Higher education is among the most intensively measured enterprises in modern life. It is accredited, audited, ranked, surveyed, benchmarked, and reported on with an apparatus that consumes a meaningful share of institutional budgets and administrative attention. Yet on the question that justifies the entire enterprise — whether students learn and how much — the sector's official quality-assurance machinery is nearly silent. That gap between the volume of measurement and the value of what is measured is the crisis this essay names.
The crisis has an institutional center, and it is not the rankings industry. It is accreditation: the sector's own instrument, designed and governed by the sector itself, that certifies quality to governments, students, and the public. Accreditation has become compliance theater. It insulates weak institutions from accountability while burdening strong ones with bureaucracy, and it cannot evaluate the forms of learning now emerging fastest — adaptive, AI-integrated, competency-based, and internationally distributed.
Compliance Theater
Accreditation was designed for a problem the sector no longer has. In the early twentieth century, when the term "college" carried no guarantee of substance, peer review established a floor: an accredited institution had a library, qualified faculty, orderly finances, and governance that functioned. The instrument certified the container. For decades, certifying the container was a reasonable proxy for certifying the education inside it.
It no longer is, and the evidence sits at both ends of the quality distribution. At the weak end, accreditation fails as protection. The Federal Reserve's 2025 study of college closures — the most comprehensive dataset assembled on the subject — found that institutions that eventually closed exhibited a high degree of missing and incomplete financial data for years beforehand, and that closures overwhelmingly arrive abruptly, with most closing institutions accredited until, or nearly until, the end.[1] The instrument that exists to warn students and the public about institutional weakness systematically fails to do so before the failure is irreversible. A student can enroll in an accredited institution in September and watch it announce its closure in March, and at no point will the accreditation status have signaled the risk.
At the strong end, accreditation extracts costs without adding information. A multi-institutional study led by Vanderbilt University in 2015 found that regulatory compliance consumes between 3% and 11% of institutional expenditures, with accreditation-related documentation a substantial component: resources diverted from instruction into the production of self-studies, evidence binders, and site-visit choreography whose conclusions are rarely in doubt.[2] Established institutions essentially never lose accreditation. A review process whose outcome is known in advance is not evaluation. It is ritual — and rituals have their uses, but consumer protection and quality assurance are not among them.
Institutions that eventually close show years of missing and incomplete financial data beforehand — and most remain accredited until, or nearly until, the end.
Kelchen, Ritter & Webber (2025), Federal Reserve [1]The structural explanation is not mysterious. Accreditors are membership organizations governed by the institutions they review. Peer reviewers are drawn from the sector, evaluate the sector, and return to be evaluated by it. The binary output — accredited or not — is so consequential that revocation functions as a death penalty, since federal aid eligibility depends on it. That means it is almost never imposed, which means the sanction that gives the system its authority is precisely the one it cannot use. A quality-assurance regime whose only real sanction is unusable will drift toward documentation and away from judgment. It has.
What Accreditation Cannot See
The deeper problem is prospective rather than retrospective. The learning that higher education is now producing in its most innovative forms is largely invisible to accreditation's categories. The instrument audits credit hours, seat time, faculty credentials, syllabi, and governance documents: the architecture of a residential, semester-based, instructor-delivered model. Learning that does not take that shape must be forced into it to be certified.
Competency-based education is the clearest case. Programs that certify what a student can demonstrably do, rather than how long they sat in a classroom, had to be accommodated through special "direct assessment" provisions grafted onto a credit-hour system, and they remain marginal partly because the assurance machinery treats them as anomalies to be tolerated rather than models to be evaluated on their own terms. Internationally distributed programs, in which a degree's instruction spans institutions and jurisdictions, confront accreditors whose authority and expertise stop at national borders. AI-integrated learning — adaptive systems that adjust content, pacing, and assessment to the individual student — is being adopted faster than any review cycle can even document, let alone evaluate.
