Diagnóstico inteligente en la gestión de convenios interinstitucionales para la calidad educativa universitaria

Introducción

La crisis sanitaria de la COVID evidenció las desigualdades existentes en los sistemas educativos, impulsando la necesidad de transformar los procesos educativos, y mostró cuán frágiles, vulnerables e interconectados estamos, la sensación de incertidumbre sobre el futuro; la necesidad de cambiar el rumbo que llevamos, y de aprovechar el gran potencial que tiene la educación para garantizar un desarrollo sostenible de la sociedad; en ese sentido, el nuevo contrato social para la educación hizo un llamamiento a la solidaridad y la cooperación internacional (Mendoza et al., 2024).

Ese contrato social, que nos insta a imaginar juntos nuestros futuros, aboga por la necesidad de un conocimiento común; en tal sentido, realiza las siguientes declaraciones en relación con la gestión de convenios interinstitucionales por las universidades:

• Se deben priorizar nuevas posibilidades de investigación, y no sólo crear conocimientos limitados por las normas institucionales y/o regionales.
• Se debe considerar que existen múltiples formas de conocimiento, que hay un aumento del uso de difusión del conocimiento en diferentes idiomas, para lo que se debe velar por la inclusión y diversidad.
• La colaboración y cooperación entre universidades es una de las vías para promover el bienestar global compartido; y la transformación del futuro (Whitley, 2012; Mendoza et al., 2024).

Para el logro de esas propuestas, las universidades deben asumir un papel proactivo en la gestión de convenios interinstitucionales para reimaginar el futuro de los centros de educación superior a través de alianzas poderosas, éticas y transformadoras, que tributen a la calidad educativa, asegurando que la oferta académica responda a las necesidades reales del país (Mendoza et al., 2024).

La gestión de convenios interinstitucionales, sus enfoques y paradigmas pueden favorecer la transformación de las instituciones universitarias para producir nuevos conocimientos, pertinentes y de calidad, con referentes teóricos y prácticos, de lo global y lo contextual. Se requiere incorporar el trabajo con convenios interinstitucionales en la dinámica universitaria, basados en la colaboración y cooperación, influenciadas por las potencialidades de la Inteligencia Artificial; con atención a la sostenibilidad, innovación y emprendimiento, de modo que incida en la preparación de los futuros profesionales para enfrentar los retos del futuro con una visión integral y comprometida con la transformación social (Aguilar, 2013; Abreu et al., 2019; Algañaraz et al., 2023).

La gestión de convenios interinstitucionales en el contexto universitario contemporáneo trasciende la visión instrumental de un mero trámite administrativo o jurídico. Se erige como un proceso estratégico, complejo y dialéctico, que incide directamente en la capacidad de la institución de educación superior (IES) para cumplir su misión social, adaptarse a entornos volátiles y, fundamentalmente, para garantizar y potenciar la calidad educativa.

Comprender su naturaleza epistémica exige un abordaje multidisciplinar que integre aportes de la teoría de sistemas, la gestión estratégica, la sociología de las organizaciones y la psicología histórico-cultural, entre otras disciplinas. En ese sentido, el objetivo de este artículo es demostrar la contribución de la evaluación inteligente, mediada por la inteligencia artificial y el enfoque histórico cultural, para la gestión de convenios interinstitucionales y con ello la mejora de la calidad educativa universitaria.

Métodos

La investigación se desarrolló con un enfoque mixto, de carácter descriptivo-propositivo, y con predominio cualitativo, con la intención de sistematizar los fundamentos teóricos, y metodológicos, de una propuesta de diagnóstico inteligente para la gestión de convenios interinstitucionales en el contexto universitario, orientado a contribuir a la calidad educativa.

Se utilizaron métodos teóricos para construir el andamiaje conceptual y epistemológico de la propuesta como el analítico sintético, inductivo deductivo, y la modelación teórica. Además, el método de revisión bibliográfica para organizar, depurar y triangular la información proveniente de diferentes fuentes documentales sobre gestión de convenios, cooperación interinstitucional, inteligencia artificial aplicada a la educación y aseguramiento de la calidad universitaria.

Se consultaron revistas de Scopus, Web of Science, SciELO, Redalyc, Dialnet, y DOAJ, así como repositorios institucionales de universidades latinoamericanas, europeas y norteamericanas, relacionadas con las ciencias sociales, la educación y la gestión universitaria. Adicionalmente, se consultaron fuentes especializadas en Inteligencia Artificial y educación, como el IEEE Xplore, y la ACM Digital Library, para recuperar literatura sobre aplicaciones de aprendizaje automático, minería de datos educativa y sistemas de apoyo a la decisión.

Para la estrategia de búsqueda se emplearon combinaciones de las siguientes palabras, en español e inglés: gestión de convenios interinstitucionales, diagnóstico educativo, calidad educativa universitaria, inteligencia artificial en educación, cooperación universitaria, alianzas estratégicas, teoría de sistemas, enfoque histórico-cultural, diagnóstico inteligente, responsabilidad social universitaria, Objetivos de Desarrollo Sostenible. Se utilizaron los operadores booleanos (AND, OR, NOT) para refinar los resultados, así como filtros por rango de tiempo (2000–2025), priorizando los últimos diez años.

El proceso de revisión documental se organizó en tres momentos: exploración inicial, análisis en profundidad, y sistematización e integración para la construcción de un marco teórico coherente que integre los aportes de las diferentes disciplinas y enfoques, y que sirva de base para la elaboración de la propuesta teórica de diagnóstico inteligente.

Resultados y discusión

La literatura especializada ha abordado la gestión de convenios desde diversas aristas: su impacto en la internacionalización (Mazzeo & Baudo, 2021; Montesinos, 2023), la vinculación universidad-empresa (Broström et al., 2019), los desafíos administrativos (Mückenberger et al., 2013), la construcción de indicadores de seguimiento (Mex et al., 2023) y su influencia en la cooperación académica y científica (Castillo-Leyton et al., 2021; Pratt et al., 2011).

Sin embargo, una caracterización epistemológica robusta requiere superar esos enfoques fragmentados y concebir el proceso como un sistema abierto, dinámico y complejo, tal como lo propone la teoría general de sistemas (Bertalanffy, 1976).

