Tanto el abandono como la retención estudiantil en la Educación Superior son cuestiones que han sido abordadas tanto desde la gestión de las políticas universitarias a nivel nacional e internacional, así como desde la investigación educativa.

En nuestro caso en particular, la problemática de la deserción universitaria y las relaciones entre las trayectorias académicas y las subjetividades de los estudiantes en modalidad virtual y presencial fueron y son el foco de distintas investigaciones realizadas por algunos de los miembros del equipo de investigación.

Asimismo, el crecimiento sostenido de la matrícula de ingresantes no implica que los mismos perduren y culminen las carreras, por lo que es sumamente importante conocer si existen factores que se asocien a la deserción, para realizar acciones tanto en lo pedagógico como en la gestión académica tendientes a mejorar la retención. Para ello es imperioso contar, en tiempo y forma, con información en relación a los estudiantes ingresantes por carrera, sus antecedentes académicos previos, ubicaciones geográficas y otros datos censales, conocer el rendimiento académico del primer año, etc. 

Para mejorar la toma de decisiones y diseñar estrategias institucionales es necesario conocer, en profundidad, qué tipos de estudiantes son los que cursan en modalidad virtual y modalidad presencial y como se van conformando sus trayectorias académicas. 

El análisis de las trayectorias estudiantiles se ha abordado desde diversos enfoques. Por un lado, desde la generación de tableros para la toma de decisiones, a nivel operativo y a nivel estratégico.  Sistemas de información descriptivos que permiten conocer por ejemplo el estado académico de una cohorte, los niveles de avance en la carrera, que conjunto de materias han cursado los alumnos de la cohorte, cuales son las asignaturas que se recursan, comportamientos frente a las inscripciones a materia según edades o tiempo de permanencia en la carrera, evolución del desgranamiento de las cohortes, análisis de la duración real de la carrera de los egresados vs la duración nominal, entre otros.  Por otra parte, en la encuesta académica que se realiza a los estudiantes al final de cada cursada, se incorporó recientemente un bloque de preguntas orientado a identificar los motivos de abandono de las asignaturas. Entre los tableros seleccionados para este informe se pueden consultar en la sección de Tableros, Informes y Guías  los siguientes relacionados con trayectorias estudiantiles:

Por otra parte, en trabajos aún en curso,  el abordaje de las trayectorias académicas se realiza desde la investigación aplicando herramientas de análisis estadístico avanzado, buscando que el análisis de esos datos permita hallar factores críticos externos y de la propia currícula que afecten de manera significativa las trayectorias académicas e incursionando en modelos predictivos que permitan tomar acciones preventivas del abandono en la población estudiantil con mayor riesgo o identificar nudos problemáticos en la currícula. 

Para este abordaje se están implementado distintas soluciones instrumentales para el análisis de Big Data y análisis estadístico avanzado. Se utilizan herramientas de programación directa de código en R o Python

y otras herramientas de programación visual como Orange.

En ambos casos se busca aplicar técnicas del campo de la Inteligencia Artificial requeridas para el Machine Learning, como aprendizaje supervisado y no supervisado. Entre ellas:

Con estas técnicas se están analizando más de 400mil registros de actas y datos censales de más de 35mil estudiantes.

En los avances del trabajo se comienzan a evidenciar el peso de algunas variables sobre las posibilidades de egreso de los estudiantes:

Los primeros 3 gráficos son los gráficos que usan árboles como método de clasificación.
Se pueden ver que hay algunas coincidencias como la edad al inicio como la variable principal para determinar si un alumno va a desertar. La cantidad de hijos, la cobertura de salud o incluso si el alumno este matriculado en algunas carreras particulares son las variables más importantes que forman el top 10. Es destacable que estos gráficos no tienen direccionalidad, sino que marcan solo la importancia de ciertos factores, en otras palabras, que una variable tenga más importancia puede querer decir que sea un factor de peso para que deserte o para que continúe.

En el último gráfico, sí hay direccionalidad. Los factores que se acercan a la derecha son los que más generan deserción frente a los de la izquierda que indican continuación de estudios. Este modelo corresponde a una regresión logística y no un árbol.

En la medida que se vayan produciendo nuevos hallazgos se irán publicando en este espacio.

