Tasas de finalización de cursos: por qué los estudiantes abandonan

Por Brian Tr · Actualizado el 7 de octubre de 2026

La tasa de finalización de un curso es la proporción de estudiantes que lo terminan. Suena a un solo número. En realidad son al menos cuatro, y pueden diferir en un orden de magnitud para el mismo curso, según a quién se cuente en el denominador y qué se considere «terminado».

Por eso las cifras que circulan no cuadran. Un curso en línea gratuito que «apenas» lo completa el 6% de los inscritos puede estar funcionando bien. Una cohorte de pago que lo completa en un 90% puede estar escondiendo un programa débil detrás de una audiencia seleccionada. Un curso corporativo con 98% de finalización quizá solo muestre que los gerentes persiguieron a la gente. Este artículo explica qué significa el término, qué encontró la mejor investigación pública, por qué los estudiantes abandonan, qué soluciones tienen evidencia detrás y cuándo la finalización es lo que no conviene medir.

Datos clave

• En 39 MOOC con datos públicos, la mediana de la tasa de finalización fue del 6,5% de los inscritos, con un rango de 0,9% a 36,1% (Jordan, IRRODL 2014). Contando solo a los estudiantes activos, la mediana fue del 9,8%.
• En el primer año de los cursos de HarvardX y MITx, 43 196 de 841 687 inscripciones obtuvieron un certificado, mientras que 292 852 inscritos nunca interactuaron con el contenido (informe del primer año de HarvardX y MITx).
• Entre 79 535 encuestados antes del curso en nueve cursos de HarvardX, el 19,5% de quienes pensaban completarlo obtuvo un certificado, frente al 5,4% de quienes no tenían esa intención (Reich, 2014).
• En 565 ediciones de cursos de Harvard y MIT en edX (5,63 millones de estudiantes), el 52% de los inscritos nunca entró al material del curso, y las tasas de finalización no habían mejorado en seis años (Reich y Ruipérez-Valiente, Science 2019).
• Un dispositivo de compromiso probado en un MOOC de Stanford (657 estudiantes) aumentó la probabilidad de finalizar en un 40%, mientras que los recordatorios por sí solos no mostraron ningún efecto medible (Patterson, Cornell CHERI).

Qué mide realmente la «tasa de finalización»

La misma etiqueta cubre cuatro cálculos distintos. Antes de comparar dos números, verifique cuál de ellos está viendo.

El análisis de Jordan muestra cuánto importa el denominador. Cerca del 54% de los inscritos se convirtió en estudiantes activos. Con la matrícula total, la mediana de la tasa de finalización fue del 6,5%. Con los estudiantes activos, la mediana subió al 9,8% y el rango se amplió de 1,4% a 50,1% (Jordan, 2014). Los mismos cursos, otro denominador, otro titular.

Los programas de pago y por cohortes usan aún otra población. Los estudiantes postularon, pagaron y se esperaba que estuvieran en una fecha de inicio, de modo que ya pasaron un filtro que un curso gratuito nunca aplica. Comparar su finalización con la de un MOOC es comparar dos grupos de personas distintos. El artículo hermano sobre aprendizaje por cohortes vs a su propio ritmo explica cómo separar el efecto del formato del efecto de la selección.

La capacitación corporativa asignada es el caso aparte. Cuando un gerente o una fecha límite de cumplimiento fuerza la finalización, la tasa mide sobre todo la exigencia. No encontramos una referencia pública que defina bien su población, así que este artículo no cita ninguna.

Qué muestra la investigación

La evidencia pública más cuidadosa proviene de los MOOC. No son programas corporativos ni bootcamps de pago, así que conviene leer las cifras como lo que ocurre con estudiantes gratuitos de inscripción abierta, no como un pronóstico para su producto.

Primeras referencias: un solo dígito

Katy Jordan reunió cifras públicas de inscripción y finalización de los MOOC listados a julio de 2013. Definió la finalización como el porcentaje de inscritos que cumplió los criterios del curso para obtener un certificado, porque era la cifra que más se publicaba. Había datos de finalización para 39 cursos. La mediana fue del 6,5%, el rango de 0,9% a 36,1%, y una tasa cercana al 5% era la típica. La finalización se correlacionó negativamente con la duración del curso y no varió de forma significativa con la fecha, el ranking de la universidad ni la matrícula total (Jordan, 2014). Jordan también advirtió que completar las evaluaciones no es la única manera de beneficiarse de un curso.

