Este trabajo encontró una solución al problema de comparar experimentalmente algoritmos de clustering aplicados a información de contextos de educación superior. Se utilizó un enfoque cuantitativo de tipo descriptivo. En este piloto experimental se analizaron 150 observaciones correspondientes al desempeño académico de cada estudiante. Se recolectó la información mediante observación directa y revisión documental. La experiencia comparó 7 técnicas de clustering utilizando la herramienta R y se determinaron los mejores algoritmos de acuerdo con las validaciones interna y de estabilidad. La investigación encontró dentro de los algoritmos tipo partición a K-means y PAM como los de mejor desempeño, y dentro de los escalonados, el algoritmo DIANA y el jerárquico estándar ocuparon el primer lugar. Se evidenció además que los mapas de calor pueden convertirse en una herramienta vital en en el análisis de los desempeños académicos en diferentes materias cursadas en las carreras universitarias y así poder tomar las mejores decisiones.