Tesis Rendim Acad, Eval - Sist Edu .

UNIVERSIDAD COMPLUTENSE DE MADRID FACULTAD DE EDUCACIN
Departamento de Mtodos de Investigacin y Diagnstico en Educacin
TESIS DOCTORAL
Modelos predictivos y explicativos del rendimiento acadmico universitario: caso de una institucin privada en Mxico
MEMORIA PARA OPTAR AL GRADO DE DOCTOR PRESENTADA POR
Martha Patricia Guzmn Brito
Director Jos Manuel Garca Ramos

Madrid, 2012
Martha Patricia Guzmn Brito, 2012
UNIVERSIDAD COMPLUTENSE DE MADRID

FACULTAD DE EDUCACIN
Departamento de Mtodos de Investigacin y Diagnstico en Educacin (MIDE)
MODELOS PREDICTIVOS Y EXPLICATIVOS DEL RENDIMIENTO ACADMICO UNIVERSITARIO: CASO DE UNA INSTITUCIN PRIVADA EN MXICO
TESIS DOCTORAL
MARTHA PATRICIA GUZMN BRITO
Madrid, 2012
UNIVERSIDAD COMPLUTENSE DE MADRID

FACULTAD DE EDUCACIN
Departamento de Mtodos de Investigacin y Diagnstico en Educacin (MIDE)
MODELOS PREDICTIVOS Y EXPLICATIVOS DEL RENDIMIENTO ACADMICO UNIVERSITARIO: CASO DE UNA INSTITUCIN PRIVADA EN MXICO
TESIS DOCTORAL
Autora: Martha Patricia Guzmn Brito
Director: Dr. Jos Manuel Garca Ramos
Madrid, 2012
AGRADECIMIENTOS
AGRADECIMIENTOS
Agradezco profundamente a mi esposo Alfredo, a mis hijas Mnica y Diana y a mis padres por su comprensin y apoyo para hacer este sueo realidad.
En especial quiero agradecer al Dr. Jos Manuel Garca Ramos, director de la tesis, por haberme guiado y asesorado con toda su experiencia.
Hago un reconocimiento profundo al maestro Luis Albarrn, le agradezco su asesora y apoyo durante todo el proyecto doctoral.
A mis alumnos que han sido el motor para desarrollar este tema, que contribuir a la educacin universitaria.
A mis profesores de Mxico y Espaa agradezco su experiencia y conocimientos: Dra. Pilar Baptista, Dr. Arturo de la Orden, Dra. Ma. Jos Fernndez, Dr. Jos Luis Gaviria, Dr. Rafael Carballo, Dra. Rita de Souza, Dra. Diana Galindo, Dra. Ma. Concepcin Barrn y Dr. Marco Antonio Rigo.
Mi ms sincero agradecimiento al Dr. Jorge Vera, Dr. Carlos Villegas y al Dr. Guillermo Bali por sus observaciones y sugerencias. En especial al Ing. Alfredo Ulloa por su colaboracin.
A las autoridades del Tecnolgico de Monterrey les agradezco la confianza y el apoyo para poder concluir en forma satisfactoria este proyecto.
Agradezco a mis compaeros y directivos del Tecnolgico de Monterrey por su excelente colaboracin y por sus acertadas sugerencias.
NDICE
NDICE
PARTE I. PLANTEAMIENTO GENERAL DE LA INVESTIGACIN Y MARCO TERICO .............................................................................................................................................................. 19 CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO................................................................. 21 1.1 JUSTIFICACIN ......................................................................................................................................... 24 1.2 MBITO DEL ESTUDIO ............................................................................................................................ 27 1.3 PROPSITO DEL ESTUDIO .................................................................................................................... 28 1.4 OBJETIVO GENERAL DEL ESTUDIO.................................................................................................... 30 1.5 ESTRUCTURA GENERAL DE LA INVESTIGACIN ........................................................................... 31
CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO ........... 35

2.1 EL SISTEMA EDUCATIVO MEXICANO ................................................................................................. 35 2.2 LA EDUCACIN SUPERIOR ................................................................................................................... 39 2.3 EDUCACIN PRIVADA ............................................................................................................................ 44 2.4 RESEA DEL TECNOLGICO DE MONTERREY ............................................................................. 48 2.4.1 Datos generales del Tecnolgico de Monterrey ............................................................. 50 2.4.2 Campus Ciudad de Mxico ......................................................................................................... 52
CAPTULO 3. RENDIMIENTO ACADMICO .................................................. 53

3.1 CONCEPTUALIZACIN DEL RENDIMIENTO ACADMICO ............................................................. 54 3.2 FACTORES QUE INCIDEN EN EL RENDIMIENTO ACADMICO .................................................... 58 3.2.1 Factores sociolgicos ..................................................................................................................... 59 3.2.2 Factores psicolgicos ..................................................................................................................... 60 3.2.3 Factores pedaggicos .................................................................................................................... 62 3.2.4 Factores escolares ........................................................................................................................... 64 3.3 PREDICTORES DEL RENDIMIENTO ACADMICO............................................................................ 69 3.4 INDICADORES DEL RENDIMIENTO ACADMICO ............................................................................. 73
CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO .......................... 77

4.1 ANTECEDENTES DE LA MEDIDA DEL RENDIMIENTO .................................................................... 80 4.2 TIPOS DE MEDIDA DEL RENDIMIENTO ACADMICO UNIVERSITARIO ..................................... 86 4.2.1 Promedio aritmtico ......................................................................................................................... 86 4.2.2 Promedio ponderado ....................................................................................................................... 87 4.2.3 Promedio ajustado ............................................................................................................................ 87 4.3 SISTEMA DE EVALUACIN DEL RENDIMIENTO ACADMICO UNIVERSITARIO ...................... 89 4.3.1 Medida del rendimiento en Europa ........................................................................................ 92 4.3.2 Medida del rendimiento en Estados Unidos ..................................................................... 93 7
NDICE
4.3.3 Medida del rendimiento en Mxico ......................................................................................... 94
CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO ...................... 99

5.1 MODELOS TRADICIONALES .................................................................................................................. 99 5.1.1 Modelo Centra y Potter (1980) ............................................................................................... 103 5.1.2 Modelo de Biniaminov y Glasman (1981) ....................................................................... 105 5.1.3 Modelo de Biniaminov, Israel y Glasman, Naftaly (1983). .................................... 107 5.1.4 Modelo de Fullana (1996) ......................................................................................................... 109 5.1.5 Estudio de De Berard, Spielmans, Julka, Deana L. (2004).................................. 110 5.1.6 Estudio de Pita y Corengia (2005)) ..................................................................................... 111 5.1.7 Estudios de Vanessa Marsh (2007). .................................................................................. 112 5.1.8 Estudio de Naderi, Abdullah, Aizan, Sharir, Kumar (2009) .................................. 114 5.1.9 Estudio de Juan Tonconi Quispe (2009).......................................................................... 115 5.1.10 Estudio de Porcel, Dapozo y Lpez (2010) ................................................................. 116 5.2 MODELOS ESTRUCTURALES DEL RENDIMIENTO ACADMICO.............................................. 118 5.2.1 Modelo de Parkerson, Lomas, Schiller y Walberg (1983) ..................................... 118 5.2.2 Modelo de rendimiento en ciencias de Gonzlez (1989) ...................................... 119 5.2.3 Modelo de rendimiento acadmico de lvaro Page (1990) ................................. 120 5.2.4 Modelo de Reynolds y Walberg (1991) ............................................................................ 123 5.2.5 Modelo de Castejn Costa y Prez Snchez (1998) ............................................... 124 5.2.6 Modelo de Abbot y Joiremans (2001) .............................................................................. 125 5.2.7 Modelo de French, Immekus y Oakes (2003) .............................................................. 127 5.2.8 Modelo de Kember y Leung (2005)..................................................................................... 128 5.2.9 Modelo de ngeles Blanco (2006)....................................................................................... 129 5.2.10 Modelo de Carlos E. Nez Rincn (2007) ................................................................. 132 5.3 ESTUDIOS DE RENDIMIENTO ACADMICO EN MXICO ........................................................... 134 5.3.1 Modelo estructural Mella & Ortiz (1999) ........................................................................... 139 5.3.2 Estudio de Javier Vargas (2001)........................................................................................... 142 5.3.3 Estudio de Carlos Villegas (2001) ........................................................................................ 145 5.3.4 Estudio de Jos Martnez (2004) .......................................................................................... 147 5.3.5 Estudio de Hernndez y Rivera (2007)............................................................................. 151 5.3.6 Estudio de Hernndez, Vadillo y Rivera (2008)........................................................... 153
PARTE II ESTUDIO EMPRICO........................................................................................................ 157 CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA ......... 159
6.1 PROBLEMA DE INVESTIGACIN ....................................................................................................... 159 6.2 OBJETIVOS ............................................................................................................................................. 163 8
NDICE
6.3 RELEVANCIA DE LA INVESTIGACIN .............................................................................................. 164 6.4 HIPTESIS Y METODOLOGA ............................................................................................................ 166 6.5 MUESTRA DE ESTUDIO ....................................................................................................................... 168 6.6 DISEO DEL ESTUDIO ......................................................................................................................... 171 6.7 TCNICAS E INSTRUMENTOS DE RECOLECCIN DE DATOS ................................................. 173 6.8 VARIABLES DE LA INVESTIGACIN ................................................................................................. 174 6.8.1 Variable criterio ................................................................................................................................ 175 6.8.2 Variables de clasificacin .......................................................................................................... 176 6.8.3 Variables de rendimiento ........................................................................................................... 177 6.9 OPERACIONALIZACIN DE LAS VARIABLES ................................................................................. 181 6.9.1 Variables clasificatorias personales y socio-familiares ........................................... 181 6.9.2 Variables de rendimiento previo............................................................................................ 183 6.9.3 Variables de rendimiento durante la carrera universitaria .................................... 185 6. 10 INSTRUMENTOS UTILIZADOS ........................................................................................................ 187 6.10.1 Prueba de aptitud acadmica (PAA) ............................................................................... 188 6.10.2 Exmenes iniciales ..................................................................................................................... 191 6.10.3 Examen Toefl (Test of English as a Foreign Language) ..................................... 191 6.10.4 Cuestionario para entrevista a directores acadmicos ........................................ 193
CAPTULO 7. ESTUDIOS PREVIOS ............................................................. 195

7.1 EL RENDIMIENTO ACADMICO DE LOS ALUMNOS.................................................................... 195
7.2 ESTUDIOS DESCRIPTIVOS ...................................................................................................... 203 7.2.1 Edad alumno ..................................................................................................................................... 203 7.2.2 Sexo del alumno ............................................................................................................................. 204 7.2.3 Edad de los padres ....................................................................................................................... 206 7.2.4 Estudios de los padres ................................................................................................................ 207 7.2.5 Tipo de preparatoria ..................................................................................................................... 209 7.2.6 Beca........................................................................................................................................................ 210 7.2.7 Nivel econmico .............................................................................................................................. 212 7.2.8 Prueba de aptitud acadmica (preparatorias externas) ......................................... 213 7.2.9 Exmenes de inicio (matemticas y espaol) .............................................................. 215 7.2.10 Promedio de la preparatoria ................................................................................................. 216 7.2.11 Toefl de inicio y Toefl final...................................................................................................... 218 7.2.12 Materias reprobadas al 3ro., 5to. y 9no. semestres ............................................... 219 7.2.13 Semestres de ms ...................................................................................................................... 221 7.2.14 Resumen de la caracterizacin de la muestra .......................................................... 222 9
NDICE
7.2.15 Conclusiones parciales de los anlisis descriptivos .............................................. 223 7.3 ANLISIS CORRELACIONAL .................................................................................................... 227 7.3.1 Correlacin del rendimiento acadmico final ................................................................ 227 7.3.2 Correlacin por reas acadmicas ...................................................................................... 234 7.3.3 Conclusiones parciales del anlisis de correlaciones.............................................. 239 7.4 ESTUDIOS DIFERENCIALES .................................................................................................... 241 A) ANLISIS DE VARIANZA ........................................................................................................................ 241 7.4.1 Sexo........................................................................................................................................................ 241 7.4.2 Edad de los alumnos .................................................................................................................... 244 7.4.3 Beca........................................................................................................................................................ 247 7.4.4 Nivel socioeconmico .................................................................................................................. 250 7.4.5 Estudios de la madre ................................................................................................................... 256 7.4.6 Edad del padre ................................................................................................................................. 258 7.4.7 Edad de la madre ........................................................................................................................... 261 7.4.8 Toefl inicial .......................................................................................................................................... 264 7.4.9 Tipo de preparatoria ..................................................................................................................... 267 7.4.10 Estudios de preparatoria ......................................................................................................... 270 7.4.11 Rendimiento al 3er. semestre ............................................................................................ 2753 7.4.12 Rendimiento al 5to. semestre .............................................................................................. 275 7.4.13 Materias reprobadas al 3er. semestre ............................................................................ 277 7.4.14 Materias reprobadas al 5to. semestre ............................................................................ 280 7.4.15 Materias reprobadas al ltimo semestre ....................................................................... 283 7.4.16 Semestres de ms ...................................................................................................................... 285 7.4.17 Conclusiones parciales del anlisis de varianza ...................................................... 288 B) MODELO LINEAL GENERAL UNIVARIANTE .................................................................................... 290 7.5 ESTUDIOS FACTORIALES ......................................................................................................... 293 7.5.1 Modelo general ................................................................................................................................ 301 7.5.2 Modelo por reas acadmicas ............................................................................................... 303 a) Humanidades........................................................................................................................................... 303 b) Ingeniera ................................................................................................................................................... 305 c) Negocios ..................................................................................................................................................... 307 7.5.3 Conclusiones parciales del anlisis de componentes principales ................... 309 7.6 CONCLUSIONES PARCIALES DE ESTUDIOS PREVIOS .............................................................. 311
CAPTULO 8. ESTUDIOS PREDICTIVOS..................................................... 313

8.1 ANLISIS CORRELACIONAL POR VARIABLES Y POR CARRERA ............................................ 314 10
NDICE
8.2 MODELOS DE REGRESIN MLTIPLE ............................................................................................ 319 8.2.1 Modelo de regresin mltiple general ............................................................................... 322 a) Modelo de regresin por el mtodo Enter.............................................................................. 322 b) Modelo de regresin mltiple general Stepwise ................................................................ 324 8.2.2 Modelo de regresin mltiple por carrera........................................................................ 335 a) Arquitectura / Diseo Industrial .................................................................................................... 336 b) Industrial y de Sistemas .................................................................................................................... 338 c) Electrnica y Comunicaciones ...................................................................................................... 340 d) Mecnico Electricista/Mecnico Administrador .................................................................. 342 e) Mecatrnica .............................................................................................................................................. 344 f) Sistemas Computacionales .............................................................................................................. 346 g) Sistemas Electrnicos ........................................................................................................................ 348 h) Sistemas de Computacin Administrativa ............................................................................. 350 i) Administracin de Empresas ........................................................................................................... 352 j) Administracin Financiera /Contadura Pblica ................................................................... 354 k) Economa ................................................................................................................................................... 356 l) Mercadotecnia .......................................................................................................................................... 358 m) Negocios Internacionales ............................................................................................................... 360 n) Ciencias de la Comunicacin ........................................................................................................ 362 o) Derecho ....................................................................................................................................................... 364 p) Ciencias Polticas .................................................................................................................................. 365 q) Psicologa Organizacional ............................................................................................................... 367 r) Relaciones Internacionales .............................................................................................................. 368 8.2.3 Modelos de regresin mltiple por reas acadmicas ............................................ 370 8.2.4 Modelo de regresin mltiple de preparatoria .............................................................. 379 8.2.5 Resumen de los modelos de regresin mltiple ......................................................... 386 8.3 CONCLUSIONES DE ESTUDIOS PREDICTIVOS ............................................................................ 389
CAPTULO 9. ESTUDIOS CAUSALES ......................................................... 391

9.1 ESPECIFICACIN DEL MODELO ....................................................................................................... 392 9.1.1 Desarrollo del diagrama de trayectoria ............................................................................. 394 9.1.2 Conversin del diagrama de relaciones ........................................................................... 396 9.2 PROPUESTA DE LOS MODELOS DE ECUACIONES ESTRUCTURALES.................................. 398 9.2.1 Modelo General RA1 .................................................................................................................... 399 9.2.2 Modelo General RA2 .................................................................................................................... 402 9.2.3 Modelo General RA3 .................................................................................................................... 404 11
NDICE
9.2.4 Modelo General RA4 .................................................................................................................... 406 9.2.5 Modelo General RA5 .................................................................................................................... 408 9.2.6 Modelo General RA6 .................................................................................................................... 410 9.2.7 Modelo General RA7 .................................................................................................................... 412 9.2.8 Anlisis comparativo de los modelos estructurales .................................................. 415 9.2.9 Modelo final explicativo del rendimiento acadmico universitario en Mxico. ................................................................................................................................................................................ 417 9. 3 MODELOS POR REAS ACADMICAS ........................................................................................... 420 9.3.1 Modelo Escuela de Humanidades ....................................................................................... 421 9.3.2 Modelo Escuela de Ingeniera ................................................................................................ 423 9.3.3 Modelo Escuela de Negocios ................................................................................................. 425 9.3.4 Comparativo de los modelos por reas acadmicas ............................................... 427 9.4 MODELOS POR CARRERAS PROFESIONALES............................................................................. 428 9.4.1 Modelo de Mercadotecnia......................................................................................................... 428 9.4.2 Modelo de Finanzas y Contabilidad .................................................................................... 430 9.4.3 Modelo de Ingeniera Industrial ............................................................................................. 432 9.4.4 Modelo de Ciencias de la Comunicacin y Medios de Informacin................ 434 9.4.5 Resumen de los modelos por carreras profesionales ............................................. 436
10. ESTUDIOS COMPLEMENTARIOS ......................................................... 439

10.1 MODELOS COMPLEMENTARIOS .................................................................................................... 439 10.1.1 Modelo Preparatoria No TEC ............................................................................................... 439 10.1.2 Modelo Preparatoria TEC ....................................................................................................... 441 10.2 ANLISIS CUALITATIVOS.................................................................................................................. 444
11. CONCLUSIONES Y DISCUSIN DE RESULTADOS ............................. 459