Un año de HarvardX y MITx

El informe del primer año de HarvardX y MITx abarcó 17 cursos, del otoño de 2012 al verano de 2013. Contó 841 687 inscripciones de 597 692 usuarios únicos. De esas inscripciones, 43 196 obtuvieron certificados, es decir, alrededor del 5,1% según nuestra aritmética. Otras 35 937 exploraron la mitad o más del contenido sin certificarse, 469 702 vieron menos de la mitad y 292 852 nunca interactuaron con el contenido (informe de HarvardX y MITx).

Al leer juntos los cuatro grupos aparece un patrón. Un certificado es una porción estrecha de las personas que se presentaron, y un grupo numeroso nunca empezó. El «abandono» ocurre a menudo antes de que el curso comience en un sentido significativo.

La intención cambia el panorama

Justin Reich analizó encuestas previas al curso de nueve cursos de HarvardX en 2013 y 2014. De 79 535 encuestados, el 56% dijo que pensaba completarlo. De ellos, el 19,5% obtuvo un certificado. Entre el 44% que no pensaba completarlo, lo hizo el 5,4%. La tasa global entre los encuestados fue del 13,3% (Reich, 2014).

Hay dos maneras de leerlo. La intención importa: quienes querían terminar tenían casi cuatro veces más probabilidades de hacerlo que quienes no. Y la intención no basta: aproximadamente cuatro de cada cinco personas que querían terminar igualmente no lo hicieron. Además, los encuestados difieren de quienes no responden, así que estas tasas describen a los encuestados, no a todos los inscritos.

Seis años después, nada cambió

Reich y Ruipérez-Valiente examinaron todos los cursos de HarvardX y MITx en edX hasta mayo de 2018: 565 ediciones de cursos, 261 cursos, 12,67 millones de inscripciones de 5,63 millones de estudiantes. Encontraron que el 52% de los inscritos nunca entró al material del curso. También siguieron la finalización de tres grupos superpuestos: todos los participantes, quienes dijeron que pensaban completarlo y quienes pagaron por una vía verificada. Ninguno mostró una mejora significativa en seis años. Y la mayor cohorte, 1,1 millones de estudiantes nuevos en 2015-2016, vio que solo el 12% tomó otro curso de HarvardX o MITx al año siguiente, con una retención de segundo año que cayó del 38% en la primera cohorte al 7% en la cohorte de 2016-2017 (Reich y Ruipérez-Valiente, 2019).

La muestra son dos universidades de élite en una plataforma, así que no representa todos los cursos. Pero es uno de los mayores conjuntos de datos abiertos sobre el comportamiento de los estudiantes, y el hallazgo es contundente: mejor video, mejor diseño y seis años de investigación no movieron mucho la finalización. Incluso los estudiantes que pagaron terminaron en tasas muy por debajo del 100%.

No hay un solo tipo de abandono

Kizilcec, Piech y Schneider clasificaron a los estudiantes de tres MOOC de ciencias de la computación según cómo interactuaban con los videos y las evaluaciones. El método encontró de manera consistente cuatro trayectorias: completar, auditar, desvincularse y explorar. El grupo más notable fue el de los estudiantes que se mantuvieron activos durante el curso sin hacer evaluaciones. Los autores sostuvieron que el foco en la finalización refleja una visión monolítica de la desvinculación que no ayuda a los diseñadores a dirigirse a distintos tipos de estudiantes (Kizilcec et al., LAK 2013).

Por qué los estudiantes abandonan

La investigación no entrega una lista ordenada de razones, así que trate lo siguiente como cuatro temas que la evidencia respalda en parte, no como un ranking.

La intención era débil desde el principio. Muchos inscritos nunca pensaron terminar. Los datos de Reich muestran que el 44% de los encuestados no tenía esa intención, y los conteos de HarvardX muestran cientos de miles que apenas interactuaron. Para estos estudiantes, irse no es un fracaso del curso.

