Aplicación de una nueva metodología Adaptive Business Intelligence para un análisis taxonómico predictivo utilizado para la detección temprana de alumnos universitarios en riesgo de deserción.

In this paper I analyze the institutional challenges of digitalization and increasing use of the new information and communication technologies (ICTs) for the processes of knowledge management in Latin American public universities. The discussion of these challenges is organized in two parts; in part one I deal with the difficulties created by knowledge privatization and, in particular, because of the worldwide features of privatization. In the second part I analyze the institutional consequences of the international mobility of highly skilled workers. Finally, I conclude with an outline of a proposal that describes the strategies and institutionalchanges that would permit the LatinAmerican public university to recover its visibility and reshape itself as a credible institutional actor by means of more pertinent and effective forms of knowledge management.A partir de los datos de un caso de estudio de una Universidad local, se exponen los pasos para desarrollar una aplicación autoadaptativa de predicción, desde el modelo obtenido de una herramienta de extracción de conocimiento, utilizando las fases de una nueva metodología de Adaptive Business Intelligence, hasta la fase de Desarrollo del Software Predictivo. Para esto se han tomado en consideración los datos socio-económico-culturales de los alumnos ingresantes y su terminalidad de estudios. Con estos datos y aplicando una metodología de Adaptive Business Intelligence (ABI) recientemente creada y orientada a ciencias de la vida, se ha generado un modelo de aprendizaje que clasifica las causalidades de deserción o terminalidad en un contexto competitivo. La aplicación de la metodología en su fase final, culmina en una etapa denominada “Desarrollo de Software Predictivo”, de la cual surge un modelo que puede ser aprovechado para generar aplicaciones orientadas a predicción, las que sepodrán implementar en diferentes lenguajes de programación. En virtud de ello, se exponen las principales ventajas obtenidas de la explotación de las capacidades predictivas sobre los datos del caso y su aplicación con nuevos alumnos ingresantes a la universidad