11.1 SNTESIS E INTERPRETACIN DE LOS PRINCIPALES RESULTADOS................................. 459 11.2 CONCLUSIONES FINALES ................................................................................................................ 473 11.3 RECOMENDACIONES Y VALORACIONES PEDAGGICAS ...................................................... 476 11.4 LIMITACIONES DEL ESTUDIO .......................................................................................................... 479 11.5 LNEAS DE INVESTIGACIONES FUTURAS ................................................................................... 481
REFERENCIAS BIBLIOGRFICAS .............................................................. 483 ANEXOS ........................................................................................................ 505 TABLAS ......................................................................................................... 507 FIGURAS ....................................................................................................... 515
12
INTRODUCCIN
INTRODUCCIN
El impacto de las transformaciones sociales en el siglo XXI, caracterizadas por la evolucin de la sociedad industrial a una sociedad del conocimiento y los constantes cambios de aspectos econmicos, polticos, sociales y tecnolgicos, han originado un enfoque diferente en la gestin de las organizaciones, que tienen ante s retos y desafos importantes: Generar innovaciones en procesos, a travs de redes y comunidades de aprendizaje para crear servicios y productos con mayor valor agregado. Prepararse para interactuar en mercados menos estables, con mayor competencia y surgimiento de nuevas empresas. Tener directivos con habilidades para tomar mejores decisiones ticas mediante la seleccin e interpretacin ms veloz de la informacin y el conocimiento. Contar con mano de obra cada vez ms calificada, que posea habilidades para desarrollar procesos multifuncionales, flexibles y con mejor tecnologa. Desarrollar habilidades para trabajar con nuevas tecnologas y en ambientes virtuales.
Ante este escenario, el reto de las universidades es fundamental. Para dar respuesta a estas nuevas demandas, las universidades se han convertido en el motor del crecimiento empresarial, tecnolgico y econmico, esto es, en el elemento principal de la construccin y desarrollo de las sociedades. En las ltimas dcadas se ha incrementado la demanda de educacin superior, en
13
INTRODUCCIN
especial en los pases en vas de desarrollo, uno de los cuales, el nuestro, no es la excepcin, pues su sistema educativo enfrenta grandes problemas.
Al mismo tiempo se ha incrementado el inters en la calidad de los diferentes sistemas de educacin en el mundo, que no slo estn preocupados por la docencia y la investigacin, sino tambin por los servicios que ofrecen. La eficacia y la calidad de la educacin sern los elementos distintivos para el crecimiento de una sociedad.
Consell Social UAB, 1993 y Vilalta, 1999 (citados en Capelleras 2000), concuerdan en que el entorno universitario presenta nuevas tendencias: a) Incremento de las expectativas de la sociedad respecto de la actuacin y los servicios de las universidades pblicas y mayor exigencia de los usuarios de stos. b) Cuestionamiento de la funcionalidad y el rendimiento de las instituciones universitarias. c) Aumento de la relacin entre las universidades y distintas organizaciones pblicas y privadas. d) Internacionalizacin del sistema universitario, junto a una creciente competitividad de las instituciones de educacin superior.
Estas tendencias
repercuten
en forma
directa en
la
formulacin
implementacin de polticas universitarias, as como en el sistema de direccin, organizacin y gestin de las instituciones. Por ello, las universidades deben
14
INTRODUCCIN
producir y difundir conocimientos para atender los cambios en los perfiles de los estudiantes y usar nuevos instrumentos en el proceso educativo.
En el momento de abordar la calidad de la enseanza superior, el rendimiento acadmico (RA) de los alumnos constituye una de las preocupaciones fundamentales. Aunque el concepto de calidad aplicado a la enseanza universitaria puede ser definido desde diversos enfoques y perspectivas, una de las aproximaciones que cuenta con mayor consenso es la que considera este trmino tomando como criterio de referencia los resultados acadmicos. Harvey y Green (1993) y Rodrguez (1995), afirman que desde el punto de vista social, el prestigio de una institucin est fuertemente vinculado al rendimiento acadmico que logran sus alumnos.
Por ello, el estudio del rendimiento acadmico, asociado a la eficacia de la educacin superior, se ha convertido en una preocupacin permanente y ha sido abordado por diversos investigadores desde hace algunas dcadas. La proliferacin de este tipo de investigaciones ha generado gran inters a nivel acadmico, como lo demuestran las publicaciones de numerosos trabajos y revistas especializadas en educacin, como la Revista Iberoamericana de Educacin, Revista Digital de Educacin y Nuevas Tecnologas, Revista Electrnica Iberoamericana sobre Calidad Eficacia y Cambio en Educacin, entre otras.
15
INTRODUCCIN
Por otro lado, la tasa de desercin ligada en gran parte al rendimiento acadmico constituye una medida relevante del desempeo tanto de los alumnos como de las instituciones. Se trata de un tema de gran importancia para los alumnos y para las instituciones de educacin superior, pues sin duda se considera al rendimiento acadmico como el ms claro indicador de la calidad.
Las instituciones educativas requieren de informacin fiable para planificar acciones pertinentes y eficaces que permitan a cada una de ellas ofrecer una mejor orientacin para el aprendizaje, contar con informacin que les permitan una temprana intervencin psicopedaggica para asegurar el progreso satisfactorio de los alumnos en los planes de estudio, y, en ltima instancia, que sus egresados alcancen una formacin acadmica integral y de alta calidad educativa.
En Mxico, el sistema de educacin superior ha planteado como uno de sus principales problemas la eficiencia terminal caracterizada por la dualidad, es decir, se registran bajos ndices de egreso en carreras profesionales as como de titulacin de estudiantes que concluyeron los programas de estudio.
Segn Malo (2006), la tasa de egreso se ubica en 69% y la de titulacin en slo 55%. Este autor reconoce que los instrumentos de evaluacin disponibles son una muestra de lo que sucede en el interior de las instituciones mexicanas. Tal es el caso de los exmenes de ingreso a la universidad, que no tienen carcter de obligatorios, sino que son usados a voluntad por cada una de ellas.
16
INTRODUCCIN
An cuando en Mxico, como en otros pases latinoamericanos, a nivel bachillerato se realizan esfuerzos para medir los conocimientos de los estudiantes mediante diversas herramientas de evaluacin, en el mbito universitario se han desarrollado intentos aislados para evaluar el rendimiento acadmico.
Esta preocupacin ha abierto una lnea de estudio sobre el rendimiento acadmico universitario en la cual se encuadra esta investigacin. Consciente de la necesidad de profundizar en temas de gran relevancia para las universidades y de contar con propuestas y herramientas que contribuyan a elevar el nivel de la educacin superior en Mxico, es que se fundamenta y motiva el estudio de este tema.
17
PARTE I. PLANTEAMIENTO GENERAL DE LA INVESTIGACIN Y MARCO TERICO
19
CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO
En la actualidad existen diversos estudios sobre rendimiento acadmico (RA), principalmente en pases desarrollados como Espaa, Inglaterra, Francia y Estados Unidos; sin embargo, en las sociedades en desarrollo, en las cuales prevalecen fuertes diferencias sociales, elevadas tasas de natalidad y de desercin escolar y bajas tasas de eficiencia terminal, no existen muchas evidencias de este tipo de estudios, slo alguno enfocados en el nivel bsico y, en el mejor de los casos, en el nivel medio superior.
Las limitaciones que padecen las instituciones de educacin superior para retener a sus estudiantes dentro del sistema educativo, expresadas en una elevada proporcin de alumnos que abandonan sus estudios temporal o definitivamente, no son producto de un evento aislado; por el contrario, son resultado de un proceso en el cual coinciden factores que configuran diferentes trayectorias escolares, falta de orientacin vocacional, suspensin y
desempeo acadmico, entre otras.
La necesidad de medir el rendimiento acadmico ha sido una constante estudiada extensamente en pases como Espaa, Reino Unido, Holanda y Estados Unidos. Sin embargo, en Mxico recin encontramos los primeros esfuerzos serios por abordar el tema de rendimiento escolar a nivel superior en la dcada de 1990 con la creacin del Consejo Mexicano de Investigacin Educativa (COMIE) y dos instituciones que apoyan el desarrollo de esta corriente: la creacin en 1993 del Centro Nacional de Evaluacin para la
21
Educacin Superior A.C. (CENEVAL) y en 2002 el Instituto Nacional para la Evaluacin de la Educacin (INEE).
Actualmente, la medicin del rendimiento acadmico y su prediccin a partir de los factores que lo determinan, se ha convertido en un objetivo de muchos investigadores y en una prioridad de las instituciones de educacin superior (IES). El Centro Nacional de Evaluacin plantea la necesidad de identificar el RA de los estudiantes universitarios al finalizar su carrera profesional a travs de la aplicacin de un examen estandarizado. Como consecuencia, todas estas circunstancias incrementaron el inters por llevar a cabo ms investigaciones cuantitativas encaminadas a mejorar los niveles acadmicos de las universidades nacionales.
Tejedor-Tejedor et al. (1985), argumenta que delimitar el concepto y mbitos de aplicacin del rendimiento escolar nunca ha resultado fcil, a pesar de que este concepto constituye uno de los aspectos fundamentales de la investigacin socioeducativa. Se trata de un constructo complejo determinado por un importante nmero de variables y las correspondientes interacciones de muy diversos referentes como inteligencia, motivacin, personalidad, actitudes, contextos, entre otros.
Las Instituciones de Educacin Superior se plantean el problema de explicar el rendimiento acadmico, en trminos de identificar los factores que lo determinan, cmo medirlos y analizar su efecto en los diversos programas de licenciatura del Tecnolgico de Monterrey y sus consecuencias que ms tarde
22
conllevarn probablemente al abandono -total o parcial- de los estudios por parte del alumno y en caso contrario un buen desempeo.
A fin de encontrar respuestas a esas interrogantes, el sistema educativo mexicano estableci la evaluacin sistemtica como uno de sus principales objetivos, puesto que a travs de ella se espera obtener indicadores relevantes que permitan conocer, incidir y, en su caso, modificar las condiciones y particularidades bajo las cuales se aplica el modelo educativo en todos los niveles. Para tal efecto, se ha sumado a los esfuerzos que realizan organismos internacionales y se est consolidando un sistema nacional de evaluacin.
23
1.1 Justificacin Abordar el tema del rendimiento acadmico universitario es una tarea interesante y pertinente debido al efecto que este tipo de estudios tiene en el campo de la educacin, en especial en Mxico, donde no existen muchas investigaciones que se enfoquen sobre este tema nivel universitario.
Todo sistema educativo debe contar con indicadores que le permitan evaluar su eficacia. Por su parte, los resultados de toda investigacin vinculada al rendimiento acadmico ofrecen informacin relevante para retroalimentar los procesos de enseanza-aprendizaje y de calidad acadmica.
Esta investigacin pretende aportar elementos que permitan comprender el fenmeno del rendimiento acadmico universitario, as como evaluar el perfil de seleccin de alumnos y su desarrollo durante su carrera universitaria.
Segn el Consejo de Universidades (1996), existen claras diferencias entre el rendimiento acadmico de los alumnos segn las distintas ramas del saber y modalidad de ingreso a la enseanza superior, lo que pone de relieve que el sistema de acceso a las universidades debe contemplarse como una variable diferencial en el momento de analizar el RA de los estudiantes. Sobre este tema, Latiesa (1992) sostiene que las tasas de fracaso en la enseanza universitaria en los pases con sistemas de admisin amplios son superiores a las de aquellos que aplican un enfoque ms selectivo. Bajo este enfoque, el tema representa una oportunidad de aportar a la educacin superior en Mxico.
24
En su mayora, los estudios sobre RA han concluido en una diversidad de definiciones y variables que le dan a este concepto un enfoque
multidimensional. De acuerdo con Celorrio (1999), investigadores, docentes y administradores de la educacin coinciden en afirmar que el RA es una variable muy compleja en la que incide una gran diversidad de factores, que muchas veces resultan difciles de delimitar con claridad.
Por su parte, Gaviria, Martnez Arias y Castro (2004) sostienen que El tema del RA se ha vuelto relevante en los ltimos aos debido a la estrecha relacin que guarda con la excelencia acadmica y eficacia escolar. En su trabajo incluyen diversas propuestas de modelos de rendimiento escolar, entre los que se encuentran el de Scheerens (1992), que hace hincapi en la escuela, y el de Creemers (2000), que otorga mayor importancia al aula.
Existen diferentes criterios para definir el rendimiento acadmico. Uno de ellos es el anlisis de las calificaciones escolares, que Cascn (2000) atribuye a dos razones principales: la primera, a un problema social, no slo acadmico, que ocupa a los responsables polticos, profesionales de la educacin, padres y madres de alumnos y a la ciudadana, en general, en la construccin de un sistema educativo efectivo y eficaz que proporcione a los alumnos el marco idneo donde desarrollar sus potencialidades; la segunda se refiere al indicador del nivel educativo adquirido en la prctica en los pases desarrollados y en vas de desarrollo, que han sido, y seguirn siendo las calificaciones escolares. A su vez, stas son un reflejo de las evaluaciones y/o exmenes
25
donde el alumno debe demostrar sus conocimientos sobre las distintas reas o materias que el sistema considera necesarias y suficientes para su desarrollo.
Por una parte, la diferencia entre los objetivos y la falta de interconexin de resultados finales de los egresados universitarios estn orientados hacia la estandarizacin, es decir, se busca medir con el mismo rasero el nivel de conocimientos adquiridos, por otra, los mtodos pedaggicos, el profesorado, las caractersticas y condiciones socioeconmicas de los alumnos que afectan el rendimiento acadmico de cada uno de ellos contribuye a establecer claras diferencias.
Como podemos ver, a nivel de educacin superior existe un alto ndice de desercin, motivado principalmente por bajo rendimiento acadmico, carencia de motivacin por la carrera, falta de competencias para la carrera seleccionada, problemas econmicos, falta de hbitos de estudio, entre otras. En Mxico, estas causas de desercin y de bajo rendimiento se presentan tanto en instituciones pbicas como privadas.
Se trata de un tema relevante sobre el cual en nuestro pas no se han realizado muchos estudios tericos ni se han construido instrumentos a nivel universitario para comprenderlo, lo cual ha generado una laguna epistemolgica relacionada con la identificacin de los niveles de entrada de los estudiantes, sus necesidades acadmicas en las diferentes etapas de su carrera, la evaluacin de la calidad educativa y del currculo, todo lo cual ha sido motivo, en gran medida, de la lnea de estudio para encuadrar esta investigacin.
26
El resultado de este trabajo permitir obtener informacin para planificar acciones de apoyo acadmico, intervenciones educativas y propuestas de mejora del aprendizaje en instituciones mexicanas de enseanza superior. 1.2 mbito del estudio Como ya se coment en la introduccin, este trabajo, que se enmarca dentro de la lnea de estudios sobre rendimiento acadmico universitario en Mxico, pretende analizar la influencia de variables del perfil del alumno, variables clasificatorias, de rendimiento inicial y final sobre el resultado del rendimiento de los estudiantes.
El anlisis del RA es importante porque, hasta hoy, se consideran los factores de rendimiento bajo la perspectiva de las calificaciones. Si el abandono de los estudios se debe a mal desempeo y no a otras causas (personales, familiares, econmicas, etc.) entonces los factores que lo explican deben ser los mismos que justifican el buen rendimiento.
Malo A., (2006) afirma que en Mxico slo 5% (936) de los ms de 13 mil 400 programas de licenciatura, especializacin, maestras y doctorado que han sido evaluados estn en el nivel ms alto de calidad. El reporte seala que a pesar de los esfuerzos que se han hecho en las ltimas dos dcadas para contar con un sistema que brinde una calidad similar en todas las entidades federativas, an dista mucho de ser una realidad. El sistema universitario en Mxico es complejo y heterogneo, y deber ser consolidado en los prximos aos, debido a que los instrumentos hasta hoy disponibles slo proporcionan una
27
muestra de lo que sucede en el interior de las instituciones, pero dejan intactos los factores individuales, familiares y sociales que inciden sobre el RA.
En consecuencia, el RA es un tema que, por su relevancia, interesa en sumo grado a los directivos y personal docente de las instituciones de educacin superior en Mxico, en particular del Instituto Tecnolgico y de Estudios Superiores de Monterrey, Campus Ciudad de Mxico, en dnde se realiz este estudio. 1.3 Propsito del estudio
En Mxico, las polticas que orientan el desarrollo de la educacin superior se han fijado como propsito central mejorar la calidad de los procesos y sus productos. En los distintos programas desarrollados a nivel institucional, estatal y nacional se han desplegado acciones para fortalecer la vida acadmica y de sus actores: estudiantes, profesores e investigadores; y se han establecido mecanismos para evaluar la calidad de modo integral, que es la parte central del estudio.
Los resultados de esta investigacin aportarn informacin relevante sobre el proceso de seleccin de los alumnos en el Tecnolgico de Monterrey, lo cual permitir retroalimentar los procesos de admisin y aplicar procedimientos ms eficientes para la toma de decisiones y mejorar los perfiles de los alumnos por rea del conocimiento. Asimismo, se definirn programas de intervencin orientados a fortalecer las diferentes carreras profesionales y reducir los ndices de desercin.
28
Existen mltiples y diferentes causas que influyen en el RA del alumno, como las variables de entrada, por ejemplo, las caractersticas del perfil del alumno, aspectos del proceso de enseanza-aprendizaje, la calidad de los profesores e infraestructura, entre otras. Considerar slo algunas de ellas podra ser una limitante para obtener conclusiones generalizadas; sin embargo, es un buen acercamiento para explicar una parte de este proceso que resulta muy complejo y que explica el RA de los alumnos.
En esta investigacin no se considerarn variables del proceso de enseanzaaprendizaje, es decir, lo que sucede en el aula, debido a que stas son parte de otro tema de estudio. Las pruebas de aptitud acadmica pueden ser medios tiles para medir conocimientos y habilidad acadmica, pero ninguna de ellas puede predecir con seguridad el xito en la vida, ni es en absoluto una medida de valor total de un individuo.
Para fines de esta investigacin, se utilizar una serie de variables que se detallan dentro del cuerpo del trabajo, de las cuales, por su importancia y relevancia, se destaca el promedio de las calificaciones como medida del rendimiento del alumno y que ser nuestra variable criterio o dependiente, en virtud de que las instituciones de educacin superior a nivel mundial y algunos investigadores (Carabaa, 1980, Garca, 1979, Touron, 1985, Quezada, 1991, Astin, 1993 y Garca Ramos, 1994) la utilizan como criterio de evaluacin del rendimiento acadmico.
29
1.4 Objetivo general del estudio Proponer y validar empricamente distintos modelos que permitan explicar y predecir el rendimiento acadmico de los alumnos universitarios, en sus distintas carreras profesionales, identificando los factores que lo afectan positivamente. Con este propsito se ha realizado una investigacin que incorpora una aproximacin tanto terica como emprica a la solucin del problema.
Se realizar un estudio emprico en el Tecnolgico de Monterrey, Campus Ciudad de Mxico, a fin de identificar el efecto de algunas variables del perfil del alumno, psicopedaggicas, sociales, familiares y su relacin con el rendimiento acadmico final, por medio de la aplicacin de la estadstica descriptiva, estadstica inferencial, anlisis multivariado y ecuaciones
estructurales (anlisis causal).
Como resultado de esta investigacin se determinar el grado de influencia que tienen los factores diferenciales del rendimiento acadmico en toda la generacin que finaliz su carrera universitaria en el ao 2007, por divisiones acadmicas y carreras profesionales.
30
1.5 Estructura general de la investigacin
Esta investigacin se ha estructurado en dos partes: la primera, el estudio terico, est conformada por cinco captulos:
El captulo 1 incluye la introduccin, la justificacin, el problema de investigacin, los objetivos y su estructura general del estudio.
En el captulo 2, plantea el contexto del sistema educativo en Mxico e incluye una resea de la situacin actual de la educacin en nuestro pas, se hace referencia a la educacin superior pblica y privada; en su ltima parte se describe en forma breve las caractersticas principales del Instituto Tecnolgico y de Estudios Superiores de Monterrey, al que en lo sucesivo se le llamar Tecnolgico de Monterrey, institucin de donde se obtuvo la muestra para fundamentar este estudio.
En el captulo 3 considera el estudio terico a partir de la conceptualizacin de rendimiento acadmico, cuya finalidad es realizar una revisin y aproximacin terica del tema de estudio. Se plantean los factores que estn relacionados con l, as como los predictores que lo afectan de acuerdo con las investigaciones que han propuesto en diferentes momentos autores de diversos pases.
31
En el captulo 4 se analiza la medida del rendimiento acadmico y las escalas que se usan en los principales sistemas educativos de Europa, Asia, Estados Unidos y Mxico. Incluye la medida del RA del Tecnolgico de Monterrey.
En el captulo 5 se analizan las investigaciones y modelos del rendimiento acadmico tradicionales y de ecuaciones estructurales que plantean diferentes autores, con base en los cuales se contrastan y se fundamenta la presente investigacin. Es importante mencionar que se anexan algunos estudios que se han realizado en Mxico sobre este tema.
La segunda parte se dedica al estudio emprico, cuyo planteamiento, desarrollo y resultados se exponen en seis captulos:
En el captulo 6 se definen el planteamiento del estudio y su metodologa. Se incluyen los objetivos, las hiptesis principales y especficas del estudio; se define la metodologa que se utiliz para elaborar e implementar el diseo, los procedimientos de anlisis, la muestra, la recoleccin de informacin, las bases de datos y el plan de anlisis. En la ltima parte se especifican los instrumentos de evaluacin que se utilizaron y su validacin.
En el captulo 7 se presentan algunas investigaciones previas, que consideran los estudios exploratorios que permitieron observar el comportamiento de las variables en trminos descriptivos correlacionales, diferenciales y factoriales, con el propsito de tener un conocimiento ms profundo de la forma en que se
32
relacionan de cara a la formulacin de los modelos del rendimiento acadmico universitario, que son la base del desarrollo de este trabajo.
En el captulo 8 se presentan los estudios predictivos, donde se exponen las correlaciones y las propuestas de los modelos de regresin mltiple de toda la generacin, por reas y por carreras.
El captulo 9 se ocupa de los estudios causales, donde se incluyen los modelos de ecuaciones estructurales, la validacin emprica del modelo e identifica la contribucin de las variables que explican grficamente el rendimiento acadmico, as como los efectos indirectos y directos de las variables que intervienen y que permiten identificar las magnitudes de los efectos. Al final se incluyen los cuadros de ajuste y un anlisis comparativo de los modelos finales.
En el captulo 10 se incluyen los estudios complementarios, donde se presenta un modelo causal para la preparatoria del TEC/NO TEC. Este captulo se complementa con una serie de entrevistas realizadas a los directores acadmicos, que nos ofrecen un marco de contraste para evaluar los factores de mayor influencia.
En el captulo 11 se presentan las conclusiones de la investigacin, discusin de los resultados ms relevantes, las recomendaciones y valoracin psicopedaggica, as como la identificacin de lneas de investigacin futura.
33
En un apartado se presentan las referencias bibliogrficas y pginas web que se revisaron para completar la investigacin. Al final de este estudio se incluyen los anexos documentales y estadsticos con un soporte informtico, los cuales contribuirn a una mejor comprensin de los instrumentos para recoger los datos y las salidas ms importantes del programa que se utiliz para validar este estudio.
34
CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO
2.1 El sistema educativo mexicano La educacin en Mxico, consagrada en el artculo tercero de la Constitucin, preserva el derecho de todos los habitantes de pas a recibir educacin por parte del Estado, la cual adems de ser gratuita y laica tiene como objetivo preparar a las personas para enfrentar la vida laboral.
El nivel bsico, que constituye el mbito prioritario de la accin del gobierno en materia educativa, comprende la educacin preescolar, primaria y secundaria. El sistema de educacin media superior est conformado por tres modalidades: bachillerato general, bachillerato tecnolgico y educacin profesional tcnica. El nivel superior, posterior al bachillerato o su equivalente, puede ser universitario, tecnolgico o normal.
Las universidades pblicas, la mayora son autnomas de los gobiernos federal y estatal, tienen como objetivo principal formar profesionales capaces en las diversas reas de la ciencia, la tecnologa, la cultura y la docencia para que impulsen el progreso integral de la nacin. En esta categora se incluye la formacin de maestros o educacin normal.
De acuerdo con el Plan Nacional de Desarrollo 2007-2012, casi 1.8 millones de maestros brindaron servicios de educacin a 33.8 millones de nios y jvenes en 250 mil escuelas. El sistema extraescolar atendi a 3.9 millones de personas en educacin inicial, formacin para adultos y servicios
35
semiescolarizados y abiertos. El sistema educativo nacional tiene una enorme complejidad, y sus alcances y lmites slo pueden entenderse mediante un conjunto amplio de indicadores.
Tabla 2-1 Alumnos matriculados por nivel educativo 1980-2010

