SAVE Sistema de Alerta y Valoración del Estudiante

No llegues mal al examen. Llega con SAVE.

Comment

## Inspiración: El origen de SAVE y la crisis del rezago académico

La educación superior técnica enfrenta un enemigo silencioso pero devastador: la deserción en las ciencias exactas. En la Unidad Profesional Interdisciplinaria de Ingeniería Campus Guanajuato (UPIIG), las estadísticas reflejan una realidad crítica: el 52% de la matrícula reprueba la materia de Cálculo. Este fenómeno no se debe a una falta de capacidad cognitiva por parte de los estudiantes, sino a una brecha de información en tiempo real. Bajo el esquema tradicional, los docentes identifican los vacíos de conocimiento cuando ya es demasiado tarde: al calificar el examen parcial o final.

Esta problemática se extiende de manera transversal en toda la unidad:

  • Aeronáutica: 45% de reprobación.
  • Ingeniería Automotriz: 41% de reprobación.
  • Ingeniería Industrial: 38% de reprobación.

La chispa que inspiró este proyecto surgió directamente en las mesas de trabajo de este Hackathon. Uno de nuestros integrantes, al ser estudiante de la UPIIG, nos compartió de primera mano la frustración y el impacto emocional y académico que generan estas cifras. Entendimos que no podíamos quedarnos de brazos cruzados.

Para resolver esta desconexión, diseñamos SAVE: Sistema de Alerta y Valoración del Estudiante. SAVE es una plataforma web inteligente diseñada para cerrar la brecha de comunicación. A través de la aplicación de exámenes diagnósticos automatizados por unidad temática, el sistema detecta con precisión matemática las fortalezas y debilidades del alumno antes de que se enfrente a la evaluación oficial.

Con un solo clic, el estudiante genera un informe detallado de su estado académico y lo comparte con su profesor. Así, el docente deja de adivinar el estado del grupo y obtiene un tablero estadístico en tiempo real que le permite diseñar estrategias de intervención grupal e individualizadas de alto impacto.

El sustento de SAVE no es empírico; se basa en la literatura pedagógica contemporánea. De acuerdo con las investigaciones de Hattie (2023) y el reporte de Educause (2024), la retroalimentación formativa e inmediata tiene el poder de elevar el rendimiento académico hasta en un 34%. Asimismo, los sistemas de alerta temprana (EWS) logran mitigar la deserción escolar en un rango del 22% al 31%. Con estos pilares, nuestra meta proyectada es contundente: elevar el promedio general histórico de las materias críticas de un 6.8 a un 8.2. SAVE no pretende ser un simulador de exámenes más; es un puente de datos y un habilitador de éxito académico.

## Cómo lo construimos: Tecnología con propósito

El desarrollo de SAVE se ejecutó bajo un enfoque de despliegue rápido, priorizando la arquitectura limpia y la experiencia de usuario (UX/UI). Para lograr un producto funcional en tiempo récord, adoptamos un modelo de desarrollo asistido por Inteligencia Artificial de última generación, utilizando GitHub Copilot como motor principal de co-creación de código.

La infraestructura técnica se estructuró dividiendo la lógica de la siguiente manera:

  • Módulo de Diagnóstico: Programado con algoritmos que evalúan de manera modular los reactivos por tema.
  • Motor de Analítica de Datos: Diseñado para procesar las respuestas de los alumnos y traducirlas instantáneamente en gráficos limpios, comprensibles y accionables tanto para el estudiante como para el cuerpo docente.
  • Interfaz Responsiva: Construida con buenas prácticas de accesibilidad web para garantizar que cualquier alumno pueda realizar su autoevaluación desde su computadora o teléfono celular sin barreras técnicas.

## Desafíos que enfrentamos: El reto de la IA ética

Construir software en un entorno de alta presión como un Hackathon siempre es un reto, pero nuestro mayor desafío fue de carácter metodológico y técnico: encontrar el equilibrio perfecto en el uso de la Inteligencia Artificial.

A menudo, el uso de herramientas como Copilot puede incentivar la automatización ciega o la generación de código redundante. Nuestro equipo se propuso la meta estricta de utilizar la IA de manera eficiente, crítica y adecuada. Tuvimos que aprender a estructurar instrucciones ("prompts") complejas, auditar minuciosamente cada línea de código sugerida para asegurar la seguridad de la plataforma y garantizar que la lógica del sistema respondiera verdaderamente a las necesidades pedagógicas reales de los estudiantes, y no solo a la conveniencia del algoritmo.

## Logros de los que estamos orgullosos

  • Validación de una Idea de Alto Impacto: Logramos transformar una problemática escolar dolorosa y real en un prototipo funcional y de alta fidelidad tecnológica en cuestión de horas.
  • Sustento Metodológico Firme: Unir la ingeniería de software con datos duros y metodologías pedagógicas respaldadas internacionalmente (Hattie y Educause).
  • Sinergía Interdisciplinaria: Haber consolidado un equipo capaz de entender las necesidades de los alumnos y la visión de los profesores, plasmándolo en una interfaz limpia y sin fricciones.

## Lo que aprendimos: El valor del acompañamiento humano-máquina

Este proyecto nos dejó una lección invaluable sobre el futuro del desarrollo tecnológico: la Inteligencia Artificial es un amplificador de capacidades, pero la estrategia, la empatía y la dirección siguen siendo profundamente humanas.

Confirmamos que la IA puede acelerar la resolución de problemas técnicos complejos de forma masiva, pero el verdadero valor del software ocurre cuando hay un acompaamiento en conjunto. Sin el contexto humano, el dolor del estudiante reprobado y la experiencia pedagógica del docente, la tecnología es solo código vacío. El éxito de SAVE radica en que pusimos a la tecnología al servicio de las personas, y no al revés.

## ¿Qué sigue para SAVE? El camino hacia la escalabilidad

El desarrollo actual de SAVE es solo la semilla de una transformación educativa mayor. Nuestro plan de ruta (Roadmap) contempla las siguientes etapas:

  1. Prueba Piloto en UPIIG: Implementar el MVP en las academias de matemáticas de las carreras de Aeronáutica y Automotriz para iterar el sistema con usuarios reales.
  2. Integración de Modelos Predictivos: Evolucionar la plataforma para que no solo reaccione al estado actual del alumno, sino que use Machine Learning para predecir qué alumnos están en riesgo de reprobación desde las primeras semanas del semestre.
  3. Despliegue Institucional IPN: Escalar la infraestructura de SAVE para ofrecerla como una herramienta de apoyo en otras unidades académicas del Instituto Politécnico Nacional (IPN). Queremos poner en alto el lema de nuestra institución, demostrando que La Técnica al Servicio de la Patria también implica usar la ciencia de datos para que ningún politécnico se quede atrás.

Built With

Share this project:

Updates