jueves 23 de septiembre de 2021 - Edición Nº1023

Organizaciones | 9 sep 2021

Ed Machina

Cómo mejorar la retención estudiantil con inteligencia artificial

Conocé el caso de Ed Machina y la Universidad Siglo 21, quienes trabajaron en conjunto para incrementar las tasas de retención estudiantil a través de modelos predictivos con inteligencia artificial.


El objetivo principal de las instituciones de educación superior es trabajar sobre determinados indicadores clave, tales como su sustentabilidad a largo plazo, la adquisición de nuevos estudiantes y la retención de los mismos.

En el webinar El uso de inteligencia artificial para mejorar la retención estudiantil, Yamil Rabbat (CEO de Ed Machina), Pablo Llop (Director de Inteligencia y Planeamiento Estratégico en la Universidad Siglo 21) y Jorge Fantin (Director de la Maestría en Administración de Negocios y Aplicaciones Tecnológicas de la Universidad Siglo 21) expusieron la importancia del análisis de datos en la educación, sus ventajas, y el caso exitoso de implementación del modelo de retención estudiantil en la Universidad Siglo 21. 

Previo al año 2020, ya existía un aumento en las tasas de enrolamiento de la educación superior, lo cual derivó en una competencia entre las instituciones para adquirir nuevos estudiantes. Con la llegada del 2020, y al acelerarse la necesidad de incorporar tecnología fruto del contexto que trajo el COVID-19, los indicadores clave como la adquisición y la retención se vieron profundamente desafiados, así también como la  sustentabilidad de las instituciones por el impacto de la situación global. “Las necesidades que identificamos en la Universidad Siglo 21 tienen una enorme convergencia con lo que sucede hoy a nivel regional”, explica Yamil Rabbat.

 

 

La implementación de modelos predictivos con inteligencia artificial en una institución de educación superior no requiere de un alto grado de digitalización de la misma, lo que derriba uno de los tantos mitos que rodean a la educación y la inteligencia artificial. Por el contrario, es importante delinear una serie de pasos para lograr una gestión efectiva en el manejo y desarrollo de datos. En palabras de Pablo Llop, Director de Inteligencia y Planeamiento Estratégico en la Universidad: “La implementación de modelos predictivos en la gestión estudiantil requiere, ante todo, de una gestión de cambio interna”.

En el caso de Ed Machina y la Universidad Siglo 21, se diseñó un plan de Change Management en conjunto, compuesto por cuatro puntos: la cultura, eje central del cambio; learninganalytics, basado en el desarrollo de modelos predictivos con algoritmos de inteligencia artificial para acompañar al estudiante en todo su ciclo de vida; las necesidades de la universidad, es decir, identificar cuáles eran las etapas principales del ciclo de vida del estudiante, para poder pensar en qué producto o qué acciones de acompañamiento se necesitaban según cada una, y la personalización, basada en el desarrollo e implementación de acciones personalizadas según un determinado perfil de estudiante para medir el impacto en dashboards y herramientas de businessintelligence (BI).

Una vez identificadas las principales etapas del ciclo de vida del estudiante, se desarrollaron y aplicaron modelos predictivos con inteligencia artificial para cubrir todo el ciclo:
•    New Enrollment (Machina hi!) : identifica la probabilidad de conversión de un lead y los nichos de prospectos con altas posibilidades de convertirse en estudiantes.
•    Cross-selling de productos: permite conocer cuál es el mejor producto o carrera para el ingresante o reinscripto propenso a desertar. 
•    Revenuemanagement (Machina Revenue): mide la elasticidad del precio en un determinado momento, permitiendo conocer en cuánto se incrementa la probabilidad de inscripción en caso de ofrecer un descuento. 
•    Up-selling de productos: identifica cuál es el próximo producto a ofrecer al estudiante que está próximo a graduarse, para continuar sus estudios en la institución.
•    Retención, con foco en primera cohorte (StayAround): permite conocer, con anticipación, la probabilidad de arancelamiento que tiene un estudiante en el próximo semestre de cursado. 
•    Alerta temprana (Heads-up): permite identificar poblaciones vulnerables de alumnos ingresantes en tiempo real para actuar sobre ellas a tiempo y prevenir la deserción. 
•    Engagement (actualmente en desarrollo): identifica el grado de interacción del estudiante con la universidad, y definir así grupos de acuerdo al nivel de vulnerabilidad.

Desde la perspectiva del docente, Jorge Fantin sostiene que, en una educación mediada por tecnologías, “uno siente que el interés de los estudiantes a veces se va perdiendo, y quisiera sostenerlos a todos, pero no se logra”. “Es por eso que una herramienta como la de alerta temprana es fantástica, porque nos permite alertarnos para poder actuar a tiempo y resolver esta situación”, agrega. Este modelo se destaca, sin duda, como una de las propuestas de valor más grandes de Ed Machina.
En cuanto a la implementación del modelo de Retención estudiantil en la Universidad Siglo 21, este modelo se implementó durante el primer período 2020, con el objetivo de conocer las probabilidades de que determinados estudiantes de carreras de grado y pregrado se reinscribieran el siguiente semestre. Luego de analizar diferentes variables (socioeconómicas, sociodemográficas y rendimiento académico, entre otras) y gracias a los modelos predictivos, se lograron implementar campañas hiper personalizadas y acciones por clusters en función al riesgo de deserción, cerrando el período 2020 con los siguientes resultados:

•    + 10 puntos en la retención de alumnos (Período 2020)
•    + 30% mejora en el rendimiento académico respecto al mismo período del año anterior.
Y su consecuente impacto en la sustentabilidad y ratios financieros de la institución.
“En términos de gestión de campaña, un modelo como el de retención nos permite armar distintas estrategias de abordaje, con distintos márgenes de promoción y por distintos canales” comenta Pablo Llop. 

En cuanto a otros modelos predictivos, y contemplando los resultados positivos que tuvo el modelo de Retención, el modelo de adquisición de nuevos estudiantes (New Enrollment) se comenzó a implementar en la Universidad Siglo 21 durante el primer período del 2021. En este semestre, se ha logrado incrementar un 45% la cantidad de nuevos ingresantes respecto al mismo periodo en 2020, con un -23% menos de prospectos, gracias a la identificación de perfiles con mayor  probabilidad de conversión a estudiantes, optimizando la precisión en el target de las campañas. 

En conclusión, los modelos predictivos con inteligencia artificial permiten acompañar la gestión educativa de manera integral a lo largo de todo el ciclo de vida del estudiante. En palabras de Yamil Rabbat, CEO y fundador de Ed Machina: “La construcción de estos modelos requiere del trabajo en conjunto entre la institución educativa y Ed Machina, con un fuerte foco en el entendimiento de negocio y características propias de la universidad. En el accionar conjunto y como aliados estratégicos radica gran parte del éxito de nuestros modelos”.

En Ed Machina se especializan en la inteligencia artificial para la gestión educativa. Aplican modelos predictivos que mejoran los indicadores claves, garantizando el crecimiento y sustentabilidad de cada institución.


 

OPINÁ, DEJÁ TU COMENTARIO:
Más Noticias

NEWSLETTER

Suscríbase a nuestro boletín de noticias