El abandono temprano es un problema frecuente en muchas universidades debido a su impacto financiero y social en los propios estudiantes. En los últimos años, han crecido en número los estudios sobre las variables que influyen en el abandono y los modelos predictivos del abandono. Al comprender la relación entre las variables que afectan al abandono es posible diseñar estrategias de intervención que ayuden a reducirlo. En este estudio analizamos la relación entre dos subdimensiones de un constructo de riesgo de abandono universitario (satisfacción con los estudios y motivación-hábitos de estudio), las subdimensiones relacionadas con el constructo de autorregulación, la ansiedad matemática y la titulación cursada. En particular, nos preguntamos si los estudiantes de titulaciones pertenecientes a la misma área de conocimiento obtienen puntuaciones similares en las variables consideradas. Los datos se recogieron en una muestra de más de 700 estudiantes de tres universidades diferentes. Los resultados indican la existencia de varias intercorrelaciones entre las variables analizadas. Por último, analizamos las diferencias entre las puntuaciones entre diversas titulaciones. Encontramos que las titulaciones de Medicina y Arquitectura parecen ser las más exitosas en la retención de estudiantes, a pesar de pertenecer a áreas de conocimiento distintas. Se recopilaron testimonios de los coordinadores de programa de cada una de estas dos titulaciones por separado para aportar información sobre las razones de estos resultados. Los testimonios coincidieron en la necesidad de contar con programas profesionales de orientación académica que apoyen la transición a la universidad, así como en la prevención del agotamiento estudiantil (burnout).

En los primeros cursos de ingeniería, la falta de motivación del alumnado es un desafío constante, especialmente en asignaturas básicas percibidas como abstractas y alejadas de la práctica profesional. Esta desconexión puede derivar en un bajo nivel de implicación y en aprendizajes superficiales, por lo que resulta necesario abordar la motivación no como una característica inherente al estudiante, sino como un elemento que puede diseñarse intencionalmente dentro del proceso de enseñanza-aprendizaje. En este contexto, el modelo ARCS, propuesto por John M. Keller, ofrece un marco útil al estructurar la motivación en cuatro dimensiones interrelacionadas: Atención, Relevancia, Confianza y Satisfacción. Este enfoque permite diseñar experiencias educativas que no solo transmitan contenidos, sino que también fomenten el interés, el sentido y la implicación del alumnado. Asimismo, resulta clave considerar la distinción entre motivación intrínseca, basada en el interés por la propia actividad, y motivación extrínseca, vinculada a elementos externos como la evaluación. Un diseño docente eficaz debe equilibrar ambas, promoviendo especialmente la motivación intrínseca en las etapas iniciales mediante actividades significativas y cercanas. Desde una perspectiva aplicada, la alternancia entre clases magistrales y metodologías activas permite mantener la atención, mientras que la incorporación de ejemplos prácticos y proyectos reales favorece la percepción de relevancia. El diseño de actividades progresivas y la definición de hitos intermedios en proyectos más complejos facilitan la construcción de la confianza, al permitir al estudiante experimentar avances tangibles. Finalmente, la inclusión de demostraciones o competiciones finales refuerzan la satisfacción y otorgan sentido al esfuerzo realizado. Como conclusión, la integración del modelo ARCS con metodologías activas basadas en el Learning by Doing permite diseñar experiencias formativas más motivadoras y efectivas en los primeros cursos de ingeniería.

Mejorar la experiencia del estudiante pasa necesariamente por poner el foco en quienes facilitan el aprendizaje: los/las docentes. Sin embargo, uno de los grandes retos a los que se enfrentan es la falta de espacios reales para desarrollar su práctica. Muchos/as docentes imparten clase sin recibir feedback cualificado sobre su desempeño, más allá de evaluaciones tardías por parte del alumnado, que suelen centrarse en percepciones y no en criterios pedagógicos. Además, tras las formaciones iniciales, rara vez existe un acompañamiento sostenido que permita consolidar lo aprendido. Ante este contexto, el Club Train the Trainer de la Universidad de Deusto se presenta como un entorno colaborativo donde la enseñanza se entiende como una habilidad que se entrena. En este espacio, los/las docentes pueden diseñar y facilitar experiencias de aprendizaje reales, recibiendo feedback inmediato y de calidad por parte de otros/as profesionales de la formación. Este feedback, cercano a la acción, permite iterar, mejorar y ganar conciencia sobre la propia práctica. El club no solo es un lugar para practicar, sino también para inspirarse y compartir. A través de demostraciones de otros/as docentes, las personas participantes descubren nuevas formas de enseñar y trasladarlas a su contexto. Asimismo, se generan espacios de reflexión colectiva donde se abordan retos reales del aula, convirtiendo la experiencia individual en aprendizaje compartido. En un momento en el que el alumnado demanda mayor participación, sentido y personalización, iniciativas como esta contribuyen a cerrar la brecha entre teoría y práctica docente, fortaleciendo una cultura de mejora continua basada en la colaboración y el aprendizaje activo.

La atención tutorial en el primer curso de grado universitario es un pilar fundamental que permite identificar variables y perfiles de riesgo en el alumnado, que pueden desembocar en un abandono temprano de los estudios. Este fenómeno es multifactorial e incluye variables pueden ser tanto personales (como la edad y el nivel socioeconómico), preexistentes (como la nota de ingreso y hábitos de estudio), extrínsecas o incluso de nueva aparición debido al proceso de adaptación del estudiante al grado seleccionado. La analítica académica permite parametrizar estos factores, identificando casos de riesgo severo durante los primeros meses mediante la ponderación de datos del estudiante y las percepciones del tutor. La detección temprana de dichos factores permite una mejor atención a la diversidad del estudiante y el aplicar métodos y sistemas, como por ejemplo la inteligencia artificial generativa, puede ayudar a mejorar los procesos de autorregulación del aprendizaje (ARA) por el lado del estudiante, lo que comprende la capacidad de este para planificar, monitorear y evaluar su propio trabajo. Así mismo, dichas herramientas pueden utilizarse por parte de los tutores, ayudando a personalizar la acción tutorial. Por último, sin duda redunda en la gestión para un mejor soporte institucional. La propuesta analiza aspectos ligados a la diversidad del estudiantado y cómo dichos sistemas (sobre todo la atención tutorial y la inteligencia artificial), pueden ayudar al estudiante en dicho proceso de adaptación a los estudios de grado, reduciendo el riesgo de frustración académica y por tanto del abandono temprano.