XVII Congreso Internacional sobre Innovaciones en …€¦ · Facultad de Ingeniería de la UDP es:...
Transcript of XVII Congreso Internacional sobre Innovaciones en …€¦ · Facultad de Ingeniería de la UDP es:...
1
XVII Congreso Internacional sobre Innovaciones en
Docencia e Investigación en Ciencias Económico Administrativas
Factores que influyen en el aprendizaje de los alumnos. Un caso aplicado a
estudiantes de primer año de Ingeniería.
Isabel Arratia Zárate1 y Sara Arancibia Carvajal2
Universidad Diego Portales, Facultad de Ingeniería, Chile
• Administración educativa para el aprendizaje.
1 Magíster en Matematica y Magíster en Planificación y Gestión Educacional, Instituto de Cs Básicas de la Facultad de Ingeniería de la Universidad Diego Portales, 56-2-6762405, [email protected]. 2 Magíster en Matematicas, Magíster en Ciencias de la Ingeniería y Doctora en Cs. Empresariales, Instituto de Cs Básicas de la Facultad de Ingeniería de la Universidad Diego Portales, 56-2-6762449, [email protected] .
2
Resumen
La educación superior en Chile ha tenido en las últimas décadas un gran incremento en su
cobertura. Si consideramos el escenario universitario actual, surge la necesidad de conocer mejor
las competencias con las que ingresan los alumnos a las carreras universitarias, en particular en
carreras de ingeniería donde se observa una alta tasa de deserción. En especial es imperioso
conocer los factores que inciden en el aprendizaje de los estudiantes de primer año y en
consecuencia en su rendimiento, con el fin de gestionar acciones adecuadas para apoyar a los
estudiantes en el proceso de aprendizaje.
En particular el estudio de investigación tiene por objetivo identificar y analizar las
variables que son relevantes para que los alumnos de la carrera de Ingeniería Civil de la
Universidad Diego Portales tengan éxito en los cursos de primer año, en el sentido de su
aprendizaje, medido por su rendimiento, de modo de focalizar los recursos en aquellos factores
donde la administración universitaria puede incidir para apoyar el aprendizaje.
La metodología aplicada contempla desarrollar modelamiento multivariante,
específicamente regresión logística, en base a datos de las competencias con las que los alumnos
ingresan y de una encuesta especialmente diseñada para este estudio.
Los resultados arrojan luces de ciertos factores en los que se podría gestionar estrategias de
apoyo tales como ofrecer reforzamiento en las competencias en matemáticas y física, charlas de
ayuda en técnicas de estudio, fortalecimiento de los hábitos de estudio e incluso charlas
tendientes a reforzar la motivación, ligada a mejorar la disposición al aprendizaje.
Palabras clave: Factores, aprendizaje, modelación, regresión logística.
3
Factores que influyen en el aprendizaje de los alumnos. Un caso aplicado a
estudiantes de primer año de Ingeniería.
Índice
Pág.
Resumen .......................................................................................................................................... 2
Introducción .................................................................................................................................... 3
I. Marco teórico ............................................................................................................................ 6
1. Antecedentes ........................................................................................................................ 6
2. Contexto: Educación universitaria en Chile ........................................................................ 8
II. Metodología ............................................................................................................................ 10
1. Objetivo ............................................................................................................................. 10
2. Hipótesis de investigación ................................................................................................. 10
3. Muestra…………………………………………………………………………………...11
4. Instrumentos ……………………………………………………………………………..12
5. Métodos ………………………………………………………………………………….12
III. Resultados ............................................................................................................................... 17
IV. Conclusiones y discusión ........................................................................................................ 22
Bibliografía .................................................................................................................................... 24
INTRODUCCIÓN
Los estudios e investigaciones académicas sobre educación superior han tratado de
identificar los factores asociados a la permanencia en la universidad concluyendo que estos son
multifactoriales; entre ellos, aspectos personales, familiares, económicos, trayectoria escolar
previa, rendimiento académico y normativa de la institución en la que realiza los estudios (Díaz
C, 2008).
Los datos disponibles sobre retención muestran que estas cifras varían de acuerdo a las
carreras, siendo Ingeniería Civil una de las que tiene menor retención de sus estudiantes y cifras
bastante significativas de deserción durante el primer y segundo año. Esta realidad también se
4
encuentra presente en la Facultad de Ingeniería de la Universidad Diego Portales. Referidos
específicamente a esta institución existen algunos estudios sobre deserción y una propuesta de
gestión para su disminución en el que relaciona el problema de la deserción con el bajo
rendimiento académico (Schiappacasse, 2006).
