El patrón del abandono silente
Cuando un alumno abandona una academia de oposiciones, el director suele enterarse tarde. A veces, semanas después de que el alumno haya dejado de estudiar. Otras, cuando ya ha pedido la devolución de la mensualidad o directamente ha desaparecido del grupo de WhatsApp.
Este desfase no es un problema de comunicación. Es un problema estructural de información. La academia mide presencia en el aula —asistencia, entrega de ejercicios, participación en clases— pero no mide el indicador que realmente predice el abandono: el progreso real de estudio autónomo entre sesiones.
Según datos del informe EFMD Global Focus 2024 sobre formación de larga duración, la tasa de abandono en programas de más de seis meses oscila entre el 25 % y el 40 % en el primer año. En preparación de oposiciones, donde los ciclos se extienden entre 18 meses y cuatro años, esa cifra tiende a situarse en el extremo superior. La mayor parte de esos abandonos se producen entre el tercer y el quinto mes, justo cuando la motivación inicial se ha agotado y el esfuerzo sostenido empieza a exigir más de lo que el alumno anticipaba.
El patrón es casi siempre el mismo: el alumno deja de estudiar en casa antes de dejar de ir a clase. Mantiene las apariencias durante semanas. Y cuando finalmente falta a clase, la decisión ya está tomada.
El abandono se produce en dos fases: primero en el comportamiento privado (estudio autónomo), después en el comportamiento visible (asistencia). Para intervenir, hay que medir la primera fase.
La diferencia entre asistencia y progreso real
La asistencia a clase es un indicador retrasado. Confirma lo que ya pasó: que el alumno estuvo presente. No predice nada sobre lo que hará la semana siguiente.
El progreso real, en cambio, es un indicador adelantado. Mide si el alumno está avanzando en el temario, si su rendimiento en tests de práctica está mejorando, si el tiempo dedicado al estudio se mantiene dentro de los parámetros necesarios para superar la convocatoria.
Una academia que solo mide asistencia tiene una visión de retrovisor. Sabe dónde estaba el alumno, no hacia dónde va. Esta limitación tiene consecuencias directas en la capacidad de intervención: cuando los datos de asistencia empiezan a deteriorarse, el problema lleva semanas o meses instalado en el comportamiento de estudio del alumno.
La diferencia operativa entre ambos indicadores es significativa. Con datos de progreso real, un coordinador puede identificar a un alumno en riesgo con tres o cuatro semanas de antelación. Con datos de asistencia únicamente, la señal llega cuando el alumno ya ha reducido su presencia en clase, es decir, cuando la probabilidad de retención ya ha caído de forma considerable.
Qué entiende la academia por "progreso"
En la mayoría de las academias, el progreso se mide de forma cualitativa: el preparador percibe si el alumno "va bien" o "va mal" basándose en su participación en clase y en los ejercicios que entrega. Esa percepción es valiosa, pero no es escalable ni sistemática.
Para construir un sistema de retención real, el progreso debe traducirse en métricas observables: porcentaje del temario completado, puntuación media en tests de práctica en las últimas cuatro semanas, tendencia (si esa puntuación sube, baja o se estanca), y tiempo de actividad de estudio semanal fuera del aula.
Qué datos importan para detectar el riesgo de abandono
No todos los datos tienen el mismo poder predictivo. Basándose en modelos de retención aplicados en plataformas de formación online —donde la correlación entre comportamiento digital y abandono está documentada con muestras grandes— los indicadores más fiables son:
- Tiempo semanal de estudio autónomo por debajo del umbral de mantenimiento. En preparación de oposiciones, ese umbral suele situarse entre 20 y 30 horas semanales para convocatorias de volumen medio. Dos semanas consecutivas por debajo del umbral son una señal de alerta.
- Caída sostenida en la puntuación de tests de práctica. Una caída puntual puede tener causas circunstanciales. Una tendencia descendente durante tres semanas seguidas raramente se revierte sola.
