150 mil predições por ano: o que a Open University ensina sobre retenção com IA, e por que o ensino superior brasileiro deveria prestar atenção
Por Digital Solutions do Brasil
Enquanto boa parte do mercado de educação discute qual chatbot adotar, a universidade que mais avançou em retenção com IA não construiu um tutor universal. Construiu um sistema de predição.
A The Open University, maior instituição de ensino a distância do Reino Unido, opera há mais de uma década o OU Analyse, um sistema de machine learning que identifica semanalmente os alunos em risco de reprovar na próxima avaliação. Desde 2020, tutores de todos os módulos de graduação têm acesso ao dashboard, e o sistema gera mais de 150 mil predições por ano.
O resultado não é retórica de fornecedor. É o caso público mais bem documentado do mundo em analytics preditivo aplicado a retenção e desempenho acadêmico, com estudos revisados por pares, avaliação por propensity score matching e prêmios institucionais sucessivos, incluindo o Recognition of Excellence in Teaching de 2025 e a final do prêmio UNESCO de ICT em Educação.
Para o ensino superior brasileiro, que enfrenta taxas de evasão no EAD que corroem margem e reputação ao mesmo tempo, esse caso merece ser estudado linha por linha.
O que é o OU Analyse, na prática
O sistema combina dois tipos de dado: o perfil demográfico do aluno e os dados dinâmicos do ambiente virtual de aprendizagem (VLE), coletados diariamente em granularidade fina, ação por ação, segundo o plano de estudo de cada módulo.
Sobre essa base, múltiplos modelos preditivos são treinados com o histórico de turmas anteriores e aplicados à turma em curso. As conclusões dos modelos são combinadas para classificar quem está em risco, e cada predição vem acompanhada de justificativas que explicam o porquê do alerta. O tutor não recebe apenas um semáforo vermelho; recebe contexto para agir.
"O valor não está na predição em si. Está em colocar a predição, com explicação, na mão de quem pode intervir a tempo."
predições geradas por ano
atualizadas semanalmente em todos os módulos
estudantes no co-design e no teste
desenho participativo, não imposto de cima
surveys e entrevistas no estudo 2024/25
com propensity score matching
O salto que poucos deram: do preditivo ao prescritivo
A maioria das IES que investe em analytics para no descritivo: dashboards que mostram o que aconteceu. Algumas chegam ao preditivo: modelos que estimam quem vai evadir. Quase nenhuma fecha o ciclo com o prescritivo: dizer ao aluno, de forma acionável, o que fazer agora.
É exatamente aí que a Open University deu o passo mais interessante. O Student-Facing Dashboard devolve o analytics ao próprio estudante. Além de visualizar seu engajamento e a probabilidade de passar na próxima avaliação, o aluno recebe recomendações de material de estudo e contatos diretos de suporte.
O projeto foi co-desenhado com 30 estudantes e testado com mais de 300 ao longo de dois anos. A avaliação do segundo ano de piloto, financiada com £106 mil, combinou 183 surveys, 30 entrevistas e pareamento estatístico. A conclusão do relatório institucional: evidência robusta de impacto positivo em desempenho, retenção, taxas de aprovação e experiência geral do estudante a distância, com benefício particularmente relevante para estudantes de grupos prioritários de acesso e permanência.
Em outras palavras: não é o aluno que precisa caçar o dado. É o dado que chega ao aluno em forma de próxima ação.
Por que isso importa para o EAD brasileiro
O contexto brasileiro torna esse caso ainda mais urgente. O novo marco regulatório do EAD elevou exigências de qualidade e acompanhamento, e a competição entre grandes grupos educacionais transformou retenção em variável central de resultado. Cada ponto percentual de evasão evitada representa receita preservada, CAC diluído e reputação defendida.
E a lição da Open University é desconfortável para quem aposta tudo em IA generativa: os ganhos mais comprovados em retenção vêm de uma arquitetura de dados disciplinada, não do chatbot mais sofisticado. O sistema da OU é, em essência, machine learning clássico bem governado, alimentado por dados de comportamento coletados com rigor, entregue a quem pode agir, com explicabilidade e desenho centrado no usuário.