Essay Three of this series argued that generative AI has broken the evidentiary link between traditional assessment and actual learning: 94% of UK students now use AI for assessed work, and the essay, the take-home analysis, and the research summary have lost validity as measures of individual capability.[3] Accreditation has no instrument for this. A site visit can confirm that an institution has an academic integrity policy. It cannot determine whether the institution's assessments still measure what its degrees certify. The sector's central quality question of the decade is one its official quality-assurance system is structurally unable to ask.
Accreditation audits the container: credit hours, credentials, governance documents. The learning now emerging fastest no longer lives in that container — and the instrument cannot see it.
The Learning Analytics Paradox
Here the argument reaches its most uncomfortable point, and the one institutional leaders least want named. For most of higher education's history, the honest defense of weak quality measurement was that learning is genuinely hard to measure. It is longitudinal, multidimensional, and confounded by who students were when they arrived. That defense expired quietly over the past decade.
The data now exists. Learning management systems log every interaction with course material. Formative assessment platforms capture performance continuously rather than at semester's end. Competency frameworks map what each assignment is supposed to develop. AI tutoring systems record, with a granularity no researcher of a previous generation could have imagined, exactly where a student's understanding breaks down and what intervention repaired it. For the first time, institutions possess — as a byproduct of ordinary operations — the raw material to answer questions that landmark studies could only sample: whether students are gaining analytical capability, which programs produce learning gains and which produce credit accumulation, and for whom.
The benchmark for what such measurement reveals when someone actually looks was set by Richard Arum and Josipa Roksa, whose longitudinal analysis found that 45% of students showed no statistically significant gains in critical thinking, complex reasoning, and writing during their first two years of college, and 36% showed none across four years.[4] The sector's response to that finding, fifteen years ago, was a brief methodological quarrel followed by strategic silence. The question worth asking is why the far richer data institutions now hold has not produced a wave of successor studies, institution by institution, program by program.
45% of students showed no statistically significant gains in critical thinking, complex reasoning, and writing during their first two years of college. 36% showed none across four years.
Arum & Roksa (2011), Academically Adrift [4]The answer is not technical. It is that the results would require accountability that institutional governance is not built to deliver. If learning analytics showed — as at some institutions they would — that a flagship program produces credential accumulation without measurable capability gains, someone would have to act on that finding: reallocate resources, redesign curriculum, confront a department. Shared governance distributes veto power widely and concentrates responsibility nowhere; a finding that indicts a program has many potential victims and no natural owner. Faculty bodies suspect, with some justification, that learning measurement will be weaponized for austerity. Administrations suspect, also with justification, that unflattering findings will surface in political and market contexts they cannot control. Privacy concerns are real — and they are also, frequently, the respectable public face of a less respectable institutional preference: for ignorance that can be managed over knowledge that would have to be acted upon.
The sector's oldest excuse — that learning cannot be measured — has quietly expired. What remains is a harder truth: institutions decline to measure what they would then be accountable for.
The Rankings Sideshow
It is customary, in essays on quality measurement, to spend most of the argument on rankings: their methodological weaknesses, their perverse incentives, the rebellion that began when Yale's law school withdrew in late 2022 and spread through elite law and medical schools, and Columbia University's fall from second to eighteenth after a mathematics professor on its own faculty, Michael Thaddeus, documented that the institution had reported inaccurate data.[5] Those criticisms are correct, and they are also, by now, the best-covered territory in the entire quality debate.
What the rankings controversy actually demonstrates is something the sector prefers not to conclude: a newsmagazine's formula governed institutional behavior for forty years because the sector's own quality-assurance system produced no credible comparative information whatsoever. Rankings filled a vacuum accreditation created. Institutions that abandoned the rankings abandoned the referee. None of them left the game, and none of them offered the public a better scoreboard. The vacuum remains, and whoever fills it next will inherit the same power.