Desde esa perspectiva sistémica, la gestión de convenios interinstitucionales no puede ser comprendida como una suma de partes aisladas, sino como una totalidad organizada cuyas propiedades emergentes, como la capacidad de generar innovación curricular, movilidad académica sostenida o investigación colaborativa de alto impacto, son cualitativamente superiores a la mera agregación de actividades administrativas.

Esta visión holística permite identificar relaciones de interdependencia entre los diferentes subsistemas que la conforman, así como los flujos de información, recursos y decisiones que circulan a través de ellos. En coherencia con lo anterior, se asume la gestión de convenios interinstitucionales, en el contexto universitario como un proceso sistémico, y estratégico, que integra dimensiones estructurales (organizativa, normativa y de actores), funcionales (diagnóstico, planificación, negociación, implementación y evaluación), relacionales (vínculos intra e interinstitucionales), temporales (ciclo de vida del acuerdo, desde la gestación hasta el cierre o renovación) y tecnológicas (herramientas analógicas y digitales de soporte).

Su finalidad es formalizar, ejecutar y monitorear alianzas con actores externos, otras universidades, empresas, organismos gubernamentales, y organizaciones de la sociedad civil para movilizar saberes, recursos y capacidades que potencien la formación integral de los estudiantes, la investigación pertinente y socialmente relevante, la internacionalización con propósito y la mejora continua de la oferta académica, todo ello en el marco de los objetivos de desarrollo sostenible (ODS), particularmente el ODS 4 (educación inclusiva, equitativa y de calidad) (Moreno et al., 2025), y del nuevo contrato social para la educación propuesto por la Roque (2025).

Esa definición integra los aportes de Abreu et al. (2019), quienes vinculan las relaciones interinstitucionales con el desarrollo de la gestión universitaria, y de Stensaker (2018), quien destaca el rol de las alianzas para potenciar control, capacidad y creatividad en entornos dinámicos. Asimismo, se alinea con la Teoría de los Stakeholders (Freeman, 1984), al reconocer que la universidad debe gestionar equilibradamente los intereses de múltiples grupos, gobierno, estudiantes, empresas, comunidades, entre otros, a través de sus convenios.

Esta teoría, desarrollada originalmente para el ámbito de la gestión empresarial, ha demostrado su fecundidad en el contexto universitario al permitir identificar y priorizar las expectativas de los diferentes actores que afectan o son afectados por la actividad institucional (Mainardes et al., 2011).

Desde la óptica de la calidad educativa, la gestión de convenios adquiere una relevancia particular. No se trata únicamente de aumentar el número de acuerdos firmados, indicador cuantitativo que a menudo oculta una baja ejecución o un impacto nulo en los procesos de formación. Se trata, más bien, de concebir cada convenio como un dispositivo pedagógico y organizacional que amplía los espacios, recursos y oportunidades de aprendizaje para estudiantes y docentes, al tiempo que fortalece la pertinencia social de la oferta académica.

En ese sentido, la gestión de convenios se convierte en una palanca estratégica para la mejora continua de la calidad, entendida esta no solo como eficiencia y cumplimiento de estándares, sino como transformación social y formación integral de profesionales comprometidos con el desarrollo sostenible (Harvey & Green, 1993).

Dentro de la arquitectura sistémica de la gestión de convenios, el diagnóstico ocupa un lugar central y estratégico. Siguiendo a Arias (1999) y a Nieves (2000), el diagnóstico educativo es un proceso de construcción de conocimiento acerca de una realidad sobre la que se va a intervenir o actuar, lo cual implica participación activa del que diagnostica y un acercamiento gradual, sistemático y continuo a la complejidad de lo diagnosticado. No se trata, por tanto, de una fotografía estática tomada en un momento puntual, sino de un proceso dinámico, inacabado, que se amplía, ajusta y retroalimenta permanentemente (Enriquez et al., 2024).

En el ámbito específico de la gestión de convenios interinstitucionales, el diagnóstico tradicional presenta limitaciones significativas. La práctica habitual, tal como se ha identificado en estudios preliminares y en la experiencia de la investigadora, se caracteriza por ser asistemática, reactiva (se diagnostica cuando surge un problema, no de manera preventiva), basada predominantemente en datos no estructurados (correos electrónicos, informes dispersos, actas de reuniones no sistematizadas) y desconectada de los procesos de toma de decisiones estratégicas. Esa situación redunda en una baja capacidad predictiva: los gestores no pueden anticipar qué convenios presentan signos de alarma, cuáles tienen mayor potencial de contribuir a la calidad educativa o qué tipo de alianzas conviene priorizar en el futuro.

Para superar estas insuficiencias, se hace necesario transitar hacia un diagnóstico inteligente, entendido como aquel que incorpora técnicas avanzadas de análisis de datos, particularmente de inteligencia artificial (IA), para procesar grandes volúmenes de información, identificar patrones ocultos, generar predicciones y apoyar la toma de decisiones colegiadas y basadas en evidencia.

Ese enfoque se inspira en los desarrollos contemporáneos del diagnóstico académico inteligente en el ámbito educativo, particularmente en los trabajos de Fernández et al. (2023; 2024), quienes han diseñado sistemas y modelos para la atención personalizada al estudiante mediante algoritmos de aprendizaje automático, lógica difusa y minería de datos educativa.

Trasladando estas ideas al campo de los convenios interinstitucionales, se define el diagnóstico inteligente en la gestión de convenios interinstitucionales como un proceso en el que se articulan la representación del conocimiento sobre los convenios y sus actores (tipologías, socios, recursos, resultados históricos), la predicción inteligente de su comportamiento y contribución potencial (identificación de riesgos, estimación de impacto en calidad educativa), y la valoración para la toma de decisiones estratégicas orientadas a la mejora de la formación integral, la pertinencia social y el cumplimiento de la misión institucional, todo ello en un contexto histórico-cultural determinado y mediado por herramientas de inteligencia artificial, de modo que genere la sostenibilidad de la gestión de las alianzas interinstitucionales.

Esa definición incorpora los principios del diagnóstico establecidos por Nieves (2000), carácter dinámico, continuo, sistemático, preventivo, retroalimentador, transformador, multi e interdisciplinario, colaborativo y participativo, y los actualiza a la luz de las potencialidades que ofrecen las tecnologías digitales y la inteligencia artificial. Además, se distancia de concepciones tecnocráticas que reducirían el diagnóstico a una mera aplicación algorítmica, al enfatizar el papel insustituible del juicio profesional, la interpretación contextual y la participación de los actores involucrados.