A continuación se describe el problema a considerar en esta investigación: El presente
estudio pretende ser una contribución a la discusión del problema deserción - retención
observándolo desde un ángulo diferente. El objetivo central es identificar los factores que
inciden en el buen rendimiento académico de los alumnos de Ingeniería de la Universidad Diego
Portales en el primer año de su carrera, con el propósito de identificar posibles acciones para
mejorar el proceso enseñanza aprendizaje.
Como ya se ha mencionado, el rendimiento académico es uno de los factores que incide
fuertemente en el abandono voluntario o involuntario de los estudios. Por esta razón, la Facultad
de Ingeniería de la UDP desde el 2006 viene aplicando diversas estrategias de apoyo a los
estudiantes con el fin de disminuir las tasas de reprobación y, como consecuencia, mejorar las
tasas de deserción o de manera equivalente mejorar las tasas de retención, entendiendo este
último término como la persistencia de los estudiantes de un programa de estudios universitarios
o carrera universitaria por lograr su grado o título (Himmel, 2002).
De estos antecedentes y del interés de seguir investigando la realidad de los estudiantes de
ingeniería de la UDP, surge el presente trabajo que aborda la problemática de la deserción
desde la contraparte, es decir, qué factores inciden en que un alumno tenga éxito en el
primer año de sus estudios de ingeniería.
La pregunta que se tratará de responder, aplicada a los estudiantes de primer año de la
Facultad de Ingeniería de la UDP es:
¿Cuál o cuáles son los factores que influyen en el éxito en los estudios de ingeniería civil?
Responder la pregunta de investigación planteada tiene relevancia social y también
implicaciones prácticas; se beneficiará la Institución y los estudiantes. Ya no sólo se conocerán
las estadísticas sobre retención de sus alumnos, sino que tendrá información sobre cuáles son los
5
factores que inciden en el éxito académico de sus estudiantes, datos relevantes para la toma
decisiones en temas como el ingreso y las políticas de apoyo a los estudiantes.
El estudio también tendrá una utilidad metodológica al disponer de un instrumento para
recolectar y analizar datos que tienen relación con el desempeño académico de los alumnos.
La estructura del paper considera cuatro secciones. En primer lugar una sección I de marco
teórico que contempla la conceptualización de los factores a utilizar en el estudio, los
antecedentes referidos a investigaciones relacionadas con el tema y el contexto de la educación
universitaria en Chile. La sección II corresponde a la metodología, la que considera el objetivo,
las hipótesis de investigación, el muestreo, el instrumento de medición y el desarrollo del
modelo. La sección III se refiere a los resultados del modelo y por último la sección IV considera
las conclusiones y discusión.
6
I. MARCO TEÓRICO
En el sistema educativo, particularmente en la Universidad, el éxito académico está
directamente relacionado con la aprobación de los cursos, con buenas calificaciones y logrando
titularse en el tiempo establecido por la Institución para la carrera escogida. Una reflexión al
respecto la realizan las académicas de la Facultad de Ciencias Humanas de la Universidad
Nacional, Buenos Aires, Argentina (Baldoni, Balduzzi, Corrado, Eizaguirre y Goñi, 2004); para
las autoras el éxito académico “parece estar asociado a criterios de excelencia”. Y siguiendo la
lógica de Perrenoud (Perrenoud, 1990) la excelencia “se relaciona con la calidad de una práctica
y siempre manifiesta una competencia resultante de un aprendizaje que forma parte del capital
cultural”. Así, un alumno será exitoso cuando cumpla con las expectativas de la institución
educativa al interior de la cual dichos juicios de excelencia se fabrican.
1. Antecedentes
Como es sabido, la educación superior a nivel mundial ha tenido un crecimiento de la
matrícula en las últimas décadas; a ello han contribuido varios factores, a saber, la creación de
muchas instituciones de educación superior y las facilidades de acceso que algunas de ellas
ofrecen. Pero junto con este crecimiento se han observando otros fenómenos que, si se considera
al alumno como eje de los diversos programas, causan preocupación. Estos son las altas tasas de
repitencia, el abandono temporal de los estudios, la demora en la titulación por más tiempo que el
estipulado y finalmente, la deserción, término que se refiere al abandono voluntario o
involuntario prematuro de un programa de estudios antes de alcanzar el título o grado durante un
tiempo lo suficientemente amplio como para descartar la posibilidad de que el alumno se
reincorpore (Himmel (2002).
Al abordar estos fenómenos, Romo y Fresán (Romo y Fresan, 2000), plantean que se
deberían considerar tres momentos claramente identificables: el primero, la etapa anterior al
ingreso de los estudiantes hasta su integración a la institución; a continuación, el transcurso de los
estudios, esto es, su permanencia en la carrera y, como tercer momento, lo que ocurre desde el
egreso hasta la titulación.