Tiempo y demandas en competencia. Los estudiantes adultos acomodan los cursos entre el trabajo y la familia. Un curso que requiere cinco horas a la semana pierde gente la semana en que cae un proyecto. El hallazgo de Jordan de que los cursos más largos se completaban menos es coherente con esto, aunque no prueba la causa.

Autorregulación débil. En un estudio de 4831 estudiantes en seis MOOC, fijar metas y planificar estratégicamente predijo si los estudiantes alcanzaban sus propios objetivos del curso, mientras que pedir ayuda parecía contraproducente (Kizilcec et al., Computers and Education 2017). Los estudiantes que planifican les va mejor. La mayoría no planifica.

Nadie los espera. En un curso a propio ritmo nadie nota una ausencia. Las fechas límite, una cohorte en vivo y una persona que espera su trabajo cambian eso, y es la lógica detrás del modelo de cohortes. Consulte comunidades de aprendizaje para ver cómo los grupos de pares crean esa expectativa.

El diseño del curso también importa, pero la evidencia de que el diseño por sí solo mueve la finalización es más débil de lo que la mayoría de los proveedores da a entender. Reich y Ruipérez-Valiente señalan que seis años de inversión en desarrollo de cursos e investigación del aprendizaje no habían producido mejoras significativas en la finalización.

Qué palancas tienen evidencia

Esto es lo que se ha probado, con la población que describe cada resultado.

Estructura y fechas límite

Un estudio finlandés comparó dos versiones de un MOOC de programación con más de 8000 estudiantes. La versión con calendario fijo tuvo una retención global del 45%, y la versión a propio ritmo, del 13% (Noponen et al., IEEE FIE 2020). Es una brecha grande, pero el resumen no indica si los estudiantes fueron asignados al azar, de modo que quién eligió cada versión podría explicar parte de la diferencia.

Una comparación más limpia mantuvo el curso constante. Un curso de cadena de suministro de MITx pasó de ritmo guiado por el instructor a ritmo propio, y una tesis de analítica del aprendizaje reportó que la finalización cayó un 6%, la tasa de aprobación un 10% y un puntaje de participación un 7%, mientras que la satisfacción se mantuvo igual. El efecto no fue uniforme entre los estudiantes (Bilal, MIT 2019). Así que el ritmo ayuda, pero menos de lo que sugieren las cifras brutas de las cohortes.

Dispositivos de compromiso

Richard Patterson realizó un experimento aleatorizado con 657 estudiantes en un MOOC de Stanford. Una herramienta que permitía a los estudiantes comprometerse de antemano con límites de tiempo en sitios web que distraen condujo a un 24% más de tiempo en el curso, calificaciones 0,29 desviaciones estándar más altas y una probabilidad 40% mayor de finalizar. Las herramientas de recordatorio y enfoque no se distinguieron estadísticamente del grupo de control (Patterson, documento de trabajo de Cornell CHERI, 2015). Fue un solo curso con una muestra autoseleccionada, pero el contraste es útil: un nudge que pide un compromiso superó a un nudge que solo recuerda.

Nudges a escala: más pequeños de lo esperado

La advertencia más fuerte viene de la prueba más grande. Kizilcec y colegas ejecutaron cinco intervenciones conductuales en 247 cursos de Harvard, MIT y Stanford, con 269 169 estudiantes durante dos años y medio. Las intervenciones fueron la elaboración de planes (a largo y corto plazo), la relevancia del valor, el contraste mental con intenciones de implementación y la rendición de cuentas social. Los efectos fueron aproximadamente un orden de magnitud menores que en estudios anteriores y más pequeños. El ejercicio de relevancia del valor aumentó la finalización en unos 2,8 puntos porcentuales, pero solo para los estudiantes de países menos desarrollados en cursos con una gran brecha de logro. La elaboración de planes elevó la participación temprana durante una o dos semanas, sin efecto duradero sobre la finalización (Kizilcec et al., PNAS 2020).