Niveles educativos Bsica Media superior Superior
1,388.1 935.8 1,961.9 1,199,1 2,100.5 1252.0 2,438.7 1,532.8 3,479.2 2,354.6 3,547.9 2,384.9 3,711.2 2,445.6 4,054.7 2,847.4
1980
18,771.7
1985
21,685.1
1990
21,325.9
1995
22,480.7
2003
24,416.8
2004
24,634.1
2005
25,024.2
2010**
25,596.9
21,095.6 23,766.1 24,678.4 26,452.2 30,250.6 30,566.9 31,181.0 33,875.7 Total * Cifras en miles de alumnos ** Promedio del ciclo escolar 2009-2010 Nota: No se incluye a 1,376,739 alumnos inscritos en Capacitacin para el Trabajo, en virtud de que hasta al actual periodo de gobierno se efecta la separacin del resto de la estadstica nacional.
Se han registrado importantes avances en materia educativa durante los ltimos 10 aos, pues se ha conseguido una cobertura cercana a 100% en educacin primaria, y una tasa importante de expansin en secundaria, media superior y superior. Adems, se ha fortalecido el sistema educativo a partir de cambios institucionales importantes como la introduccin de la Carrera Magisterial en educacin bsica y los Consejos de Participacin Social en las escuelas, pero an persisten considerables rezagos en l, entre los que resaltan la falta de oportunidades de gran parte de la poblacin para acceder a una educacin de calidad y el lento avance en aspectos tecnolgicos. Otro reto es superar la desvinculacin entre la educacin superior y el sistema productivo.
36
El Plan Nacional de Desarrollo estima que 30 millones de personas de ms de 15 aos no concluyeron, o que nunca cursaron, la primaria o la secundaria. De ellos, la mitad son jvenes de entre 15 y 35 aos. Actualmente, el promedio de aos de escolaridad de las personas de entre 15 y 24 aos es de 9.7 y el nivel nacional de analfabetismo es de 7.7%.
Un indicador relevante para entender el problema de la calidad educativa es el desempeo de estudiantes de primaria y secundaria. Las pruebas EXCALE y ENLACE, aplicadas por el Instituto Nacional para la Evaluacin de la Educacin (INEE) y la Secretara de Educacin Pblica (SEP), muestran que la condicin socioeconmica de los estudiantes es el factor que ms se relaciona con el nivel de logro educativo.
En el ciclo escolar 2009-2010, la matrcula total del sistema educativo nacional escolarizado se conform por 33.9 millones de alumnos, equivalente a 31.5 % de la poblacin total del pas. Este alto porcentaje se explica, en parte, por la estructura de la pirmide poblacional, donde 23.6 % tiene de 4 a 15 aos de edad.
El 75% de la poblacin escolar se ubica en la educacin bsica, que comprende preescolar, primaria y secundaria. La enseanza media superior que representa 12% de la matrcula, constituye el tipo educativo que experimentar el mayor crecimiento en los prximos aos. El nivel superior, con 2.8 millones de alumnos, representa 8.4% de la matrcula total y los
servicios de capacitacin para el trabajo cubren el restante 4.1%. En cuanto al

37
sostenimiento de los servicios educativos, 71.9% de los alumnos asiste a las escuelas administradas por los gobiernos estatales.
La Federacin administra 10.4% de los servicios educativos, con una tendencia a disminuir, como resultado de su transferencia paulatina a los estados. Las instituciones autnomas, bsicamente universidades, administran 4.8 % de las escuelas, por lo general de educacin media superior y superior. La educacin particular atiende 12.9 % de los alumnos.
Una comparacin con otros pases que, como Mxico, integran la Organizacin para la Cooperacin y el Desarrollo Econmico (OCDE) muestra que, si bien es satisfactorio el avance de la matrcula en educacin primaria, el de los dems niveles es insuficiente. Mientras que en Mxico 77% de la poblacin en edad de trabajar tiene slo escolaridad bsica, en los pases de la OCDE este promedio es de 30%. Asimismo, mientras que en nuestro pas 23% de la fuerza laboral tiene estudios superiores a la secundaria, en los otros pases miembros 67% muestra niveles educativos de bachiller y mayores.
En 2010, Mxico gast en educacin 849 357 millones de pesos, equivalentes a 6.6% del PIB. Sin embargo, 90% de los recursos se destin al gasto corriente, lo que significa que el monto disponible para inversin e innovacin es significativamente pequeo en comparacin con las necesidades de cambio cualitativo que presenta el sistema educativo.
38
Figura 2-1. Gasto en educacin en Mxico 2008 2010
1/ Cifras en miles de millones de pesos.
2.2 La educacin superior La educacin superior constituye una importante puerta de acceso a la sociedad del conocimiento, toda vez que representa el medio ideal para el acrecentamiento del capital humano, de su inteligencia individual y colectiva, aspectos que contribuyen al aumento de la competitividad. As fue reconocido por la Conferencia Mundial sobre Educacin Superior, organizada por la UNESCO en 1998: [...] la educacin superior y la investigacin conforman la parte fundamental del desarrollo cultural, socioeconmico y ecolgico sostenible de los individuos, las comunidades y las naciones.
En la actualidad, la educacin superior que se imparte en el pas ocupa el dcimo quinto lugar entre las 33 naciones de Amrica Latina y el Caribe que fueron evaluadas por el Instituto de Estadstica de la Organizacin de las
39
Naciones Unidas para la Educacin, la Ciencia y la Cultura (UNESCO). Por ello, es imprescindible darle un gran impulso a las universidades, tecnolgicos y centros de investigacin, esto es, dotarlos de los apoyos pblicos y privados necesarios para impulsar la docencia, la investigacin cientfica, el desarrollo y la innovacin tecnolgicos, y la extensin y la difusin de la cultura. La consolidacin de la educacin superior como un sistema de mayor cobertura, ms abierto, diversificado, flexible, articulado y de alta calidad es esencial para el desarrollo de Mxico.
Para lograr estos objetivos, el Plan Nacional de Desarrollo 2007-2012 del Estado Mexicano contempla las siguientes estrategias y objetivos en materia de educacin superior: a) Elevar la calidad educativa. b) Ampliar la cobertura. c) Favorecer la equidad y mejorar la calidad y pertinencia de la educacin superior. d) Consolidar el perfil y desempeo del personal acadmico y extender las prcticas de evaluacin y acreditacin para mejorar la calidad de los programas de educacin superior y articular un sistema nacional de evaluacin, acreditacin y certificacin.
De acuerdo con las ltimas estadsticas de la Secretara de Educacin Pblica (2010), el nivel superior del sistema educativo nacional se resume de la forma siguiente:
40
El pas cuenta con 2 594 instituciones y una matrcula de 2.8 millones de estudiantes. Las instituciones privadas absorben 33% de la matrcula de licenciatura, mientras que las estatales representan 5%, las federales 17% y las autnomas 45%. Veinticinco por ciento de las carreras acumulan 85% de la matricula de educacin superior en licenciatura y posgrados; entre las ms solicitadas se encuentran Derecho, Administracin, Computacin y Medicina. La tasa de titulacin nacional en licenciatura muestra que 4 de cada 10 egresados no se titula, proporcin que en posgrados asciende a 50%.
Como hemos mencionado, el problema central del sistema educativo mexicano no es de cobertura, sino de eficiencia y calidad. En el estudio La Educacin Superior en Mxico (ANUIES, 1994), la eficiencia terminal entre 1986-1991 oscil entre 51.2% y 62%, mientras que el sistema de educacin privada registr un promedio de 57.4%. En un estudio realizado por Daz de Cosso (ANUIES, 2000), se seala que, a nivel nacional, de 100 alumnos que ingresan a la licenciatura, 60 terminan las materias del plan de estudios cinco aos despus y, de stos, 20 se reciben. De los que se reciben, slo 10% lo hace en edades de 24 o 25 aos; los dems lo hacen entre los 27 y los 60 aos.
En el estudio Educacin Superior en el nuevo Milenio, (ANUIES, 2004), se concluye que el crecimiento de las universidades privadas en Mxico ha desplazado a las instituciones pblicas. En la actualidad, el sistema de educacin superior est dominado por una mayora de pequeas instituciones
41
privadas de reciente creacin. En el reporte de ANUIES (2007), se especifica la eficiencia terminal del nivel educativo superior durante el ciclo escolar 2005 2006 en 58.9%.
Como ya se mencion, la educacin superior ha crecido rpidamente, segn lo confirma la Direccin de Informacin Estadstica de la Direccin General de Informacin y Planeacin de la Asociacin Nacional de Universidades e Instituciones de Educacin Superior (ANUIES). La matrcula aument de 2,323.9 millones de alumnos, en 1980, a 2,810.4 en 2007, concentrada mayoritariamente en las instituciones pblicas. En 1970 el nmero de instituciones pblicas y privadas ascenda a 118, cifra que pas a 1,311 en 2001 y lleg a 5,184 al finalizar el ciclo escolar 2009-2010.
En el Plan Nacional de Desarrollo 2007-2012 se establece que es necesario ampliar la cobertura, favorecer la equidad y mejorar la calidad y pertinencia de la educacin superior. Busca que las instituciones de educacin superior funcionen con mayor equidad en la formacin de ciudadanos, profesionales creativos y cientficos comprometidos con su pas y de competencia internacional. Para incrementar la calidad, trata de otorgar mayor flexibilidad a los programas educativos e incorporar en ellos el carcter integral del conocimiento, propiciar el aprendizaje continuo de los estudiantes, fomentar el desarrollo de la creatividad y el espritu emprendedor y consolidar el sistema nacional de evaluacin y acreditacin de programas educativos no
gubernamentales, sustentado en pares acadmicos de reconocido prestigio.
42
Uno de los programas que se ha concretado es la creacin del Instituto Nacional para la Evaluacin de la Educacin (INEE), al que se le ha encomendado la tarea de evaluar los resultados educativos, elaborar indicadores nacionales de educacin y desarrollar metodologas para evaluar de manera permanente la educacin, fortaleciendo la evaluacin en diferentes mbitos: Evaluacin de instituciones Evaluacin internacional Acreditacin de instituciones Exmenes generales a los alumnos Evaluacin del personal acadmico Evaluacin de programas acadmicos Acreditacin de programas acadmicos
La evaluacin del sistema de educacin superior se encuentra a cargo del Consejo Nacional para el Evaluacin (CENEVAL), que aplica los exmenes de ingreso y egreso de las instituciones que la imparten; el Consejo del Sistema Nacional de Educacin Tecnolgica (COSNET), valora el sistema tecnolgico; los Comits Interinstitucionales para la Evaluacin de la Educacin Superior (CIEES), se enfocan en los programas e instituciones del sistema de educacin superior. Por su parte, el Consejo Nacional de Ciencia y Tecnologa, genera estrategias para apoyar a los posgrados y, ms recientemente, el Consejo para la Acreditacin de la Educacin Superior, A.C. (COPAES), se encarga de
otorgar el reconocimiento formal a los organismos acreditadores de programas educativos, tanto de instituciones pblicas como privadas.
43
Por ltimo, el sistema educativo cuenta con la informacin que le brinda el Sistema Nacional de Indicadores en materia de calidad, en el cual se incluyen slo resultados del nivel bsico. En el caso de la educacin superior nicamente se tienen registrados como indicadores de calidad el porcentaje de profesores de tiempo completo con estudios de posgrado, y un ndice de satisfaccin de empleadores con los egresados de educacin media y superior.
Por su parte, las Instituciones de Educacin Superior (IES) buscarn fortalecer la identidad de Mxico como nacin; el propsito es convertir a este nivel educativo en un verdadero motor para alcanzar mejores niveles de vida, con capacidad para transmitir, generar y aplicar conocimientos y lograr una insercin ventajosa en la emergente economa del conocimiento.
2.3 Educacin privada Aunque los antecedentes de la moderna educacin privada del pas se remontan a 1933, el periodo de mayor expansin y diversificacin de la oferta de este sector ocurre a partir de los aos setenta, cuando la matrcula, instituciones, personal y recursos empezaron a crecer de manera acelerada, a tasa mayores que las universidades e institutos tecnolgicos pblicos, lo que result en un mayor nmero de instituciones privadas grandes, medianas y pequeas. Los datos estadsticos reportan un periodo de notable incremento en su matrcula de estudiantes a partir de 1980, que se ha mantenido hasta 2005.
44
De acuerdo con las estadsticas de la ANUIES, (2004) entre 1980 y 2003 la matrcula de licenciatura en universidades privadas creci 528%, superando el crecimiento que en el mismo lapso mostr la educacin superior pblica (que alcanz un crecimiento de slo 40%). As, mientras en 1980 estaban inscritos casi 99 mil estudiantes en alguna modalidad de la educacin superior privada, en 2003 la cifra ascendi a ms de 620 mil. La tasa anual de aumento promedio en esos 23 aos fue de 22%.
Este ritmo de crecimiento obedece a varias causas, una de las cuales es la incapacidad del sector pblico para absorber la demanda de los niveles previos a la educacin superior, producto de restricciones financieras y
presupuestarias, pero tambin parte de una poltica oficial de restringir el ingreso a las universidades gubernamentales y diversificar la oferta pblica y privada en este nivel educativo. Otra de las causas del crecimiento se relaciona con la prctica universalizacin de la educacin bsica (que por disposicin constitucional cubre desde el preescolar hasta el nivel secundaria), lo que ha generado desde hace varios aos una demanda sostenida y creciente de educacin media superior y superior.
Fundamentalmente, los motores especficos del crecimiento de la educacin superior privada son cuatro: a) La atraccin de los programas de estudio que conforman las reas de ciencias sociales y administrativas, las de ingeniera y tecnologa. b) La incorporacin de las mujeres a los programas de licenciatura del sector.
45
c) La
poderosa
paradoja
de
la
heterogeneidad
emprica
de
los
establecimientos del sector privado de la educacin superior (tamao, orientacin social, antigedad, capacidad de atencin a la demanda, diversidad de sus funciones y programas). d) La feminizacin de la matrcula, un fenmeno generalizado en el sistema de educacin superior de Mxico y Amrica Latina.
Los datos muestran que la participacin relativa de las mujeres en la composicin de la matrcula total del sector pas de representar un tercio en el primer ao hasta llegar a ms de la mitad en el ltimo. Este crecimiento, que se expresa en todas las reas de la ciencia, es ms pronunciado en carreras de las reas de educacin y humanidades, ciencias de la salud, sociales y administrativas.
Finalmente, la heterogeneidad de los establecimientos privados ha propiciado una gran segmentacin de este sector, en donde las universidades de lite (consolidadas y diversificadas en su oferta educativa, que cuentan con infraestructura, recursos financieros, personal acadmico y administrativo profesionalizado, y que cobran matrculas slo asequibles para los estratos privilegiados de la poblacin), coexisten con pequeos establecimientos que cuentan con infraestructura mnima (aunque a veces ni con eso), concentradas en ofrecer una o dos carreras, que tienen menos de 500 alumnos, con poco personal docente, y con costos relativamente bajos para los estudiantes.
46
La dimensin institucional del crecimiento de la educacin superior privada puede observarse a partir del nmero de establecimientos que se han acumulado en este sector. As, mientras en 1980 existan un total de 108 instituciones registradas, en el ao 2000 se registraron 634. Con respecto del origen y contexto de las redes de universidades transnacionales instaladas en Mxico en los ltimos aos (Rodrguez, 2004), el punto de expansin ms importante ocurre a partir de 1990 y hasta 2005, cuando el nmero de ellas se triplic.
En trminos del personal docente de las instituciones privadas, se puede advertir tambin un crecimiento muy importante. En trminos generales, el nmero total de profesores se multiplic poco ms de ocho veces entre 1980 y 2003. Sin embargo, un rasgo destacado de este crecimiento es que son contratados por hora o por asignatura y en menor medida y proporcin es de tiempo completo o de medio tiempo.
Estudios de postgrado
La otra gran rea de expansin del sector privado en los ltimos aos ha sido en el nivel de estudios de postgrado, compuesto por tres subniveles: especialidad, maestra y doctorado. El primero se caracteriza por ofrecer estudios cortos (un ao de duracin), para egresados de las licenciaturas del sistema de educacin superior, y en varios casos se exige como requisito contar con el ttulo o diploma de licenciatura.
47
A pesar de que en nmeros absolutos y relativos este nivel educativo no tiene un peso significativo en el contexto de la educacin superior privada (en 1980 representaba poco ms de 5% del total de la matrcula, y en 2003 ascendi a 9%), en el ltimo cuarto de siglo su crecimiento tambin ha sido muy importante, pues su poblacin se increment casi 10 veces.
2.4 Resea del Tecnolgico de Monterrey El Tecnolgico de Monterrey fue fundado en 1943 gracias a la visin de don Eugenio Garza Sada y de un grupo de empresarios que constituyeron una asociacin civil denominada Enseanza e Investigacin Superior, A. C. De carcter privado, es independiente y ajena a partidismos polticos y religiosos.
a) Visin En 2015, el Tecnolgico de Monterrey ser la institucin educativa ms reconocida de Amrica Latina por el liderazgo de sus egresados en los sectores privado, pblico y social, y por la investigacin y desarrollo tecnolgicos que realiza para impulsar la economa basada en el conocimiento, generar modelos de gestin e incubacin de empresas, colaborar en la mejora de la administracin y de las polticas pblicas, y crear modelos y sistemas innovadores para el desarrollo sostenible de la comunidad.
48
b) Misin Es misin del Tecnolgico de Monterrey formar personas ntegras, ticas, con una, visin humanstica y competitiva internacionalmente en su campo profesional, que al mismo tiempo sean ciudadanos comprometidos con el desarrollo econmico, poltico, social y cultural de su comunidad y con el uso sostenible de los recursos naturales.
A travs de sus programas educativos y de investigacin y desarrollo, el Tecnolgico de Monterrey forma personas y transfiere el conocimiento para:
Promover la competitividad internacional de las empresas con base en el conocimiento, la innovacin, el desarrollo tecnolgico y el desarrollo sostenible.
Desarrollar modelos de gestin de empresas para competir en una economa globalizada.
Crear, implantar y transferir modelos y redes de incubadoras para contribuir a la generacin de empresas.
Colaborar en la profesionalizacin de la administracin pblica; y analizar y plantear polticas pblicas para el desarrollo del pas.
Contribuir al desarrollo sostenible de la comunidad con modelos y sistemas innovadores para mejorarla en lo educativo, social, econmico y poltico.
49
Modelo educativo del TEC y el modelo tradicional