The Earnings Turn and Its Limits
The most consequential recent development in quality measurement has come from outside the sector's own machinery. In 2025, the Carnegie Foundation and the American Council on Education redesigned the Carnegie Classifications — for fifty years a taxonomy of institutional type — to include a Student Access and Earnings Classification that categorizes institutions by whom they enroll and what their students go on to earn relative to comparable peers in their labor markets.[6] Combined with program-level earnings data from the federal College Scorecard, this represents a genuine shift: from classifying institutions by what they are to evaluating them by what they produce, with attention to access as well as outcome.
The earnings turn deserves two cheers, not three. Its virtues are real: outcomes rather than inputs, disaggregation rather than institutional averages, and resistance to the reputational circularity that corrupts rankings. Its limits are equally real. Earnings are a proxy for one of education's purposes, not a measure of education. They penalize institutions that form teachers, social workers, clergy, and artists; they reward regional labor markets as much as educational quality; and they cannot distinguish an institution that develops its students from one that merely selects students who would have prospered anywhere. Essay Five of this series made the capabilities argument in full: what education owes students is the expansion of their real freedoms, of which earning power is one component. A measurement regime that reduces quality to wages will distort formation as surely as rankings distorted admissions. The lesson of Campbell's law — that indicators used for high-stakes decisions corrupt the processes they monitor — applies to good metrics as well as bad ones.[7]
What Credible Quality Assurance Would Require
The elements of a credible system are not obscure; each exists somewhere in partial form. Risk-based review, in which scrutiny is proportionate to evidence of institutional risk — financial, evidentiary, outcome-based — rather than uniform across the sector, would free strong institutions from ritual and concentrate attention where the Federal Reserve's data shows it is needed. Financial early-warning integration would make the closure research actionable: an accreditor that cannot see a closure coming two years out, when the predictive data exists, is not performing its protective function. Learning evidence with consequences would require institutions to measure learning gain at program level, using the analytics infrastructure they already own, and to show governance responses to what the measurement finds. The categories themselves must be rebuilt to evaluate competency-based, AI-integrated, and distributed learning on their own terms rather than as exceptions to a residential template.
None of this is primarily a technical agenda. It is a governance agenda, and it runs through the same uncomfortable gate identified above: measurement with consequences requires institutions capable of acting on unwelcome findings. The sector can build that capability deliberately, or it can wait for governments and markets to impose cruder versions of it — earnings tests, loan-eligibility screens, political interventions in accreditation itself, which in 2025 became openly contested terrain. The choice was never between being measured and not being measured. It is between building credible measures and having crude ones imposed.
- Commission an internal learning-outcomes analysis using the data your institution already collects — LMS analytics, assessment records, completion patterns by program — before any external body requires it. The institution that knows its own results can act on them; the institution that avoids them will have them discovered by others.
- Treat the accreditation self-study as a floor, not a strategy. If your quality-assurance activity consists of compliance documentation, your institution has no quality-assurance activity. It has a filing function.
- The governance obstacle is the real obstacle. Before investing in analytics infrastructure, invest in the harder question: what process will act on findings that indict an established program? If no answer exists, the data will be collected and shelved.
- Ask what evidence the institution holds that its students learn — not that they enroll, persist, and graduate, but that they leave with capabilities they lacked at entry. If the answer is grades and accreditation status, the board is governing without quality information.
- Request the financial early-warning indicators the Federal Reserve research identifies, and ask whether the institution's own data would have been complete enough to support that analysis. Missing financial data is itself a red flag the closure research validates.
- Distinguish measurement theater from measurement. A dashboard of enrollment, retention, and satisfaction metrics is management information. Learning gain, disaggregated by program and student background, is quality information. Boards should insist on the second.
- Accreditation reform that merely adds requirements will deepen compliance theater. The structural reform is risk-differentiation: concentrate review where financial and outcome evidence indicates risk, and reduce ritual burden where it does not.
- Earnings-based accountability is a useful floor and a dangerous ceiling. Program-level earnings screens catch predatory failure; they cannot define quality, and regimes that treat them as sufficient will distort formation toward the immediately remunerative.