Sobre la base de las premisas anteriores, se hace una propuesta teórica de diagnóstico inteligente en la gestión de convenios interinstitucionales orientado a la calidad educativa universitaria. Esa propuesta no es un recetario técnico, sino una construcción teórico-metodológica que organiza y articula los procesos, fases y herramientas necesarias para realizar un diagnóstico integral, inteligente y alineado con el proyecto educativo institucional y con las demandas del entorno social y global.

La propuesta teórica se sustenta en tres fundamentos epistemológicos principales, los cuales operan de manera integrada y no como compartimentos estancos.

El primer fundamento es el enfoque sistémico-estructural. Desde esta perspectiva, el diagnóstico inteligente es concebido como un subsistema del sistema más amplio de gestión de convenios, con entidad propia pero funcionalmente integrado a la totalidad. Sus componentes internos, fases, procedimientos, instrumentos, actores, se organizan de manera que cumplen una función específica dentro del sistema global: proporcionar información relevante, oportuna y predictiva para la toma de decisiones estratégicas.

El principio de totalidad implica que el diagnóstico no puede ser comprendido ni implementado de manera aislada; su sentido y valor residen en su contribución a la mejora de la gestión de convenios y, a través de esta, a la calidad educativa. El principio de jerarquía estructural reconoce que el diagnóstico opera en diferentes niveles (macro, meso, micro), desde el análisis de la política institucional de cooperación hasta la evaluación de un convenio específico.

El principio de funcionalidad establece que cada elemento del subsistema de diagnóstico (por ejemplo, los instrumentos de recolección de datos, los algoritmos de predicción, los informes de resultados) cumple una función específica, y las disfunciones en alguno de ellos afectan al conjunto. Finalmente, el principio de desarrollo reconoce que el sistema de diagnóstico no es estático, sino que evoluciona a través de procesos de autoorganización, adaptación y mejora continua.

El segundo fundamento es la teoría histórico-cultural de Lev S. Vigotsky (1987), cuyas categorías fundamentales, mediación, zona de desarrollo próximo e internalización, resultan particularmente fecundas para comprender el diagnóstico inteligente como una práctica psicológica y social compleja. La mediación explica cómo las herramientas tecnológicas (sistemas de inteligencia artificial, algoritmos de predicción, plataformas de análisis de datos, tableros interactivos) actúan como instrumentos que transforman y amplían las capacidades cognitivas de los gestores de convenios.

Esas herramientas no son meros artefactos externos; reconfiguran las funciones psicológicas de quienes las utilizan, permitiéndoles procesar grandes volúmenes de información, identificar patrones no visibles para el ojo humano, generar predicciones basadas en modelos estadísticos y visualizar relaciones complejas entre variables.

La mediación opera en tres niveles interrelacionados: el nivel instrumental (herramientas materiales como computadoras, software y bases de datos), el nivel semiótico (lenguajes y categorías como "predicción", "alarma temprana" o "probabilidad de éxito", que estructuran la forma de pensar y hablar sobre los convenios) y el nivel social (la interacción con otros en comunidades de práctica, donde los gestores más experimentados enseñan a los noveles).

La zona de desarrollo próximo (ZDP), otro concepto central de la obra vigotskiana, ilumina los procesos de formación y mejora de competencias para el diagnóstico inteligente. En el contexto del diagnóstico inteligente de convenios, la ZDP se manifiesta en múltiples niveles. A nivel individual, un gestor puede tener un nivel actual de competencia diagnóstica (por ejemplo, sabe realizar análisis FODA básicos) y un nivel potencial (puede llegar a interpretar modelos predictivos generados por IA) que alcanzará con la ayuda de expertos en datos, sistemas de apoyo a la decisión y colaboración con colegas más capacitados.

A nivel institucional, la universidad tiene una ZDP que expresa la brecha entre su capacidad actual de gestión de convenios (por ejemplo, seguimiento manual y reactivo) y su capacidad potencial (gestión predictiva y estratégica) que puede ser alcanzada mediante la incorporación de tecnologías avanzadas, la asesoría externa y la formación del personal. A nivel de las alianzas, dos universidades pueden tener capacidades complementarias; su colaboración, mediada por un convenio bien gestionado y un diagnóstico compartido, les permite alcanzar niveles de desarrollo que individualmente no lograrían.

El tercer concepto vigotskiano relevante es la internalización, entendida como el mecanismo a través del cual las funciones interpsicológicas (lo que ocurre entre personas, mediado por instrumentos y signos) se convierten en funciones intrapsicológicas (estructuras internas y competencias estables del sujeto). En el ámbito del diagnóstico inteligente, la internalización implica tres procesos.

Primero, la apropiación de herramientas: el gestor no solo usa el sistema de IA, sino que lo incorpora como parte de su repertorio profesional; el sistema se convierte en una extensión de su cognición. Segundo, la construcción de significados compartidos: los términos y categorías del diagnóstico inteligente (como "predicción", "alarma temprana", "probabilidad de éxito") dejan de ser palabras técnicas externas para convertirse en conceptos operativos que estructuran la práctica cotidiana y el lenguaje profesional del equipo de gestión.

Tercero, el desarrollo de competencias estables: la capacidad para realizar diagnósticos inteligentes se consolida como una competencia institucional, incorporada en los procedimientos, las rutinas, los sistemas de información y la cultura organizacional. Ese proceso de internalización no es automático; requiere condiciones institucionales propicias: tiempo para el aprendizaje, apoyo de las autoridades, reconocimiento de las nuevas competencias, y una concepción de la tecnología no como sustituto de lo humano sino como mediador de su desarrollo.

El tercer fundamento de la propuesta teórica es la integración de marcos teóricos provenientes de la teoría de la cooperación, la gestión estratégica y el estudio del entorno global, esa integración responde a la necesidad de dotar al diagnóstico de solidez conceptual y de pertinencia social, evitando un tecnicismo estrecho que ignore las dimensiones políticas, culturales y éticas de la cooperación interinstitucional.

