Proyecta cómo podría cambiar la finalización de una cohorte cuando parte de los alumnos utiliza tutoría con IA. Separa la tasa base de finalización del grado de adopción y de la mejora esperada entre quienes usan el tutor, para evitar aplicar el mismo efecto a toda la cohorte.
La previsión muestra el efecto agregado sobre toda la cohorte, no solo sobre los usuarios del tutor. Un nivel bajo de adopción limita el impacto global aunque el efecto individual sea elevado.
La mejora introducida debe basarse en datos propios o una hipótesis explícita. La calculadora no afirma que la tutoría con IA cause por sí sola una determinada mejora.
Con 1.000 alumnos, 62 % de finalización base, 55 % de adopción, 12 % de mejora relativa y 80 % de aplicación prudente, la finalización prevista es aproximadamente 65,3 %, unas 33 finalizaciones adicionales.
La mejora se aplica solo a la parte de la cohorte que usa el tutor; el resto mantiene la tasa base.
Significa que la tasa de los usuarios sería 66 % antes de aplicar cualquier factor prudente, no 70 %.
Permite reducir la mejora esperada cuando la evidencia todavía es limitada o existe incertidumbre.
Sí. La herramienta admite escenarios en los que la adopción del tutor se asocia a una reducción de finalización.
No. Es un modelo de escenario que depende de la mejora que tú introduzcas y no sustituye una evaluación causal.
Consulta la categoría para encontrar herramientas educativas complementarias disponibles en el sitio.
| Supuesto | Función |
|---|---|
| Finalización base | Contrafactual operativo. |
| Adopción | Define qué parte recibe el efecto. |
| Mejora relativa | Cambio estimado entre usuarios. |
| Factor prudente | Modera la hipótesis. |