- The learning analytics infrastructure now embedded in institutions is a public-interest asset. Policy should require transparent, privacy-protective reporting of learning outcomes at program level. The sector will not volunteer accountability its governance cannot process.
- What direct evidence, beyond grades and graduation rates, does this institution possess that its students gain measurable capability between entry and completion?
- What did our last accreditation review cost in staff time and direct expense, and what did the institution learn from it that it did not already know?
- Which of our programs could demonstrate learning gain at program level if asked to do so within twelve months? Which could not, and why?
- If our learning analytics showed that a major program produces credential accumulation without capability gains, what governance process would act on that finding, and who owns it?
- How would our assessment architecture, and the evidence of learning it produces, withstand the AI-era validity questions raised in Essay Three of this series?
La educación superior es una de las actividades más intensamente medidas de la vida contemporánea. Se la acredita, audita, clasifica, encuesta y compara mediante un aparato que consume una porción considerable de los presupuestos institucionales y de la atención administrativa. Y sin embargo, ante la pregunta que da sentido a toda la empresa, la de si los estudiantes aprenden y cuánto, la maquinaria oficial de aseguramiento de la calidad guarda un silencio casi total. Esa distancia entre el volumen de lo que se mide y el valor de lo medido es la crisis que este ensayo quiere nombrar.
Esa crisis tiene un centro institucional, y no es la industria de los rankings. Es la acreditación: el instrumento propio del sector, diseñado y gobernado por el sector mismo, que certifica la calidad ante los gobiernos, los estudiantes y el público. La acreditación se ha convertido en un teatro de cumplimiento. Aísla a las instituciones débiles de la rendición de cuentas mientras carga a las fuertes de burocracia, y resulta incapaz de evaluar las formas de aprendizaje que hoy emergen con más fuerza: las adaptativas, las integradas con inteligencia artificial, las basadas en competencias y las distribuidas internacionalmente.
Teatro de cumplimiento
La acreditación fue pensada para un problema que el sector ya superó. A comienzos del siglo XX, cuando el nombre de "universidad" no garantizaba sustancia alguna, la revisión entre pares fijó un piso: una institución acreditada contaba con biblioteca, profesorado calificado, finanzas ordenadas y una gobernanza que efectivamente funcionaba. El instrumento certificaba el envase. Durante décadas, certificar el envase fue una aproximación razonable a certificar lo que ese envase contenía.
Ya no lo es, y la evidencia aparece en ambos extremos de la escala de calidad. En el extremo débil, la acreditación falla como protección. El estudio de 2025 de la Reserva Federal sobre cierres universitarios, el conjunto de datos más completo reunido hasta ahora sobre la materia, encontró que las instituciones que finalmente cerraron venían exhibiendo, durante años, un grado alto de datos financieros faltantes o incompletos, y que los cierres llegan de manera abrumadoramente abrupta: la mayoría de esas instituciones seguía acreditada hasta el final, o casi.[1] El instrumento que existe precisamente para advertir a los estudiantes y al público sobre la debilidad institucional falla de manera sistemática en hacerlo antes de que el daño sea irreversible. Un estudiante puede matricularse en septiembre en una institución acreditada y verla anunciar su cierre en marzo sin que, en ningún momento, el estatus de acreditación haya dado señal alguna del riesgo.
En el extremo fuerte ocurre lo contrario: la acreditación cobra costos sin aportar información. Un estudio multiinstitucional dirigido por la Universidad de Vanderbilt en 2015 encontró que el cumplimiento regulatorio consume entre el 3% y el 11% de los gastos institucionales, con la documentación de acreditación como componente sustancial: recursos que se desvían de la enseñanza hacia autoevaluaciones, carpetas de evidencia y coreografías de visitas cuyas conclusiones rara vez están en duda.[2] Las instituciones ya establecidas prácticamente nunca pierden su acreditación. Un proceso de revisión cuyo resultado se conoce de antemano no es evaluación, sino ritual, y los rituales tienen sus funciones, pero la protección al estudiante y el aseguramiento de la calidad no figuran entre ellas.
