Academic_Inference Vicerrectoría
Demo · datos sintéticos
Actualización de fuentes
Canvas LMS hace 2 h
U-Campus hace 6 h
PeopleSoft sincronizando
Sist. Financiero hoy 07:00
Encuestas CSV/XLSX hace 3 d
+ Solicitar conector
Segmentación
Segmento activo Todas las carreras 8.450 estudiantes 2026 · 1º sem KPIs y listados reflejan este segmento
Visión institucional

Permanencia & trayectoria estudiantil

Dónde se concentran las pérdidas de matrícula y arancel, qué segmentos muestran brechas de equidad y qué intervenciones están funcionando.
Preguntas guía ¿Dónde se concentran las pérdidas de matrícula y arancel? ¿En qué segmentos hay brechas de equidad? ¿Qué intervenciones están funcionando mejor?
Retención 1er año
0%
▲ 2.1 ptsBenchmark SIES: 76.2%
Deserción acum. · Coh. 2023
0%
▼ meta 15%1.572 estudiantes
Arancel en riesgo
$2.940 MM
▲ 9% interanualingresos asociados a deserción
Titulación oportuna
0%
11,4 sem realesnominal 10 sem

Trayectoria de la cohorte 2022

flujo de 1.000 estudiantes desde el ingreso al estado actual (3er año)

El ancho de cada flujo es proporcional a la cantidad de estudiantes. Permite ver cuántos del atraso temprano logran recuperarse y cuántos terminan desertando.

Supervivencia por cohorte de ingreso

% que permanece matriculado, por semestre cursado
Menor permanencia
Mayor permanencia · celda vacía = cohorte aún no alcanza ese semestre

Curva de retención por cohorte

% que permanece, por semestre
Cohorte 2023 Cohorte 2022 Cohorte 2024 (en curso)

Embudo de admisión

Proceso 2024

Datos públicos DEMRE/SIES cruzados con matrícula institucional.

Índice de riesgo por carrera

% estudiantes por nivel

Riesgo alto por vía de ingreso

mirada de equidad

Permite focalizar apoyos donde la brecha es mayor, sin penalizar la vía de ingreso.

Tendencia de deserción y morosidad

últimos 6 semestres
Deserción intra-anualMorosidad >60d

Retorno de la intervención (ROI)

Tier 2
$1.870 MM
arancel recuperado por estudiantes que permanecieron tras intervención
64%

Arancel recuperado vs. costo del programa de retención. La barra indica el 64% del arancel en riesgo efectivamente recuperado en el segmento.

Salud del modelo de riesgo

Tier 3 · Ley 21.719
0.88
AUC-ROC
81%
Precisión
76%
Recall
Acierto · adm. regular
82%
Acierto · adm. PACE
79%
Brecha de acierto · género
3%

Auditoría de equidad: la brecha de acierto entre subgrupos se mantiene bajo el umbral de 5%. Clases desbalanceadas (deserta ≈ 1:16), por lo que se prioriza el recall sobre la exactitud global. Modelo v2.4 · entrenado 12-may-2026 · validado en cohortes 2019–2021. El índice es apoyo a la decisión, no un diagnóstico.

Brechas de equidad por segmento

retención 1er año y deserción temprana vs. promedio institucional
SegmentoEstudiantesRetención 1er añoDeserción S1–S3Brecha vs. promedio
Primera generación1.86071%34%−10,4 pts
Quintil I–II2.43069%37%−12,4 pts
Colegio municipal / TP2.11070%35%−11,4 pts
Trabaja ≥ 20 h/sem98064%41%−17,4 pts
Ingreso PACE76073%31%−8,4 pts
Promedio institucional8.45081,4%24%

La deserción en la región está acoplada a desigualdad y conflicto estudio–trabajo. Estos segmentos son filtros configurables; las decisiones sobre personas no se automatizan (Ley 21.719).

