Modelo predictivo de tutorías académicas para estudiantes de educación superior: Una breve revisión

Resumen

La presente revisión examina el uso de modelos predictivos para apoyar las tutorías académicas en educación superior, con foco en la Universidad Estatal de Bolívar (UEB). El problema central es anticipar riesgos académicos y personalizar el acompañamiento para mejorar rendimiento y reducir deserción. Se aplicó el protocolo PRISMA, realizando búsquedas en Scopus, Web of Science y Google Scholar; se identificaron 125 registros, se cribaron 78 y se incluyeron 30 estudios por pertinencia y calidad metodológica. Los trabajos revisados reportan desempeños promisorios para árboles de decisión/Random Forest, redes neuronales y gradiente reforzado (XGBoost) en la identificación temprana de estudiantes en riesgo y la predicción de éxito por asignatura, especialmente cuando se integran variables académicas y socioeconómicas y se actualizan los modelos por cohortes. La literatura sugiere que el impacto aumenta al vincular la predicción con intervenciones tutoriales (alertas tempranas), incorporar esquemas Human-in-theLoop (HITL) y utilizar motores de inferencia para personalización por nivel y necesidad.