Tabla 2-2 Caractersticas del modelo educativo del TEC (Martn Marisa, 2002) Modelo tradicional Est centrado en el profesor. Est centrado en la enseanza Enfocado al aprendizaje individual Desarrolla habilidades, como actitudes y valores en ambas direcciones. El profesor utiliza principalmente el mtodo de exposicin. El uso de la tecnologa es una herramienta adicional. Modelo educativo del Tec Est centrado en el estudiante. Est centrado en el proceso de enseanza-aprendizaje. Aplica un trabajo colaborativo e individual. Desarrolla habilidades, como actitudes y valores en ambas direcciones en un camino planeado y evaluado. Utiliza una variedad de tcnicas didcticas.
Hace uso de herramientas tecnolgicas
para hacer un aprendizaje ms enriquecido.
2.4.1 Datos generales del Tecnolgico de Monterrey A continuacin se mencionan los datos ms relevantes de alumnos, profesores, programas y actividades de desarrollo social de la institucin.
Tabla 2-3 Informacin general del Tecnolgico de Monterrey Datos generales

33 22 59 39 26 50 10 186 Campus en Mxico Sedes y oficinas internacionales en el mundo Carreras profesionales Carreras internacionales Programas de especialidades, de los cuales 16 corresponden a especialidades mdicas Programas de maestra Programas de doctorado Programas acadmicos de profesional acreditados por organismos nacionales, lo que representa 91%
50
Datos generales
38 52 8 Programas acadmicos de profesional acreditados y/o reconocidos por organismos internacionales Programas acadmicos de nivel posgrado reconocidos por el Padrn Nacional de Posgrado (PNP) de CONACYT, lo que representa 63% Programas acadmicos de nivel posgrado acreditados y/o reconocidos por organismos internacionales
Alumnos
102,586 Alumnos: - Preparatoria: 29, 547 - Profesional: 54,964 - Posgrado: 12,883 De los alumnos recibi los beneficios de los programas de becas y apoyo financiero Alumnos participaron en actividades de difusin cultural Alumnos participaron en actividades deportivas Alumnos estn registrados en actividades de liderazgo estudiantil
47.65% 29,258 41,419 14,771
Profesores
8,804 29% 71% 100% Profesores Planta Ctedra De los profesores de profesional y posgrado cuentan con credenciales acadmicas apropiadas para impartir cursos en sus respectivas reas de especialidad
Egresados
168,358 38,671 Ttulos profesionales otorgados por el Tecnolgico de Monterrey desde su fundacin Grados acadmicos otorgados por el Tecnolgico de Monterrey desde su fundacin
Investigacin
239 126 46 2 89 142 Profesores son miembros del Sistema Nacional de Investigadores (SNI) Ctedras de investigacin Patentes solicitadas en 2008 Patentes obtuvieron su registro en 2008 Libros publicados Captulos de libros escritos por profesores
Desarrollo social
53 879 2,099 Incubadoras sociales administradas por campus del Tecnolgico de Monterrey Microempresas asesoradas en las incubadoras sociales Centros comunitarios de aprendizaje apoyados por el Tecnolgico de Monterrey: - En Mxico: 1,918 - En Estados Unidos: 150 - En otros pases: 31
51
2.4.2 Campus Ciudad de Mxico Fue fundado en 1973, es el segundo campus ms grande del Sistema, cuenta con 56 programas acadmicos en los diferentes niveles educativos, tiene matriculados a 8,500 alumnos y cuenta con ms de 22,000 egresados. Del total de la matrcula, 25% cuenta con beca y beca-financiamiento.
La planta docente de este campus est integrada por 800 profesores que pertenecen a tres niveles: preparatoria, profesional y posgrado, clasificados de tiempo completo (planta), de tiempo parcial (ctedra) y personal administrativo que imparte una clase (auxiliar de planta). Del total de profesores, 150 tienen PhD y 40 pertenecen al Sistema Nacional de Investigadores (SNI).
El campus se ha caracterizado por su innovacin educativa, expresada en sus programas de desarrollo profesional, sus programas internacionales, su programa emprendedor y su compromiso social as como por su modelo educativo y, sobre todo, por la calidad de sus egresados.
52
CAPTULO 3. RENDIMIENTO ACADMICO
CAPTULO 3. RENDIMIENTO ACADMICO En este captulo se presentan los aspectos relevantes del marco terico que se explicar a continuacin. A partir de la mitad del siglo XX, diversos autores han realizado investigaciones que abordan el rendimiento acadmico desde diferentes perspectivas: educativa, sociolgica, psicolgica y social. Los estudios han aportado tcnicas y mtodos para explicar este constructo; sin embargo, muchos autores coinciden en la alta complejidad de esta tarea. En Mxico, a partir de la Ley General de Educacin de 1970, en la que se establecen las bases sobre el RA y su incidencia en la calidad de la educacin, las variables que se le asocian se clasificaron en tres tipologas: psicolgicas, pedaggicas y sociolgicas.
Los estudios de carcter psicolgico incluyen factores cognoscitivos y de personalidad, motivacin y autoconcepto. Los de ndole pedaggico hacen hincapi en estilos de enseanza-aprendizaje, la percepcin del profesor, los mtodos utilizados, las tcnicas de estudio y las estrategias de aprendizaje; la elaboracin de pruebas de evaluacin, los medios, mtodos y contenidos de la enseanza y lectura comprensiva y expresiva; los sociolgicos destacan todos aquellos aspectos extra-aulas que influyen en el comportamiento del estudiante.
53
3.1 Conceptualizacin del rendimiento acadmico Para juzgar la potencialidad de xito de un alumno en un curso de instruccin, se necesita contar con informacin precisa respecto de las habilidades que ste requiere y los conocimientos que adquiri en cursos anteriores (Crombach, 1968). En cuanto a la conexin entre rendimiento y
aprovechamiento escolar, hay autores que lo consideran como el progreso alcanzado por el alumno en determinado periodo (Plata, 1969). Para Pacheco (1970), el aprovechamiento es la evolucin, progreso, avance, resultado de un trabajo realizado en la escuela, y el aspecto cuantitativo del rendimiento que el trabajo escolar produce.
Para Bloom (citado en Page, 1990), el rendimiento es lo necesario para que el alumno sea capaz de llevar a la prctica sus conocimientos, que pueda aplicar la informacin adquirida a la solucin de problemas; en pocas palabras, es el resultado del trabajo escolar. Para Caravaa (1980), es el resultado de sus mediciones sociales y acadmicas relevantes. En cambio, Gonzlez (1975), adopta una postura ms integradora, pues lo describe como el fruto del sistema educativo, de la familia y del propio alumno, definicin que caracteriza al rendimiento como un producto. Desde siempre, el RA ha sido relacionado con la capacidad del estudiante. Para Muoz (1977), no se consideraron en las definiciones anteriores factores que inciden en el xito o fracaso escolar, como son las condiciones sociales, las actitudes, el esfuerzo del estudiante, etc. Todos estos aportes dieron como resultado una evolucin del concepto del rendimiento acadmico.
54
Para evaluar el aprovechamiento escolar en el proceso de enseanzaaprendizaje, Garca F. (1979), lo define como el acopio sistemtico de datos cuantitativos y cualitativos, que sirve para determinar si los cambios que proponen los objetivos de aprendizaje se estn realizando en los alumnos; desde esta perspectiva, el RA sera el resultado de dicha evaluacin. Touron (1985), lo define como el resultado del aprendizaje, suscitado por la actividad educativa del profesor y producido en el alumno, aunque es claro que no todo aprendizaje es producto de la accin docente. Por su parte, Quezada (1991), asegura que es el resultado de la evaluacin del aprendizaje. Para Astin (1993), el rendimiento escolar influye indirectamente en la vida personal del estudiante, tanto en el xito como en el fracaso (escolar y personal); es parte de su historia, de su vivencia, familia, nivel socioeconmico, etc., esto es, afecta a su autoestima, motivaciones e intereses.
Garca y Palacios (1991), despus de comparar diversas definiciones de rendimiento escolar, concluyen que hay un doble punto de vista, esttico y dinmico, que atae a la educacin: a) El rendimiento en su aspecto dinmico responde al proceso de aprendizaje y como tal est ligado a la capacidad y al esfuerzo del alumno; b) en su aspecto esttico comprende el producto del aprendizaje generado por el alumno y expresa una conducta de
aprovechamiento; c) est ligado a medidas de calidad y juicios de valor; d) es un medio, no un fin en s mismo; e) est relacionado a propsitos de carcter tico que incluyen expectativas econmicas, lo cual hace un tipo de rendimiento en funcin del modelo social vigente.
55
En este sentido, el RA se convierte en una tabla imaginaria de medida para el aprendizaje logrado en el aula, que constituye el objetivo central de la educacin. El rendimiento acadmico es un insumo fundamental para evaluar la calidad y avance de los alumnos. Una formacin de calidad requiere profesores de calidad, procesos formativos de calidad, estudiantes de calidad, medios educativos de calidad y administradores de calidad. En las instituciones educativas, la calidad se liga con el prestigio de la institucin, recursos tecnolgicos actualizados, currculo innovador, aceptacin de los egresados en el mercado laboral y en los siguientes niveles educativos, capacidad de transformacin de los estudiantes, comparando sus resultados al ingreso y al egreso.
Garca Ramos (1994), define la evaluacin final como la ltima fase del proceso evaluador; es la sntesis de todos los elementos que proporciona la evaluacin inicial y continua, con el objeto de llegar a un juicio global que resuma el progreso que realiz el alumno durante el curso escolar. Adems, es sumativa y permite la toma de decisiones a partir de ella; por su parte caracteriza al rendimiento como la evaluacin de los conocimientos, o mejor dicho, la evaluacin referida al producto individual inmediato de la educacin.
Por su parte, Valle Arias y otros (1996), coinciden en el concepto de aprendizaje como un proceso que implica un cambio duradero en la conducta o en la capacidad de comportarse de una determinada manera, que se produce como resultado de la prctica o de otras formas de experiencia. El aprendizaje eficaz depende no slo de los conocimientos de los estudiantes, sino tambin
56
de la voluntad, disposicin y motivaciones necesarias para implicarse activamente en el proceso de aprendizaje.
En Mxico, la ANUIES (2007), define al RA como el grado de conocimientos que la institucin reconoce que posee un estudiante, el cual se expresa a travs de la calificacin escolar asignada por el profesor. Segn este enfoque, las diferencias entre rendimientos se manejan en trminos de escalas, la mayora de las veces numricas.
El RA es un concepto multidimensional, en donde convergen distintas variables y diversas formas de medicin. Las notas de calificaciones constituyen en s mismas el criterio social y legal del rendimiento de un alumno en el mbito de una institucin escolar. Cada una de stas define su sistema de evaluacin diferenciado, en donde las certificaciones acadmicas adquieren un valor distinto de acuerdo con los niveles, las edades, las reas cognitivas y los profesores. La forma de llegar a esas notas escolares es a travs de exmenes o pruebas de evaluacin.
Por lo tanto, el RA es el resultado de un proceso educativo que puede ser medido en trminos cuantitativos y cualitativos, que sirve para retroalimentar a los individuos y a las instituciones sobre el logro de los objetivos que se establecieron previamente. Es de particular importancia mencionar que, independientemente de que las calificaciones escolares representan un criterio de rendimiento del alumno, poseen un valor relativo toda vez que varan segn los cursos, profesores o escuelas.
57
Al analizar el RA es muy importante considerar el concepto de eficiencia terminal, es decir, entender los grados de aprobacin, reprobacin, desercin, retencin y transicin de los alumnos. En la mayora de los pases en vas de desarrollo, la tasa de desercin ms elevada ocurre a nivel primario, en pases desarrollados a nivel secundario y, en nuestro pas, a nivel bachillerato.
3.2 Factores que inciden en el rendimiento acadmico Una vez definido el rendimiento acadmico es importante describir los factores que estn estrechamente vinculados con l. En el mbito universitario se han realizado diversos estudios enfocados en explicar el rendimiento de los alumnos y, si bien las variables explicativas varan de acuerdo con el nivel educativo, la mayora considera el nivel de estudios de los padres, personalidad, inteligencia, hbitos de estudio y rendimiento anterior, entre otras (Herrera, Nieto, Rodrguez y Snchez, 1999).
Cuando se trata de evaluar el RA y cmo mejorarlo, se analizan en mayor o menor grado los factores que pueden influir en l. Por lo general se consideran, entre otros, factores socioeconmicos, la amplitud de los programas de estudio, las metodologas de enseanza utilizadas, la dificultad de emplear una enseanza personalizada, los conceptos previos que tienen los alumnos, as como sus niveles de pensamiento formal (Bentez, Jimnez y Osicka, 2000). Sin embargo, Jimnez (2000), afirma que se puede tener una capacidad intelectual suficiente y buenas aptitudes y sin embargo no obtener un rendimiento adecuado.
58
3.2.1 Factores sociolgicos Los estudios de carcter sociolgico se relacionan con aspectos del nivel socioeconmico y cultural de la familia, la posicin laboral que ocupa el padre, el lenguaje que se relaciona con los estudios de los padres. El papel de la familia es fundamental en la formacin del individuo, ya que moldea la personalidad del nio y ejerce una gran influencia durante su vida escolar.
Tabla 3 -1 Estudios de carcter sociolgico (Celorrio, 1999) AUTOR NIVEL

