Análisis multivariante de rankings internacionales de educación superior

[ES] El traspasar la frontera del conocimiento utilizando modelos estadísticos avanzados aplicados en el área de la biología para apropiarlos en el campo de las ciencias sociales y de la administración, permite modelar y comprender fenómenos abstractos que impactan, directamente, en el quehacer y en el desarrollo de las instituciones de educación superior en el mundo. Con este propósito, en el presente estudio, se utilizaron modelos exploratorios de datos de dos y tres vías, aplicados a bases de datos de Rankings internacionales de universidades desde el año 2016 al 2020, entre los cuales se puede señalar: el uso de HJ-Biplot, Co-Inercia y Biplot Dinámico. La aplicación de los modelos multivariantes antes señalados permitió: - Determinar cómo se comportan y cuáles son los grupos de instituciones de acuerdo con posiciones en rankings internacionales. - Analizar la posición relativa de instituciones latinoamericanas en los rankings mundiales, estableciendo cómo los rankings perciben a las universidades de esta parte del mundo. - Analizar la existencia de una estructura consenso entre los rankings QS y THE 2017 que permite establecer si existen similitudes entre ellos o son todos diferentes. - Evaluar si las universidades han tenido cambios en sus posiciones en el quinquenio estudiado, explorando hacía qué dimensión se están moviendo o si, en el caso contrario, han permanecido contantes en el tiempo. Finalmente, con los análisis antes señalados, se determinó cuáles son las principales dimensiones sobre las que se mueven las universidades posicionadas en los lugares top del mundo, generando con ello un “benchmark” respecto a qué variables impactan de manera directa en la gestión institucional, medido desde la posición de los rankings y que, por lo tanto, se deben gestionar para incrementar el prestigio y calidad institucional basado en un marco de eficiencia y gestión de información, datos e indicadores claves de administrar.[EN] Crossing boundaries of knowledge through advanced statistics models applied to the field of biology and bringing them to the fields of management and social sciences allows modeling and understanding abstract phenomena that directly impact the endeavor and development of higher education institutions in the world. To this end, the study used exploratory models of two- and three-way data applied to databases of international rankings of universities from 2016 to 2020. Among them, it can be identified: the use of HJ- Biplot, Co-Inertia, and Dynamic Biplot. The application of these multivariate models enabled: - To determine how institutions, behave and which are groups of institutions regarding their positions in international rankings. - To analyze the relative position of Latin American institutions in world rankings, establishing how rankings perceive universities in this part of the world. - To analyze the existence of a consensus structure between rankings QS and THE of 2017 to establish if they are similar or if they are all different. - To evaluate if universities have changed their positions during the five-year period studied by exploring towards which dimension they are shifting or, on the contrary, if they have remained steady over time. Finally, based on the analyses mentioned above, it was determined which are the principal dimensions in which the top universities in the world are moving. Hence, it is generated a “benchmark” regarding which variables impact the institution management directly, measured from the position on the rankings, and, in consequence, the variablesthatshould be managed to increment institutional prestige and quality, based on a frame of effectiveness and management of information, data, and keymanagementindicators