La UDIMA predice el abandono de casi 6.000 estudiantes con su sistema de prevención basado en Machine Learning

Campus de la UDIMA

La Universidad a Distancia de Madrid, UDIMA lleva un tiempo batallando contra el abandono estudiantil en un entorno tan crítico como la formación online. ¿Cómo? A través de las analíticas de aprendizaje. Un sistema basado en Big Data e Inteligencia Artificial que ha pre-alertado del riesgo de futuro abandono de más de 5.700 estudiantes durante sus dos años de actividad. Desde el Departamento de Asistencia y Orientación al Estudiante (DAOE) utilizan esta herramienta para acudir en ayuda de aquellos que, por diferentes factores, corren el riesgo de no cumplir con el objetivo marcado al matricularse. Hablamos del Sistema de Prevención de Abandono (SPA) de la UDIMA.

Alberto Orellana

El SPA permite cuantificar, desde el mismo momento de la matrícula, el riesgo que tiene cada estudiante de no graduarse (abandonar). El objetivo es evitar que los alumnos dejen la universidad antes de terminar a través de sistemas de apoyo y acciones para asegurar que finalizan sus estudios. El riesgo de abandono se analiza mensualmente en base a las interacciones y resultados de cada educando en su titulación. El sistema lleva en activo desde 2017 y actualmente se encuentra en el cuarto semestre de funcionamiento continuo. Hasta la fecha ha calculado más de 117.000 cifras para predecir el riesgo de abandono. También se han registrado unas 13.000 acciones de reorientación al alumno a través de esta herramienta.

El departamento de orientación contribuye a la integración del alumnado en el entorno universitario para facilitar su éxito académico, y sirve como un canal de comunicación para dar respuesta de un modo personalizado a las necesidades de los estudiantes. Además de orientación, el DAOE ofrece distintos programas para ejercer como nexo entre el estudiante y los diferentes departamentos. Desde la atención y resolución de dudas, hasta el apoyo personalizado y la asistencia con técnicas de estudio ante dificultades del programa.

Como sistema de alerta temprana, el SPA se basa en modelos de predicción construidos a partir de un algoritmo (C5.0) que lleva cinco años recopilando datos de más de 11.000 alumnos. Se trata de un modelo de Learning Analytics (una especialización del machine learning o aprendizaje automático) que aprende a calcular el riesgo de cada estudiante al contrastar sus datos con ese histórico acumulado en cursos anteriores. Se examinan unas 120 variables de la actividad década individuo, y cada año el modelo de aprendizaje automático se re-entrena con los datos del último curso académico. De no hacerlo, los modelos “irían perdiendo precisión y quedarían obsoletos en pocos años”, aseguran desde el DAOE.

A través del modelo de ‘cajas blancas’, el SPA registra tanto el riesgo de abandono de cada alumno como las intervenciones que el DAOE lleva a cabo con cada estudiante. Frente a otras opciones, que buscan establecer asistentes virtuales disponible las 24 horas, la UDIMA afianza la calidad humana de cada intervención y orientación adaptada al estudiante. Es una de las funciones esenciales del DAOE en su misión de velar por el correcto desarrollo en el aprendizaje de los matriculados.

Es decir, cada riesgo calculado se acompaña de una explicación del orientador personal de cada matriculado. En ella puede verse el porqué del valor calculado, qué factores se han analizado y su impacto, así como el efecto de las acciones llevadas a cabo por el 'tutor académico' para prevenir el abandono. El análisis distingue entre “alumnos nuevos y recurrentes”. También se ha advertido que el estudiante que ha entrado “al menos una vez” en todas las aulas de sus asignaturas, tiene más opciones de acabar el curso.

De la misma forma, existen factores que afectan más al recién matriculado y lo aproximan al abandono. Por ejemplo, no inscribirse en créditos de formación básica en la primera matrícula. También influyen aspectos como el momento del día en que se dedica tiempo al estudio (si es a medio día, peor) o el retraso medio a la hora de entregar las actividades respecto del resto de compañeros (si es más de tres días, mala señal).

En los alumnos recurrentes se atienden otros elementos como el porcentaje de créditos superados hasta el momento (que esté por encima del 60% aumenta las opciones de terminar). O también si el estudiante se ha tomado algún año sabático (sin matricularse). Conocer este riesgo desde el momento de la matrícula y a lo largo de todo el curso permite “dirigir y priorizar intervenciones personalizadas orientadas a mitigarlo”, aseveran en el DAOE.

Los modelos predictivos de ‘caja-blanca’ utilizados han proporcionado resultados “razonablemente buenos”, defienden, al ser “muy similares” a los obtenidos en las pruebas de laboratorio. “En el camino desde la investigación hacia la producción, se afrontaron diversos retos que tenían que solventarse de manera efectiva para que el sistema tuviera éxito”, afirman desde el departamento.