Las instituciones que terminan cerrando muestran años de datos financieros faltantes o incompletos, y la mayoría permanece acreditada hasta el final, o casi.
Kelchen, Ritter y Webber (2025), Reserva Federal [1]La explicación estructural no tiene nada de misterioso. Los organismos acreditadores son asociaciones de miembros gobernadas por las mismas instituciones que revisan. Quienes evalúan provienen del sector, evalúan al sector y regresan después a ser evaluados por él. El resultado binario, acreditado o no, pesa tanto (de él depende la elegibilidad para la ayuda federal) que la revocación funciona como pena capital. Y precisamente por eso casi nunca se impone, de modo que la única sanción capaz de dar autoridad al sistema es la que el sistema no puede permitirse usar. Un régimen de aseguramiento de la calidad cuya única sanción real resulta inutilizable acabará derivando hacia la documentación y alejándose del juicio. Así ha sucedido.
Lo que la acreditación no puede ver
El problema más profundo no es retrospectivo sino prospectivo: el aprendizaje que la educación superior produce hoy en sus formas más innovadoras resulta, en gran medida, invisible para las categorías de la acreditación. El instrumento audita horas de crédito, tiempo de aula, credenciales del profesorado, programas de asignatura y documentos de gobernanza, es decir, la arquitectura propia de un modelo residencial, semestral e impartido por instructores. El aprendizaje que no adopta esa forma tiene que forzarse dentro de ella para poder certificarse.
La educación basada en competencias es el caso más claro. Los programas que certifican lo que un estudiante puede efectivamente hacer, y no cuánto tiempo pasó sentado en un aula, han tenido que acomodarse mediante disposiciones especiales de "evaluación directa" injertadas sobre un sistema pensado en horas de crédito. Siguen siendo marginales, en parte, porque la maquinaria de aseguramiento los trata como anomalías que tolerar y no como modelos que evaluar en sus propios términos. Los programas distribuidos internacionalmente, cuya enseñanza abarca instituciones y jurisdicciones distintas, se topan con acreditadores cuya autoridad y competencia se detienen en la frontera nacional. Y el aprendizaje integrado con inteligencia artificial, esos sistemas adaptativos que ajustan contenido, ritmo y evaluación al estudiante individual, se está adoptando más rápido de lo que cualquier ciclo de revisión puede siquiera registrar, mucho menos evaluar.
El ensayo tres de esta serie sostuvo que la IA generativa ha roto el vínculo evidencial entre la evaluación tradicional y el aprendizaje real: el 94% de los estudiantes del Reino Unido usa hoy la IA para trabajos evaluados, de modo que el ensayo domiciliario, el análisis de caso y el resumen de investigación han perdido su validez como medidas de la capacidad individual.[3] La acreditación carece de instrumento para esto. Una visita de pares puede confirmar que una institución cuenta con una política de integridad académica. Lo que no puede determinar es si las evaluaciones de esa institución siguen midiendo lo que sus títulos certifican. La pregunta de calidad central de esta década es, precisamente, una que el sistema oficial de aseguramiento de la calidad es estructuralmente incapaz de formular.
La acreditación audita el envase: horas de crédito, credenciales, documentos de gobernanza. El aprendizaje que hoy emerge con mayor fuerza ya no vive en ese envase, y el instrumento no logra verlo.
La paradoja de la analítica del aprendizaje
Aquí el argumento llega a su punto más incómodo, el que los líderes institucionales menos desean que se nombre. Durante casi toda la historia de la educación superior, la defensa honesta de una medición débil de la calidad fue que el aprendizaje resulta genuinamente difícil de medir, pues es longitudinal, multidimensional y está confundido por quiénes eran los estudiantes al llegar. Esa defensa expiró en silencio durante la última década.