La lección práctica: un nudge que funcionó una vez probablemente no funcionará en todas partes, así que pruebe con sus propios estudiantes.

Presencia del instructor y presencia social

Tomkin y Charlevoix asignaron al azar a los participantes de un MOOC de ciencias físicas de la Universidad de Illinois a un grupo sin interacción con el instructor o a otro en el que el profesor y los asistentes de cátedra respondían comentarios del foro y publicaban retroalimentación semanal. La participación del instructor no tuvo un efecto significativo sobre la finalización global, aunque sí aumentó la obtención de la insignia del foro a la que apuntaba la intervención (Tomkin y Charlevoix, L@S 2014). La presencia ayuda en aquello a lo que apunta. No es una solución general para la finalización.

Reich y Ruipérez-Valiente sacan una conclusión más dura: la investigación consolidada sugiere que las conexiones humanas a través de asesores, tutores y grupos de pares son los apoyos más importantes para los estudiantes, y esos cuestan dinero, lo que va en contra de los precios bajos (Reich y Ruipérez-Valiente, 2019).

Un resumen rápido de la evidencia

Para ideas de diseño acordes con estos hallazgos, consulte repetición espaciada y la curva del olvido para la programación, microaprendizaje para unidades más pequeñas y gamificación en el aprendizaje para las mecánicas que algunos productos usan para hacer volver a la gente.

Cuándo la finalización es la métrica equivocada

La finalización es fácil de contar, y por eso está en todas partes. También es un mal indicador sustituto en varias situaciones.

Cuando los estudiantes tienen metas distintas. Un desarrollador que mira tres videos para resolver un problema y se va obtuvo lo que buscaba. Contarlo como un abandono castiga a un curso por funcionar. Las trayectorias de Kizilcec y los datos de intención de Reich apuntan a lo mismo.

Cuando el curso no es lineal. En contenido de referencia o de consulta justo a tiempo, nadie debería «terminar». El contenido breve, de tipo consulta, está hecho para usarse por partes.

Cuando la capacitación asignada cumple metas de finalización. Si el objetivo es una tasa de finalización del 100%, la gente hará clic hasta el final. El número le dice que alguien llegó a la última diapositiva. No le dice que pueda hacer algo nuevo.

Cuando el certificado no es el resultado. Jordan observó que las personas pueden beneficiarse de un curso sin completar sus evaluaciones. El informe de HarvardX encontró alrededor de 36 000 inscritos que exploraron al menos la mitad del contenido sin certificado. A un comprador que se preocupa por el desempeño laboral no le importa el conteo de certificados.

Mejores acompañantes de la finalización son la proporción de estudiantes activos que alcanzan un hito significativo, la retención en el siguiente curso o módulo y un resultado en el trabajo que le importe al comprador. Métricas de participación de los estudiantes explica cómo medirlos, y demostrar el ROI de la capacitación trata cómo conectarlos con los resultados de negocio.

Qué significa esto para las empresas de EdTech

La tasa de finalización aparece en conversaciones de ventas, presentaciones al directorio y revisiones de renovación. Unos cuantos hábitos la mantienen útil.

1. Indique siempre el denominador. «Tasa de finalización» sin «de los inscritos» o «de los estudiantes activos» invita a una mala comparación.
2. Siga el embudo previo al curso. Si una gran parte de los inscritos nunca empieza, el problema es la activación, no el diseño del curso. Consulte el embudo de inscripción al aprendizaje en línea.
3. Segmente por intención y cohorte. Los promedios combinados esconden a los estudiantes a quienes realmente podría ayudar.
4. Pruebe sus propios nudges. El estudio de 247 cursos muestra que los efectos se reducen a escala y varían según el contexto, así que haga pilotos y mida.
5. No tome prestadas referencias entre poblaciones. La mediana del 6,5% de un MOOC no predice un programa corporativo de pago, y la cifra del 90% de una cohorte de un proveedor no describe un curso gratuito.

Lecturas relacionadas

• Métricas de participación de los estudiantes
• Aprendizaje por cohortes vs a su propio ritmo
• Embudo de inscripción al aprendizaje en línea
• Microaprendizaje
• Demostrar el ROI de la capacitación