Introducción: El presente artículo es producto de la investigación “Métodos de ensamble para estimar el ren-dimiento académico de estudiantes de educación superior”, desarrollado en la Universidad Distrital Francisco José de Caldas en el año 2021 y se centra en la revisión de trabajos de investigación desarrollados en los últimos cinco años relacionados a la predicción del rendimiento académico utilizando algoritmos de ensamble.Objetivo: La revisión de la literatura tiene como objetivo identificar los algoritmos más utilizados y las variables más relevantes en la predicción del rendimiento académico.Metodología: Se realizó una revisión sistemática de la literatura en distintas bases de datos académicas (Science Direct, Scopus, SAGE Journals, EBSCO, ResearchGate, Google Scholar), utilizando ecuaciones de bús-queda construidas con palabras claves.Resultados: Se encontraron 54 artículos relacionados que cumplen con los criterios de inclusión de la revisión. Además, se encontraron beneficios en la aplicación de métodos de ensamble en la predicción del rendimiento académico. Conclusión: Se encontró que las variables más influyentes en el rendimiento académico corresponden al factor académico, el algoritmo utilizado que presenta mejores resultados es Random Forest, además de que fue el más utilizado, y que el uso de estos algoritmos es una herramienta precisa para predecir el rendimiento acadé-mico en cualquier etapa de la vida universitaria, y a su vez brindar la información para generar estrategias que permitan mejorar los indicadores de deserción y retención académica.