7
Sobre el primer momento, Montes (Montes, 2002) aborda el tema de la transición de la
educación media a la educación superior desde tres ángulos, el psicológico, el de la orientación
vocacional y el de la preparación intelectual. Afirma que desde el punto de vista psicológico, en
la enseñanza media, los estudiantes viven un clima de confianza, protección y calidez que les
proporciona mucha seguridad, pasando luego a un mundo más impersonal, desconocido donde
concurren sentimientos contradictorios de temor y esperanza. A esto hay que agregar el
significativo número de egresados de la educación media que no sabe con claridad lo que quieren
y que vienen de recibir, durante cuatro años, un compacto de estudio de carácter enciclopédico.
Destaca la importancia que tienen los colegios y liceos de hacerse cargo de estas realidades
mediante un incremento de las tareas de orientación, un desarrollo equilibrado de la afectividad,
el logro de “cabezas bien formadas, capaces de pensar con lógica, de asociar con inteligencia,
de observar atentamente y de inducir con corrección, de entender lo que leen y de expresarse
adecuadamente, antes que atiborradas de datos” y termina añorando que la relación entre los
niveles segundo y tercero de la educación chilena sea más estrecha.
No obstante son numerosos los estudios que se centran en el acceso a la educación superior,
y son escasas las investigaciones que analizan qué les ocurre a los estudiantes después que
ingresan a este sistema. Si se vincula el éxito o fracaso académico con la evaluación de los
aprendizajes, en la educación superior, ésta se ha discutido menos que en otros niveles del
sistema educativo.
En la última década, las universidades han mostrado preocupación por los temas de
retención y deserción de sus alumnos. Las investigaciones han estado dirigidas a cuantificar el
problema de la deserción, es decir, a estimar su magnitud y costos. Sin embargo, hay algunos
trabajos que analizan el fenómeno desde una perspectiva más explicativa; el primero de ellos, de
Vicent Tinto (Tinto, 1989). En el año 2006, académicos de la Universidad de La Laguna,
España, (Alvarez et al., 2006) realizaron una investigación en la que junto con cuantificar la
deserción en las universidades españolas, efectuaron un análisis comparativo con otros países.
Ellos, (Álvarez et al., 2006, p 182-192), hacen un gran aporte al presentar, de forma breve, las
variables que diversos trabajos de investigación han identificado y que demuestran que la
deserción tiene múltiples causas y dimensiones. Pero también describen los modelos explicativos
que han tratado conceptualmente el problema, a saber, modelo de adaptación, que es el que ha
8
tenido más desarrollo y se ha usado como referente en muchas investigaciones, el modelo
estructural, el modelo economicista y el modelo psicopedagógico que surge a partir del trabajo
teórico y empírico de los académicos citados. Infieren que el perfil del estudiante con mayores
probabilidades de finalizar con éxito los estudios
“sería aquel que tuviera la mayor cantidad posible de los siguientes rasgos: persistencia,
motivación, capacidad de esfuerzo, satisfacción con la carrera cursada, ajuste entre sus
capacidades y las exigencias de la carrera que estudia, capacidad para superar
dificultades, metas claras de largo plazo, capacidad para fijar el rumbo futuro, constancia
en el trabajo diario, asistencia a clases, ayudantías o tutorías y constante repaso de los
temas estudiados”.
En Chile, el Centro de investigación en creatividad y educación superior, CICES de la
Universidad de Santiago (USACH) ha contribuido activamente a la reflexión en temáticas
vinculadas al desarrollo y mejoramiento del quehacer institucional y docente en el campo de la
educación superior. En 2007, las investigadoras del CICES Canales y De los Ríos (Canales y De
los Ríos, 2007) publicaron un artículo donde exponen, desde una perspectiva cualitativa, las
principales causas y condicionantes de los procesos de deserción universitaria en Chile.
Posteriormente, las mismas autoras realizan la investigación “Retención de estudiantes
vulnerables en la educación universitaria chilena” (Canales y De los Ríos, 2009), en la que
sugieren que la retención y permanencia de estudiantes vulnerables en la educación universitaria
se explica por la interacción entre capacidades personales, apoyos familiares, recursos sociales y
soportes institucionales.
2. Contexto: Educación universitaria en Chile
2.1 Descripción y crecimiento: La educación superior chilena, hasta 1980, estaba compuesta
sólo por universidades, algunas de ellas con sedes en distintas ciudades del país. Todas contaban
con financiamiento público, aunque varias pertenecían a organizaciones privadas.
En la actualidad, el sistema de educación superior distingue tres tipos de instituciones, creadas
por la reforma de la educación superior de 1981: universidades, institutos profesionales (I.P.) y
centros de formación técnica (C.F.T.), y reconoce oficialmente tres tipos de certificaciones
9
académicas: títulos técnicos de nivel superior, títulos profesionales y grados académicos.
Además la actual legislación reconoce como instituciones de educación superior a los
establecimientos educacionales de las diferentes ramas de las Fuerzas Armadas.
