Diagnóstico de la educación superior en Colombia empleando analítica de datos

Autores/as

  • Óscar Mayorga Torres Universidad Francisco de Paula Santander
  • Blanca Cecilia Torres Sotelo Universidad Francisco de Paula Santander
  • Sandra Paola Leal Hernández Universidad de Pamplona
  • Geisel Natalia Mayorga Torres Universidad de La Salle

DOI:

https://doi.org/10.26507/paper.4534

Palabras clave:

Analítica de datos, data set, educación superior, indicadores, desempeño

Resumen

La educación superior en Colombia, está pasando por un difícil momento en términos de acceso, permanencia y graduación; situación que se acentúa después de la pandemia (COVID-19) donde el sistema de educación superior pierde en un 11% por año del universo de estudiantes posibles; de hecho, programas gubernamentales como Matricula Cero o Jóvenes a la U, no han logrado recuperar los indicadores. Con lo anterior, la presente investigación tuvo como objetivo establecer un diagnóstico de la situación actual del sector centrada en análisis del factor de deserción, empleando técnicas de analítica de datos y comparativos relacionales de las cifras en una ventana de tiempo del 2010-2024; identificando los factores que impactan los indicadores de desempeño de las instituciones y sector, en tal sentido; la investigación presenta mediante gráficos de densidad, distancia, volumen y relación el comportamiento del sector en una ventana de tiempo de 14 años, permitiendo analizar las variables, actores, medios y componentes del data set sectorial.

Al finalizar, se presentan las conclusiones desde el enfoque del modelo de las 4 hélices 4H, determinando posibles escenarios tn+1 de la tendencia del sector y los impactos en la población académica, en las instituciones y sector.

Biografía del autor/a

Blanca Cecilia Torres Sotelo, Universidad Francisco de Paula Santander

Docente Universitario, consultora en gestión de procesos académicos y curriculares, licenciada en biología, especialista en gestión ambiental, magister en educación ambiental y sustentabilidad

Sandra Paola Leal Hernández, Universidad de Pamplona

Docente Universitario, Ingeniera Industrial, magister en Ingeniería Industrial

Geisel Natalia Mayorga Torres, Universidad de La Salle

Economista bilingüe, consultora empresarial en temas de competitividad, política económica y gobernanza

Citas

Bernasconi, A. (2018). La educación superior en América Latina: desafíos y perspectivas. Santiago de Chile: UNESCO.

Castaño, Albeiro y García, Lucelia (2018). Una revisión teórica de la calidad de la educación superior en el contexto colombiano.

Castro, J., & Rojas, M. (2019). Gestión educativa basada en datos: un enfoque para la calidad institucional. Revista Colombiana de Educación, (76), 101-123.

DANE. (2020). Encuesta Nacional de Calidad de Vida. Departamento Administrativo Nacional de Estadística.

El Ayadi, M., Lhassani, A., & Taram, F. (2024). Artificial Intelligence Model to Predict Student Dropout in Morocco Using Machine Learning Techniques. arXiv. https://arxiv.org/abs/2504.07160

Ferguson, R. (2012). Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5/6), 304–317. https://doi.org/10.1504/IJTEL.2012.051816

Ferguson, R., & Clow, D. (2017). Learning analytics: Avoiding the black box. In International Journal of Artificial Intelligence in Education, 27(1), 1–26. https://doi.org/10.1007/s40593-016-0120-5

Kupiainen, R., Jääskelä, P., & Niemi, H. (2024). Predicting dropouts in higher education using machine learning: A case study in Finland. ScienceDirect. https://www.sciencedirect.com/science/article/pii/S0160791X24000228

Lytle, R. (2014). Colleges Use Big Data to Track Students in Effort to Boost Graduation Rates. TIME. https://time.com/3621228/college-data-tracking-graduation-rates/

Melo, Ligia; Ramos, Jorge y Hernández, Pedro (2014). La educación superior en Colombia: Situación actual y análisis de eficiencia. Banco de la República, Borradores de economía; Núm. 808.

Mendoza, H., Cueva, A., & Ordoñez, S. (2024). Análisis sistemático de modelos de predicción de deserción estudiantil utilizando técnicas de machine learning. EUDL. https://eudl.eu/doi/10.4108/eetsis.3586

Ministerio de Educación Nacional MEN. (2021). Informe de gestión sectorial 2020–2021. Bogotá, Colombia.

OECD. (2020). Education at a Glance: OECD Indicators. OECD Publishing.

Restrepo, L., & Gómez, J. (2021). Costos de la educación superior y abandono académico en Colombia. Revista de Economía Institucional, 23(44), 153–176.

Rodríguez, Wanda (2010). El concepto de la calidad educativa: Una mirada crítica desde el enfoque histórico cultural. Revista electrónica “Actualidades Investigativas en Educación”; vol. 10, pp. 1-28. https://doi.org/10.15517/aie.v10i1.10088

Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30–40.

Téllez, C., & Patiño, H. (2020). Equidad y cobertura en la educación superior en Colombia: una visión regional. Universidad Nacional de Colombia.

Wang, Z., Li, Y., Wang, H., et al. (2020). EPARS: Early Prediction of At-Risk Students using Behavior Data in Online and Offline Environments. arXiv. https://arxiv.org/abs/2006.03857

Cómo citar

[1]
Óscar Mayorga Torres, B. C. Torres Sotelo, S. P. Leal Hernández, y G. N. Mayorga Torres, «Diagnóstico de la educación superior en Colombia empleando analítica de datos», EIEI ACOFI, sep. 2025.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

08-09-2025
Estadísticas de artículo
Vistas de resúmenes
Vistas de PDF
Descargas de PDF
Vistas de HTML
Otras vistas
QR Code
Crossref Cited-by logo