Evaluación de programas de retención

Tier 2 · cierre del ciclo
ProgramaAtendidosRetención vs. grupo comparableArancel salvado
Tutoría académica (Cálculo / Álgebra)42074% vs 52% (+22)$310 MM
Apoyo financiero de emergencia26069% vs 51% (+18)$190 MM
Nivelación matemática (verano)18071% vs 55% (+16)$120 MM
Acompañamiento psicosocial14561% vs 47% (+14)$70 MM

Compara la permanencia del grupo intervenido contra un grupo comparable (mismo perfil de riesgo) no intervenido.

Simulador "¿qué pasaría si…?"

impacto de mejorar la retención focalizada
Subir retención de Tier 2 en5 pts
+118
estudiantes retenidos / año
+$214 MM
arancel preservado
+71
titulados proyectados (cohorte)

Estimación lineal sobre ~2.360 estudiantes en Tier 2. Ajustable por cohorte y facultad en el producto; sirve para justificar inversión en apoyo focalizado.

Gestión curricular

Salud académica del programa

Cuellos de botella en la malla, factores que explican el riesgo y los ajustes de carga o nivelación con mayor impacto.
Preguntas guía ¿En qué cursos están los cuellos de botella? ¿Qué factores explican el riesgo en mi programa? ¿Qué ajustes de malla o carga tendrían más impacto?
Aprobación promedio
0%
▼ 3.4 ptsIng. Civil Industrial
Asignaturas críticas
0
reprobación > 30%
Atraso en malla
0%
▲ 4 ptsbajo créditos esperados
Estudiantes en riesgo
0
de 312 en la carrera

Top factores de riesgo del programa

explicabilidad del modelo para Ing. Civil Industrial · agrupada en bloques accionables
Académico38%
Reprobación en cursos pórtico (Cálculo, Álgebra) · rendimiento 1er semestre · nota de enseñanza media.
Patrón: reprobar un curso pórtico en S1 multiplica el riesgo de deserción hacia S3.Acción: tutoría focalizada + alerta al coordinador del curso.
Socioeconómico24%
Nivel educacional de los padres · financiamiento (beca / CAE) · quintil de ingreso.
Patrón: sin beca + primera generación → abandono por costo de oportunidad y trabajo.Acción: derivación a becas y entrevista socioeconómica.
Compromiso en línea21%
Inactividad en LMS · entregas faltantes · asistencia.
Patrón: baja actividad LMS + baja asistencia → riesgo alto ya en S2.Acción: contacto temprano del mentor + invitación a tutoría.
Trayectoria previa17%
Puntaje PAES · ranking · vía de ingreso.
Patrón: puntaje de admisión bajo el umbral del programa eleva el riesgo inicial.Acción: nivelación temprana en primer año.

Ponderaciones agregadas por bloque a partir de la importancia de variables del modelo (SHAP). Coincide con la evidencia chilena: puntaje de admisión, nivel educacional de los padres y rendimiento académico son los predictores más estables (Miranda & Vázquez, 2023).

Asignaturas críticas

tasa de reprobación · semestre actual

Los "cuellos de botella" de la malla concentran la deserción de 1er–2do año.

Estudiantes en riesgo

clic para ver ficha
Camila Fuentes R.
3° año · 3 reprobaciones · LMS 14d inactivo
0.81
Matías Contreras V.
2° año · morosidad 52d · baja carga
0.76
Javiera Soto M.
1° año · caída de notas · asistencia 61%
0.58
Benjamín Rojas P.
2° año · 1 reprobación · LMS irregular
0.49
Antonia Vega L.
3° año · al día · beca vigente
0.18

Rendimiento vs. inactividad LMS

cada punto = un estudiante
Riesgo bajoMedioAlto

Avance curricular de la cohorte

cohorte 2023 · estado actual

El atraso en la malla es el predictor más temprano de deserción.

Evolución del rendimiento de la cohorte

promedio de notas por semestre

Proyección de aprobación del semestre

Modelo predictivo
Alta probabilidad de aprobar En el límite Probable reprobación

200 estudiantes · proyección a 6 semanas del cierre. Los del tramo rojo gatillan alerta preventiva.

