Integrating predictive AI and Blockchain for student behavioral forecasting in higher education: A conceptual framework and multicase análisis - Atena EditoraAtena Editora

Artigo

Baixe agora

Livros

Integrating predictive AI and Blockchain for student behavioral forecasting in higher education: A conceptual framework and multicase análisis

Baixar PDF
Las universidades necesitan anticipar decisiones del estudiante (matrícula, cambio, progreso, abandono).  La analítica de aprendizaje y la gobernabilidad de credenciales se han tratado como dominios separados. Esto crea una brecha entre la IA genera insights, pero falta una capa institucional segura y auditable que los operacionalice. Planteamos tres RQ: (datos académicos-financieros-engagement para predecir), (rol de blockchain en integridad, auditabilidad y gobernanza), y (capacidades organizativas para desplegar una capa analítica integrada). Método es el diseño más el multicaso; proponemos la arquitectura UCAS que integra predicción con gobernanza y credenciales en blockchain. Analizamos seis instituciones mediante documentos públicos y codificación temática comparativa. Se han realizado tres hallazgos, el primero es que la IA predictiva existe, pero en silos y sin orquestación inter-unidades; el segundo es que blockchain se usa en emisión y verificación de credenciales, no como capa de gobernabilidad del ciclo de datos conductuales; el tercero es que la integración emerge cuando las predicciones se acoplan a disparadores operativos trazables. Contribución es el modelo y hoja de ruta para personalizar servicios, mejorar retención y alinear sostenibilidad con privacidad y trazabilidad.
Ler mais

Integrating predictive AI and Blockchain for student behavioral forecasting in higher education: A conceptual framework and multicase análisis

  • DOI: https://doi.org/10.22533/at.ed.8208162614011

  • Palavras-chave: Algoritmos predictivos; tecnología blockchain; comportamiento del consumidor; universidades; inteligencia artificial; gestión institucional; transacciones.

  • Keywords: Predictive algorithms; blockchain technology; consumer behavior; universities; artificial intelligence; institutional management; transactions

  • Abstract: Universities need to anticipate students’ decisions (enrollment, switching, progression, dropout). Learning analytics and credential governance have been treated as separate domains. This creates a gap: AI generates insights, but a secure, auditable, institution-wide decision layer to operationalize them is missing. We pose three RQs: (how to combine academic, financial, and engagement data to predict behavior), (the role of blockchain in ensuring integrity, auditability, and governance), and (the organizational capabilities required to deploy an integrated analytics layer). We adopt a design-oriented, multi-case approach and propose the UCAS architecture, which integrates prediction with blockchain-based governance and credentials. We analyze six institutions using public documents and comparative thematic coding. Three findings emerge: first, predictive AI exists but in silos, without cross-unit orchestration; second, blockchain is used for credential issuance and verification, not as a governance layer for the behavioral data lifecycle; third, integration occurs when predictions are coupled to traceable operational triggers. Contribution: a model and roadmap to personalize services, improve retention, and align sustainability with privacy and traceability.

  • Raul Jaime Maestre
Fale conosco Whatsapp