Automatizar el seguimiento académico de cohortes grandes

Contexto de uso

Académico/a universitario/a que dicta una asignatura con 40 o más estudiantes y necesita identificar a quienes están en riesgo académico antes del cierre de semestre, sin revisar manualmente cada registro. El prompt guía un proceso de dos fases: primero, la clasificación de riesgo a partir de datos de rendimiento anonimizados; luego, la generación de mensajes de seguimiento personalizados por segmento para enviar en lote desde el sistema institucional. Es especialmente útil en la semana 8–12 de un semestre de 18 semanas, cuando aún queda tiempo para que una intervención marque la diferencia.

Pegar antes

Antes de abrir el modelo, prepara:

• Una tabla con datos de rendimiento de tu cohorte, anonimizada: usa un identificador interno (ID_alumno, número de lista) en vez de nombres o RUT. No incluyas datos identificables (Ley 19.628 y actualización 2024).
• Las columnas mínimas recomendadas: ID_alumno, nota_evaluacion_1, nota_evaluacion_2 (o las que tengas disponibles), porcentaje_asistencia, tareas_entregadas_de_N.
• Los umbrales de riesgo que aplica tu institución o los que tú usas: nota de corte, porcentaje mínimo de asistencia, número de trabajos pendientes que activan alerta.
• El tono habitual de tu comunicación con estudiantes (formal, cercano) y el canal de envío (correo institucional, Canvas, Moodle, u otro LMS).
• La semana actual del semestre y las evaluaciones que quedan.
• Deja lista en tu planilla una segunda pestaña con la correspondencia ID → nombre real, bloqueada para lectura externa; la usarás después de recibir las plantillas del modelo, justo antes de enviar.

Regla de privacidad — Ley 19.628: El modelo no debe procesar datos identificables de estudiantes. Usa IDs internos. La correspondencia ID → nombre real la haces tú en tu planilla institucional, fuera del modelo, justo antes de enviar cada mensaje.

Actúa como un asistente analítico para docentes universitarios. Voy a compartirte datos de rendimiento de mi cohorte **en formato anonimizado** (sin nombres ni RUT) y necesito que me ayudes en dos fases: clasificar a los estudiantes por nivel de riesgo académico y luego redactar plantillas de mensaje de seguimiento para cada segmento de riesgo.

**Datos de contexto:**
- Asignatura: {{nombre_asignatura}} — {{semestre_y_ano}}
- Tamaño de cohorte: {{numero_de_estudiantes}} estudiantes
- Semana actual del semestre: {{semana_actual}} de {{total_semanas}}
- Evaluaciones o plazos que quedan: {{evaluaciones_pendientes}}
- Canal de comunicación: {{canal_correo_institucional_o_lms}}
- Tono habitual con estudiantes: {{formal_o_cercano}}

**Umbrales de riesgo que aplico:**
- Nota promedio bajo: {{umbral_nota}} o menos
- Asistencia crítica: {{umbral_asistencia}}% o menos
- Tareas pendientes: más de {{umbral_tareas_pendientes}} sin entregar

**Datos de la cohorte (tabla anonimizada):**
{{tabla_rendimiento_anonimizada}}

---

**Fase 1 — clasificación de riesgo:**

Analiza la tabla y clasifica cada estudiante (por ID) en uno de tres segmentos:
- **Rojo** (riesgo alto): cumple dos o más de mis umbrales de riesgo.
- **Amarillo** (riesgo medio): cumple exactamente uno de los umbrales, o cuya nota promedio está entre {{umbral_nota}} y {{umbral_nota}}+0,7 puntos y además su asistencia está entre {{umbral_asistencia}} y {{umbral_asistencia}}+10 puntos porcentuales (zona de proximidad en dos variables simultáneamente).
- **Verde** (sin riesgo aparente): no cumple ningún umbral.

Entrega el resultado como una tabla con columnas: `ID_alumno | Segmento | Criterio_principal | Nota_promedio | %_Asistencia | Tareas_pendientes`.