Intervención & triage

Casos del día y seguimiento

Qué casos atender hoy por prioridad y SLA, qué intervenciones están en curso y cómo ajustar el ruido de las alertas.
Preguntas guía ¿Qué casos veo hoy, por prioridad y con qué señales? ¿Qué intervenciones están pendientes / en curso / cerradas? ¿Cuántas alertas son ruido y cómo ajusto umbrales?
Alertas abiertas
0
▲ 12 esta semana
Casos sin asignar
0
requieren responsable
Tiempo al 1er contacto
0 días
▼ desde 3.8
Efectividad intervención
0%
permanece tras 1 sem.

Centro de triage de alertas

priorización MTSS (Tier 1–3) por severidad y SLA
8Tier 3 · Crítico
19Tier 2 · Alto
41Tier 1 · Monitoreo
3SLA vencidos
23Sin asignar
Tier 3 · Crítico8 casos
Contacto exigido en 24 h
T3SLA −6 h
Camila Fuentes R.
Riesgo 0.81 · sin contacto · 14 d inactiva en LMS
Sin asignarhace 2 d
T3SLA 9 h
Matías Contreras V.
Morosidad 52 d + reprobación · riesgo 0.76
Sin asignarhace 18 h
+ 6 alertas Tier 3 →
Tier 2 · Alto19 casos
Contacto en 72 h
T2SLA 1 d 4 h
Javiera Soto M.
Caída de notas · asistencia 61% · riesgo 0.58
N. Pérez · psicólogahace 1 d
T2SLA 2 d
Benjamín Rojas P.
1 reprobación · LMS irregular · riesgo 0.49
Sin asignarhace 12 h
+ 17 alertas Tier 2 →
Tier 1 · Monitoreo41 casos
Monitoreo · contacto en 1 sem
T1SLA 5 d
Diego Pérez S.
Inactividad LMS 8 d · riesgo 0.34
Mentor asignadohace 1 d
T1SLA 6 d
Fernanda Lillo A.
Baja satisfacción en encuesta · riesgo 0.29
Sin asignarhace 3 d
+ 39 alertas Tier 1 →

Prioridad = f(puntaje de riesgo del modelo, severidad del disparador, tiempo sin contacto). El SLA en rojo marca casos vencidos. Etiquetado MTSS: Tier 1 monitoreo universal · Tier 2 apoyo focalizado · Tier 3 intervención intensiva. Marcar una alerta como "ruido" reentrena el umbral del modelo.

Seguimiento de intervenciones

alerta → acción → resultado
EstudianteAcciónEstado
P. Méndez
Tutoría Cálculo I
Tutoría par + plan de estudioRecuperado
L. Araya
Alerta financiera
Derivación a becas y arancelesEn curso
C. Fuentes
Riesgo alto
Sin contacto asignadoPendiente
D. Pérez
Inactividad LMS
Contacto del mentorEn curso

Motivos de riesgo más frecuentes

distribución de casos activos
Académico (reprobación)
42%
Financiero / morosidad
24%
Asistencia / inactividad
19%
Personal / salud
15%

Cruce de señales académicas, financieras y de bienestar en un solo lugar.

Efectividad por tipo de intervención

% que permanece tras 1 semestre
Tutoría académica
74%
Apoyo financiero / beca
69%
Derivación psicológica
61%
Solo contacto del mentor
52%

Permite priorizar las acciones que efectivamente recuperan permanencia.

Onboarding

Agrega un nuevo perfil a tu tablero

Cada perfil —decanato, dirección de docencia, bienestar estudiantil, admisión…— se configura con sus propias fuentes, permisos y vistas. Agendemos una consultoría breve para dejarlo a la medida de tu institución.

1 Tu institución
2 Perfil y fuentes
3 Agenda

Es una llamada de ~30 min, sin costo. Te mostramos cómo conectar tus fuentes y configurar el nuevo perfil con tus datos reales.

Servicio de integración

¿Tu fuente de datos no está en la lista?

Desarrollamos el conector a la medida de tu institución. Conectamos tus sistemas vigentes para alimentar tarjetas, gráficos y alertas — sin migrar nada de lugar.

CanvasU-CampusPeopleSoftBannerSGA propioTesoreríaCSV / XLSX