En primer lugar, la Teoría de Redes (Network Theory), desarrollada por autores como Borgatti y Halgin (2011) y Granovetter (1973), proporciona categorías para analizar la estructura de las relaciones de cooperación. Permite visualizar a la universidad como un nodo dentro de una red más amplia de actores (otras universidades, empresas, organismos gubernamentales, organizaciones de la sociedad civil), identificar la fuerza de los lazos (diferenciando entre alianzas superficiales y colaboraciones profundas), analizar la centralidad o periferia de la institución en la red, y detectar posibles vacíos estructurales o clústeres de colaboración que puedan ser aprovechados estratégicamente.

En la propuesta, esta teoría sustenta la fase de análisis contextual, particularmente la identificación de oportunidades y amenazas relacionadas con la posición de la universidad en el ecosistema de cooperación.

En segundo lugar, la Teoría de los Stakeholders (Freeman, 1984; Mainardes et al., 2011) complementa el análisis al centrar la atención en los diferentes grupos de interés que afectan o son afectados por los convenios. Esa teoría obliga al diagnóstico a preguntarse no solo por la eficiencia interna de los acuerdos, sino por la satisfacción de las expectativas de estudiantes, docentes, personal administrativo, socios externos, comunidades beneficiarias y entes financiadores. La propuesta teórica operacionaliza esa teoría mediante la inclusión de indicadores de satisfacción, análisis de necesidades percibidas y mecanismos de participación de los stakeholders en las fases de diagnóstico y evaluación.

En tercer lugar, la gestión del conocimiento (Knowledge Management), particularmente las obras de Nonaka y Takeuchi (1995) y Davenport y Prusak (1998) aportan un marco para evaluar si los convenios están generando, transfiriendo y co-creando conocimiento relevante para la calidad educativa. Un convenio que no produce nuevo saber pedagógico, científico o tecnológico, o que no logra que ese saber sea internalizado por la comunidad universitaria, es un acuerdo estéril desde la perspectiva de la transformación institucional.

La propuesta teórica incorpora esta dimensión al valorar el estado de la colaboración, preguntando por los flujos de conocimiento entre las instituciones socias, por los mecanismos de socialización, externalización, combinación e internalización (Nonaka & Takeuchi, 1995), y por el impacto de esos flujos en la innovación curricular, la actualización docente y la producción científica conjunta.

En cuarto lugar, los modelos de calidad educativa, como el modelo EFQM (EFQM, 2019) y los enfoques teóricos de Harvey y Green (1993) conectan la gestión de convenios con los sistemas institucionales de aseguramiento de la calidad. Esos modelos consideran la alianza con socios y proveedores como un criterio relevante para la excelencia organizacional, y establecen que los procesos de mejora continua deben basarse en evidencia, medición y retroalimentación. En la propuesta teórica, esos enfoques se traducen en la exigencia de indicadores de desempeño claros, en la incorporación de los resultados del diagnóstico en los ciclos de planificación estratégica y en la rendición de cuentas ante los entes de acreditación.

En quinto lugar, la teoría del cambio (theory of change), desarrollada por Weiss (1995) y operacionalizada a través del Marco Lógico (Kellogg Foundation, 2004), proporciona la estructura causal que permite predecir la transformación. Esa teoría exige explicitar la secuencia que va desde los insumos (recursos humanos, financieros, tecnológicos) hasta las actividades (talleres, movilidades, proyectos conjuntos), los productos (número de convenios activos, estudiantes en movilidad, publicaciones conjuntas), los resultados a corto y mediano plazo (competencias globales de los estudiantes, redes de investigación fortalecidas, currículos actualizados) y el impacto final (mejora de la calidad educativa, relevancia social, cumplimiento de la misión).

La Teoría del Cambio también obliga a identificar los supuestos críticos, aquellas condiciones que deben cumplirse para que cada paso de la cadena causal sea efectivo, y los factores externos que pueden facilitar u obstaculizar el proceso. Esa estructura lógica es la base sobre la cual se construye la fase de predicción de la transformación en la propuesta teórica.

En sexto lugar, la teoría del desarrollo sostenible y sus aplicaciones en el ámbito universitario, particularmente a través de la Responsabilidad Social Universitaria (Vallaeyes et al., 2009), dotan a la propuesta teórica de una dimensión ética y prospectiva.

El desarrollo sostenible, entendido como aquel que satisface las necesidades del presente sin comprometer la capacidad de las futuras generaciones para satisfacer las suyas, implica que los convenios no pueden ser evaluados únicamente por su eficiencia a corto plazo, sino por su contribución a la equidad, la inclusión, la justicia social y la protección del ambiente.

La Agenda 2030 y sus 17 ODS (Moreno et al., 2025) ofrecen un marco operativo para esa evaluación. La propuesta teórica incorpora ese enfoque al exigir que cada convenio estratégico explicite su contribución a uno o varios ODS, que se diseñen indicadores de impacto social y ambiental, y que se reporte periódicamente sobre estos aspectos. Asimismo, se alinea con el nuevo contrato social para la educación (Roque, 2025), que aboga por una pedagogía cooperativa, solidaria y centrada en el bien común, y que reconoce la existencia de múltiples formas de conocimiento más allá de las normas institucionales o regionales.

Finalmente, la Teoría de la Agencia (Eisenhardt, 1989) y los desarrollos sobre gestión de riesgos en entornos VUCA (Volátiles, Inciertos, Complejos y Ambiguos) (Bennett & Lemoine, 2014) proporcionan herramientas conceptuales para abordar las inevitables tensiones, asimetrías de información y desafíos de coordinación que surgen en cualquier relación de cooperación.

La Teoría de la Agencia explica la necesidad de alinear los intereses de la universidad y sus socios, su monitoreo, incentivos y rendición de cuentas. La literatura sobre entornos VUCA, por su parte, justifica la incorporación de análisis de escenarios, planes de contingencia y cláusulas de flexibilidad en los convenios, de modo que las alianzas puedan resistir y adaptarse a crisis sanitarias, inestabilidades políticas, disrupciones tecnológicas u otros shocks externos.

Sobre la base de estos fundamentos integrados, la propuesta teórica se estructura en tres fases interrelacionadas, no secuenciales sino recursivas, que se retroalimentan continuamente.