Isso não significa que agentes de IA são irrelevantes nessa equação. Significa o oposto: eles entram exatamente onde o modelo da OU ainda depende de trabalho humano manual — na execução da intervenção em escala.
Onde a Fábrica de Agentes entra nessa história
Na Digital Solutions, esse ciclo completo — do dado à ação — é o que estruturamos para instituições de ensino com três soluções que se conectam diretamente às lições do caso OU:
| Lição da Open University | Solução na Fábrica de Agentes |
|---|---|
| Predição semanal de risco com dados demográficos e comportamentais | Churn: modelos de machine learning que preveem evasão com alta precisão, segmentam alunos por perfil de risco e priorizam quem precisa de intervenção agora |
| Prescrição acionável devolvida ao estudante, não só ao gestor | Plano de Estudo: IA que cria planos personalizados e dinâmicos, prevê riscos de desempenho e recomenda conteúdo para elevar engajamento |
| Intervenção a tempo, antes que o risco vire evasão | Agentes de IA: squads digitais que orquestram a comunicação personalizada, disparam ações proativas por canal adequado e escalam para o humano quando o caso exige |
A diferença estrutural está no terceiro item. Na Open University, a predição chega ao tutor, e o tutor decide e executa a intervenção. Funciona, mas depende de capacidade humana disponível. Em uma operação de EAD com dezenas ou centenas de milhares de alunos, esse elo humano vira gargalo.
É aqui que os agentes de IA fecham o ciclo que o analytics sozinho não fecha: o Agente de Retenção monitora as predições em tempo real, cruza com o histórico do aluno no CRM e no AVA, dispara a comunicação certa no momento certo, registra a resposta e escala para o time de permanência apenas os casos que exigem julgamento humano. O coordenador deixa de ser executor de réguas de contato e passa a ser curador de exceções.
"Predição sem ação é relatório. Ação sem predição é desperdício. O valor está no ciclo completo: prever, prescrever, agir e medir."
As quatro lições que valem mais que o benchmark
Para o decisor de uma IES brasileira, o caso da Open University se resume a quatro princípios transferíveis:
Comece pelo dado comportamental, não pelo modelo.
A força do OU Analyse vem da coleta diária e granular de atividade no AVA. Sem essa fundação, qualquer modelo preditivo nasce cego.
Explicabilidade não é luxo, é condição de adoção.
Tutores agem sobre as predições porque entendem as justificativas. Um score sem contexto gera desconfiança e abandono da ferramenta.
Feche o ciclo no estudante.
O salto de impacto veio quando o analytics deixou de ser painel de gestor e virou recomendação acionável na tela do aluno.
Meça com seriedade.
Surveys, entrevistas, pareamento estatístico. A OU publicou evidência, não promessa. É esse padrão de prova que separa investimento estratégico de modismo.
A pergunta que fica para cada IES
A Open University levou mais de dez anos para construir e validar esse sistema, partindo do zero, sem o ferramental de IA disponível hoje. Uma instituição brasileira que comece agora não precisa repetir essa jornada: os padrões arquiteturais estão publicados, os modelos preditivos amadureceram e os agentes de IA resolvem justamente a etapa de execução que era o limite do modelo original.
A questão, portanto, não é se analytics preditivo funciona para retenção. O caso da OU encerrou esse debate. A questão é quanto custa, a cada semestre, operar sem ele.
Fontes: OU Analyse, Knowledge Media Institute, The Open University · Herodotou et al. (2025), A participatory approach to designing a student-facing dashboard for online and distance education, Journal of Learning Analytics · Herodotou et al. (2025), Prescriptive analytics motivating distance learning student action, LAK25 · Herodotou et al. (2020), The scalable implementation of predictive learning analytics at a distance learning university, The Internet and Higher Education.
Pronto para fechar o ciclo?
Do analytics à ação: retenção com a Fábrica de Agentes
Converse com nossos especialistas e descubra como a Fábrica de Agentes transforma analytics de retenção em resultado mensurável na sua instituição.
Falar com um especialista →Pronto para eliminar a cola humana?
Converse com nossos especialistas e descubra como a Fábrica de Agentes se encaixa na sua operação.
Falar com um especialista