Los datos ya existen. Las plataformas de gestión del aprendizaje registran cada interacción con el material del curso. Los sistemas de evaluación formativa capturan el desempeño de manera continua, no solo al cierre del semestre. Los marcos de competencias mapean lo que cada tarea debe desarrollar. Los sistemas de tutoría con inteligencia artificial registran, con una granularidad que ningún investigador de la generación anterior habría podido imaginar, exactamente dónde se quiebra la comprensión de un estudiante y qué intervención logró repararla. Por primera vez, las instituciones poseen, como subproducto de sus operaciones ordinarias, la materia prima necesaria para responder preguntas que los estudios de referencia solo pudieron muestrear: si los estudiantes efectivamente ganan capacidad analítica, qué programas producen aprendizaje y cuáles solo acumulan créditos, y para quiénes ocurre cada cosa.
El punto de referencia sobre lo que revela esa medición cuando alguien de verdad la mira lo establecieron Richard Arum y Josipa Roksa, cuyo análisis longitudinal encontró que el 45% de los estudiantes no mostraba ganancias estadísticamente significativas en pensamiento crítico, razonamiento complejo y escritura durante sus primeros dos años universitarios, y que el 36% no las mostraba ni siquiera a lo largo de cuatro años.[4] La respuesta del sector ante ese hallazgo, hace quince años, fue una breve disputa metodológica seguida de un silencio estratégico. Vale la pena preguntarse por qué los datos, hoy mucho más ricos, que las instituciones ya poseen no han producido una ola de estudios sucesores, institución por institución, programa por programa.
El 45% de los estudiantes no mostró ganancias estadísticamente significativas en pensamiento crítico, razonamiento complejo y escritura durante sus primeros dos años universitarios. El 36% no las mostró ni siquiera a lo largo de cuatro años.
Arum y Roksa (2011), Academically Adrift [4]La respuesta no es técnica. Es que los resultados exigirían una rendición de cuentas para la que la gobernanza institucional simplemente no está construida. Si la analítica del aprendizaje mostrara, como en algunas instituciones sin duda mostraría, que un programa emblemático produce acumulación de credenciales sin ganancias medibles de capacidad, alguien tendría que actuar sobre ese hallazgo: reasignar recursos, rediseñar el currículo, confrontar a un departamento entero. La gobernanza compartida reparte ampliamente el poder de veto y no concentra la responsabilidad en ninguna parte; un hallazgo que señala a un programa tiene muchas víctimas posibles y ningún dueño natural. Los cuerpos docentes sospechan, no sin razón, que la medición del aprendizaje terminará usándose como arma de austeridad. Las administraciones sospechan, también con algo de razón, que los hallazgos desfavorables aflorarán en contextos políticos y de mercado que no pueden controlar. Las preocupaciones por la privacidad son reales, y son también, con frecuencia, la cara pública respetable de una preferencia institucional menos respetable: la de administrar la ignorancia antes que asumir el conocimiento que exigiría actuar.
La excusa más antigua del sector, que el aprendizaje no puede medirse, expiró en silencio. Lo que queda es una verdad más incómoda: las instituciones se niegan a medir aquello de lo que después tendrían que rendir cuentas.
El espectáculo secundario de los rankings
Es costumbre, en los ensayos sobre medición de la calidad, dedicar la mayor parte del argumento a los rankings: sus debilidades metodológicas, sus incentivos perversos, la rebelión que arrancó cuando la escuela de derecho de Yale se retiró a fines de 2022 y se propagó por las escuelas de derecho y medicina más prestigiosas, y la caída de la Universidad de Columbia del segundo al decimoctavo puesto después de que un profesor de matemáticas de su propia facultad, Michael Thaddeus, documentara que la institución había reportado datos inexactos.[5] Esas críticas son acertadas, y son también, a estas alturas, el territorio mejor cubierto de todo el debate sobre la calidad.
