Diagnóstico

Desde una perspectiva de analítica de datos y machine learning, el diagnóstico de la Escuela de Medicina y Ciencias de la Salud (EMCS) puede interpretarse como la transición desde un ecosistema de datos fragmentados hacia un sistema de inteligencia analítica capaz de modelar el impacto académico. A partir de la estructuración de resultados de aprendizaje como variables observables, es posible aplicar modelos de regresión lineal y técnicas predictivas para estimar la relación entre trayectorias formativas y logro de competencias, transformando datos dispersos en información accionable que soporte la toma de decisiones curriculares . En este contexto, MOPIAC se posiciona como un modelo analítico orientado a reducir la varianza no explicada del proceso educativo, mitigando limitaciones como la gestión retrospectiva, la ausencia de sistemas predictivos integrados, y la divergencia entre currículo declarado y ejecutado, mediante el uso de modelos inferenciales que permiten identificar patrones de redundancia, vacíos curriculares y oportunidades de personalización del aprendizaje basadas en evidencia.

Diseño y metodología

El diseño metodológico de MOPIAC puede entenderse como la formalización de objetivos académicos en variables cuantificables mediante el enfoque OKR, permitiendo modelar los hitos de coherencia, integración y efectividad curricular como dimensiones predictoras del desempeño estudiantil. A través de modelos predictivos, estos componentes se integran para estimar trayectorias de aprendizaje y optimizar rutas formativas, generando perfiles de desempeño basados en datos. En este marco, MOPIAC articula fuentes de datos primarias —como información curricular y resultados académicos— con técnicas de inteligencia artificial, posibilitando la construcción de modelos inferenciales que evidencian el logro de resultados de aprendizaje bajo enfoques como la Enseñanza para la Comprensión (EpC), y fortalecen la toma de decisiones educativas basada en evidencia cuantitativa y analítica avanzada.

Implementación

Se logró crear un sistema de tableros que permiten visualizar importante información contextualizada de los logros en resultados de aprendizaje desde 2022-2, con el fortalecimiento de una completa dinámica que permite alertas, generación de rutas formativas personalizadas, gráficas de fuerza para identificar el impacto del desempeño de los estudiantes hasta el periodo 2026-1. Durante este periodo se analizaron datos de aproximadamente 2.500 estudiantes durante el periodo, con más de 200.000 registros para su análisis en resultados de desempeño en tres dominios principales: Científico, Profesional y Práctico.

MOPIAC se define como una "infraestructura viva" en permanente desarrollo, proyectando integraciones futuras para automatizar el flujo de datos en tiempo real.

El modelo involucra a diversos actores con responsabilidades específicas para garantizar la gobernanza de la información, entre ellos:

• Liderazgo Estratégico: Decanatura y vice decanaturas académica y de investigación de la ECMS 
• Perfil de Consulta: Asignado a directores de Programa y Profesores. 
• Gestor curricular: Orienta la gestión curricular e identifica oportunidades del modelo para dar respuesta a las estrategias diseñadas por los líderes estratégicos.
• Gestores de Éxito Académico y Mentores: Utilizan los perfiles de aprendizaje para realizar el acompañamiento proactivo e individualizado de los estudiantes en riesgo.
• Profesional de plataformas virtuales:  mantenimiento del sistema de información y la incorporación de herramientas tecnológicas 

Evaluación y resultados

MOPIAC consolida un enfoque de educación de precisión y personalizada al transformar los datos académicos en narrativas analíticas que integran dimensiones cuantitativas y sociohumanísticas del proceso formativo. A través de ecosistemas de tableros analíticos, modelos de regresión y algoritmos predictivos, el sistema evoluciona desde una lógica retrospectiva hacia una retroalimentación continua, donde los datos no solo miden, sino que “cuentan historias” sobre trayectorias, brechas y potencialidades de los estudiantes. Este enfoque permite identificar cursos críticos, personalizar intervenciones y potenciar talentos, articulando inteligencia artificial con principios éticos y formativos de la evaluación. Así, la toma de decisiones se fundamenta en patrones y predicciones que hacen visible la relación entre currículo oficial y currículo en acción, habilitando rediseños curriculares con legitimidad académica y asegurando que la tecnología esté al servicio de una educación centrada en el desarrollo integral del estudiante.

Reflexiones y recomendaciones

La replicabilidad de MOPIAC se fundamenta en la consolidación de una cultura institucional orientada por datos, donde los entornos virtuales de aprendizaje (LMS) operan como fuentes primarias para la construcción de modelos predictivos y analíticos, integrados mediante arquitecturas interoperables que articulan información académica y sociodemográfica. Este enfoque permite estructurar evidencia robusta para procesos de autoevaluación y aseguramiento de la calidad, alineando la analítica educativa con los marcos normativos vigentes. En este contexto, la educación de precisión y personalizada emerge al transformar los datos en narrativas interpretativas que orientan decisiones pedagógicas diferenciadas, combinando técnicas como regresión y aprendizaje automático con una visión sociohumanística que reconoce al estudiante como sujeto integral, garantizando que la innovación tecnológica se traduzca en trayectorias formativas más equitativas, pertinentes y centradas en el éxito individual.