2.2 La Facultad de Ingeniería de la Universidad Diego Portales (UDP)
La carrera de Ingeniería Civil se imparte en la Universidad Diego Portales desde 1989, año
en que ingresaron 90 alumnos. En la actualidad la carrera tiene tres menciones: Informática y
Telecomunicaciones, Obras Civiles e Industrial; cuenta con 1633 alumnos vigentes al año 2011.
En un estudio realizado el año 2005 en la UDP, donde se analizaron 1635 cursos dictados el
primer semestre del 2004, se determinó que la mayor tasa de reprobación de la Universidad
ocurre en la Facultad de Ingeniería alcanzando un 29%. Un año después, Schiappacasse
(Schiappacasse, 2006) en su tesis plantea que la deserción estudiantil de los alumnos de
ingeniería de la UDP tiene directa relación con los bajos índices de rendimiento académico y en
particular con el bajo índice de rendimiento en las asignaturas de ciencias básicas.
Un informe reciente sobre retención de estudiantes realizado por el Consejo Nacional de
Educación concluyó que sólo el 46% de los estudiantes que ingresaron a carreras universitarias el
2004 llegó a quinto año el 2008. Y si se observa la retención por áreas de conocimiento, el
noveno lugar de un ranking de nueve carreras lo ocupa, con un 38%, Ingeniería Civil.
Ilustración 1 Fuente: Elaboración propia a partir de Sistema SGU, VRA-UDP
10
En el caso de la Facultad de Ingeniería de la UDP, un factor relevante que se ha
considerado al analizar cuantitativamente a los estudiantes desertores es el rendimiento
académico. Abordar el problema con más profundidad no es tarea fácil puesto que el
rendimiento académico es la suma de diversos y complejos factores tanto de la persona que
aprende como también del currículo, de las características de los docentes, de la institución y
también aspectos sociales, familiares y económicos. Estudios realizados en el 2006 consideraron
a la Prueba de Selección Universitaria, PSU, como factor determinante; los resultados indicaron
que los estudiantes que tenían mayor puntaje en la PSU-Matemática lograban mejores
calificaciones y su promedio de permanencia en la carrera era más alto. También se detectó que
las notas de la educación media NEM no constituía un buen parámetro para predecir la
permanencia en la carrera.
II METODOLOGÍA
1. Objetivos
Teniendo en cuenta las variadas condicionantes que tiene la permanencia de los estudiantes
en una carrera, este trabajo tiene por objetivo identificar factores que inciden en que un alumno
tenga éxito en los estudios de primer año de Ingeniería Civil en la UDP.
2. Hipótesis de investigación
Las hipótesis a testear en esta investigación son las siguientes:
H1: El factor Hábito incide en la probabilidad de éxito de los estudiantes
H2: El factor Motivación incide en la probabilidad de éxito de los estudiantes
H3: El factor de ingreso PSU Matemática incide en la probabilidad de éxito de los estudiantes
H4: El factor concerniente a la disposición a aprender incide en la probabilidad de éxito de
los estudiantes
H5: El factor de ingreso NEM (Notas de enseñanza media) incide en la probabilidad de éxito
de los estudiantes.
11
3. Muestra
Para la aplicación se considerará a la cohorte 2010, constituida por los 420 estudiantes
matriculados en primer año, cuyas características son las siguientes:
La mayoría de los estudiantes es de la Región Metropolitana; exactamente el 83,6%,
seguido de la VI región con un 4,8%. El 79% proviene de un colegio de nivel socioeconómico
alto o medio alto y el 48% cursó su enseñanza media en colegios particulares pagados.
Tabla 1: Caracterización estudiantes cohorte 2010
Informática Obras Civiles Industrial Total
Total estudiantes 95 120 205 420
Hombres 82 (86%) 93 (78%) 157 (77%) 332 (79%)
Mujeres 13 (14%) 27 (22%) 48 (23%) 88 (21%)
Puntaje máximo PSU 678,5 680 782,5
Puntaje mínimo PSU 551 532 552
Puntaje promedio PSU 602 589 618
Fuente: Elaboración propia a partir de datos del Sistema SGU, VRA-UDP
12
4. Instrumentos
Para la recolección de la información se diseñó una prueba de diagnóstico de alternativas
múltiples con 20 preguntas para ser rendida de manera presencial. Esta prueba pretende
determinar en qué grado los alumnos ya han alcanzado ciertas competencias matemáticas
necesarias para iniciar los estudios de ingeniería.
