Alerta temprana

Sistemas de IA que predicen riesgo de deserción o bajo desempeño para activar apoyo, con el riesgo de discriminar por variables proxy o estigmatizar.

Por qué importa

Pueden movilizar apoyo a tiempo, pero operan sobre datos sensibles y predicciones que afectan trayectorias reales de estudiantes.

Interpretación pedagógica

La pregunta clave es si los datos se usan PARA el estudiante o SOBRE el estudiante, y con qué consecuencias y procesos de apelación.

Preguntas para discusión

¿El modelo fue auditado para no discriminar por proxies de etnia o nivel socioeconómico?
¿Los datos de riesgo se usan para apoyar o para sancionar?
¿Qué proceso de apelación tiene un estudiante marcado 'en riesgo'?

Conceptos relacionados

Riesgo de vigilancia Equidad y brechas Inclusión Agentes educativos

Qué dicen las fuentes

Fuentes que tratan este concepto:

Brookings Institution (Center for Universal Education) World Bank (Digital Innovations in Education, Brief N°1) World Bank (Digital Innovations in Education, Brief N°4)

A New Direction for Students in an AI World: Prosper, Prepare, Protect Brookings Institution (Center for Universal Education) · 2026

Lo que dice la fuente
they cautioned that AI’s technical capacity must be balanced against pedagogical wisdom, ethical considerations around educational equity, and the reality that prediction is not destiny

p. 52 ✓ verificada

Interpretación

Los investigadores advierten que la capacidad técnica de la IA debe equilibrarse con el criterio pedagógico, consideraciones éticas sobre equidad educativa y el reconocimiento de que la predicción no es destino.

Implicación para educación

Predecir riesgo no autoriza a tratar al estudiante como su predicción. El sistema usa datos sobre el estudiante; el resguardo es usarlos para apoyarlo, no para etiquetarlo.

Pregunta abierta

¿Cómo evitamos que una predicción de riesgo se convierta en una profecía autocumplida o en estigma?

Alerta temprana

AI Revolution in Education: What You Need to Know World Bank (Digital Innovations in Education, Brief N°1) · 2024

Lo que dice la fuente
In Latin America and the Caribbean, several countries have implemented or strengthened their EWS in response to concerns about student disengagement during the COVID-19 pandemic. For example, Chile deployed a nationwide EWS in 2020, building on a pilot program from 2019, while Peru launched its "Alerta Escuela" system as a module within its existing school management platform

p. 23 ✓ verificada

Interpretación

Varios países de la región desplegaron sistemas de alerta temprana (EWS) tras la pandemia: Chile a escala nacional desde 2020, sobre un piloto de 2019, y Perú con "Alerta Escuela" integrado a su plataforma de gestión escolar.

Implicación para educación

La alerta temprana no es una hipótesis: ya opera a escala de sistema en América Latina. Eso vuelve urgente preguntar qué datos alimentan la predicción y con qué resguardos se gobiernan.

Pregunta abierta

Si estos sistemas ya están desplegados a escala nacional, ¿qué gobernanza de datos y qué proceso de apelación los acompaña?

Alerta temprana América Latina

AI Revolution in Higher Education: What You Need to Know World Bank (Digital Innovations in Education, Brief N°4) · 2025

Lo que dice la fuente
AI-driven profiling and prediction can help address this by identifying at-risk students early on

p. 27 ✓ verificada

Interpretación

El Banco Mundial presenta la identificación temprana de estudiantes en riesgo mediante perfilamiento y predicción como respuesta a la deserción temprana, frecuente en la región. El valor está en intervenir antes, no en detectar después.

Implicación para educación

Los sistemas de alerta temprana pueden focalizar el apoyo donde más se necesita, pero perfilar estudiantes exige cuidar qué datos se usan y qué decisiones se automatizan sobre su trayectoria.

Pregunta abierta

¿Cómo aprovechamos la alerta temprana sin que el perfilamiento se convierta en una etiqueta que condicione la trayectoria del estudiante?

Alerta temprana América Latina