Luego muestra un resumen breve: cuántos estudiantes hay en cada segmento y qué patrón es el más frecuente en los segmentos Rojo y Amarillo (nota baja, asistencia baja o tareas pendientes).

---

**Fase 2 — mensajes de seguimiento por segmento:**

Para los segmentos Rojo y Amarillo, redacta una plantilla de mensaje que yo personalizaré con el nombre del estudiante antes de enviar. Cada plantilla debe:

1. Ser coherente con el tono que te indiqué: {{formal_o_cercano}}.
2. Mencionar el motivo del contacto describiendo la tendencia, sin revelar el dato exacto de nota o asistencia. Por ejemplo: "he notado que te ha costado mantener el ritmo de entregas" — no "tienes 4 tareas sin entregar"; "noto dificultades en más de un frente" — no "tu promedio es 3.2".
3. Ofrecer una acción concreta y accesible: enlace a horario de consulta, plazo de entrega pendiente, o invitación a conversar.
4. Tener una extensión máxima de 120 palabras.
5. Incluir el marcador `[NOMBRE]` donde irá el nombre real del estudiante.

No redactes mensajes individuales para cada ID. Solo dos plantillas: una para Rojo y una para Amarillo.

Salida esperada

Ejemplo real (recortado):

Fase 1 — clasificación (extracto)

ID_alumno Segmento Criterio_principal Nota_promedio %_Asistencia Tareas_pendientes E-002 Rojo Nota + Asistencia + Tareas 3.15 42 % 3 E-003 Amarillo Nota baja 3.85 71 % 1 E-004 Verde — 6.35 90 % 0

Resumen: 4 Rojo · 4 Amarillo · 7 Verde. Patrón dominante en Rojo: nota baja + asistencia crítica en los 4 casos; 3 de ellos suman tareas pendientes. En Amarillo: solo nota baja, con asistencia y entregas en niveles aceptables.

Plantilla Rojo

Hola [NOMBRE], te escribo porque noto que estás enfrentando dificultades en más de un frente al mismo tiempo. Aún quedan Control 3, trabajo grupal y examen final — hay margen real para revertir la situación. Me gustaría que conversáramos antes de la semana 13. ¿Puedes escribirme para coordinar un horario de consulta?

Plantilla Amarillo

Hola [NOMBRE], he notado que los resultados en las evaluaciones han sido algo más ajustados de lo esperado. Todavía hay espacio para consolidar. Tengo horario de consulta [DÍA/HORA] si quieres conversar. Estoy disponible.

Ojo con

• No pegues nombres ni RUT en el modelo. El pipeline funciona con IDs internos: la correspondencia ID → nombre la haces tú en tu planilla, después de que el modelo genere las plantillas. Pegar datos identificables viola la Ley 19.628 de protección de datos personales y su actualización de 2024.
• El modelo puede equivocarse al clasificar filas si la tabla tiene celdas vacías, formatos inconsistentes de decimal (coma vs. punto) o valores N/D no explicados. Limpia la tabla antes de pegarla: reemplaza blancos por 0 o N/D, unifica el separador decimal y aclara qué significa N/D en una línea encima de la tabla.
• Las plantillas de mensaje son punto de partida, no texto final. El modelo no conoce el historial previo de cada estudiante ni el tono real de su relación contigo. Revisa siempre antes de enviar, especialmente el mensaje Rojo: puede leerse como amenaza si se despacha sin editar.

Iteración sugerida

Si los segmentos quedan mal calibrados: "El segmento Rojo quedó con más del 30% de la cohorte. Recalibra: Rojo solo para quienes cumplen los tres umbrales simultáneamente; Amarillo para quienes cumplen dos."

Si necesitas dar seguimiento a quienes no responden: "Genera una segunda ronda de mensajes para los IDs del segmento Rojo que no respondieron en 5 días hábiles. El tono debe ser más directo e incluir una fecha concreta para contactar a la unidad de apoyo estudiantil."