- Estancamiento prolongado en el temario. Si un alumno lleva más de 10 días sin avanzar en el bloque que le corresponde según la planificación, hay una razón. Puede ser técnica (no entiende el contenido), emocional (ha perdido la motivación) o logística (ha tenido imprevistos). Las tres tienen solución si se detectan a tiempo.
- Reducción de la frecuencia de acceso a los materiales de estudio. De cinco días activos por semana a dos, sin causa justificada conocida, es una señal de desenganche progresivo.
Estos indicadores no requieren tecnología compleja para ser útiles. Requieren que exista un sistema de recogida de datos consistente y que alguien en la academia tenga la responsabilidad de revisarlo con una cadencia definida.
Ejemplo práctico: Una alumna lleva tres semanas con una media de 12 horas de estudio semanales, cuando su planificación establece 25. Su puntuación en simulacros ha bajado de 6,8 a 5,9. No ha faltado a ninguna clase. Sin datos de estudio autónomo, esa alumna aparece como "normal" en el sistema de la academia. Con ellos, aparece como alumna en riesgo alto.
Cómo actuar cuando los datos alertan
Detectar el riesgo no basta. La detección tiene valor únicamente si activa un protocolo de intervención. Y ese protocolo debe ser distinto según el perfil de riesgo identificado.
La intervención más efectiva documentada en estudios de retención en educación superior (cf. Tinto, V., "Leaving College", 3rd ed., y su actualización en contextos de formación no universitaria) es la conversación directa basada en datos específicos. No una llamada genérica de seguimiento, sino una conversación donde el preparador puede decir: "He visto que llevas tres semanas por debajo de tus horas habituales de estudio. ¿Qué está pasando?"
Esa precisión cambia la dinámica de la conversación. El alumno percibe que la academia tiene visibilidad real de su situación, no que llama por protocolo. Y esa percepción aumenta significativamente la probabilidad de que comparta la causa real del problema.
Tres tipos de intervención según el perfil
- Riesgo bajo (señal aislada, sin tendencia): mensaje de seguimiento personalizado del preparador, sin urgencia. Objetivo: recordar que el equipo está disponible.
- Riesgo medio (dos o más indicadores en tendencia negativa, dos semanas): llamada del coordinador con datos concretos. Objetivo: identificar la causa real y ofrecer una solución específica (ajuste de planificación, sesión de refuerzo, cambio de grupo).
- Riesgo alto (tres o más indicadores, tres semanas o más): reunión presencial o videollamada con el director o coordinador académico. Objetivo: evaluar si el alumno puede continuar y en qué condiciones, o gestionar la baja de forma que no sea una ruptura irreparable.
Este tercer caso —gestionar una baja bien— tiene más valor del que parece. Un alumno que se va con una experiencia positiva de cómo la academia gestionó su salida tiene probabilidades reales de volver en la siguiente convocatoria, o de recomendar la academia a otros.
Retener cuesta menos que captar
La aritmética de la retención es sencilla, pero pocas academias la hacen explícita. Según los datos de referencia del sector de servicios de suscripción (Bain & Company, Prescription for Cutting Costs), retener a un cliente existente cuesta entre 5 y 7 veces menos que captar uno nuevo. En academias de oposiciones, donde el coste de adquisición incluye publicidad, procesos de información y matrícula, ese ratio es al menos similar.
Un alumno que paga 200 € al mes y permanece 18 meses en lugar de 12 genera 1.200 € adicionales sin ningún coste de captación. Multiplicado por la base de alumnos activos, el impacto en la cuenta de resultados de mejorar la retención en 10 puntos porcentuales es estructuralmente mayor que el de cualquier campaña de captación.
El argumento para construir un sistema de retención basado en datos no es tecnológico. Es financiero. Y el momento para construirlo no es cuando la tasa de abandono ya es un problema visible. Es antes.
Plataformas como Opostudia permiten a las academias tener visibilidad del progreso real de cada alumno sin desarrollar tecnología propia, convirtiendo los datos de estudio en señales de alerta que el coordinador puede revisar de forma sistemática. Pero independientemente de las herramientas, el principio es el mismo: sin datos de progreso real, la intervención siempre llega tarde.