Cruzamos el promedio y la asistencia que cada ex-SIP tuvo en IV° medio con lo que es de esa persona 5 a 15 años después. La intuición popular dice "el mejor alumno triunfa más". Los datos dicen algo más matizado — y abren una pregunta incómoda para cualquier red educativa.
Cohortes 2009–2018 con cierre académico completo (promedio + asistencia válidos). n = 7.328 ex-alumnos, de los cuales 32% están en LinkedIn y 6% declaran universidad o instituto técnico. De ese subset, 1,8% llegó a posiciones de liderazgo a hoy.
| Tercil | n | % en LinkedIn | % con universidad | % en liderazgo |
|---|---|---|---|---|
| Promedio bajo | 2.768 | 29,9% | 5,3% | 1,8% |
| Promedio medio | 2.477 | 34,3% | 6,4% | 1,6% |
| Promedio alto | 2.083 | 35,4% | 6,1% | 2,1% |
El alumno del tercil alto tiene 0,3 puntos porcentuales más probabilidad de llegar a liderazgo que el del tercil bajo. La diferencia en visibilidad LinkedIn es de 5,5 pp — algo más sustancial. La presencia de universidad apenas varía.
| Tercil | n | % en LinkedIn | % con universidad | % en liderazgo |
|---|---|---|---|---|
| Asistencia baja | 2.690 | 34,6% | 5,7% | 1,7% |
| Asistencia media | 2.406 | 32,4% | 6,3% | 2,2% |
| Asistencia alta | 2.232 | 31,5% | 5,8% | 1,6% |
La asistencia es prácticamente plana. Algo contraintuitivo: los chicos con asistencia baja tienen el porcentaje más alto de localización en LinkedIn (34,6%). Una explicación posible: la asistencia baja está correlacionada con cohortes recientes que ya están trabajando y poco con la cohorte que terminó en su tiempo regular. Otra: el ruido domina cuando el rango de la variable es estrecho (la asistencia media SIP es 88%, la baja ~80% — diferencias pequeñas).
Combinando ambos terciles:
| Promedio × Asistencia | Asist. baja | Asist. media | Asist. alta |
|---|---|---|---|
| Promedio bajo | 1,8% | 2,0% | 1,6% |
| Promedio medio | 1,4% | 1,8% | 1,7% |
| Promedio alto | 2,3% | 2,1% | 1,9% |
Las celdas oscilan entre 1,4% y 2,3% — un rango de menos de 1 punto porcentual. No hay un combo escolar que prediga fuertemente liderazgo. El alumno "perfecto" (promedio alto + asistencia alta) y el "irregular" (promedio bajo + asistencia baja) llegan a liderazgo en proporciones comparables.
Si la pregunta es: "¿debemos identificar y dar más a los alumnos del tercil alto?" — la data dice que el ROI esperado de hacer eso es bajo. Esos alumnos llegan a liderazgo en proporciones similares al resto.
Si la pregunta es: "¿debemos identificar y dar más a los alumnos del tercil bajo?" — la data dice que también llegan a outcomes similares al resto. Es una población homogénea en cómo le va.
La pregunta operativa entonces es otra: ¿qué intervención post-egreso podría desbalancear estos números hacia arriba? Mentoría, beca de pregrado, network alumni, prácticas en empresas SIP-friendly. Acá la evaluación causal sí tendría sentido — porque ahora mismo la red devuelve a sus egresados a un mercado donde la varianza la deciden factores fuera del colegio.