Proyecto MarIA utilizará inteligencia artificial para apoyar la retención estudiantil
Es uno de los ganadores de la convocatoria Uninorte IA, impulsada en 2024 desde la Vicerrectoría de Investigación, Creación e Innovación con el propósito de desarrollar iniciativas interdisciplinares que apliquen la inteligencia artificial en los procesos de enseñanza de la universidad y que mejoren la experiencia de los estudiantes.
![grupo proyecto MarIA.jpg](https://www.uninorte.edu.co/documents/13400067/59349785/grupo+proyecto+MarIA.jpg/e5fccb0e-816d-6e89-d851-89ab28743aac?t=1739204483530)
El Modelo de Apoyo y Retención con Intervenciones Adaptativas (MarIA) es una de las propuestas aprobadas por la Vicerrectoría de Investigación, Creación e Innovación en la convocatoria Uninorte IA 2024, por medio de la cual se busca incentivar la creación de proyectos interdisciplinares que apliquen la inteligencia artificial en los procesos académicos de la universidad. Con MarIA, que se desarrollará durante este año, se espera contribuir a la disminución de la deserción estudiantil.
Bajo el liderazgo de la profesora Luz Adriana Mejía, de Matemáticas y Estadística, MarIA emplea algoritmos de aprendizaje automático y herramientas de visualización avanzadas para detectar con mayor precisión las necesidades de los estudiantes en áreas como el apoyo psicológico, financiero, académico y familiar.
Mejía explica que este tipo de modelos utilizan técnicas de inteligencia artificial para analizar grandes cantidades de datos y encontrar patrones que puedan predecir un resultado futuro, en este caso, si el estudiante va a desertar o no. La efectividad de la predicción dependerá de la calidad y disponibilidad de los datos, así como de la precisión del modelo y la implementación de intervenciones adecuadas basadas en sus hallazgos.
"Se espera que MarIA pueda identificar tempranamente a estudiantes en riesgo de deserción, lo que le permite a la universidad actuar de manera oportuna y ofrecer apoyo personalizado a los estudiantes que más lo necesitan. Del mismo modo, podrá mejorar la comprensión de las causas de la deserción, pues al analizar los patrones de datos MarIA ayudará a identificar los factores que más influyen en la deserción en Uninorte, lo que puede guiar el diseño de políticas y programas más efectivos. Finalmente, al permitir intervenciones tempranas y personalizadas, se espera que MarIA contribuya a disminuir la deserción estudiantil en la universidad", señala Mejía.
El sistema también permitirá precisar intervenciones adaptadas a las necesidades específicas de los estudiantes identificados con riesgo de deserción. De esta forma podrá sugerir acciones de apoyo académico, de tipo financiero, psicológico y emocional, de integración social, u orientación profesional. "Es fundamental que estas intervenciones sean oportunas, personalizadas y basadas en evidencia para que sean efectivas en la reducción de la deserción estudiantil", agrega Mejía.
![](/documents/13400067/59349785/MarIA+proyecto.png/e01eb665-e834-7c56-949c-3f93ff546574?t=1738884024367)
![](/documents/15916181/30396914/signo-de-comillas-a-la-izquierda+%281%29.png/cbe74105-fddf-f599-6407-38704ab4013e?t=1666364715581)
Este proyecto no es solo una respuesta a un problema actual, es una apuesta hacia el futuro de la educación, en la que la tecnología, el análisis de datos y el compromiso social convergen para mejorar la experiencia académica y reducir la desigualdad en el acceso, permanencia en la educación superior y optimización de recursos"
Equipo de investigación que presentó la propuesta MarIA.
Para encontrar patrones que predigan un resultado futuro relacionado con el riesgo de deserción de estudiantes, el modelo incluye variables como datos demográficos y socioeconómicos (edad, género, estrato socioeconómico, lugar de residencia), historial académico (calificaciones, créditos matriculados, promedio ponderado, número de veces que ha repetido una materia), comportamiento del estudiante (participación en clase, asistencia, uso de recursos universitarios, participación en actividades extracurriculares).
Aunque los modelos de predicción de la deserción estudiantil han tenido grandes avances, todavía se enfrentan múltiples desafíos, entre los principales está el sobreajuste de bases de datos pequeñas o desbalanceadas, así como las limitaciones en la interpretación de los resultados. Por eso es clave la interdisciplinariedad en el desarrollo de MarIA, cuyo equipo lo completan: Julián Yepes, profesor de Dpto. de Ingeniería Mecánica; Andrés Forero, profesor del Dpto. de Español; Loraine Bruges, coordinadora de Investigación y Evaluación de Bienestar Universitario; Anlly Merlano, coordinadora de Orientación Académica del CREE; y Margarita Gamarra, profesora del Dpto. de Ingeniería de Sistemas.
De acuerdo con el equipo de trabajo, la implementación de este sistema no solo beneficiará a la universidad en términos de retención estudiantil, sino que contribuirá al desarrollo de modelos educativos más inclusivos y resilientes que respondan a las necesidades de una población estudiantil diversa y en constante cambio, con potencial de adaptarse a otras universidades.
Para su validación, en esta fase inicial se recurrirá al equipo de tecnología de la universidad y a las áreas de apoyo del estudiante, con el fin de evaluar de forma detallada las variables y los algoritmos utilizados, así como la accesibilidad y utilidad de los resultados. Al final, uno de los objetivos es diseñar una herramienta de visualización de datos en Power BI que permita a las áreas de apoyo y oficinas involucradas acceder y utilizar los resultados del modelo de forma intuitiva, mejorando la eficiencia en la toma de decisiones y en la implementación de intervenciones.
Más noticias
![grupo proyecto MarIA.jpg](https://www.uninorte.edu.co/documents/13400067/59349785/grupo+proyecto+MarIA.jpg/e5fccb0e-816d-6e89-d851-89ab28743aac?t=1739204483530)
Feb 10, 2025
Histórico
![Buen diseno Aydee Ospina.jpg](https://www.uninorte.edu.co/documents/13400067/59349785/Buen+diseno+Aydee+Ospina.jpg/06d99448-f39c-febd-468c-73ee46b2426c?t=1739165491905)
![Cayena 2025 programa.jpg](https://www.uninorte.edu.co/documents/13400067/59349785/Cayena+2025+programa.jpg/843643ce-86bd-1751-afc5-6877001eba84?t=1738882153363)
Feb 07, 2025
Histórico