Se analizó la Prueba de Diagnóstico rendida por los estudiantes, los resultados obtenidos en
el Curso de Nivelación, los datos de la base de datos de admisión la que provee información de
las notas de enseñanza media, la prueba de selección universitaria PSU Matemáticas y Lenguaje
y otras variables de caracterización de los alumnos Además se elaboró y aplicó una encuesta a los
estudiantes de la cohorte 2010 para identificar otras variables comunes a los estudiantes exitosos
relativas a la motivación, hábito de estudio, predisposición al estudio. En esta última encuesta,
cuya validez de contenido fue verificada, se logra tener información para 360 de los 420
estudiantes.
5. Métodos
El análisis descriptivo de datos y los gráficos se realiza con Excel 2007. Para el desarrollo del
modelo matemático que se pretende obtener se utiliza Regresión logística con el software SPSS
17.0. La elección de la regresión logística se debe a que el problema primordial que resuelve esta
Ilustración 2 Fuente: Elaboración propia a partir de Sistema SGU, VRA-UDP
13
técnica es el de cuantificar cómo influye en la probabilidad de que ocurra un suceso, la presencia
o no de diversos factores y además muestra cuál es el nivel de esa influencia.
5.1 Desarrollo del modelo
5.1.1 Descripción de las variables involucradas en el modelo
Se recopilaron las notas de los alumnos en las nueve asignaturas del primer año de la
carrera lo que condujo a considerar el “nivel de éxito” del estudiante, estimar si un alumno es
exitosos o no lo es y, finalmente, a la definición de la variable dependiente dicotómica “éxito”.
Se considerará para esta investigación el “nivel de éxito” del estudiante según la cantidad
de asignaturas que apruebe como se indica a continuación:
En este trabajo, se considerará como un estudiante “exitoso” aquel que tenga un nivel de
éxito muy alto o alto, es decir, cuando haya aprobado al menos siete de las nueve asignaturas que
indica la malla curricular para el primer año de ingeniería.
Para decidir las variables independientes que se considerarán en el modelo de regresión
logística; se consideró de acuerdo a la revisión bibliográfica y opinión de expertos las siguientes
variables; el promedio de notas de la enseñanza media (NOTA E. MEDIA) y el puntaje en la
PSU Matemática (PSU MATEM). Adicionalmente a esto y, en base a la revisión de la literatura
Tabla 2: Definición de nivel de éxito
Nivel de éxito N° asignaturas aprobadas
Muy alto 9
Alto 7 u 8
Regular 5 o 6
Bajo 3 o 4
Muy bajo 0, 1 o 2
Fuente: Elaboración propia
14
existente respecto a estudios sobre deserción y éxito en la educación superior, se consideró
relevante considerar también variables relativas al hábito de estudio, a la motivación para la
carrera elegida y a la actitud o disposición por aprender del estudiante.
Es así como, al disponer de los datos aportados por las preguntas de la encuesta, se
generaron tres variables independientes que capturan los conceptos antes mencionados, todas
ellas dicotómicas. Esas variables se definieron a partir de la experiencia y criterio de los
investigadores y de académicos expertos en el área de la educación.
Variable hábito de estudio
Variables involucradas en la construcción de
HÁBITO en una escala de Likert del 1 al 7
donde 1 “muy en desacuerdo” y 7 “muy de
acuerdo”
Operacionalización de la variable
P16: He logrado formar grupos de estudio
P19: Acostumbro a buscar información en
diversas fuentes para complementar mi
aprendizaje
P20: Semanalmente dedico tiempo suficiente
para estudiar cada una de las asignaturas
P21: Cumplo metas especificas para las horas
de estudio
P22: Tomo buenos apuntes en clases
Para cada pregunta considerada en la primera
columna:
Se asigna 1 si el alumno responde estar de
acuerdo o muy de acuerdo con la afirmación;
en el caso de otra respuesta se asigna 0. En
base al juicio de expertos se consideró que si el
alumno suma 4 o 5 en las puntuaciones de las
preguntas anteriores el alumno posee hábito de
estudio; en caso contrario, no se observa
realmente una disciplina de estudio constante y
por tanto para la investigación se considerará
que el alumno no posee hábito de estudio.
15
Variable disposición a aprender
Con las respuestas obtenidas de los alumnos a las preguntas P14, P17 y P18 se dio origen a la
variable DISPOSICIÓN A APRENDER; esta indica la valoración y la actitud positiva que tiene
el estudiante hacia el aprendizaje.
Variables involucradas en la construcción de
DISPOSICION A APRENDER en una escala
de Likert del 1 al 7 donde 1 es “muy en
desacuerdo y 7 “muy de acuerdo”
Operacionalización de la variable
P14: Asisto a clases dispuesto(a) a aprender
P17: Las clases de cátedra son un aporte para
mi aprendizaje
P18: Asisto regularmente a clases
Para cada pregunta considerada en la primera
columna:
Se asigna 1 si el alumno responde estar de
acuerdo o muy de acuerdo con la afirmación;
en el caso de otra respuesta se asigna 0. En
base al juicio de expertos se consideró que si el
alumno suma 3 en las puntuaciones de las
preguntas anteriores el alumno posee
disposición a aprender, en caso contrario para
la investigación se considerará que el alumno
no posee disposición a aprender.