5 y 8 EGB
INVESTIGACIN En su estudio de rendimiento escolar y su relacin con el nivel socioeconmico, encontr que el nivel ocupacional y educativo de los padres incide en los resultados escolares que obtienen los alumnos. En su investigacin sobre xito y fracaso escolar identificaron que la procedencia sociofamiliar de los alumnos incide en el RA. El grupo de nios que fracasa pertenece a los niveles econmico y cultural ms bajos. En su trabajo sobre incidencia de factores socioeconmicos y culturales en el rendimiento de los alumnos, concluy que la clase social y el tipo de hbitat estn relacionados positivamente con el RA.
Prez Serrano (1978)
Molina Garca y Garca Pascual (1984)
EGB
Martn Rodrguez (1985)
EGB
Como refuerzo de lo anterior, Schiefelbein y Simmons (1980) afirman que los antecedentes familiares de los alumnos son el determinante individual de mayor importancia en los resultados escolares. Tambin la mala adaptacin familiar influye negativamente. Por su parte, Celorrio (1999) sostiene que los factores socioeconmicos y culturales, el medio en el que nace y vive el sujeto tambin inciden directamente en ellos.
59
Prez (1978), (citado en Celorrio, 1999), comprob que los hijos de padres con nivel ocupacional elevado obtienen puntuaciones ms altas en los test de inteligencia, en las pruebas objetivas y en las calificaciones escolares que los hijos de los que desempean un nivel ocupacional ms bajo. En este mismo sentido, Molina (1984) (citado en Celorrio, 1999), encontr que los grupos de nios que fracasan pertenecen a los niveles econmico y cultural ms bajos.
3.2.2 Factores psicolgicos Los estudios que han realizado investigadores sobre el aspecto psicolgico coinciden en afirmar que la relacin entre inteligencia general y rendimiento global oscilan entre 0.40 y 0.80 en casi todos los trabajos. Sobre la prediccin del rendimiento, las investigaciones permiten afirmar que una de las variables que mejor predicen el rendimiento final es el resultado que se obtuvo en cursos anteriores.
En el factor rendimiento, las calificaciones son las que mejor predicen el xito del alumno y, de stas, las ms precisas son las que se obtuvieron en lengua y matemticas. Diversos estudios coinciden en afirmar que el rendimiento previo es el mejor predictor de los resultados posteriores, pero no existe un concepto nico de ambos rendimientos. Tampoco se ha llegado a un acuerdo sobre la prediccin diferencial por reas o por cursos con relacin al sexo; algunos antecedentes sealan que la prediccin diferencial es ms exacta en las mujeres que en los hombres.
60
Tabla 3-2 Estudios de carcter psicolgico AUTOR Avia, Roda y Morales (1985) Prez (1978) Lpez y otros (1986) Bermdez (1978) Pelechado (1977) Nivel VARIABLES/INVESTIGACIN
La correlacin ms alta entre la inteligencia y el rendimiento 6 y 7 EGB (0.45) se produjo entre el test y la calificacin en lenguaje. Encontr correlaciones de 0.41 y 0.64 entre el test de inteligencia THE-4 y THG-3 y las calificaciones escolares. En su trabajo sobre el pensamiento formal en fsica, descubrieron una correlacin entre la inteligencia general y el rendimiento en fsica de 0.52. En su estudio de ansiedad y el rendimiento en tareas intelectuales, obtuvo correlaciones positivas entre motivacin y rendimiento. En su trabajo concluy que existe una relacin estadstica entre inteligencia, motivacin y RA, cuya intensidad alcanza 0.60.
5 y 8 EGB Bachillerato Test Longeot No especifica nivel No especifica nivel
Diversos estudios sobre aspectos psicolgicos afirman que la relacin entre inteligencia general y rendimiento global oscila entre 0.40 y 0.80, en los trabajos de Lpez y otros (1986), no encontraron una correlacin entre la inteligencia general y el rendimiento en fsica de 0.52 en alumnos de bachillerato. De esas investigaciones se desprende, tambin, que las variables que mejor predicen el rendimiento final son precisamente los resultados que el alumno obtuvo en cursos anteriores. As lo resaltan Avia, (1985); Prez, (1978); Carabaa, (1979); Escudero, (1984).
61
3.2.3 Factores pedaggicos Las investigaciones de ndole pedaggica hacen hincapi en los estudios de enseanza y aprendizaje, la percepcin del profesor, los mtodos utilizados, las tcnicas de estudios y estrategias de aprendizaje, la elaboracin de pruebas de evaluacin, los medios, los mtodos y contenidos de la enseanza.
Tabla 3-3 Estudios del rendimiento acadmico con enfoque pedaggico AUTOR Nivel INVESTIGACIN En su estudio sobre la inteligencia de los alumnos, el criterio del profesor est muy prximo al RA, ya que proporciona 51% de la varianza comn. Las correlaciones ms altas se obtuvieron entre el criterio del profesor y matemticas (0.71), y entre el criterio del profesor y lenguaje, que alcanza 0.67. En su estudio de prediccin multivariada de rendimiento escolar comprob que las pruebas de rendimiento pasadas al comienzo del ciclo inicial tienen alta validez. Las correlaciones son: lenguaje (.78), matemticas (.72), grafa (.56), dictado (.78), lectura (.77) y clculo (.72). Realiz un estudio correlacional entre hbitos de estudio y rendimiento escolar en las reas de lenguaje, matemticas, sociales, naturales e idiomas, en el cual demostr la influencia positiva. En su trabajo sobre la influencia de las tcnicas de estudio sobre el RA del adolescente, detect que las variables diligencia en el estudio (.40) y mtodos de estudio (.36) muestran las correlaciones ms altas.
Izquierdo (1976)
No especifica
Gascn (1984)
Ciclo inicial EGB
Teruel (1985)
7 EGB
Salvador (1985)
Bachillerato
62
Algunas variables predictivas del rendimiento escolar son:
Variables socio-familiares (clima educativo familiar, estructura familiar, origen social, medio sociocultural, caractersticas de la Variables Contextuales Variables escolares (institucin escolar, profesor, alumno). poblacin de residencia).
Variables personales
Inteligencia y aptitudes, estilos cognitivos, sexo, personalidad.
De acuerdo con Castejn y Prez (1998), las variables ms estudiadas son la inteligencia, las aptitudes, la motivacin y el autoconcepto. La inteligencia es un buen predictor del aprovechamiento escolar, mientras que el factor verbal es el que incide directamente en todas las reas del currculo, agente que es susceptible a las influencias familiares y socioculturales. Otro grupo de factores que intervienen en el rendimiento son los que operan dentro del saln de clase, como las expectativas que los alumnos tienen de su profesor y las relaciones con sus compaeros.
63
3.2.4 Factores escolares Los factores escolares son cada vez ms analizados con la finalidad de estudiar de qu manera una institucin escolar influye en los resultados acadmicos de los alumnos. Page (1990), considera tres aspectos de anlisis: las caractersticas del centro educativo, la figura del docente, que incluye la metodologa que utiliza (como su formacin y experiencia) y, por ltimo, los factores relacionados con el alumno durante su proceso de escolarizacin. Sobre estas variables es importante mencionar que las caractersticas del centro educativo no son limitativas a aspectos tales como el edificio, la ventilacin o el mobiliario. En este sentido, se analiza si la escuela pertenece al orden pblico, privado, rural o urbano, y los procesos de vinculacin con su comunidad, entre ellos, la cooperacin entre familia y escuela.
De acuerdo con Page (1990), los factores que juegan un papel importante en el rendimiento acadmico son el rendimiento del profesor, la calidad de los recursos didcticos que incluye los planes y programas de estudio y el tipo de instituciones escolares (infraestructura, estructura organizacional). Se
manifiesta en el aprendizaje escolar y ste es controlado por pruebas, exmenes, observaciones, etc.; as, variables como las calificaciones escolares y los test de rendimiento por lo general resultan ser medidas del RA.
La mejora y seguridad de la calidad estn ligadas a la existencia de procesos de evaluacin que permiten a las instituciones conocer sistemticamente los aciertos y desviaciones de su proyecto acadmico. Dicha temtica tambin se presenta en la actualidad en diversos sistemas de educacin superior en todo
64
el mundo y los gobiernos parecen mostrar inters por el importante papel que pueden desempear los sistemas de gestin de calidad (Newby, 1999). De acuerdo con De la Orden (en Garca, 1994), se pueden evaluar diferentes instancias de la realidad educativa y del aprendizaje de los alumnos, tales como: Eficiencia del profesor Eficiencia del programa Eficiencia de los mtodos didcticos Eficiencia de los materiales didcticos Estructura de los departamentos o centros educativos Eficiencia del esquema de evaluacin
Estudios recientes realizados por Castro (2008), Garca-Cruz et al. (2006) y Pita (2005), coinciden en el anlisis de los factores que inciden de manera preponderante en la desercin escolar, entendindola como la interrupcin temporal o definitiva de los estudios que cursa un educando. Para Cabrera y Snchez (2004), los ndices de reprobacin se explican por dos factores: la capacidad de enseanza y la habilidad para aprender. Este ltimo sostiene que los hbitos de estudio son la variable que ms incide en la suspensin y, por lo tanto, en la desercin estudiantil.
Uno de los aspectos comunes de las instituciones de educacin superior es la imperiosa necesidad de conocer a sus alumnos, a fin de entender su desempeo y poder tomar las medidas adecuadas para mejorar su proceso de formacin integral. En este momento vale la pena rescatar dos formas de
65
explicar el rendimiento escolar, la primera, en trminos de procesos y, la segunda, de resultados. En ambas el maestro se remite al mbito escolar para contribuir a detectar los diferentes obstculos que surgen en el proceso enseanza-aprendizaje, y a partir de conocerlos construir las estrategias de orientacin educativa, con el objeto de ayudar a cada alumno a desenvolverse a travs de la realizacin de actividades y experiencias que le permitan resolver sus problemas, y dar las soluciones a los que afectan al adolescente en calidad de estudiante (Avalos, 1996).
Cabe mencionar que el bajo RA, el fracaso y la desercin escolares son fenmenos que se relacionan entre s, y que existen factores externos e internos que inciden de manera positiva o negativa, en particular en la interaccin entre los estudiantes, que se reflejan en sus proyectos de vida escolar. Es casi imposible no relacionar estos tres elementos que, se puede afirmar, forman un tringulo, en el centro del cual se encuentra la figura de un estudiante que no sabe cmo salir de l.
Gaviria, Martnez-Arias y Castro (2004), utilizaron datos de 6,471 alumnos, profesores y escuelas (975) y estados federados brasileos (27) para realizar un estudio multinivel sobre factores de eficacia escolar en pases en desarrollo. La conclusin principal fue que los recursos educativos tienen un importante efecto en el desarrollo acadmico de los alumnos, tanto su cantidad y calidad, como su utilizacin. Los resultados muestran que las variables del individuo, de los profesores y de la escuela inciden en el RA (calidad de bibliotecas, laboratorios de ciencias e informtica, televisin y aparato de video). Adems,
66
comprobaron que mientras mayor sea el contenido que considera el profesor, mayor es el rendimiento en esa aula; el uso de material estructurado (libro de texto), favorece claramente el aprendizaje de los alumnos.
Por su parte, Fuller (citado en Gaviria, 2004), seala como factor clave para la mejora del aprendizaje la concentracin de material escolar por alumno y la gestin social de estos factores. El nivel de recursos materiales muestra ciertos niveles de calidad. Sin embargo, la eficiencia y la capacidad de escuelas con escasos recursos varan de manera notable para promover el aprendizaje. Por ello, concluye que existe la necesidad de llevar a cabo estudios que permitan elaborar modelos de eficacia escolar vlidos para pases en vas de desarrollo. Y, con ms urgencia, trabajos que analicen la relacin entre recursos y rendimiento de los alumnos.
Como se coment en el captulo anterior, el modelo de Castejn et al. afirma que los factores de entrada (rendimiento medio, nivel socioeconmico y autoconcepto) ejercen efectos mayores para explicar el rendimiento, mientras que las percepciones del alumno tienen un peso mnimo.
El autoconcepto acadmico y el RA se afectan mutuamente en unin de otras variables como la clase social y la evaluacin que efecta el profesor sobre los resultados alcanzados (Marsh, Parker y Smith, 1983), la inteligencia y la situacin afectiva del alumno (Chapman, Silva y Williams,1984), el grado de aceptacin por los compaeros, el nivel de adaptacin social al ambiente
67
escolar, la media del RA general, el nivel intelectual y la conducta del alumno en el aula (Gutirrez y Clemente, 1993).
Otro grupo determinante del rendimiento son los factores psicosociales, entre los que se destacan el nivel socioeconmico y cultural asociado a la clase social, as como el medio educativo familiar. Casi todas las investigaciones apoyan que a medida que se asciende en la escala social, las expectativas de rendimiento futuro son mejores. Prez (1981), plantea que la estimulacin educativa que ofrecen los padres de mayor nivel sociocultural es la responsable de las diferencias en aprovechamiento de los alumnos de diferentes clases sociales.
68
3.3 Predictores del rendimiento acadmico En numerosos estudios acerca de la validez predictiva de las distintas pruebas de admisin se ha observado una correlacin positiva con el rendimiento posterior de los alumnos, lo cual lo seala como uno de los mejores predictores del futuro RA. Entre tales investigaciones se encuentran las de Wong (1971), Aguirre de Carcer (1984), Espino (1987), Cubero (1988) y Sigal (1992).
Muchas universidades han intentado, mediante la incorporacin de nuevos indicadores, mejorar ao tras ao el proceso de seleccin de candidatos. Se ha encontrado que la percepcin de la habilidad y las expectativas estn correlacionadas positivamente y que ambas predicen las calificaciones de exmenes estandarizados (Eccles, 1983; Fennema & Sherman, 1978). Adems, la percepcin es un predictor significativo del esfuerzo y persistencia del alumno; no obstante, an no est claro si los estudiantes que valoran ms la materia persisten durante ms tiempo o utilizan diferentes estrategias de aprendizaje.
En la Universidad de Zaragoza se descubri que el mejor predictor de los resultados en el primer ao es el rendimiento previo, medido a travs de notas o pruebas objetivas. Para Escudero (1981), podra ser el perfil de entrada coherentemente articulado con los perfiles acadmicos y las exigencias profesionales propias de cada carrera. Rodrguez (1985), sostiene que las calificaciones de enseanza media son buenos predictores del rendimiento en la universidad, pues en la mayora de los casos constituyen el antecedente que
69
ms aporta a su explicacin. Reparaz (1986), estudi una serie de variables como posibles predictores del rendimiento universitario, entre las cuales incluy el rendimiento previo, aptitudes intelectuales, rasgos de personalidad e inters vocacional. La investigacin concluye que existen correlaciones significativas entre rendimientos previos y finales, al igual que las aptitudes intelectuales y los rasgos de personalidad, mientras que los intereses vocacionales descienden en correlacin con el rendimiento.
Lo anterior, dice Snchez (1986), implicara pensar en un examen de admisin basado no slo en la evaluacin de la inteligencia general, sino tambin en otras habilidades y aptitudes, como aptitud verbal y numrica, comprensin de lectura, habilidad analtica e incluso autoconcepto acadmico, lo que reafirma que no se puede admitir la unidimensionalidad de la valoracin predictiva del rendimiento acadmico.
Por otra parte, Martnez-Otero (1997), identifica seis factores que influyen en el RA durante la enseanza secundaria: inteligencia, personalidad, hbitos de estudio, intereses profesionales, clima escolar y ambiente familiar.
Segn Astin (citado en Vargas, 2002), el desempeo del egresado es un fuerte indicador de la calidad de las instituciones educativas, motivo por el cual, se espera que un alumno que finaliza con las mejores calificaciones tenga un buen desempeo profesional. El rendimiento escolar no slo est relacionado con aspectos del alumno, sino que existen otros factores ligados a las condiciones de la institucin, tales como recursos tcnicos, materiales
70
didcticos,
docentes,
modelo
de
enseanza-aprendizaje,
gestin
instalaciones. Una universidad de prestigio es aquella que dispone de buenos programas, instalaciones, buena gestin, excelentes procesos de enseanzaaprendizaje, docentes de primera calidad y admite slo a los mejores estudiantes.
Por ltimo, es importante destacar que un estudio de la Universidad de Salamanca concluye que el bajo rendimiento del alumno se debe a la deficiente formacin en los niveles anteriores y al excesivo nmero de asignaturas.
Segn se desprende del estudio, financiado por el Consejo Social, entre las causas atribuibles al propio estudiante figuran la falta de autoexigencia y responsabilidad, el deficiente aprovechamiento de las horas de tutora y el insuficiente dominio de las tcnicas de estudio. Los docentes tambin atribuyen este bajo rendimiento a la falta de esfuerzo para centrarse en el estudio, la escasa motivacin y la falta de orientacin al elegir la titulacin.
Por otra parte, entre las causas debidas a los profesores el informe subraya la baja estimulacin para dedicarse a la tarea docente, la falta de estrategias de motivacin y la escasa comunicacin entre docente y alumno. El equipo de investigacin, dirigido por el catedrtico de Educacin Javier Tejedor, define como positiva la valoracin de las condiciones de docencia por parte del
profesorado, fundamentada principalmente en la dedicacin de un tiempo razonable en la preparacin de las clases.
71
No obstante, el informe seala algunos aspectos negativos, como la escasa preparacin previa de los alumnos, la deficiente coordinacin entre los programas, la reducida posibilidad de promocin personal que ofrece la Universidad y la escasa coherencia acadmica de los planes de estudio. Los investigadores sugieren una serie de iniciativas para mejorar el rendimiento de los alumnos con base en los tres tipos de variables: institucionales, alumnado y profesorado.
En relacin a la institucin proponen implementar estrategias para elevar el nivel de conocimientos de los alumnos antes de su ingreso a la universidad, de forma especial en los estudios de Ciencias. Entre las opciones planteadas figura la realizacin de un curso preparatorio con las asignaturas claves de los distintos tipos de estudios. Asimismo, consideran la necesidad de que los nuevos planes de estudio incorporen ms asignaturas de carcter anual y potenciar la coordinacin de los programas de las materias impartidas en los anteriores.
Respecto de los alumnos, el equipo de investigacin dirigido por el catedrtico Javier Tejedor, apuesta por fortalecer los servicios de orientacin para mejorar tanto los hbitos y tcnicas de estudio como las actitudes de responsabilidad, esfuerzo y autoexigencia; revalorizar la funcin de la tutora como actividad docente y propiciar una mayor asistencia regular a las clases, limitando al mximo el absentismo sin causas justificadas.
72
Sobre el profesorado, el informe aconseja tomar medidas para incrementar el reconocimiento de las tareas docentes (no slo para impartir las clases, sino para preparacin de materiales, correccin de ejercicios) y estimular la formacin pedaggica del cuerpo docente.
Despus de haber revisado mltiples estudios e investigaciones, se puede concluir que el rendimiento escolar depende no slo de las aptitudes intelectuales, sino de otra serie de factores interrelacionados y externos al alumno. En ese sentido, los tests o pruebas objetivas resultan una buena herramienta para medir el rendimiento escolar.
3.4 Indicadores del rendimiento acadmico La desercin, el rezago estudiantil y los bajos ndices de eficiencia terminal, tres de los principales indicadores del rendimiento acadmico, se encuentran entre los problemas ms complejos y frecuentes que enfrentan las instituciones de educacin superior (IES) en Mxico, segn las ltimas estadsticas disponibles del sistema educativo nacional.
En el mbito de las instituciones de educacin superior, el trmino desercin se define como el abandono de los cursos o la carrera en que se ha inscrito el estudiante. De acuerdo a la teora del abandono propuesta por Tinto (1987), existen distintas modalidades: abandono definitivo del sistema educativo, por transferencia a otra institucin y cambio de carrera despus de haber estado un tiempo en alguna de ellas. Por su parte la ANUIES (1999), define el rezago
73
como el atraso de los estudiantes en la inscripcin a las asignaturas, de acuerdo a la secuencia establecida en el plan de estudios (Altamira, 1997).
Con frecuencia, la eficiencia terminal de la educacin superior se conceptualiza como la relacin entre el nmero de alumnos que se inscriben por primera vez en una carrera profesional y los que logran finalizar su carrera de la misma generacin, despus de acreditar todas las materias correspondientes al plan de estudios en los tiempos estipulados (Camarena, 1985).
De acuerdo a Villa J. y Pacheco (2002), histricamente, la eficiencia terminal ha sido mejor en las instituciones privadas que en las pblicas, y en los ltimos aos ha disminuido la desercin en aquellas. En consecuencia, es posible afirmar que subsiste un problema de baja eficiencia de las instituciones de educacin superior.
Por otra parte, una de los problemas bsicos en Mxico es la dificultad para encontrar informacin suficiente y confiable sobre este tema (ANUIES). En educacin superior no existen evaluaciones sistemticas para medir los logros acadmicos de los estudiantes, pero se estima que la eficiencia terminal oscila entre 53 y 63% de acuerdo a lo establecido en el Plan Nacional de Desarrollo.
Si examinamos la eficiencia terminal bruta de la educacin superior privada, obtenemos un ndice por cohorte generacional de 61.5% en el caso de la generacin 1980-1985, de 57.1% de 1985-1990, y de 68.9% de 1990-1995, ndice superior a la tasa de eficiencia terminal del sistema de educacin
74
superior en su conjunto, que se ha mantenido alrededor de 50% en los ltimos veinte aos, segn cifras de la Secretara de Educacin Pblica.
Tabla 3-4 Indicadores de rendimiento escolar (2000/2005)