La primera fase es el análisis contextual, que se realiza mediante una matriz FODA (fortalezas, oportunidades, debilidades, amenazas) específicamente orientada a la gestión de convenios. A diferencia del FODA genérico, esa versión contextualizada se pregunta por las características propias del proceso de gestión: las fortalezas internas (como la existencia de un marco normativo claro, personal especializado, portafolio de socios estratégicos o sistemas de información), las debilidades internas (gestión reactiva, convenios cajoneros con baja ejecución, presupuesto insuficiente, comunicación interna débil, falta de indicadores de desempeño), las oportunidades externas (programas de financiamiento público, tendencias globales favorables a la internacionalización, necesidades insatisfechas del sector productivo) y las amenazas externas (inestabilidad política o económica, competencia entre universidades, burocracia excesiva, proteccionismo académico, cambios en las prioridades de los socios).

Ese análisis FODA se enriquece con capas adicionales que incorporan los marcos antes mencionados: se evalúa la alineación de los convenios con los ODS, con el nuevo contrato social de la UNESCO y con la misión, visión y objetivos estratégicos institucionales. Asimismo, se incorpora un análisis de riesgos que identifica las vulnerabilidades de cada convenio frente a escenarios de incertidumbre.

La segunda fase es la valoración del estado de la colaboración y cooperación, que va más allá del análisis FODA al medir la "salud" de las alianzas y su grado de madurez. Para ello, se propone una matriz de evaluación que considera dimensiones como la gobernanza (¿existen comités de seguimiento con reuniones periódicas y metas definidas, o los acuerdos son informales y sin estructura clara?), la comunicación (¿es fluida, transparente y multicanal, o reactiva y solo para resolver problemas?), los recursos compartidos (¿se financian actividades de manera conjunta e intercambian infraestructura y personal de forma sistemática, o cada institución financia lo suyo por separado?), las actividades conjuntas (¿se limitan a movilidad esporádica o incluyen proyectos de investigación, programas de doble titulación, laboratorios conjuntos y publicaciones colaborativas?), y el carácter estratégico de la alianza (¿es transformadora, creando algo nuevo que las instituciones no podrían lograr por separado, o meramente transaccional?).

Esa matriz se complementa con una evaluación de la sostenibilidad desde la perspectiva de los ODS, de la ética y equidad en la relación (evitando jerarquías norte-sur o universidad-empresa que reproduzcan desigualdades), de la resiliencia ante crisis (cláusulas flexibles y presupuestos contingentes) y del uso de datos e inteligencia para la toma de decisiones informadas.

La tercera fase es la predicción de la transformación, que utiliza la estructura de la teoría del cambio para proyectar los resultados probables de los convenios y diseñar rutas de acción estratégica. Esa fase explicita la cadena causal que conecta los insumos (presupuesto, personal especializado, socios alineados, marco normativo) con las actividades (firma de convenios estratégicos, creación de comités de seguimiento, lanzamiento de convocatorias, gestión eficiente de la cooperación, mitigación de debilidades y amenazas), los productos (número de convenios activos, estudiantes y docentes en movilidad, proyectos de investigación conjuntos, dobles titulaciones, recursos compartidos, índices de satisfacción), los resultados a corto y mediano plazo (estudiantes con competencias globales, académicos con redes internacionales fortalecidas, publicaciones conjuntas de alto impacto, programas de estudio actualizados, mayor retención y captación de estudiantes talentosos, vinculación con la industria, empleabilidad de egresados) y el impacto final (mejora de la calidad educativa en grado y postgrado, investigación de vanguardia, innovación curricular, sostenibilidad financiera, reconocimiento en rankings internacionales, posicionamiento como universidad innovadora y conectada globalmente).

La predicción no es adivinación, sino proyección basada en datos históricos, modelos estadísticos y algoritmos de inteligencia artificial que identifican patrones de éxito y riesgo. La propuesta teórica sugiere, además, escenarios futuros deseables, como que la universidad se convierta en un nodo de una red global inteligente, que la experiencia educativa se reimagine sobre bases de cooperación y solidaridad, y que la evidencia generada por las alianzas influya en políticas públicas educativas más justas y sostenibles.

La propuesta teórica tiene como finalidad última contribuir a la calidad educativa universitaria entendida en sentido amplio: no solo como cumplimiento de estándares de acreditación, sino como formación integral de profesionales competentes, éticos y comprometidos con su contexto; como generación de conocimiento pertinente y socialmente relevante; como vinculación efectiva con los sectores productivos y las comunidades; y como internacionalización con propósito, es decir, no como un fin en sí misma, sino como un medio para el aprendizaje mutuo, la solidaridad y la construcción de bienes públicos globales.

Ese diagnóstico inteligente permite, concretamente, pasar de una gestión reactiva y oportunista (firmar convenios por oportunidad, sin planificación estratégica) a una gestión proactiva y basada en evidencia; asignar recursos (tiempo, dinero, esfuerzo humano) a los convenios que realmente importan para los objetivos institucionales; rendir cuentas a la comunidad universitaria y a los entes de acreditación, demostrando el impacto concreto de la cooperación; tomar decisiones basadas en datos, no solo en intuiciones o relaciones personales; y reimaginar el futuro de la universidad a través de alianzas poderosas, éticas y transformadoras.

El rol de la inteligencia artificial como mediadora del diagnóstico

Dentro de la propuesta teórica, la inteligencia artificial (IA) ocupa un lugar central como herramienta de mediación en el sentido vigotskiano. No se trata de sustituir el juicio humano por algoritmos, sino de amplificar las capacidades cognitivas de los gestores y de crear un espacio de colaboración humano-máquina donde cada uno aporta sus fortalezas específicas: las máquinas procesan grandes volúmenes de datos, identifican patrones y generan predicciones con una velocidad y consistencia que excede las capacidades humanas; los humanos aportan contextualización, juicio ético, interpretación de significados y toma de decisiones estratégicas en situaciones de incertidumbre y ambigüedad.

Siguiendo a la Organización para la Cooperación y el Desarrollo Económicos (OECD, 2024), se entiende por IA aquella que desarrolla algoritmos y métodos que permiten a un sistema informático resolver problemas de forma inteligente, teniendo en consideración el contexto y la información disponible para alcanzar el objetivo deseado, con capacidad de aprender, razonar, planificar y diagnosticar.