16
Variable motivación
Variables involucradas en la construcción de
MOTIVACION en una escala de Likert del 1
al 7 donde 1 es “muy en desacuerdo” y 7
“muy de acuerdo”
Operacionalización de la variable
P11: Tengo confianza en que seré un ingeniero
de la UDP
P13: Me siento contento de haber optado por
Ingeniería en la UDP
P25: Siento que tengo habilidades para lograr
ser un buen ingeniero
Para cada pregunta considerada en la primea
columna:
Se asigna 1 si el alumno responde estar de
acuerdo o muy de acuerdo con la afirmación;
en el caso de otra respuesta se asigna 0. En
base al juicio de expertos se consideró que si el
alumno suma 2 o 3 en las puntuaciones de las
preguntas anteriores el alumno posee
motivación de estudio, en caso contrario ación
se considerará que el alumno no posee
motivación.
A continuación, se muestra el desarrollo del modelo de regresión logística considerando las
variables descritas anteriormente.
5.1.2 Modelo de regresión logística
Mediante un modelo de regresión logística se pretende obtener una relación entre la
variable dependiente ÉXITO definida como
= exitoso) es no (o éxito tieneno estudiante el si0
exitoso) es (o éxito tieneestudiante el si1y
y las variables independientes: X1 = PSU Matemática, X2 = Notas E.Media, X3 = Hábito,
17
X4 = Disposición a aprender y X5 = Motivación
El modelo permitirá determinar cuál o cuáles de las variables Xi, son las que inciden y en qué
grado, en que un estudiante tenga más probabilidad de tener éxito en el primer año de ingeniería
de la UDP.
III RESULTADOS
Al ejecutar el modelo de regresión logística con las cinco variables mencionadas se obtuvo
que la variable Motivación no es estadísticamente significativa; la Sig estadística asociada a esta
variable es 0,553 > 0,05. El resto de las variables tienen sig < 0,05, esto indica que contribuyen
significativamente a mejorar el ajuste del modelo y, por esta razón, los resultados del modelo que
se ejecutará estarán referidos a las cuatro primeras variables.
Fuente: Elaboración propia
18
Mediante el uso de SPSS 17.0 se filtraron 10 casos que se detectaron con residuos fuera de
la norma, encontrándose además 17 casos perdidos. Con esto, los casos válidos para el análisis
se redujeron a 296.
En la tabla 4, se exhibe la prueba ómnibus sobre los coeficientes del modelo; en ella
aparece el estadístico chi-cuadrado cuyo valor indica que, al introducir las 4 variables en el
modelo, se consigue un incremento significativo del ajuste global, valorando este incremento a
partir del modelo nulo que es aquel que no incluye ninguna variable. En este caso, las hipótesis
de esta prueba son:
H0 = El incremento obtenido en el ajuste global del modelo es nulo
H1 = El incremento obtenido en el ajuste global del modelo no es nulo,
Al obtener un chi-cuadrado con valor 110,487 con una significancia menor que 0,05, se puede
rechazar la hipótesis nula H0 y concluir que la incorporación de las 4 variables mejora
significativamente el ajuste y capacidad predictiva del modelo.
De manera complementaria, la tabla 5 muestra tres estadísticos que permiten valorar el
ajuste global del modelo.
Tabla 4: Prueba ómnibus sobre los coeficientes del modelo
Chi-cuadrado gl Sig.
Paso 1 Paso 110,487 4 ,000
Bloque 110,487 4 ,000
Modelo 110,487 4 ,000
Fuente: Elaboración propia
19
Con los valores 0,312 para el R2 de Cox y Snell y 0,418 para el R2 de Nagelkerke,
podemos afirmar que el modelo tiene un ajuste aceptable. El R2 de Nagelkerke indica que el
41,8% de la variación de la variable dependiente “Éxito” es explicada por las variables incluidas
en el modelo.
En la tabla 6, de clasificación de los datos, se registra el porcentaje correcto de clasificación
de los datos en las categorías 0 = no exitoso y 1 = exitoso, como también el ajuste global del
modelo. En el caso que investigamos, el modelo clasifica correctamente al 71,8% de los
estudiantes no exitosos y al 71,4% de los alumnos exitosos.
Tabla 5: Resumen de los modelos
Paso -2 log de la verosimilitud
R cuadrado de Cox y Snell
R cuadrado de Nagelkerke
1 293,292(a) ,312 ,418
Fuente: Elaboración propia
20
De manera global, el modelo ajusta correctamente al 71,6% de los estudiantes, por lo que se
puede calificar como un buen modelo para determinar los factores que influyen en el éxito de los
estudiantes de primer año de ingeniería de la UDP.