2001 Concepto 2000-2001 2002 Eficiencia terminal Primaria Secundaria Bachillerato Desercin Primaria Secundaria Bachillerato Superior Reprobacin Primaria Secundaria Bachillerato 2003 2004 2002 2003 2004 -2005 % 2000 -2005
86.3 74.9 59.3 1.9 8.3 16.5 8.3
87.7 77.7 58.8 1.6 7.3 15.8 8.2
88.2 78.4 61.1 1.7 7.4 16.8 8.4
88.7 78.8 60.1 1.8 7.4 16.8 8.4
89.7 78.8 60.1 1.7 7.1 16.3 8.6
3.9 5.2 1.3 -10.5 -14.5 -1.2 3.6
6.0 20.9 39.0
5.7 19.7 39.2
5.7 19.7 39.2
5.2 19.2 38.8
5.0 18.4 37.9
-16.7 -12.0 -2.8
Sin embargo, el hecho de alcanzar los niveles de escolaridad ms altos no garantiza que los estudiantes se incorporen, una vez graduados, al mundo del trabajo. Mxico requiere que todos los jvenes que as lo deseen puedan tener acceso a educacin superior de calidad, y tambin que los contenidos y mtodos educativos respondan a las caractersticas que demanda el mercado laboral.
Una de las razones que explican la baja matriculacin y la desercin de los alumnos de educacin superior es, precisamente, la falta de confianza en que los aos invertidos en la educacin mejoren efectivamente sus oportunidades de xito en el mercado laboral y se traduzcan en un aumento significativo de su
75
nivel de ingreso. Otra explicacin es la necesidad de ellos y de sus familias de obtener recursos econmicos desde temprana edad.
Como consecuencia de las caractersticas del Sistema Educativo Universitario en Mxico, no existen suficientes programas que faciliten el ejercicio simultneo de estudio y trabajo, en particular entre los 15 y los 29 aos, etapa del desarrollo en el que numerosos mexicanos, en su mayora varones, abandonan sus estudios para trabajar.
El reto fundamental del sistema de educacin superior es atender a ms de 9.5 millones de personas de entre 20 y 24 aos de edad, 9.16% de la poblacin total que, de acuerdo con el Consejo Nacional de Poblacin (CONAPO), en el ltimo conteo, efectuado en 2010, era de 108 millones de personas.
76
CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO
Medir el rendimiento acadmico resulta fundamental para el desarrollo de esta investigacin, por lo que se considera pertinente profundizar en su conceptualizacin y antecedentes.
Para medirlo, no slo se debe evaluar el rendimiento del alumno sino todos los elementos que interactan en el proceso educativo, tales como el rendimiento del profesor, de los recursos didcticos, de los planes y programas de estudio, la metodologa empleada, el rendimiento de las instituciones escolares, entre otros.
Las notas escolares siguen siendo el criterio social y legal del rendimiento de un alumno en el mbito de una institucin escolar. Cada una de stas configura su sistema especfico de evaluacin y medicin de sus resultados, as como de sus instrumentos de acuerdo a las reas, niveles y objetivos especficos. Autores como Goldman, Geinsiger y Rabinowitz, e Ingenkamp (citados en Page, 1990), que afirman que existe una diferencia persistente entre los promedios de las calificaciones, demostraron que los profesores difieren permanentemente en la asignacin de calificaciones y comprobaron cmo influye la subjetividad del profesor en ellas.
En opinin de Thomdihe y Hagen (1996), el mundo funciona a base en la toma de decisiones y el educativo no es la excepcin. Es necesario decidir si un alumno aprueba o no un curso, si se cambia o no a un profesor, si se deben
77
modificar los contenidos de un programa, etc. El objeto de los procedimientos de medicin es proporcionar la informacin que permita tomar esas decisiones de la manera ms apropiada.
Por su parte, bajo este contexto, Garca Ramos (2000), identifica tres vocablos para dar a conocer el producto de la actividad escolar: evaluacin, calificacin y medida. En general, la evaluacin aspira a conocer y valorar los resultados de las instituciones escolares, de sus programas de enseanza, de sus mtodos, matizndola con criterios de valor; por lo tanto, para poder evaluar es necesario medir con un sentido objetivo, sistemtico y cientfico, entendiendo la evaluacin como un proceso continuo y permanente y un elemento a la vez de toda actividad educativa institucional.
Por lo general, la calificacin se utiliza para valorar la conducta de un estudiante, pues se habla comnmente de la calificacin escolar de un alumno, a travs de la cual es posible expresar cuantitativa o cualitativamente el juicio global o especfico que corresponde al desempeo de un educando. El vocablo medida es un concepto muy amplio. Si entendemos la calificacin como el resultado de un examen, podemos precisar que es un nmero resultante de l que nos proporciona un valor y que le da sentido a ella y por tanto a la evaluacin.
A continuacin agrega que para que la evaluacin tenga sentido, debe abarcar todo el conjunto de factores que inciden, no slo en el aprendizaje, sino en la educacin integral de los sujetos, pero a la vez debe referirse tambin al
78
conjunto de elementos que forman parte del proceso educativo que condicionan o facilitan la mejora de los educandos.
Como se puede apreciar, los tres trminos estn ntimamente relacionados. Del resultado de su interaccin podemos emitir juicios de valor surgidos del concepto evaluacin: se evala para tomar decisiones en el contexto educativo para mejorar la enseanza y el aprendizaje.
De acuerdo con lvaro Page y otros (1990), la medida del rendimiento obliga a preguntarse cmo se puede obtener un parmetro objetivo y fiable de todo lo que encierra el rendimiento escolar. Al evaluar a los alumnos, se obtiene realmente una medida cuantitativa y/o cualitativa de lo que rinden? Por su parte, Carabaa Morales, J. (citado en lvaro Page y otros, 1990), afirma que la bsqueda de una medida vlida del RA es una empresa imposible de realizar debido a las ambivalencia, o mejor dicho, polivalencias, intrnsecas al sistema educativo. Cada nivel, e incluso cada materia y cada profesor persiguen simultneamente varios objetivos que no se pueden maximizar al mismo tiempo.
79
4.1 Antecedentes de la medida del rendimiento Una referencia precisa de los antecedentes de la Psicometra se detect en un artculo publicado en la revista Mind en 1890, donde apareci por primera vez el trmino test mental, ideado por James McKeen Catell (1860-1944). En ese artculo se describe la aplicacin de pruebas mentales a estudiantes universitarios para estimar sus capacidades psicolgicas bsicas y su nivel intelectual potencial durante sus estudios.
En el desarrollo inicial de la Psicometra es necesario destacar las contribuciones de Alfred Binet (1857-1911), y de Charles Spearman (18631945), quienes a principios del siglo XX manifestaron su inconformidad con las concepciones vigentes sobre la inteligencia y los mtodos de anlisis. (Citado en Martnez G., 2004).
Se puede considerar que uno de los primeros esfuerzos sistemticos de medicin del aprendizaje humano fue el trabajo pionero de Herman Ebbinghaus, quien en 1885 dise un procedimiento ingenioso para su poca cuyo propsito era obtener una medida objetiva y cuantitativa del aprendizaje y de la memoria (Boring, 1960). Ebbinghaus logr medir el desempeo en tareas de aprendizaje asociativo y el proceso y velocidad del olvido, con lo cual ofreci un paradigma experimental para la investigacin cientfica de los procesos de memoria del ser humano (Anderson 1995). Otra contribucin interesante fue su invento de un test grupal sobre hbitos de estudio y distribucin de cargas de trabajo en escolares (Heidbreder, 1960).Ese tipo de metodologa gener, en el
80
seno de la Psicologa Experimental, lneas de investigacin del aprendizaje con estmulos verbales durante la primera mitad del siglo XX.
Considerando el estudio de Martnez Guerrero (2004), sobre la medida del rendimiento acadmico, a continuacin se presenta una breve sntesis de sus antecedentes:
Tabla 4-1 Resumen de contribuciones sobre la medida del rendimiento acadmico AUTOR Francis Galton AO INVESTIGACIN Desarroll tests de habilidades psicolgicas bsicas y diseo de cuestionarios y procedimientos estadsticos para el anlisis de datos sobre el rendimiento diferencial de grandes grupos de personas. Desarrollaron nuevos tests de inteligencia para evaluar las habilidades intelectuales ms complejas del nivel intelectual de los nios. Crearon una herramienta para medir el fracaso o xito escolar de los nios y para determinar el cociente intelectual. Promovi el concepto de cociente intelectual (CI) para valorar la tasa de desarrollo mental de los nios. Fundador de la psicologa diferencial. Aport la teora de las inteligencias mltiples: diferentes roles en la capacidad para resolver problemas o elaborar productos que resultan de gran valor para un determinado contexto social y cultural. Identific siete categoras de inteligencias: lingstica, lgico-matemtica, espacial, cintico-corporal, musical, interpersonal e intrapersonal. Plantearon interesantes preguntas, tales como: Qu diferencias existen en la capacidad para aprender entre los estudiantes? Cules son las causas de esas diferencias? Qu es lo que distingue a los alumnos que aprenden bien de los que no lo hacen? Desarroll su teora del anlisis multifactorial y elabor instrumentos psicomtricos: ChicagoTests of Mental Abilities, que incluye las subescalas verbal, memoria, numrica, espacial, razonamiento, etc. En 1938 dise exmenes de admisin a la universidad y mediante estudios psicomtricos rigurosos fundament su modelo de aptitudes primarias. 81
(18331911)
Binet y Simon
(1905)
William Stern
(18711938)
Howard Gardner
(19831993)
Nisbet y Shucksmith
(1987)
Louis Leon Thurstone
(18871955)
Gagn
(1989)
Lee J. Cronbach
1989
Schunk
1989
Spearman
(19231927)
Brown
1994
Wittrock y Baker
(1998)
GonzlezCabanach
2002
Clasific los diversos tipos de capacidades y explic la importancia y el rol que desempean las estrategias cognitivas en los procesos de aprendizaje. Defini las estrategias como un conjunto de habilidades con funciones especficas para adquirir nuevos conocimientos y resolver problemas. Sus contribuciones se enfocaron en mejorar el desarrollo tecnolgico del anlisis estadstico de resultados de la aplicacin de pruebas y experimentos, as como en reformular la interpretacin matemtica y los aspectos psicolgicos del desempeo en los tests. Aport a la expansin de la teora de la fiabilidad y a la planificacin evaluativa de programas educativos. Sus principales hallazgos apuntan a que los esfuerzos de los estudiantes para autorregularse en el aprendizaje no estn determinados slo por factores personales, sino tambin por la influencia recproca de eventos ambientales: profesor, compaeros; y conductuales: el uso de estrategias de aprendizaje. Realiz estudios de capacidad mental y elabor su teora de los dos factores de la inteligencia y los principios cognitivos que podan explicarla. Sus obras: The nature of intelligence and the principles of cognition y The abilities of man. Actualiz la nocin de aprender a aprender como un proceso general que implica seleccionar y utilizar adecuadamente estrategias de planificacin, identificacin de la dificultad de las tareas, de la comprensin, la prctica, la revisin, la evaluacin, etc. Otra caracterstica relevante es que esas estrategias y habilidades tienen que aplicarse de manera flexible en diversas tareas de aprendizaje y ser transferibles a nuevos problemas y dominios de aprendizaje. Contribuy a la investigacin cognitiva del aprendizaje en el mbito de la evaluacin educativa. Encuadr las reas de investigacin: conocimientos previos de los alumnos, atencin, procesos de aprendizaje, comprensin, estrategias de aprendizaje, metacognicin y procesos afectivos (motivacin y ansiedad). Define la autorregulacin del aprendizaje como un proceso activo en donde los estudiantes establecen metas adecuadas para llevarlo a cabo e intentan planificar, supervisar y regular su cognicin, motivacin y conducta, dirigidos por dichas metas, creencias y las caractersticas contextuales de sus entornos.
82
Uno de los objetivos de la educacin es contribuir al desarrollo y crecimiento de una persona, proceso durante el cual es necesario medir sus avances. Sin embargo, en educacin y especficamente en el tema de RA, no existe un acuerdo respecto de lo que se mide, por lo que existen diversos estudios y teoras que se enfocan en este tema. En consecuencia, para fines de esta investigacin, podemos definir el RA, junto con De la Orden (en Garca Ramos, 2000), como el resultado de una accin o de un proceso educativo, el cual, al sufrir la influencia de todas las variables produce un rendimiento diferenciado.
Asimismo, se han analizado las implicaciones para la aplicacin e interpretacin de pruebas para la enseanza. Daz (2001) sostiene que uno de los criterios para medir el progreso del alumno se debe basar en los crditos superados, y se puede entender como la productividad del estudiante ya que considera la relacin entre los objetivos (volumen de crditos a superar) y los logros (crditos superados). Por lo tanto, si la tasa de crditos matriculados presenta un patrn de comportamiento semejante, la tasa de rendimiento (crditos matriculados/crditos superados) es un buen indicador o criterio del aprovechamiento de los estudios.
Con frecuencia, la medida del RA de la enseanza superior se determina por dos aspectos: el primero son las calificaciones que obtienen los alumnos a lo largo de los estudios hasta lograr la titulacin correspondiente. El segundo hace referencia a los efectos que la formacin recibida por los titulados tiene en la vida social; es decir, la utilidad que dichos estudios tienen en su proceso de incorporacin al mundo laboral.
83
Por otra parte, una de las herramientas para medir el rendimiento son las pruebas objetivas, que ofrecen mayores ventajas, debido a que las respuestas son cortas y precisas, sin la influencia subjetiva del profesor; adems, poseen alto grado de validez, en razn de que cumplen los propsitos para los que fueron elaboradas.
Existe una relacin entre el enfoque de aprendizaje adoptado por el alumno y la calidad de rendimiento resultante. Hazzle (2002) (citado en Hernndez, Martnez, Da Fonseca y Rubio, 2005), seala que conocer qu saben y aprenden los alumnos y cmo aprenden es crucial para nuestra comprensin del camino que lleva a resultados de alta calidad.
El instrumento ms ampliamente aceptado en el mundo para reconocer aprendizajes y logros es el crdito acadmico. En general, ste es una unidad de medida de trabajo del estudiante para obtener niveles, grados o ttulos y/o para transferir sus logros a otras instituciones.
El crdito es el valor que se otorga a una asignatura, actividad o unidad de aprendizaje en la que el estudiante participa con el fin de obtener las competencias, los conocimientos, habilidades y actitudes requeridos en un plan de estudios de acuerdo a ciertos elementos, como los objetivos educativos que cumple en la formacin profesional, su complejidad, el tiempo que requiere para ser realizada, los medios que son necesarios, su carcter en la formacin del estudiante, etctera.
84
Como vemos, existen infinidad de medidas del rendimiento en concordancia con los mltiples objetivos que se persiguen en la educacin y con los diversos conceptos que existen sobre l. Algunas de ellas pretenden medir lo mismo por ejemplo, los conocimientos de un alumno en cierta materia-, pero subrayan diversos elementos del RA, por lo que no se les debe confundir o utilizar indistintamente.
Sea cual sea la medida que se utilice para expresarlo, conviene considerar cules son los elementos que caracterizan una buena medida.
85
4.2 Tipos de medida del rendimiento acadmico universitario Pruebas objetivas En algunas instituciones se utilizan otros tipos de medidas del rendimiento, como el lugar que logr el alumno en su generacin, el nmero de asignaturas que aprob, el resultado de algn examen de conocimientos, el xito en su desempeo profesional, etc. Es verdad que, por lo regular, una mala calificacin corresponde a un alumno de bajo rendimiento, independientemente de la institucin donde haya estudiado. Sin embargo, un promedio alto no necesariamente corresponde a un alumno de excelencia, pues es un hecho que un alumno ordinario puede obtener muy buenas calificaciones en una institucin de poca exigencia y mala calidad.
En Mxico, la mayora de las instituciones de nivel superior utilizan el promedio de las calificaciones como medida del rendimiento acadmico del alumno y se utilizan tres tipos de promedios: aritmtico, ponderado y ajustado, mismos que a continuacin se explican.
4.2.1 Promedio aritmtico En Mxico, de acuerdo con la Secretara de Educacin Pblica, en el certificado oficial de estudios se debe especificar el promedio aritmtico de las calificaciones de todos los cursos, esto es, la suma de todas las calificaciones finales dividida por el nmero de materias que curs el alumno. Una de las deficiencias de este promedio es que no considera la cantidad de materias reprobadas durante la carrera, lo que otorga el mismo lugar a los alumnos que cursaron la misma materia varias veces y les da posibilidad de mejorar su
86
promedio final, lo cual sobredimensiona las calificaciones de las materias que pesan ms.
4.2.2 Promedio ponderado Por lo general, en otros pases se utiliza el promedio ponderado (Point Grade Average, GPA), que se obtiene al dividir la suma ponderada (crditos de las materias por la calificacin final) entre el total de crditos cursados. De acuerdo con Young (1991), este enfoque encierra algunas deficiencias: primero, es una medida multidimensional porque engloba en una sola nota las calificaciones de varios cursos, algunos distintos entre s; segundo, las calificaciones de
distintos cursos no pueden ser equiparadas directamente sin tomar en cuenta las diferencias entre los sistemas de evaluacin de los profesores.
4.2.3 Promedio ajustado Como ya se mencion en captulos anteriores, de acuerdo al Reglamento del Tecnolgico de Monterrey, la calificacin mnima aprobatoria de una materia es de 70. El promedio ajustado se obtiene al dividir la suma ajustada (crditos por promedio de las calificaciones) entre el total de los crditos cursados por el alumno durante su carrera; la calificacin final de cada materia es el promedio de las oportunidades que haya tenido para pasarla; por ejemplo, si el alumno curs matemticas I y la reprob con 60, la cursa nuevamente y la acredita con 80, el promedio de ambas calificaciones oficial es de 70. Este sistema tiene la ventaja de premiar a los alumnos que hacen su mejor esfuerzo por acreditar la materia a la primera vez y no existe la posibilidad de presentar dicho examen en primera o segunda vuelta como se hace en algunas universidades.
87
Vargas (2001), nos muestra un cuadro que ejemplifica con claridad los tres tipos de promedios: aritmtico, ponderado y ajustado.
Tabla 4-2 Clculo del promedio ajustado (PAJ)

Crditos (A) 12 9 6 6 6 6 9 6 6 6 6 78 Calif. 1 (B) 6 7 5 5 9 10 5 9 7 10 9 Calif. 2 (C) Calif. 3 (D) Calif. Final1 (E) 6 7 5 9 9 10 7 9 7 10 9 88 Suma2 ponderada (F) 72 63 30 54 54 60 63 54 42 60 54 606 Suma4 Ajustada (G) 72 63 30 42 54 60 51 54 42 60 54 582
Materia Mat 1 Mat 2 Mat 3 Mat 4 Mat 5 Mat 6 Mat 7 Mat 8 Mat 9 Mat 10 Mat 11 Total
Promedio aritmtico (PA) = 8.0 Promedio Ponderado (PP)3 = 7.8 Promedio Ajustado5 (PAJ) = 7.5
1. 2.
3. 4.
Calificacin final: es la ltima calificacin del alumno, no el promedio, como se aprecia en las materias 4 y 7. Suma ajustada: son los crditos de las materias por la calificacin final (A x E), aqu se aprecia que las materias con ms crditos tienen ms peso en la suma. Por ejemplo, la materia 9 es de 6 crditos y con la misma calificacin de 7 pesa 63. Promedio ponderado (PP): es la divisin de la suma ponderada entre el total de crditos cursados (F / A). Suma ajustada: son los crditos de la materia por el promedio de calificaciones (E x Promedio de (B,C,D)). Por ejemplo en la materia 4, es promedio es 7 (obtuvo 5 y 9) y tiene 6 crditos, por lo que la suma efectiva es 42. Promedio ajustado (PAJ): es la divisin de la suma ajustada entre el total de los crditos cursados (G/A).
5.
88
4.3 Sistema de evaluacin del rendimiento acadmico universitario A partir de lo expuesto sobre la evaluacin y sus medidas, pretender definir el proceso de evaluacin puede llegar a ser tan complejo como interesante debido al nmero de autores, corrientes y teoras que lo han intentado, por lo que slo daremos ciertas concepciones de l. La evaluacin es un proceso mediante el cual se obtiene informacin sobre los niveles de desarrollo de las competencias y necesidades de los estudiantes, para formar un juicio de valor razonado con el propsito de tomar decisiones en relacin con el curso de las actividades de aprendizaje. Tras analizar las diversas concepciones de la medida del rendimiento acadmico, nos damos cuenta que la mayora presenta una misma estructura y coincide en atribuirle los siguientes propsitos o caractersticas: Obtener informacin sobre el nivel de logro de los aprendizajes. Proceso mediante el cual se analiza la situacin de la enseanza dentro del aula. Hacer un juicio de valor razonado para una toma de decisiones con respecto al proceso de aprendizaje. Estimar en forma cuantitativa y cualitativa el valor de la enseanza y del aprendizaje realizado.
Por otra parte, en trminos cuantitativos la calificacin adquiere un significado universal, pues son expresiones de juicios de valor que resumen y comunican el proceso de evaluacin de los aprendizajes y que tienen importantes consecuencias psicolgicas y sociales. Esta peculiaridad obliga a considerar
89
que la asignacin de notas no es un evento aislado, sino que tiene un "antes" y un "despus". De este modo es posible dar significancia y alcances verdaderamente pedaggicos al proceso de evaluacin de los aprendizajes.
La forma que ms se utiliza en el mundo es el sistema de calificaciones escolares, (llamado simplemente calificaciones o notas en algunos pases), que se emplea para evaluar y categorizar el rendimiento escolar de un alumno, que generalmente est determinado por un valor numrico o por las letras del alfabeto (de ordinario desde la A hasta la F). Esta amplitud puede variar de acuerdo con los parmetros establecidos por las leyes de cada pas, pero en el caso del valor numrico, por regla general, se toma como mnimo aprobatorio 50% de la calificacin mxima.
De acuerdo a cada nivel escolar, se consideran las siguientes calificaciones: excelente, sobresaliente, distinguido, bueno, suficiente, deficiente y muy deficiente. Estas dos ltimas se aplican cuando no se obtiene el mnimo aprobatorio, por lo cual se considera al alumno como suspendido. A continuacin se muestran en la siguiente tabla las equivalencias que tienen estas calificaciones en diversos pases e instituciones.
90
Tabla 4-3 Equivalencias de la medida del rendimiento acadmico por pases