Particularmente relevante para el diagnóstico de convenios es el aprendizaje automático (machine learning), que extrae conocimiento subyacente en los datos de manera automatizada (Fernández, 2024). También es relevante la IA generativa, capaz de producir contenidos complejos (textos, resúmenes, informes) que emulan la creación humana, siempre bajo supervisión y verificación por parte de expertos (European Union, 2024).

Las aplicaciones concretas de la IA en el diagnóstico inteligente de convenios son múltiples. En primer lugar, la minería de texto y el procesamiento de lenguaje natural (NLP) permiten analizar grandes volúmenes de actas de reuniones, correos electrónicos, informes de progreso y respuestas a encuestas abiertas, extrayendo temas comunes, identificando sentimientos positivos o negativos hacia la colaboración, y clasificando automáticamente los convenios por nivel de riesgo, ODS principal o tipo de actividad predominante.

En segundo lugar, los modelos predictivos, basados en algoritmos de clasificación como árboles de decisión, bosques aleatorios, redes neuronales o Gradient Boosting Machines, pueden ser entrenados con datos históricos de convenios previos (tipo de socio, duración, recursos comprometidos, complejidad burocrática, nivel de ejecución, resultados obtenidos) para predecir qué nuevos convenios tienen alta probabilidad de éxito (entendido como contribución efectiva a la calidad educativa) y cuáles presentan signos de alarma que requerirían intervención temprana.

En tercer lugar, los sistemas de recomendación pueden sugerir socios potenciales ideales para un académico, una facultad o la institución en su conjunto, basándose en afinidad de intereses de investigación, publicaciones previas, proyectos en curso y perfiles institucionales. En cuarto lugar, los dashboards interactivos que integran inteligencia de negocios (BI) y visualizaciones dinámicas permiten monitorear en tiempo real el estado de salud de las alianzas, con semáforos de riesgo, mapas de calor de contribución a los ODS, gráficos de redes de colaboración y otros elementos que facilitan la toma de decisiones estratégicas.

Sin embargo, la incorporación de la IA en el diagnóstico también plantea desafíos éticos y metodológicos que la propuesta teórica aborda explícitamente. El primero es el riesgo de sesgo algorítmico, pues los modelos de IA aprenden de datos históricos que pueden contener sesgos (por ejemplo, una sobrerrepresentación de convenios con universidades del Norte Global y una subrepresentación de alianzas sur-sur).

Si no se interviene conscientemente, la IA podría perpetuar o incluso amplificar esos sesgos, recomendando siempre los mismos tipos de socios o ignorando oportunidades valiosas en contextos menos privilegiados (Greebon, 2026). El segundo desafío es la opacidad o "caja negra" de algunos modelos, que dificulta la auditabilidad y la explicabilidad de las predicciones.

La propuesta teórica, en coherencia con los principios del Tribunal de Justicia de la Unión Europea (CJEU, 2026), exige que los sistemas de IA utilizados sean transparentes, interpretables y estén sujetos a supervisión humana permanente. El tercer desafío es la dependencia de la calidad de los datos: la IA es tan buena como los datos que la alimentan. Si los datos sobre convenios están incompletos, desactualizados, mal estructurados o son inconsistentes, las predicciones serán poco fiables. Por ello, la implementación del diagnóstico inteligente debe ir acompañada de políticas institucionales de gestión de datos que aseguren su relevancia, confiabilidad, actualización y estructuración adecuada.

La propuesta teórica asume, además, que la IA opera bajo los principios de una gobernanza ética y centrada en el ser humano. Eso implica, como mínimo: supervisión humana permanente en todas las fases del diagnóstico, sin delegación del juicio crítico en los algoritmos; responsabilidad individual inalienable de los gestores y autoridades sobre las decisiones tomadas con apoyo de IA; cultura de verificación de datos y de resultados algorítmicos; y no discriminación, asegurando que las predicciones y recomendaciones no reproduzcan ni amplifiquen desigualdades existentes (CJEU, 2026). En ese sentido, la propuesta teórica se alinea con las recomendaciones internacionales sobre IA en educación, que enfatizan que la tecnología debe estar al servicio de la pedagogía, la inclusión y el bien común, y no a la inversa (UNESCO, 2020).

Aportes de la propuesta teórica a la calidad educativa universitaria

La propuesta teórica de diagnóstico inteligente aquí descrita no es un ejercicio académico desligado de la realidad institucional, sino una herramienta concebida para producir transformaciones concretas en la gestión de convenios y, a través de ella, en la calidad educativa universitaria. Sus principales aportes pueden sintetizarse en cinco dimensiones.

En primer lugar, la propuesta teórica permite alinear estratégicamente la gestión de convenios con la misión, visión y objetivos institucionales. Al incorporar el marco rector de la universidad como eje del análisis FODA y de la evaluación de la colaboración, el diagnóstico deja de ser un ejercicio genérico y se convierte en una palanca para el cumplimiento del proyecto educativo institucional. Los convenios que no contribuyen a los objetivos estratégicos son identificados como desalineados y pueden ser reconducidos, suspendidos o no renovados, liberando recursos para alianzas más relevantes.

En segundo lugar, la propuesta teórica introduce una cultura de gestión basada en datos y evidencia, superando la intuición, las relaciones personales o la improvisación como principales criterios para la toma de decisiones. Los indicadores de desempeño, los dashboards interactivos, las predicciones de riesgo y las recomendaciones algorítmicas proporcionan una base objetiva y sistemática para decidir qué convenios priorizar, qué socios buscar, qué recursos asignar y qué acciones correctivas implementar.

En tercer lugar, la propuesta teórica potencia la capacidad predictiva y anticipatoria de la gestión de convenios. La identificación temprana de convenios con signos de alarma, baja ejecución, incumplimiento de metas, conflictos latentes, cambios en el entorno, permite intervenir oportunamente, antes de que los problemas se agraven. Asimismo, la predicción del potencial de transformación de cada convenio ayuda a seleccionar aquellas alianzas que pueden generar mayor valor agregado para la calidad educativa, optimizando la inversión de recursos escasos.