Referencias para el abordaje de la problemática consideradas para la tesis de la Maestría en Educación del Maestrando Gabriel Guillén:

Dentro del conjunto de trabajos que han abordado el abandono en el nivel universitario, se ha puesto el acento en la generación y puesta a prueba de modelos conceptuales de detección y predicción de la deserción estudiantil, desde enfoques principalmente cuantitativos (cf. Donoso y Schiefelbein, 2007; Goldenhersh, Coria y Saino, 2011; Himmel, 2002; Tinto 1989; entre otros). Los modelos a disposición dan cuenta de la multiplicidad de factores que inciden en la deserción en el nivel universitario, sin poder señalar que uno solo o un conjunto de ellos puedan ser pensados unívocamente como causas explicativas y determinantes. Latiesa en relación a  las causa de la deserción ofrece una amplia perspectiva señalando los factores que entran en juego: “los condicionamientos objetivos y subjetivos de los individuos, la estructura educativa del sistema universitario, el grado de dificultad de los estudios, y finalmente, la inserción profesional” (Latiesa, 1992).

Por otro lado, en una síntesis de las perspectivas de abordaje de la predicción de la deserción, Lopera (2008) agrupa los conjuntos de factores que son tenidos en cuenta por los distintos modelos conceptuales: factores individuales, socio-económicos, académicos e institucionales. La detección de los factores determinantes del abandono estudiantil lejos está de ser conclusiva, aunque sí se han generado aportes para el trabajo pormenorizado adaptado al contexto de cada institución. Existe otro grupo de trabajos realizados en universidades con un perfil similar a la UNQ (por su matrícula, perfil de estudiante y tradición) o en otras áreas de la propia institución que han señalado algunas de las dificultades recurrentes de aquellos estudiantes que transitan sus primeros años en una carrera universitaria.

En relación a los abordajes cualitativos, estos trabajos han destacado diversos aspectos socio-culturales, institucionales y didáctico-pedagógicos que se presentan muchas veces como barreras para una trayectoria satisfactoria dentro del Nivel Superior (cf. Cols, 2003, 2008; Ezcurra, 2005; Rembado, et al., 2009; Vélez, 2005)

La importancia de comprender los datos que están a disposición resulta imperiosa para diseñar respuestas que ayuden a los estudiantes a transitar su trayectoria académica. No obstante, esto requiere tener una metodología para realizarlo. Como sostiene del Carmen Parrino(2015) “Para abordar el problema de la deserción resulta necesario cuantificarlo y medirlo de diferentes formas a fin de conocer la situación y la realidad de este complejo fenómeno.”

Según Celma, Adamoli, Gutierrez & Santana (2016) el conocimiento y manejo de los indicadores de la deserción y desgranamiento constituye una herramienta indispensable a la hora de diagnosticar el desempeño y la calidad de las Universidades, imprescindible para definir políticas y estrategias que busquen disminuir los niveles de deserción que impactan negativamente en las propias personas, en el sistema educativo y en la sociedad de la que forman parte.

En el marco argentino, desde hace décadas que los estudios universitarios han experimentado una expansión de indudable magnitud, tanto en el número de instituciones creadas en el nivel superior, como en el aumento de la matrícula. Este fenómeno ha sido identificado en principio con el denominado proceso de masificación (López Segrera, 2016). En efecto, el alza de inscripciones fue excepcional a nivel mundial (Banco Mundial, 2017) y Argentina no ha permanecido ajena a esta tendencia estructural global (Ezcurra, 2019): Así, por ejemplo, solo en el período comprendido entre 2007 y 2017, el alza en las tasas de matriculación fue del 42.7% (Secretaría de Políticas Universitarias, 2020).

En cuanto a la investigación en particular en la UNQUI, se destaca el trabajo de Sepúlveda (2017) en el que se intentó “identificar los factores que inciden positivamente en la continuidad y graduación y aquellos que, pudieran influir en el rezago, deserción o abandono” en el marco de los programas de estudios de la Universidad.

Por otro lado, en cuanto a las metodologías utilizadas, es destacable que las herramientas clásicas básicas como por ejemplo la regresión linear simple, tienen menor poder explicativo que otras técnicas más complejas, que si bien requieren de mayor poder de procesamiento y mayor formalismo matemático, pueden encontrar relaciones y patrones ocultos en la información. (cf. Acharya(2014), Minaei-Bidgoli, B., Kashy, D. A., Kortemeyer, G., & Punch, W. F. (2003),  Kovacic, Z. (2010), Karamouzis, S. T., & Vrettos, A. (2008), Oladokun, V. O., Adebanjo, A. T., & Charles-Owaba, O. E. (2008) )