INIBEP RESEARCH: Journal of Pedagogical Innovation

Learning Analytics y Gestión Directiva: La Transición del "Olfato Pedagógico" a la Toma de Decisiones Basada en Datos (DDDM)

Hacia una epistemología del dato en la escuela del siglo XXI

Autor Institucional: Dirección de Investigación Pedagógica - INIBEP S.A.C.
"Impulsando la Educación hacia una Nueva Era con IA y Creatividad."

Fig 1. Modelo DIKW (Datos, Información, Conocimiento, Sabiduría) aplicado a la gestión escolar.

RESUMEN EJECUTIVO:

La gestión escolar tradicional en el Perú se ha caracterizado por una toma de decisiones reactiva, basada fundamentalmente en la intuición o "experiencia" del directivo. En contraste, la tendencia global hacia el Data-Driven Decision Making (DDDM) exige una profesionalización en el manejo de la información. Este artículo explora cómo el Learning Analytics (Analítica de Aprendizaje) permite transformar los repositorios de datos estáticos (como el SIAGIE o registros auxiliares) en modelos predictivos dinámicos. INIBEP postula que la verdadera innovación directiva no reside en acumular estadísticas, sino en la capacidad de identificar patrones de deserción y rendimiento invisible para intervenir antes de que el fracaso escolar se materialice.

Palabras Clave: Learning Analytics, DDDM, Gestión Directiva, Minería de Datos Educativos, Retención Escolar.

1. El Fin de la Heurística Intuitiva

Durante décadas, el "buen director" era aquel que conocía a sus alumnos por su nombre y operaba bajo una heurística basada en la experiencia acumulada. Si bien el factor humano es insustituible, la complejidad de las instituciones educativas modernas (con cientos o miles de estudiantes y variables socioemocionales cruzadas) hace que la intuición sea insuficiente y propensa al Sesgo de Confirmación.

En INIBEP, observamos que muchas escuelas son ricas en datos pero pobres en información. Tienen gigabytes de hojas de cálculo (notas, asistencias, incidencias), pero carecen de una arquitectura de análisis que permita responder preguntas estratégicas como: ¿Qué correlación existe entre la tardanza del primer bimestre y el rendimiento en matemáticas del cuarto bimestre?

2. De la Autopsia Académica a la Medicina Preventiva

La diferencia fundamental entre la estadística tradicional y el Learning Analytics es el tiempo.

• Enfoque Tradicional (Autopsia): Analizamos las actas a fin de año para ver "cuántos desaprobaron". El dato llega cuando el estudiante ya fracasó. No hay margen de acción.
• Enfoque INIBEP (Preventivo): Utilizamos algoritmos de análisis para detectar "Señales de Alerta Temprana". Un descenso del 15% en la asistencia en abril puede ser un predictor de deserción en octubre con un 85% de fiabilidad.

"Los datos no son números fríos; son la voz digital del comportamiento estudiantil. Escucharlos a tiempo es un imperativo ético de la gestión escolar." — Equipo de Investigación INIBEP.

3. Implementación del Modelo DDDM en la Escuela

Para transitar hacia una gestión basada en datos, proponemos el ciclo de madurez analítica de Siemens (2013), adaptado a la realidad peruana:

Nivel de Madurez	Pregunta que Responde	Acción Directiva
1. Descriptivo	¿Qué pasó?	Reportes de SIAGIE (Reactivo).
2. Diagnóstico	¿Por qué pasó?	Cruce de variables (Ej. Asistencia vs Notas).
3. Predictivo (Meta INIBEP)	¿Qué pasará si no intervenimos?	Intervención focalizada preventiva.

4. Conclusión: La Cultura del Dato

La implementación de herramientas de Learning Analytics no requiere necesariamente software costoso; requiere un cambio de mindset (mentalidad). El directivo del 2026 debe ser capaz de interrogar a sus bases de datos y fomentar una cultura donde la evidencia reemplace a la suposición. En INIBEP, creemos que una escuela datificada es una escuela más justa, pues hace visibles las necesidades de quienes, históricamente, han sido invisibles para el sistema.

Referencias Bibliográficas:

• • Siemens, G. (2013). Learning Analytics: The Estimate of a Future. Educause Review.
• • Long, P., & Siemens, G. (2011). Penetrating the Fog: Analytics in Learning and Education. EDUCAUSE Review, 46(5).
• • UNESCO (2024). Guidelines on the use of AI and Data in Education for Policymakers.

📊 Consultoría en Inteligencia de Negocios Educativa (BI)

¿Tomas decisiones basadas en evidencia o en suposiciones?
En INIBEP, ayudamos a tu equipo directivo a implementar tableros de control (dashboards) y sistemas de alerta temprana para optimizar la gestión escolar.

AGENDAR DIAGNÓSTICO INSTITUCIONAL

Unidad de Analítica Educativa - INIBEP S.A.C.