En cuarto lugar, la propuesta teórica visibiliza y fortalece la dimensión social y ética de la cooperación interinstitucional. Al incorporar los ODS, el nuevo contrato social de la UNESCO y los principios de responsabilidad social universitaria, el diagnóstico pregunta no solo por la eficiencia de los convenios, sino por su contribución a la equidad, la inclusión, la justicia social y el desarrollo sostenible. Eso es particularmente relevante en contextos como el dominicano, donde las brechas de acceso, las desigualdades territoriales y los desafíos ambientales demandan un compromiso activo de las universidades.

En quinto lugar, la propuesta teórica promueve el aprendizaje institucional y la mejora continua; el diagnóstico no es un evento puntual, sino un proceso recursivo que se retroalimenta de los resultados de la implementación y la evaluación. Los datos generados por el sistema de diagnóstico inteligente alimentan los ciclos de planificación estratégica, los procesos de acreditación y los sistemas de aseguramiento de la calidad, creando un círculo virtuoso de reflexión, acción y mejora. Además, el uso de herramientas de IA y la formación asociada desarrollan competencias digitales y analíticas en los gestores, fortaleciendo el capital humano institucional.

Conclusiones

La caracterización epistemológica desarrollada permitió establecer un marco teórico sólido y coherente para la investigación, sustentado en la integración del enfoque sistémico-estructural, la teoría histórico-cultural de Vigotsky, y un conjunto de marcos teóricos provenientes de la teoría de la cooperación, la gestión estratégica, la calidad educativa y el estudio del entorno global. Ese marco no es un eclecticismo superficial, sino una síntesis dialéctica que reconoce la complejidad del objeto de estudio y ofrece categorías potentes para su análisis.

Se ha definido la gestión de convenios interinstitucionales como un proceso sistémico y estratégico, orientado a la calidad educativa universitaria, que integra dimensiones estructurales, funcionales, relacionales, temporales y tecnológicas. Se ha definido el diagnóstico inteligente como un proceso que articula la representación del conocimiento, la predicción inteligente y la valoración para la toma de decisiones, mediado por herramientas de inteligencia artificial.

Se alcanzó una propuesta teórica estructurada en tres fases, análisis contextual FODA+, valoración de la colaboración y predicción de la transformación, que operan de manera integrada y recursiva.

La incorporación de las ideas de Vigotsky ha resultado particularmente fecunda, al permitir concebir el diagnóstico inteligente no como una mera aplicación técnica, sino como una práctica social compleja, mediada por instrumentos y signos, que se desarrolla en la zona de desarrollo próximo de los gestores y las instituciones, y que se internaliza como competencia estable y cultura organizacional. La inteligencia artificial, desde esta perspectiva, no es un sustituto del juicio humano, sino un poderoso mediador que amplifica las capacidades cognitivas y transforma las prácticas de gestión.

Los marcos teóricos integrados, Teoría de Redes, Teoría de los Stakeholders, Gestión del Conocimiento, Modelos de Calidad, Teoría del Cambio, Teoría del Desarrollo Sostenible, Responsabilidad Social Universitaria, Teoría de la Agencia y enfoques de gestión de riesgos en entornos VUCA proporcionan categorías analíticas necesarias para dotar a la propuesta teórica de profundidad conceptual y pertinencia social. Cada uno de esos marcos aporta una lente específica que, en su conjunto, permite una comprensión multidimensional del fenómeno.

La caracterización aquí presentada no agota el trabajo teórico, sino que lo abre. En estudios posteriores este marco teórico será contrastado con la realidad empírica de la Universidad Católica de Santo Domingo, a través de un diagnóstico del estado actual de la gestión de convenios. Posteriormente, se desarrollarán las orientaciones metodológicas para la implementación de la propuesta teórica, y se presentará el diseño de ingeniería de software para su despliegue en ambiente web.

Lo que queda establecido, a modo de conclusión, es que la gestión de convenios interinstitucionales, cuando es abordada desde una perspectiva sistémica, dialéctica y prospectiva, y cuando se apoya en un diagnóstico inteligente mediado por IA, deja de ser un proceso administrativo periférico para convertirse en un motor estratégico de la calidad educativa universitaria y de la transformación social. Este es el principal aporte teórico que la investigación aspira a demostrar y validar.