PAS Escala ETCS (Europa) % de estudiantes A 10% B 25% C 30% NOTAS D 25% E 10% FX F
Escala cualitativa internacional Espaa (numrica) Espaa (no numrica) Alemania Austria Blgica Dinamarca Finlandia Francia Grecia Holanda
Excelente
Muy bien
Bien
Satisfactorio
Suficiente
Insuficiente requiere de ms trabajo para pasar 4-3 Suspenso 4.3 4.7 5 97 6 0 97 Echc 1 Fail 5 -3 Fail (E)
Insuficiente requiere de considerable trabajo para pasar 2-1 --5.0 --61 51 --61 --21
10 Matrcula de honor 1.0 1 20 13 3 20 Excellent 10 19 1. Clase Honor (A) 10 30 Destacado A A+/A/A-
9 Sobresa_ liente 1.3 - 1.7 1 19 - 17 11 10 25 19 16 Trs bien 98 9 -8.5 2. Clase Honor I (A+B) 98 30 -28 AA+/A/A-
8-7 Notable 2.0- 2.32.7 2 16 - 14 9 2-/2/2+ 15-14-13 7 8 7.5 2. Clase Honor II (B) 7 27 25 B+/B/BB+/B/B-
6 Aprobado 3.0 - 3.3 3 13 - 11 8 1.5 12 11 Assez bien 6 7 6.5 3. Clase Honor (C) 6 24 23 C/D C+/C/C-
5 Aprobado 3.7 4.0 4 10 7 1+/1.0 10 Pasable 5 6 Pass (D)
Irlanda
---
Islandia Italia Reino Unido Estados Unidos y Canad Estados Unidos (Nuevo Mxico) Mxico Tecnolgico de Monterrey
5 22 18 E D+/D/D-
Fail 17 10 Fail Fail
--91 -----
100 -90
100 -90
89 80
79 -70
79 -70
69 60
Menos de 60
100 -90
100 -90
89 80
79 -70
79 -70
69 60
Menos de 60
91
4.3.1 Medida del rendimiento en Europa El Espacio Europeo de Educacin Superior (Proceso de Bolonia), se basa en una declaracin conjunta que en 1999 dio inicio a un proceso de convergencia que tena como objetivos facilitar el intercambio de titulados y adaptar el contenido de los estudios universitarios a las demandas sociales. Pretende establecer un sistema de crditos como un medio adecuado para promover al mximo la movilidad de los estudiantes. Como mtodo de evaluacin es considerado un sistema de referencia para todas aquellas instituciones que quieren ser competitivas a nivel internacional. Implica tambin la instauracin de nuevas metodologas docentes como:
Evaluacin continua: seguimiento diario del trabajo personal del alumno mediante evaluaciones continuas, para cuya realizacin se proponen dos herramientas: el uso de todas las posibilidades que ofrece internet, las nuevas tecnologas y las tutoras personales.
Enseanza prctica: intervencin activa del alumno a travs de ejercicios, trabajo en grupo, prcticas, etctera.
Escala de evaluacin en Espaa: se usan nmeros del 0 al 10 con un mximo de dos decimales; diez es la mejor calificacin y cero lo peor; el mnimo para aprobar suele ser 5, pero puede variar segn sea necesario.
92
4.3.2 Medida del rendimiento en Estados Unidos En Estados Unidos, al terminar la secundaria (dcimo segundo grado) los estudiantes pueden ingresar a la universidad. Los estudios universitarios permiten obtener el ttulo de bachiller (Bachelor's Degree), conocido como "Undergraduate".
Cada curso que ofrecen las universidades es evaluado en un nmero especfico de "crditos" que depende del nmero de horas de clases semanales a las que el estudiante debe asistir. Un programa completo de estudio consta de doce a quince "horas-crdito", que son cuatro o cinco cursos por periodo. El nmero de "horas-crdito" asignado a un curso incluye el tiempo que cada estudiante debe invertir semanalmente en las clases, en ejercicios, lecturas obligatorias, trabajos escritos, laboratorio, etc. Por ejemplo, si el curso est valorado por tres "crditos" se espera que el alumno emplee otras seis horas semanales preparndose para la clase.
Los profesores otorgan las calificaciones con base en el rendimiento del estudiante de acuerdo a las siguientes categoras: participacin en clase, trabajos escritos, pruebas, test, examen parcial y examen final. El sistema de evaluacin que se emplea en Estados Unidos es el de las letras A a la F. Para aprobar, hay que obtener como mnimo la letra D. El mximo puntaje es la A, en tanto que E y F denotan los niveles deficiente y muy deficiente, respectivamente (en ambos casos el alumno resulta suspendido).
93
Por otra parte, con base en las polticas y lineamientos de evaluacin y de internacionalizacin del Tecnolgico de Monterrey, a continuacin se presenta un breve resumen del sistema de evaluacin universitario, con la finalidad de identificar las similitudes de nuestro sistema con los de otros pases, ya sea por su cercana o por su potencialidad de intercambio acadmico y estudiantil.
4.3.3 Medida del rendimiento en Mxico El captulo VI de la ley General de Educacin (1993), Validez Oficial de Estudios y Certificacin de Conocimientos, establece que los estudios efectuados fuera del sistema educativo nacional sern oficialmente vlidos mediante su revalidacin, siempre y cuando sean equiparables a estudios realizados dentro de dicho sistema. En la actualidad, la asignacin y transferencia de crditos representa un gran problema para el trnsito entre programas acadmicos o movilidad entre diversas instituciones de educacin, superior nacionales y extranjeras. El sistema de crditos seala el grado de avance de los alumnos, e implica asumir que los estudios profesionales se miden por el nmero de crditos acumulados. Su adopcin permite: Acreditar que un estudiante aprende independientemente de ciclos escolares, etapas formativas, grados y lugar. Poseer un currculum nacional e internacional de multiacreditacin. Acceder a niveles y estndares internacionales. Unificar el sistema educativo sobre medidas del logro del estudiante. Acreditar aprendizajes situados en ambientes reales y transdisciplinarios.
La escala de evaluacin de Mxico se basa en un sistema numrico del 5 al 10. El mnimo para aprobar es 6. Adems, en algunas escuelas de nivel superior
94
existe la calificacin NP (No present) que significa que el alumno no tiene calificacin; AC (acreditado), cuando el alumno obtiene la calificacin mnima para aprobar. En instituciones privadas la escala va de 10 a 100 y el mnimo para aprobar un curso es de 70.
a) Medida del rendimiento en el Tecnolgico de Monterrey Para evaluar el Rendimiento Acadmico de los alumnos, el Tecnolgico de Monterrey aplica el reglamento acadmico de estudios universitarios, donde se definen las polticas y criterios de evaluacin, as como los derechos y obligaciones de los estudiantes. Contar con criterios de evaluacin unificados para todos los cursos del plan de estudios permite reducir el error de medida de las calificaciones.
Debido a las diferencias de criterios de evaluacin entre los profesores, escuelas y carreras en una misma institucin, a menudo las calificaciones representan diferentes niveles de rendimiento para distintos alumnos. Una medida compuesta debera ser ms confiable, ya que cuanto mayor es el nmero de tems que la compongan mayor ser el grado de confiabilidad, que no es el caso del promedio ponderado porque las materias cursadas son distintas entre los estudiantes.
Por lo anterior, el Tecnolgico de Monterrey considera el promedio ajustado para definir el promedio final de los alumnos. Como ya se mencion, esta media se obtiene al dividir la suma de todas las calificaciones finales ponderadas, en trminos de crditos, por el peso de cada materia entre el
95
nmero de materias cursadas por alumno, considerando las materias suspendidas.
En el apartado terico de la investigacin vimos que los factores que afectan el rendimiento acadmico se pueden en demogrficos, familiares, sociolgicos, psicolgicos, acadmicos, entre otros. La razn de utilizar este tipo de variables que afectan slo a los alumnos es porque nuestro estudio pretende comparar los elementos que inciden sobre el RA en diversas carreras de una misma universidad.
Por otra parte, nos concentraremos en las variables de entrada, ya que es de nuestro inters conocer el perfil de un alumno al ingresar a la universidad, para lo cual requerimos un anlisis inicial con base en datos que arroja el proceso de admisin y con ello hacer un pronstico del rendimiento futuro. El foco de inters radica en analizar los factores previos al ingreso, esto es, los que se refieren directamente al alumno, tales como los antecedentes familiares y psicolgicos.
De esta manera, podemos fijar la atencin tanto en variables objetivas no modificables, como el sexo y la edad, como en otras que puedan ser susceptibles de cambios por cuestiones ajenas al estudiante, como la situacin econmica familiar.
La acreditacin de la calidad de la oferta educativa es esencial para mantener el valor social y econmico de la educacin superior. El fortalecimiento de los
96
mecanismos normativos y regulatorios y de aseguramiento de la calidad detendr la proliferacin de programas que no renen los estndares de calidad y limitan la formacin de los ciudadanos productivos y competitivos que requiere el pas.
Adems, el refuerzo de los sistemas de evaluacin constituir una base fundamental para asegurar y generalizar la rendicin de cuentas a los estudiantes, padres de familia y a la sociedad en general. Para evaluar el RA de los alumnos del Tecnolgico de Monterrey se aplica el Reglamento Acadmico de Estudios Profesionales, que especifica los derechos y obligaciones de los estudiantes matriculados, con referencia al sistema de instruccin escolarizada. Entre los principales artculos involucrados se encuentran los siguientes:
Artculo 27. Como base para evaluar el desempeo acadmico del alumno se establecen los exmenes parciales, los exmenes finales, los exmenes de ltima materia y los exmenes extemporneos.
Artculo 28. La escala de calificaciones en las materias es de 10-100 e incluir nicamente nmeros enteros. La calificacin mnima aprobatoria es de 70. Las notas escolares son en s mismas la medida del aprovechamiento de cada alumno en cada curso; la forma que los profesores llegan a una calificacin final es a travs de la aplicacin de tres exmenes parciales, un examen final, as como la evaluacin de trabajos, tareas, proyectos especiales, actividades en clase, asistencias, entre otros.
97
Por ltimo, para fines de este estudio es necesario destacar que el RA ser estudiado a partir del promedio de calificaciones en tres momentos de la carrera: al ingreso, al finalizar los semestres tercero y quinto y con el promedio final al concluir sus estudios universitarios.
98
CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO
5.1 Modelos Tradicionales Es muy importante identificar los distintos modelos que han surgido a partir de los resultados de las investigaciones que se han realizado en materia de RA. Tratar de definir el histricamente este concepto ha sido una tarea complicada para los investigadores de la educacin debido a su carcter multidimensional. Dada la multiplicidad de los objetivos que se persiguen y la complejidad de factores que inciden en el aprendizaje de un individuo, el tipo y cantidad de resultados que se pueden obtener resultan sumamente variados y complejos, lo cual tambin sucede con las diversas formas de medirlos.
Si consideramos el rendimiento acadmico como el resultado final de un proceso de aprendizaje, es justo reconocer que la medida que usemos para expresarlo debe recoger, de alguna manera, las diversas dimensiones que comprende el aprendizaje, ya que est claro que en la educacin se trata de lograr no slo que el alumno adquiera conocimientos, sino que tambin desarrolle habilidades y destrezas as como actitudes y conductas deseables. Por lo tanto, se requiere utilizar una medida que considere todos esos elementos.
En los siguientes apartados se presentan diversos modelos reportados en la literatura (denominados tradicionales), que representan las principales investigaciones acerca de los factores que pueden incidir en el RA.
99
Uno de los primeros estudios publicados sobre el tema fue el informe Coleman sobre Igualdad de oportunidades educativas (Coleman, 1966), en el que se estudi una muestra de 640 000 alumnos a los cuales se les aplic un test de rendimiento y habilidad. Coleman encontr un factor que consider relevante para determinar el rendimiento de los alumnos: la influencia del contexto social familiar sobre cada uno de ellos. Asimismo, el estudio present algunos problemas metodolgicos en virtud de que no consider el proceso de enseanza-aprendizaje ni las variables del comportamiento del profesor.
A partir de este antecedente, se ha multiplicado el nmero de investigadores que se han dado a la tarea de estudiar el RA. Entre las aportaciones ms destacadas (citadas en lvaro Page, 1990) encontramos las siguientes:
Tabla 5-1 Investigaciones sobre rendimiento acadmico AUTORES AOS MODELO Si los alumnos estn distribuidos normalmente con respecto a la amplitud de una cierta disciplina, si se les concede una oportunidad uniforme para aprender y una calidad de instruccin homognea, se espera que pocos alumnos logren el dominio; la correlacin entre aptitud y rendimiento escolar ser alta (r= 0.70). Las diferencias individuales entre las aptitudes de los alumnos de una disciplina tendr poca influencia sobre el rendimiento escolar final. En este estudio se explica el RA de los alumnos mediante el anlisis predictivo, a partir de variables como padres, profesores y alumnos, que son determinantes personales, escolares y sociofamiliares del RA.
Bloom
1972
Pelechano lvaro Page Gmez Dacal
1989 1990 1992
100
Pelechano Carabaa lvaro Page Pardo Merino Orea Daz
1972 1987 1990 1993 1993
A partir de modelos explicativos de tipo estructural se analiza la dinmica ms compleja de relaciones entre las variables inteligencia, actitudes, innovacin y autoconcepto. La inteligencia es un predictor del aprovechamiento escolar, dentro de la que el factor verbal incide directamente en el rendimiento del alumno en todas las reas del currculo. Establecen dos mviles fundamentales que orientan el comportamiento humano: el logro del xito y evitar el fracaso.
Atkinson Dwek Fontaine Alonso Tapia Weiner
1957-1964 1986 1988 1991 1983 1985 1986
El comportamiento es motivado en funcin de dos componentes: las expectativas de alcanzar una meta y el valor de incentivo asignado a esa meta, los cuales estn determinados por las atribuciones. Encontraron correlaciones positivas moderadas entre la atribucin de los xitos a la destreza y al esfuerzo; causas internas y el RA.
Selignam Shanaham y Warberg Castejn, Navas Sampascual Shavelson y Bous Marsa Parker y Smith Byrne Shavelson y Bous Machargo Gonzlez y Touron y
1981 1985 1993-1996 1982 1983 1984 1982 1991 1992
Plantean un proceso jerarquizado y multifactico del autoconcepto en el que existe un factor general y varios especficos, uno de ellos es el autoconcepto acadmico. Los estudios revisados sobre las relaciones existentes entre el autoconcepto y el RA, ponen de manifiesto que el acadmico mantiene un vnculo ms estrecho con el aprovechamiento escolar de los alumnos. Las relaciones entre autoconcepto y RA se deben a la influencia de la capacidad del sujeto. El autoconcepto acadmico y el RA se afectan mutuamente en unin de otras variables como la clase social y la evaluacin que hace el profesor de los resultados alcanzados. Los factores que intervienen en el RA, son los referentes a las relaciones que se producen en el seno del grupoclase los que expresan las expectativas que los alumnos tienen entre s. Los alumnos desean encontrar en sus profesores una dimensin afectiva y otra didctica. 101
Maruyama, Rubin y Kingsbury
1981
Marsh, Smith
Parker
1983
Villa Snchez
1984
Hartup
1985
Los nios aprenden a adoptar puntos de vista ajenos en el marco de los contactos con sus iguales; de esta forma adquieren mayor competencia social. Las relaciones que se producen entre los alumnos desempean un importante papel en el proceso de socializacin de los nios. Analiza las atribuciones que los sujetos hacen de sus xitos y fracasos. Puede ser que no exista relacin autoconcepto y rendimiento acadmico. entre
La Mare y Rubin
1987
Pintrich y De Groot
1990
Barne Jimnez Hernndez Rani George y David Kaplan
1993
1994
Desarrolla la capacidad para funcionar con xito dentro del grupo. Investigaron la influencia de los padres y los profesores en las actitudes de los alumnos hacia temas cientficos. La participacin e involucramiento de los padres, por ejemplo, asistir a museos y bibliotecas, influye en el rendimiento del alumno y en sus calificaciones.
1997
A continuacin se presentan algunos de los modelos tradicionales y estructurales que por su consistencia han demostrado tener mayor impacto en la evaluacin del RA. Se incluyen slo algunos debido a que son los que mayor correspondencia tienen con el modelo propuesto en este trabajo. Cabe mencionar que en el caso de Mxico, a pesar de que los esfuerzos son incipientes, vamos en el camino correcto. Adems, presentamos los avances publicados hasta la fecha, pero sin duda existen muchos ms que estn orientados al nivel de educacin bsica.
102
5.1.1 Modelo Centra y Potter (1980) El modelo de Centra y Potter (1980), sugiere que el rendimiento escolar es afectado por muy diversas variables, de las cuales el comportamiento del profesor es una de ellas. Los docentes no tienen un efecto primordial sobre los productos educacionales, por lo que considera que el aprendizaje de los estudiantes se debe sobre todo a sus propias habilidades y fuerzas que existen en sus historias personales, hogares y comunidades. Sin embargo, aunque en pequea cantidad, es indudable que las caractersticas del profesor inciden en el rendimiento del alumno.
103
Figura 5.1 Modelo de variables de la escuela y los profesores que influyen en el aprendizaje de los estudiantes.
1. 2. 3. 4. 5. 6. 7. 8.
Caractersticas del Profesor Cualidades Experiencia Actitudes Conocimientos de la materia Conocimientos de Pedagoga Valores y Actitudes Expectativas Clase Social
Caractersticas del Estudiante 1.Clase social, raza, influencia de los padres 2.Aptitudes y aprendizaje previo 3.Valores y actitudes 4.Expectativas 5.Estilo cognitivo y de aprendizaje
Elementos de la Escuela 1.Tamao de la Escuela 2.Recursos financieros, salarios 3.Ratio Profesor - Alumno 4.Ratio Administrativos Profesor 5.Servicios de staff profesional 6.Instalaciones, (laboratorios, bibliotecas, etc.) 7.Tamao del grupo promedio 8. Localizacin: Urbana o Rural 9.Clase social de los estudiantes 10.Composicin tnica o racial
Desempeo Acadmico Comportamiento
Rendimiento del Estudiante
Resultados del aprendizaje del alumno 1.Habilidades bsicas 2.Otros resultados cognitivos 3.Medidas no cognitivas
Elementos dentro de la Escuela 1.Organizacin Administrativa 1.Ratio Administrativos-Profesor 2.Mecanismos de Reconocimiento 2.Organizacin Institucional 1.Seguimiento y control 2.Enseanza en equipo 3.Abierto versus tradicional 3.Influencia del grupo de estudiantes 4.Cargas acadmicas 5.Clima institucional
Relacin causal determinada
Correlacin, pero no causal
104
5.1.2 Modelo de Biniaminov y Glasman (1981) Basados en una extensa revisin de literatura y estudios realizados por diversos autores, Biniaminov y Glasman (1981) proponen un modelo estructural de variables de entradas-salidas de la escuela (Structural model of school input and output variables). El modelo sugiere la existencia de una relacin entre diferentes grupos de variables. Los antecedentes del alumno mostraron tener una relacin directa con sus actitudes y condiciones escolares. Del mismo modo, las instalaciones educativas estn directamente relacionadas con los antecedentes personales y las condiciones escolares del alumno. Las variables de salida, tanto cognitivas como no-cognitivas, son afectadas de manera directa por las actitudes del alumno y del personal educativo, y slo en algunos casos sern influidas por otro grupo de variables, como los antecedentes del alumno, las condiciones escolares, las instalaciones educativas, etc. En su modelo describe dos grupos de variables de entrada.
Antecedentes escolares) Estudiante
personales
del
alumno
(familiares
Condiciones escolares del alumno (incluye caractersticas socio-demogrficas) Actitudes del alumno (aspiraciones acadmicas, concepto de s mismo y control de s mismo).
Escuela
Instalaciones educativas (servicios, personal, gastos) Personal educativo (antecedentes, tareas y actitudes de los profesores)
105
Este modelo describe las relaciones causales potenciales entre los grupos de variables de entrada y de salida. Las que intervienen son: antecedentes del alumno, condiciones de la escuela, caractersticas del estudiante, actitudes del alumno y personal docente.
Se considera que obtener un certificado de graduacin equivale a tener un adecuado rendimiento escolar. Los autores reportan que la experiencia del profesor afecta el resultado (rendimiento) en forma directa positiva, el nivel de recursos lo hace de manera negativa y directa, pero tambin de forma positiva e indirecta a travs de la experiencia del profesor.
Asimismo, el nivel de desventaja de los estudiantes afecta los resultados de manera positiva a travs de los recursos y de la experiencia del profesor, y de manera negativa a travs de cada entrada de forma separada. El estudio comprob que el efecto directo del nivel de desventaja de los alumnos sobre la salida es insignificante.
106
Figura 5-2 Modelo estructural de variables entradassalidas de escuela
Caractersticas del alumno
Condiciones de la escuela
Caractersticas del alumno en relacin a la escuela
Caractersticas del profesorado
Actitudes del alumno
Resultados
5.1.3 Modelo de Biniaminov, Israel y Glasman, Naftaly (1983). Este modelo describe las relaciones causales potenciales entre los grupos de variables de entrada y de salida. Las variables que intervienen son: antecedentes del alumno, condiciones de la escuela, caractersticas del estudiante, actitudes del alumno y personal docente. La obtencin de un certificado de graduados es equivalente a tener un adecuado rendimiento escolar.
Los autores reportan que la experiencia del profesor afecta el resultado (rendimiento) en forma directa positiva, el nivel de recursos lo afecta de manera negativa y directa, pero tambin de forma positiva e indirecta a travs de la experiencia del profesor.
107
Asimismo, el nivel de desventaja de los estudiantes afecta el resultado de manera positiva a travs de los recursos y de la experiencia del profesor, y de manera negativa, a travs de cada entrada de forma separada. El estudio encontr que el efecto directo del nivel de desventaja de los alumnos sobre la salida es insignificante.
Figura 5-3 Biniaminov, Israel y Glasman, Naftaly
Antecedentes del Alumno Antecedentes familiares Antecedentes del alumno
Condiciones de la escuela Personal directivo. Servicios Gastos
Caractersticas estudiantiles Demografa de poblacin Asistencia de los alumnos
Personal Docente Formacin y personalidad Trabajos asignados Actitudes
Actitudes de los alumnos Auto concepto Locus de control Aspiraciones acadmicas
Resultados Cognitivos No cognitivos
Indica un efecto directo Indica un efecto indirecto
108
5.1.4 Modelo de Fullana (1996) El modelo de Fracaso escolar, de Judith Fullana, tiene como objetivo principal distinguir la influencia de las caractersticas socio familiares y de contexto, como predictoras del RA al final de la carrera e identificar la relacin entre los promedios finales del bachillerato y de la licenciatura en Enfermera.
El estudio es de tipo descriptivo, correlacional y longitudinal. Los resultados ms significativos fueron los siguientes: los alumnos presentan un perfil acadmico de riesgo en varios rubros. La calificacin final de la carrera se asocia con el hecho de que el alumno trabaje y estudie de manera simultnea; el promedio del bachillerato es un predictor que influye en forma determinante en el promedio final de la carrera; los alumnos que eligieron Enfermera como primera opcin para su ingreso a la universidad no tienen un promedio final mayor que aquellos que la seleccionaron como segunda o tercera opciones.
Como conclusin, se descubri que existen coincidencias con las variables predictoras de otros estudios del RA, como escolaridad de los padres, ingreso econmico y promedio de bachillerato. En el caso de este ltimo, si es alto tienden a conservarlo o a mejorarlo en la universidad.
109
Figura 5-4 Modelo de Fullana
5.1.5 Estudio de DeBerard, Spielmans, Julka, Deana L. (2004) Esta investigacin, titulada Prediccin del xito escolar, examina el potencial de los predictores psicosociales de los logros acadmicos de primer ao y la retencin. Entre los participantes haba 204 estudiantes de pregrado de Introduccin a la psicologa y de las clases de sociologa en una universidad privada de la costa oeste de Estados Unidos. De ellos, 147 eran mujeres (72,1%) y la edad media de la muestra fue de 18.9 aos (DE 0,95), con un rango 17.8 a 26.3 aos. En trminos de origen tnico, 84,3% era de raza blanca, 7.8% asiticos, 2% hispanos, 1% afroamericanos, y 5.5% "otros".
110
5.1.6 Estudio de Pita y Corengia (2005) El objetivo de esta investigacin era conocer mejor a los estudiantes para lograr la permanencia en la universidad y conciencia de la necesidad de prepararse mejor para presentar exmenes. Se estudi el rendimiento a travs del resultado de exmenes de los alumnos de las cohortes en condiciones de graduarse en marzo-abril de 2005. El universo fue de 36 de las tres ltimas cohortes en condiciones de graduarse de las carreras de una universidad privada.
Los datos fueron extrados del Sistema de Informacin Acadmica (SIA) de la universidad. Se obtuvo todo lo relacionado a los estudiantes, como inscripcin a exmenes, notas, certificados, etc. Se usaron dos tipos de variables. En primer lugar se tomaron en cuenta el total de alumnos activos, ausencias en exmenes, exmenes realizados a plazos, materias reprobadas con respecto al total de las materias del plan de estudios y estimativo de cantidad de aos que el alumnos emplea para graduarse.
Adems, las variables por estudiante: promedio general, total de inscripcin a exmenes, porcentaje de ausencias y total de aprobados-discriminados por instancia de presentacin. El indicador de RA fue la duracin de la carrera, medida en tiempo real y terico. Los alumnos que superan el tiempo terico de duracin de las carreras merecen especial atencin para que no retrasen su graduacin. El procedimiento consisti en la construccin de instrumentos para recolectar datos y en el anlisis de la informacin que se recogi.
111
En conclusin, el resultado de los exmenes de una poblacin estudiantil universitaria determinada es un elemento significativo a tener en cuenta, entre otras variables, al evaluar la eficacia de la enseanza. Este estudio permiti ponderar el resultado de los exmenes de cada carrera, por alumno y por cohorte, y promovi la elaboracin de estrategias de mejora a mediano plazo, con el fin de optimizar el rendimiento de los alumnos, aumentar la retencin y aproximar an ms el ndice de duracin real de la carrera al ndice de duracin terica.
5.1.7 Estudios de Vanessa Marsh (2007)
Este estudio de la Academia Nacional de Estados Unidos se enfoc en investigar los estereotipos que afectan al rendimiento acadmico de las mujeres. Los resultados arrojan que los estereotipos sociales condicionan el RA de las mujeres, lo que propicia una cada de hasta 90% de los estudios cuando no son adecuadamente valoradas. Estos prejuicios favorecen que las carreras de matemticas e ingenieras sean por lo general descartadas por las estudiantes de instituto, lo que supone una prdida de talento para la sociedad. Como consecuencia de dichos prejuicios, las mujeres suelen ser subestimadas en estos medios acadmicos, mientras que los hombres gozan de
sobrevaloracin.
Esta conclusin se basa en los resultados que se obtuvieron en un estudio sobre 200 mujeres con grandes dotes para las matemticas. Para conocer la
112
influencia de los estereotipos negativos en su rendimiento, el conjunto se dividi en dos subgrupos. A las integrantes del primero se les dijo que formaban parte de una investigacin sobre su rendimiento en matemticas. A las otras se les comunic que el estudio pretenda averiguar por qu los hombres siempre eran mejores en matemticas que las mujeres.
Los resultados revelaron que el primer subgrupo hizo bien su trabajo, e incluso aument su nivel de rendimiento en la prueba, mientras que el segundo registr una reduccin de su nivel de 90% a 80%. Estas mujeres tampoco rindieron bien en una prueba de memoria posterior al test de matemticas.
El estudio, publicado bajo el ttulo de Beyond Bias and Barriers: Fulfilling the Potential of Women in Academic Science and Engineering, concluy que las mujeres estn poco representadas en los niveles acadmicos ms altos debido a la influencia de los prejuicios y desventajas que stos producen.
Como consecuencia de dichos prejuicios, las mujeres suelen ser subestimadas en estos medios acadmicos, mientras que los hombres suelen estar sobrevalorados, aseguran los investigadores.
113
5.1.8 Estudio de Naderi, Abdullah, Aizan, Sharir, Kumar (2009)
Estos investigadores realizaron un estudio sobre la creatividad, la edad y sexo como predictores del rendimiento acadmico de estudiantes universitarios.
En esta investigacin participaron 153 estudiantes de pregrado de las universidades iranes de Malasia (mujeres 31,4% y 68,6% varones), que fueron evaluados entre las edades de 18 a 27 aos y completaron la prueba de creatividad. El criterio que se utiliz para seleccionar a los participantes fue el promedio general de calificaciones (CGPA).
Un anlisis de regresin mltiple revel que la creatividad, la edad y el sexo explica 0,143 de la varianza del RA. El nivel de significacin fue indicado por el F-valor de 8,294. El anlisis de regresin mltiple mostr efectos de interaccin entre la creatividad, la edad y el sexo como predictores de RA bajo.
Los resultados tambin muestran una menor correlacin de CGPA y las variables independientes de este estudio. Se observ que no hubo diferencias significativas entre CGPA y sexo. Sin embargo, las implicaciones de los hallazgos a investigar en la creatividad, la edad y el gnero son discutidos.
114
5.1.9 Estudio de Juan Tonconi Quispe (2009) Factores que influyen en el rendimiento acadmico y la desercin de los estudiantes de la facultad de ingeniera econmica de la UNA-PUNO. Este estudio se realiz en una poblacin de 550 estudiantes de la facultad de Ingeniera Econmica de la Universidad Nacional del Altiplano de Puno, Per.
Las variables que se consideraron fueron: crditos matriculados, horas diarias dedicadas al estudio, asistencias a clases, nmero de cursos aprobados, ingreso econmico mensual del estudiante, tamao de la familia, nivel de educacin secundario del jefe de hogar y nivel de educacin superior del jefe de hogar. Estos factores estn relacionados con aspectos acadmicos, econmicos y sociales de los estudiantes, como los bajos niveles de motivacin, inteligencia, ingresos econmicos, hbitos, estrategias y estilos de aprendizaje, entre otros.
Los resultados que se obtuvieron fueron los siguientes: se encontr una relacin entre el RA de los estudiantes y la decisin de continuar o no los estudios. En conclusin, los alumnos con mayor RA, con el cual se puede medir su nivel de aprendizaje, tienen mayores posibilidades de culminar sus estudios que los de menor rendimiento. Las variables horas dedicadas al estudio, nmero de crditos matriculados, asistencia del estudiante a clase, ingreso econmico mensual, tamao familiar y nivel de educacin del jefe de familia tienen un efecto directo en el nivel de RA del alumno.
115
5.1.10 Estudio de Porcel, Dapozo y Lpez (2010) Porcel, Dapozo y Lpez, (2010) realizaron un estudio titulado Prediccin del rendimiento acadmico de alumnos de primer ao de la FACENA (UNNE) en funcin de su caracterizacin socioeducativa. El objetivo era predecir el RA de los alumnos de primer ao de la facultad de Ciencias Exactas y Naturales de la Universidad Nacional del Nordeste en Argentina, en funcin de sus caractersticas socioeducativas debido a que se han producido deserciones en las universidades por el bajo rendimiento.
La oferta acadmica de la FACENA consta de 13 carreras y el RA fue medido con base en la aprobacin de exmenes parciales o finales de la primera materia de Matemtica que los alumnos cursan. La poblacin analizada la integraban los alumnos ingresantes a la facultad en los aos 2004-2005, donde el 55% son hombres y el 45% mujeres. De esta poblacin, 30% ingresa a la universidad despus de los 21 aos. El mtodo que se utiliz para el anlisis fue el modelo de regresin logstica binaria.
La informacin sobre las caractersticas socioeducativas y el desempeo acadmico de los alumnos fue obtenida del sistema informtico de gestin de alumnos de la unidad acadmica. Se tomaron en cuenta variables como el ttulo secundario obtenido, la carrera elegida, ao de ingreso, dependencia del establecimiento, cobertura de la obra social, estudio de los padres, si tiene mail o no y el sexo.
116
En los resultados se observ un mejor RA en 2005. Las carreras con un rendimiento superior fueron: Licenciatura y Profesorado en Ciencias Biolgicos, Licenciatura en Ciencias Fsicas, Agrimensura y Bioqumica. Tambin obtuvieron mejores resultados los alumnos que poseen ttulos orientados hacia Ciencias Naturales. Los estudiantes con correo electrnico presentan un mejor RA que los que carecen de esta herramienta. Los que estn cubiertos por alguna obra social de sus padres, mostraron un mejor RA que los que no tienen o que estaban protegidos por obra social propia. El rendimiento de los alumnos aumenta a medida que mejora el nivel de formacin educativo de los padres.
Cuando existen diferentes carreras, la motivacin de los estudiantes y/o el grado de dificultad de la carrera pueden ser distintos, por lo cual se convierte en una variable explicativa, dado que el rendimiento estar en funcin de la calidad del cuerpo docente, de las tcnicas de aprendizaje, la cantidad de alumnos y otras caractersticas particulares de la carrera. Estudios como el de Rodrguez, Fita y Torrado (2004) (en Garbanzo Varga, 2007), detectaron tambin que la carrera es explicativa del xito acadmico. Las variables que resultaron estadsticamente significativas fueron ao de ingreso, carrera, tenencia de mail, ttulo secundario, cobertura de obra social y educacin de los padres, y las que se manifestaron como inocuas fueron sexo y dependencia del establecimiento secundario.
117
5.2 Modelos Estructurales del Rendimiento Acadmico En este apartado se presentan los modelos de ecuaciones estructurales del rendimiento acadmico que proponen diversos autores.
5.2.1 Modelo de Parkerson, Lomas, Schiller y Walberg (1983) En su investigacin denominada Modelos Causales Exploratorios del Rendimiento Acadmico, estos autores evaluaron cinco modelos causales de productividad educativa en el aprendizaje en Ciencias. Para llevar a cabo su tarea, utilizaron una muestra de 882 alumnos de octavo grado.
Cada modelo explora la relacin del RA y la combinacin de ocho constructos: medio ambiente familiar, compaeros del grupo, medios, habilidades, ambiente social, tiempo de tareas, motivacin y estrategias instruccionales. Como resultado de sus estudios, en uno de los modelos encontraron que la motivacin, el ambiente social y la cantidad de instruccin fueron excelentes predictores positivos de calidad, aunque slo el factor habilidad tuvo una fuerte influencia en el RA.
118
Figura 5-5 Modelos Causales de Parkerson, Lomas, Schiller y Walberg
5.2.2 Modelo de rendimiento en ciencias de Gonzlez (1989) Gonzlez (1989), realiz una investigacin sobre rendimiento de un grupo de 93 alumnos de nuevo ingreso de la Facultad de Ciencias de la Universidad de los Andes, distribuidos de la siguiente forma: 43 de Biologa, 6 de Fsica, 24 de Matemticas y 20 de Qumica. En esta investigacin se midieron 16 variables observadas que son indicadores de las variables latentes (preparacin anterior, factor socio-econmico, factor aptitudinal, rendimiento estudiantil. Las
variables, por su parte, se definieron en los mismos trminos que fueron medidas. Su notacin fue la misma que se le asign en el programa computacional que se utiliz.
119
Se probaron distintos modelos y en cada uno de ellos el ajuste a los datos era mejor que en el anterior. Se decidi tomar como definitivo el Modelo 2, con base en el cual se puedo concluir que el rendimiento de los dos primeros semestres es un buen predictor del rendimiento posterior y que el factor aptitudinal es el que tiene mayor influencia en el rendimiento estudiantil.
Figura 5-6 Modelo de Rendimiento en Ciencia, Gonzlez
R2 = X 2 = GFI = RMR = 0,999; 5 3,96; 0,991; 0.018

