativo hacia la reducción del abandono universitario usando tecnología avanzada. Este proyecto no solo destaca por su innovación, sino también por su potencial para transformar la gestión educativa y mejorar significativamente la vida de los estudiantes.
Este sitio web utiliza cookies para que tengas la mejor experiencia de usuario. Si continuas navegando, estás dando tu consentimiento para aceptar las cookies y también nuestra política de cookies (esperemos que no te empaches con tanta cookie 😊)