En Uruguay, existen varios estudios sobre los altos niveles de deserción en la Universidad de la República. Uno de estos afirma que entre 1997 y 2007 el nivel de titulación fue de un 28 %, mientras que un 38% de los desertores abandonó la carrera antes de completar el primer año de estudio. Un reporte realizado en marzo de 2017 indica que casi el 50% de la población activa de la Facultad de Ingeniería aún no supera el primer año. Por este motivo resulta apremiante y oportuno desarrollar herramientas que permitan el monitoreo de la actividad estudiantil en cursos de la Universidad para asistir a docentes y autoridades, que mediante el procesamiento de los datos obtenidos posibiliten diagnosticar la situación de los estudiantes, permitiendo la formulación de prácticas educativas que garanticen el aprendizaje de los alumnos y acompañamiento de las etapas de aprendizaje de la trayectoria personal, identificando los exitos y las dificultades en el proceso educativo. El crecimiento y generalización de la tecnología educativa, la formación virtual y el uso de Internet como vehículo de aprendizaje ha dado lugar a la aparición de registros digitales que permiten saber cómo se relacionan los estudiantes con los entornos de aprendizaje, con qué frecuencia y en qué condiciones. Esto a su vez ofrece la posibilidad de contar con datos medibles y analizables, permitiendo comprender y optimizar el aprendizaje de los estudiantes y los entornos en los que se producen. Esta recolección y análisis de datos educativos está estrechamente vinculado con el campo de Learning Analytics o analítica del aprendizaje, una disciplina reciente con potencial transformador, relacionado con el aprendizaje personalizado y adaptativo, y con incidencia en todas las disciplinas educativas. El objetivo de este proyecto consiste en desarrollar una plataforma que facilite el acceso a datos encontrados en la plataforma Moodle con información del entorno virtual de aprendizaje de un curso de la Facultad de Ingeniería, la visualización y análisis de los datos recabados, así como también la generación de modelos predictivos para identificar situaciones de riesgo en determinados estudiantes, y la posibilidad de proveer feedback para los docentes sobre los motivos de dichas situaciones. La plataforma desarrollada se denomina Fing Analytics. La misma cuenta con una diversidad de funcionalidades, entre las cuales se destaca la posibilidad de predecir el resultado académico de los estudiantes que están cursando actualmente una asignatura en base a la actividad de estudiantes de años anteriores, aplicando tecnologías de aprendizaje automático y técnicas relacionadas a Learning Analytics.