Lo que la controversia de los rankings demuestra en realidad es algo que el sector prefiere no reconocer: la fórmula de una revista gobernó el comportamiento institucional durante cuarenta años simplemente porque el propio sistema de aseguramiento de la calidad del sector no producía información comparativa creíble de ningún tipo. Los rankings llenaron un vacío que la acreditación había creado. Las instituciones que abandonaron los rankings abandonaron al árbitro, pero ninguna abandonó el juego, y ninguna le ofreció al público un marcador mejor. El vacío sigue ahí, y quien lo llene a continuación heredará el mismo poder.
El giro hacia los ingresos y sus límites
El desarrollo reciente más consecuente en materia de medición de la calidad ha llegado desde fuera de la maquinaria propia del sector. En 2025, la Fundación Carnegie y el American Council on Education rediseñaron las Clasificaciones Carnegie, durante cincuenta años la taxonomía de referencia para los tipos de institución, para incorporar una Clasificación de Acceso Estudiantil e Ingresos que agrupa a las instituciones según a quiénes matriculan y cuánto llegan a ganar sus egresados en comparación con pares similares de su propio mercado laboral.[6] Combinada con los datos de ingresos por programa del College Scorecard federal, esta clasificación representa un giro genuino: pasar de clasificar a las instituciones por lo que son a evaluarlas por lo que producen, sin perder de vista el acceso además del resultado.
El giro hacia los ingresos merece dos aplausos, no tres. Sus virtudes son reales: mira resultados en lugar de insumos, desagrega en lugar de promediar y resiste la circularidad reputacional que corrompe a los rankings. Sus límites son igualmente reales. Los ingresos son una aproximación a uno de los propósitos de la educación, no una medida de la educación misma. Penalizan a las instituciones que forman docentes, trabajadores sociales, religiosos y artistas; premian tanto al mercado laboral regional como a la calidad educativa propiamente dicha; y no distinguen entre una institución que efectivamente forma a sus estudiantes y otra que simplemente selecciona a quienes ya habrían prosperado en cualquier parte. El ensayo cinco de esta serie desarrolló por completo el argumento de las capacidades: lo que la educación debe a sus estudiantes es la expansión de sus libertades reales, de las cuales la capacidad de generar ingresos es solo un componente. Un régimen de medición que reduzca la calidad al salario distorsionará la formación con la misma certeza con que los rankings distorsionaron las admisiones. La lección de la ley de Campbell, según la cual los indicadores usados para decisiones de alto impacto acaban corrompiendo los procesos que pretenden vigilar, se aplica tanto a las métricas buenas como a las malas.[7]
Lo que exigiría un aseguramiento de la calidad creíble
Los elementos de un sistema creíble no son un misterio; cada uno ya existe, en alguna parte, de forma parcial. Una revisión basada en riesgo, donde el escrutinio sea proporcional a la evidencia de riesgo institucional (financiero, evidencial, de resultados) y no uniforme para todo el sector, liberaría a las instituciones fuertes del ritual y concentraría la atención donde los propios datos de la Reserva Federal muestran que hace falta. La integración de alertas financieras tempranas volvería accionable la investigación sobre cierres: un acreditador que no puede ver venir un cierre con dos años de anticipación, cuando los datos predictivos ya existen, no está cumpliendo su función protectora. La evidencia de aprendizaje con consecuencias exigiría que las instituciones midan la ganancia de aprendizaje a nivel de programa, usando la infraestructura analítica que ya poseen, y que muestren respuestas de gobernanza ante lo que esa medición encuentre. Y las categorías mismas deben reconstruirse para evaluar el aprendizaje basado en competencias, integrado con IA y distribuido internacionalmente en sus propios términos, en lugar de tratarlo como excepción a una plantilla residencial.