Finalmente la tabla 7, muestra las variables Xi que contiene el modelo, sus coeficientes de
regresión Bi, con sus correspondientes errores estándar E.T., y la significación estadística
asociada. Al ser las significancias menores a 0,05, se concluye que todas las variables
consideradas son estadísticamente significativas para explicar el éxito del estudiante. Se observa
que los coeficientes B de las variables son todos positivos, indicando con esto que todas las
variables influyen de manera positiva en la probabilidad de éxito de los estudiantes. Por ejemplo,
a mayor puntaje PSUMAT, mayor es la probabilidad que el estudiante sea exitoso.
Tabla 6: Datos clasificados por el modelo
Observado Pronosticado
Exito Porcentaje correcto
0 1
Paso 1 Exito 0 122 48 71,8
1 36 90 71,4
Porcentaje global 71,6
El valor de corte es ,430
Fuente: Elaboración propia
21
Con todos estos datos podemos construir, para cada estudiante k de la población, la
ecuación:
k4
k3
k2
k1k X76,0X874,0X133,3X032,0228,39L ++++−=
Y luego predecir la probabilidad de éxito del estudiante k mediante:
kLke11)1éxito(P−+
==
No obstante esto, es interesante explicitar el significado que tienen los valores Exp(B) de la
tabla 7. Como los valores B son todos positivos, Exp(B) son todos mayores que 1.
En el caso de la variable PSUMAT, el valor 1,033 significa que por cada punto (1 unidad)
que el estudiante aumente el promedio de la PSU Matemática, la ventaja del suceso tener éxito en
primer año aumenta en un 3,3%, manteniendo el resto de las variables constantes. En el caso de
E.MEDIA, por cada décima de punto que el alumno aumente en sus notas de enseñanza media, la
posibilidad de que sea exitoso aumenta poco más de dos veces (Exp(B) = 22,950 = 10 x 2,295),
Tabla 7: Variables en la ecuación del modelo de regresión logística para el éxito
B E.T. Wald gl Sig. Exp(B)
Paso 1a PSUMAT ,032 ,005 44,788 1 ,000 1,033
E.MEDIA 3,133 ,533 34,567 1 ,000 22,950
HÁBITO ,874 ,437 3,997 1 ,046 2,398
APRENDER ,760 ,305 6,205 1 ,013 2,138
Constante -39,228 5,165 57,681 1 ,000 ,000
Fuente: Elaboración propia
22
es decir, la ventaja del suceso tener éxito aumenta en un 129,5% manteniendo las otras variables
constantes
En relación a las variables dicotómicas HÁBITO Y APRENDER se puede concluir que la
ventaja del suceso “tener éxito” entre los alumnos que tienen hábitos de estudio es más del doble
(Exp(B) = 2,4 aproximadamente) que entre los que no tienen hábitos. Del mismo modo, la
ventaja del suceso “tener éxito” entre los alumnos que tienen disposición a aprender es más del
doble (Exp(B) = 2,1 aproximadamente) que entre los que no tienen disposición a aprender,
manteniendo el resto de las variables constantes.
En otras palabras, si un alumno tiene hábitos de estudio, la chance de que tenga éxito en el
primer año de Ingeniería Civil aumenta poco más de dos veces, en comparación con el que no
tiene hábitos de estudio. Y en el caso de que un estudiante tenga disposición a aprender, la
posibilidad de que ese alumno sea exitoso, aumenta más de dos veces en relación al que no tiene
esa disposición.
IV CONCLUSIONES Y DISCUSIÓN
Se concluye mediante modelos de regresión logística, que las variables que influyen
positivamente en que un estudiante tenga éxito en el primer año de Ingeniería Civil de la UDP
son:
Puntaje obtenido en la PSU Matemática.
Promedio de Notas de la Enseñanza Media.
Hábitos de estudio, en el sentido de buenas prácticas escolares.
Disposición a aprender, entendida como la curiosidad por aprender, el comprender que
adquirir conocimientos es positivo, el sentirse con aptitudes para el aprendizaje.
Es decir se verifican las hipótesis H1, H3, H4 y H5.
A partir de los resultados obtenidos, el perfil del estudiante con mayores probabilidades de
éxito en la carrera de Ingeniería Civil de la UDP, es aquel que tenga el máximo posible de las
siguientes características:
23
Es constante en el trabajo diario.
Asiste regularmente a clases dispuesto a escuchar, participar y aprender.
Repasa los temas expuestos en la clase.
Completa los temas de la clase a través de la bibliografía.
Organiza las horas dedicadas al estudio.
Define y cumple las metas establecidas para el estudio.