Referencias

• Abreu, J; Rubio, I; Martínez, M. (2019). Hacia el fortalecimiento de relaciones interinstitucionales para la cooperación y el desarrollo de la gestión universitaria. REDIPE, 8(3), 96-105. https://revista.redipe.org/index.php/1/article/view/697
• Aguilar, L. E. (2013). Políticas de cooperação interinstitucional e seus impactos no desenvolvimento e consolidação da pós-graduação. Educação Unisinos, 17, 178-183. https://doi.org/10.4013/EDU.2013.173.01
• Algañaraz, V., Prado, F., & Rossomando, M. P. (2023). Indicators of research circulation: Localization and internationalization under scrutiny—The Cuyo Manual and its exploratory case study in Argentina. Quantitative Science Studies, 4, 283-305. https://doi.org/10.1162/qss_a_00229
• Arias, G. (1999). El diagnóstico en la educación. La Habana: Pueblo y Educación.
• Bertalanffy, L. von. (1976). Teoría general de los sistemas. México: Fondo de Cultura Económica.
• Borgatti, S., & Halgin, D. (2011). On network theory. Organization Science, 22(5), 1168-1181. https://doi.org/10.1287/orsc.1100.0641
• Broström, A., Feldmann, A., & Kaulio, M.A. (2019). Structured relations between higher education institutions and external organisations: opportunity or bureaucratisation? Higher Education, (78), 575-591. https://doi.org/10.1007/s10734-019-0359-1
• Castillo-Leyton, A., Guzmán-Sanhueza, D., y Betancourth-Zambrano, S. (2021). Cooperación Internacional: Un desafío en la Educación Superior Pública y Regional. Entramado, 19(1), e-9673. https://doi.org/10.18041/1900-3803/entramado.1.9673
• Court of Justice of the European Union (CJEU). (2026). Artificial Intelligence Ethics Charter. https://curia.europa.eu/
• Davenport, T., & Prusak, L. (1998). Working knowledge: How organizations manage what they know. Harvard Business School Press. https://search.worldcat.org/es/title/1007384188
• Eisenhardt, K. (1989). Agency Theory: An Assessment and Review. Academy of Management Review, 14(1), 57-74. https://doi.org/10.5465/amr.1989.4279003
• Enríquez, F., Amaro, A., Juárez, P., Rodríguez, R., & Soni, E. (2024). El diagnóstico como base de la intervención educativa. Revista Científica Biológico Agropecuaria Tuxpan, 12(1), 34-49. https://doi.org/10.47808/revistabioagro.v12i1.538
• European Union. (2024). Proposal for a directive of the European Parliament and of the Council on combating the sexual abuse and sexual exploitation of children and child sexual abuse material and replacing council framework decision 2004/68/JHA (recast) (COM/2024/60 final). EUR-Lex. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52024PC0060
• Fernández, Y., Pérez, O., & Caballero, Y. (2024). Transformación digital de las universidades cubanas, una estrategia para el diagnóstico académico con inteligencia artificial para la sostenibilidad formativa. Anales de la Academia de Ciencias de Cuba, 14(4), e1662. https://revistaccuba.sld.cu/index.php/revacc/article/view/1662
• Fernández, Y., Pérez, O., Rodríguez Á, Y., & Caballero, Y. (2023). Sistema inteligente para el diagnóstico pedagógico estudiantil. Revista Cubana De Transformación Digital, 4(4), e229. https://rctd.uic.cu/rctd/article/view/229
• Freeman, R. E. (1984). Strategic management: A stakeholder approach, Pitman.
• Granovetter, M. S. (1973). The strength of weak ties. American Journal of Sociology, 78(6), 1360-1380. https://www.journalsuchicago.edu/doi/10.1086/225469
• Greebon, D. (2026). Artificial Intelligence in Education Evidence Synthesis and Use in Low- and Middle-Income Countries (A working paper prepared for the Building Evidence in Education (BE2) Working Group). BE2 Secretariat. https://doi.org/10.53832/be2.0001
• Harvey, L., & Green, D. (1993). Defining quality. Assessment & Evaluation in Higher Education, 18(1), 9-34. https://doi.org/10.1080/0260293930180102
• Kellogg Foundation. (2004). Logic model development guide. W.K. Kellogg Foundation.
• Mainardes, E. W., Alves, H., & Raposo, M. (2011). Stakeholder theory: Issues to be solved. Journal of Management and Strategy, 2(1), 12-25. https://doi.org/10.1108/00251741111109133
• Mazzeo, D., & Baudo, J. (2021). La internacionalización en las relaciones interinstitucionales. Revista ES, 1(1 y 2), e028. https://doi.org/10.24215/27186539e028
• Mendoza, M; Benitez, L; Gonzalo, V; y Sáenz-Rico, B: (2024). Reimaginar juntos nuestros futuros. Un nuevo contrato social para la educación. Revista Salud Y Desarrollo, 8(3), e743. https://doi.org/10.55717/NRHV8567
• Mex, D., Perera, E., Ortiz, N., y Gutiérrez, J. (2023). Construcción de indicadores del sistema institucional de seguimiento de convenios. Multidisciplinas de la Ingeniería, 7(10), 97–106. https://doi.org/10.29105/mdi.v7i10.227
• Montesinos, C. (2023). La internacionalización de la educación superior y la cooperación interuniversitaria como motor de cohesión social y desarrollo sostenible. DOCENCIA Y DERECHO, (15), 71–84. https://doi.org/10.21071/redd.vi15.16566
• Moreno, R., Esteban, B., & Martín, A. (2025). Retos en educación y sociedad para la Agenda 2030. Pedagogía Social Revista Interuniversitaria, (47), 09–11. https://doi.org/10.7179/PSRI_2025.47.00
• Mückenberger, E., Togashi, G., Pádua, S., & Miura, I. (2013). Gestão de processos aplicada à realização de convênios internacionais bilaterais em uma instituição de ensino superior pública brasileira. Production, 23(3), 637–651. https://doi.org/10.1590/S0103-65132012005000076
• Nieves, L. (2000). El diagnóstico como proceso de evaluación-intervención: una nueva concepción. En Educación de alumnos con necesidades educativas especiales. Fundamentos y actualidad (pp. 30-44). La Habana: Pueblo y Educación.
• Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company: How Japanese companies create the dynamics of innovation. Oxford University Press. https://academic.oup.com/book/52097
• OECD. (2024). PISA 2022 Results: Creative Minds, Creative Schools. Vol. III. OECD publishing. https://www.oecd.org/en/publications/pisa-2022-results-volume-iii_765ee8c2-en.html
• Pratt, J., Matthews, S.P., Nairne, B., Hoult, E.C., & Ashenden, S.J. (2011). Collaboration Between Universities: An effective way of sustaining community-university partnerships? Gateways: International Journal of Community Research and Engagement, (4), 119-135. https://doi.org/10.5130/IJCRE.V4I0.1773
• Roque, H. (2025). Hacia un nuevo contrato social en educación. Simbiosis, 5(9), 206-211. https://doi.org/10.59993/simbiosis.V.5i9.75
• Stensaker, B. (2018). University Alliances: Enhancing Control, Capacity, and Creativity in Dynamic Environments. Educational Studies, (13), 132-153. https://doi.org/10.17323/1814-9545-2018-1-132-153
• United Nations Educational, Scientific and Cultural Organization (UNESCO). (2020). AI and education: Guidance for policy-makers. https://unesdoc.unesco.org/ark:/48223/pf0000376709
• Vallaeys, F., De la Cruz, C., & Sasia, P. M. (2009). Responsabilidad social universitaria: Manual de primeros pasos. https://academic.oup.com/book/52097
• Vigotsky, L. S. (1987). Historia del desarrollo de las funciones psíquicas superiores. La Habana: Científico-Técnica.
• Weiss, C. H. (1995). Nothing as practical as a good theory: Exploring theory-based evaluation for comprehensive community initiatives. En J. P. Connell, A. C. Kubisch, L. B. Schorr, & C. H. Weiss (Eds.), New approaches to evaluating community initiatives: Concepts, methods, and contexts (pp. 65-92). The Aspen Institute.
• Whitley, R. (2012). Transforming Universities: National Conditions of their Varied Organisational Actorhood. Minerva, (50), 493-510. https://doi.org/10.1007/s11024-012-9215-5