Nada de esto es, en el fondo, una agenda técnica. Es una agenda de gobernanza, y atraviesa la misma puerta incómoda señalada antes: medir con consecuencias exige instituciones capaces de actuar sobre hallazgos indeseados. El sector puede construir esa capacidad de manera deliberada, o puede esperar a que gobiernos y mercados le impongan versiones más toscas: pruebas de ingresos, filtros de elegibilidad crediticia, intervenciones políticas en la acreditación misma, que en 2025 se convirtió en terreno abiertamente disputado. La alternativa nunca fue entre medirse o no medirse. Es entre construir medidas creíbles o recibir impuestas medidas burdas.
- Encargue un análisis interno de resultados de aprendizaje con los datos que su institución ya recopila, sea analítica de plataformas, registros de evaluación o patrones de graduación por programa, antes de que un organismo externo se lo exija. La institución que conoce sus propios resultados puede actuar sobre ellos; la que los evita terminará viendo cómo otros los descubren primero.
- Trate la autoevaluación de acreditación como un piso, nunca como una estrategia. Si toda su actividad de aseguramiento de la calidad consiste en documentación de cumplimiento, su institución no tiene, en rigor, actividad de aseguramiento de la calidad, sino una función de archivo.
- El obstáculo real es de gobernanza. Antes de invertir en infraestructura analítica, invierta en la pregunta más difícil: ¿qué proceso actuará sobre hallazgos que comprometan a un programa ya establecido? Si esa respuesta no existe, los datos se recogerán y quedarán archivados sin más.
- Pregunte qué evidencia posee la institución de que sus estudiantes aprenden, no de que se matriculan, persisten y se gradúan, sino de que egresan con capacidades que no tenían al ingresar. Si la única respuesta son las calificaciones y el estatus de acreditación, el consejo está gobernando sin información de calidad.
- Solicite los indicadores de alerta financiera temprana que identifica la investigación de la Reserva Federal, y pregunte si los propios datos de la institución habrían bastado para sostener ese análisis. Que falten datos financieros es, en sí mismo, una señal de alarma que la investigación sobre cierres confirma.
- Distinga el teatro de la medición de la medición propiamente dicha. Un tablero de matrícula, retención y satisfacción es información de gestión. La ganancia de aprendizaje, desagregada por programa y por origen del estudiante, es información de calidad. Los consejos deben insistir en esta última.
- Una reforma de la acreditación que se limite a añadir requisitos solo profundizará el teatro de cumplimiento. La reforma estructural pasa por diferenciar según el riesgo: concentrar la revisión donde la evidencia financiera y de resultados la justifica, y aliviar la carga ritual donde no lo hace.
- La rendición de cuentas basada en ingresos es un piso útil pero un techo peligroso. Los filtros de ingresos por programa detectan el fracaso depredador; no logran definir la calidad, y los regímenes que los traten como suficientes acabarán inclinando la formación hacia lo inmediatamente remunerativo.
- La infraestructura de analítica del aprendizaje ya instalada en las instituciones constituye un activo de interés público. La política pública debería exigir informes transparentes y que protejan la privacidad sobre los resultados de aprendizaje a nivel de programa, porque el sector no ofrecerá por su propia voluntad una rendición de cuentas que su gobernanza no puede procesar.
- Más allá de calificaciones y tasas de graduación, ¿qué evidencia directa posee esta institución de que sus estudiantes ganan capacidad medible entre el ingreso y la graduación?
- ¿Cuánto costó nuestra última revisión de acreditación en tiempo de personal y gasto directo, y qué aprendió la institución de ese proceso que no supiera ya de antemano?
- ¿Cuáles de nuestros programas podrían demostrar ganancia de aprendizaje a nivel de programa si se les exigiera hacerlo en doce meses? ¿Cuáles no podrían, y por qué?
- Si nuestra analítica del aprendizaje mostrara que un programa importante produce acumulación de credenciales sin ganancias de capacidad, ¿qué proceso de gobernanza actuaría sobre ese hallazgo, y quién sería su responsable?
- ¿Cómo resistiría nuestra arquitectura de evaluación, y la evidencia de aprendizaje que produce, las preguntas de validez propias de la era de la IA que planteó el ensayo tres de esta serie?