Este trabajo encontro una solucion al problema de comparar experimentalmente algoritmos de clustering aplicados a informacion de contextos de educacion superior. Se utilizo un enfoque cuantitativo de tipo descriptivo. En este piloto experimental se analizaron 150 observaciones correspondientes al desempeno academico de cada estudiante. Se recolecto la informacion mediante observacion directa y revision documental. La experiencia comparo 7 tecnicas de clustering utilizando la herramienta R y se determinaron los mejores algoritmos de acuerdo con las validaciones interna y de estabilidad. La investigacion encontro dentro de los algoritmos tipo particion a K-means y PAM como los de mejor desempeno, y dentro de los escalonados, el algoritmo DIANA y el jerarquico estandar ocuparon el primer lugar. Se evidencio ademas que los mapas de calor pueden convertirse en una herramienta vital en en el analisis de los desempenos academicos en diferentes materias cursadas en las carreras universitarias y asi poder tomar las mejores decisiones.