Se esfuerza en pos de logros futuros.
Tiene capacidad para superar las dificultades.
Siente agrado con la carrera que estudia.
Tiene una percepción realista del esfuerzo que exigen los estudios.
Además debe tener buen puntaje en la PSU Matemática y buen promedio de notas de
enseñanza media.
El problema del éxito en los estudios y su contraparte, el abandono o fracaso en los
estudios, debe ser motivo de atención dentro de la institución con acciones tendientes a reforzar
carencias de los alumnos ya sean estas de insuficientes conocimientos en las ciencias básicas
como también de falta de estrategias de estudio necesarias para superar las exigencias de la
carrera de Ingeniería.
Los procesos de transición de la Educación Media a la Educación Superior y la integración
a la vida universitaria en el primer año juega un papel importante en la retención y por ello
debería ser un foco de atención de las autoridades. En el caso de la Facultad de Ingeniería de la
UDP, una buena práctica que debería continuar es el Curso de Nivelación al cual son invitados
los alumnos.
Sería conveniente adicionar a esto, cursos, talleres o charlas de desarrollo de habilidades de
estudio, de búsqueda de información e incluso, de manejo de la ansiedad, para los estudiantes que
muestren deficiencias en estos temas. Otro aspecto relevante es considerar charlas
motivacionales y de conocimiento sobre Ingeniería, de modo que el alumno se motive para la
carrera y comprenda que, además de tener hábitos de estudio, debe lograr desarrollar una actitud
positiva con una buena disposición a aprender.
24
La limitación de esta investigación es que analiza el éxito y obtiene los factores que en él
inciden para un caso particular, el de los estudiantes de la carrera ingeniería civil de la UDP. Sin
embargo, la metodología usada para la recolección de datos y las técnicas y métodos estadísticos
utilizados pueden aplicarse a cualquier carrera universitaria y en cualquier institución.
Con este estudio se consigue conocer el fenómeno del éxito académico de los estudiantes;
sin embargo, la práctica docente de las autoras las lleva a plantear las siguientes interrogantes
para futuras investigaciones:
1. ¿Los estudiantes que aprueban las asignaturas del área matemática en el primer año, logran
titularse en el tiempo que corresponde? (Eficiencia de egreso)
2. De lo anterior se desprende el siguiente tema de investigación más general: ¿Cuáles son los
factores que inciden en que un alumno tenga éxito en la carrera, es decir, se titule en el
tiempo que corresponde?
3. ¿Cuál o cuáles evaluaciones diagnósticas podrían generarse para predecir el éxito
académico?
BIBLIOGRAFÍA
Álvarez, P., Bethencourt, J., Cabrera, L. y González, M. (2006). El problema del abandono de los
estudios universitarios, Revista RELIEVE, v.12, N°2.
Baldoni, M., Balduzzi, M., Corrado, R., Eizaguirre, M. y Goñi, M. (2004). Éxito o fracaso en la
universidad ¿quién lo define?, Facultad de Ciencias Humanas, Universidad Nacional del Centro
de la Provincia de Buenos Aires, Argentina.
Canales, A. y De los Ríos, D. (2007). Factores explicativos de la deserción universitaria, CICES-
USACH, Revista calidad de la educación N°26, 173-201.
Canales, A. y De los Ríos, D. (2009). Retención de estudiantes vulnerables en la educación
universitaria chilena, CICES-USACH, Revista calidad de la educación N°30, 49-83.
25
Díaz, C. (2008). Modelo conceptual para la deserción estudiantil universitaria chilena,
Universidad Austral de Chile, Revista estudios pedagógicos XXXIV N°2, 65-86.
Himmel, E. (2002). Modelos de análisis de la deserción estudiantil en la educación superior,
Revista calidad de la educación, CNED-MINEDUC, Chile.
ÍNDICES, Chile, Consejo Nacional de Educación. (2010). Indicadores, números y datos sobre
instituciones y carreras de educación superior. Disponible en www.cned.cl .
Montes, H. (2002). La transición de la educación media a la educación superior, Revista calidad
de la educación, CNED-MINEDUC, Chile
Perrenould, P. (1990). La construcción del éxito y del fracaso escolar, Ed. Morata, Madrid.
Romo, A. y Fresán, M. (2000). Los factores curriculares y académicos relacionados con el
abandono y el rezago, Centro nacional de evaluación para la educación superior, México.
Disponible en www.ceneval.edu.mx .
Schiappacasse, V. (2006). Gestión para la disminución en la deserción de alumnos de primer
año de la Facultad de Ingeniería de la UDP, Tesis de Magister en planificación y gestión
educacional, Escuela de Posgrado UDP.
Tinto, V. (1989). Definir la deserción una cuestión de perspectiva, Revista de la educación
superior, México. Disponible en www.uady.mx .