Notas: * significativo al nivel = 0,05 ** Significativo al nivel = 0,01
5.2.3 Modelo de rendimiento acadmico de lvaro Page (1990) Para realizar este estudio se seleccionaron 184 centros escolares pblicos y privados, de cada uno de los cuales se eligieron a 30 alumnos de 8 de EGB (5,380 alumnos). El modelo contrastado comprenda 89 variables, que a lo largo de los anlisis exploratorios y confirmatorios se redujeron a 14. Para ello, se utiliz la tcnica de anlisis basada en la utilizacin de ecuaciones estructurales y el empleo del programa estadstico Lisrel.
120
En el modelo, los parmetros relativos a aptitudes son, con diferencia, los ms altos, es decir, la asociacin entre rendimiento y aptitudes es la gran responsable de la varianza explicada, y en muy inferior grado, las aspiraciones educativas y profesionales. El nivel cultural de los padres, no su profesin, ejerce una influencia directa en aptitudes y aspiraciones y, por ende, indirecta en el rendimiento. El hbitat, variable sociocultural, incide en aspiraciones y, por consiguiente, en el rendimiento.
Figura 5-7 Modelo de Rendimiento Acadmico de lvaro Page
121
Figura 5-7 bis Modelo de Rendimiento Acadmico de lvaro Page
VARIABLES
LATENTES
X1 X2 X3 X4 Y1 Y2 Y3
Poblacin Activ. padre Estudios padre Estudios madre Edad estudios Estudios que quera terminar Profesin futura
Y4 Y5 Y6 Y7 Y8 Y9 Y10
Aptitud verbal Razonamiento abstracto Razonamiento numrico Matemticas clculo Matemticas. Aplicaciones Ortografa Comprensin lectora
E1 E2 E3 n1 n2 n3 n4
Tamao poblacin Profesin padre Estudios padres Aspiraciones alumnos Aptitudes generales Rendimiento matemticas Rendimiento lenguas
122
5.2.4 Modelo de Reynolds y Walberg (1991) Reynolds y Walberg (1991), validaron un modelo estructural para explicar el rendimiento en ciencias en una muestra de 3,116 adolescentes. Todas las variables que introdujeron en el modelo parecen ejercer alguna influencia directa o indirecta sobre el rendimiento acadmico en esa disciplina. A continuacin, aparece la representacin grfica de las relaciones existentes entre las variables tras el anlisis estadstico.
Figura 5-8 Modelo de Reynolds y Walberg
123
5.2.5 Modelo de Castejn Costa y Prez Snchez (1998) Castejn y Prez (1998), elaboraron un modelo causal-explicativo sobre la influencia de las variables psicosociales en el RA. El modelo explica 76.6% de la varianza del RA en una muestra de 270 alumnos de 7 y 8 de EGB, que se explica por cinco variables: estatus sociomtrico, valoracin positiva del profesor por parte del alumno, autoconcepto familiar, percepcin del apoyo familiar por parte del hijo y el factor inteligencia. Este ltimo explica la mayor parte de variabilidad del rendimiento (0.6).
Cuanto mayor es el nivel acadmico de la profesin que desempean las madres, mayores son los niveles de exigencia escolar que les plantean a sus hijos. Todas las intervenciones de la escuela en la familia tienen un efecto indirecto en la valoracin que el alumno hace de su profesor; por ello, se recomienda fomentar la relacin familia-escuela. La variable apoyo familiar, factor constitutivo de la percepcin que el hijo tiene acerca de su medio familiar, ejerce una influencia negativa sobre el RA.
Los resultados del anlisis muestran que las variables de tipo personal, como inteligencia, juegan un importante papel en el aprovechamiento escolar, pero tambin las percepciones que los alumnos tienen de su clima familiar y escolar ejercen una influencia significativa en la explicacin del criterio.
124
Figura 5-9 Modelo de Castejn y Prez
5.2.6 Modelo de Abbot y Joiremans (2001) Estudios realizados en el Centro de Investigacin de la escuela Washington, confirmaron que los resultados de los ingresos bajos de los padres median la relacin entre la pertenencia tnica, la lectura y el rendimiento matemtico. La meta del proyecto fue examinar las relaciones entre la pertenencia tnica, la educacin de los padres, las actividades del estudiante (tareas, actividades extracurriculares y televisin), aprovechamiento de lectura y matemticas.
El
cuestionamiento
inicial
trataba
de
determinar
si
las
actividades
extracurriculares entraban en conflicto o complementaban el aprovechamiento en Lectura y Matemticas. Los resultados sostuvieron la conclusin de que dichas actividades se relacionan positivamente con la asimilacin en ambas asignaturas. Estos resultados concuerdan con otras investigaciones que
125
demostraron la relacin entre las actividades extracurriculares con la obtencin de mejores calificaciones, mayor aprovechamiento acadmico, acoplamiento superior y mejores resultados a lo largo de la carrera.
Al
estimar
la
relacin
entre
las
actividades
extracurriculares
el
aprovechamiento, tambin se evalu la influencia de la educacin de los padres y la pertenencia tica. Se concluy que ambas variables influyen en el aprovechamiento en las dos materias consideradas.
Figura 5-10 Modelo de Abbot y Joiremans
126
5.2.7 Modelo de French, Immekus y Oakes (2003) Estos autores elaboraron un modelo estructural del xito y la persistencia de estudiantes de Ingeniera. El estudio consider varios factores cognitivos: promedio en bachillerato, ranking del bachillerato, puntuacin de la prueba de aptitud y promedio de la universidad; y no cognitivos: motivacin, persistencia e integracin de los estudiantes.
Entre sus conclusiones, se destaca que el resultado del GPA (grade point average) est altamente relacionado con el ingreso a la universidad. Los factores cognitivos predicen mejor el RA y la persistencia de estudiantes de Ingeniera. El promedio de bachillerato fue catalogado como un factor clave del RA; la motivacin de los estudiantes hacia la Ingeniera, conformada por la persistencia, metas muy claras y la resiliencia, fue un aspecto relevante.
Los estudiantes con altos niveles de motivacin usan todos sus recursos para lograr sus metas deseadas. La integracin es su grado de interrelacin y socializacin con el medio ambiente del colegio; una relacin positiva entre la integracin social y la persistencia le permite obtener mejores resultados.
127
Figura 5-11 Modelo de French, Immekus y Oakes
5.2.8 Modelo de Kember y Leung (2005) Kember y Leung realizaron una investigacin en la Universidad de Hong Kong con estudiantes de medio tiempo y tiempo completo, con la finalidad de estudiar la influencia del aprendizaje activo en el desarrollo de capacidades de los graduados. En su estudio demostraron que el ambiente escolar no es el nico determinante de la capacidad de aprendizaje en los estudiantes, pues el rol de los profesores al estimular el inters en los alumnos hacia las actividades cientficas es muy importante.
La calidad de los profesores y de la enseanza se relaciona con los resultados de los alumnos; los autores concluyen que mejorar la calidad de enseanza en las actividades relacionadas con ciencia y tecnologa dentro de las escuelas,
128
as como el papel de los padres, influye positivamente en las actitudes de los estudiantes hacia estas asignaturas.
En el caso de los alumnos de medio tiempo que permanecen menos horas en el ambiente escolar, el mtodo de enseanza, as como el ambiente de aprendizaje, son elementos determinantes del desarrollo de capacidades de los graduados. Se localizaron diferencias entre los mtodos de enseanza de alumnos de tiempo completo y medio tiempo. A diferencia de los primeros, estos ltimos mostraron una mejor interaccin con los profesores y mayor disposicin para un tipo de aprendizaje activo. El estudio concluye que el empleo del aprendizaje activo tiene una fuerte relacin con el desarrollo de capacidades de los graduados.
5.2.9 Modelo de ngeles Blanco (2006) La investigacin de Blanco (2006), se denomin Componentes actitudinales de la formacin estadstica: un anlisis causal desde la teora cognitiva social con estudiantes universitarios de psicologa. El estudio se enfoc en adaptar y validar empricamente el sistema de relaciones causales definidas en el modelo cognitivo social del desarrollo de la carrera, cuando se refieren a los procesos mediante los cuales los estudiantes desarrollan intereses y disposiciones ms o menos favorables hacia la integracin de las competencias tcnico-estadsticas adquiridas durante la licenciatura en su futura carrera profesional.
129
Se aplic a una muestra de 35 grupos de alumnos de titulacin de Psicologa (1,130) de las siguientes universidades: Autnoma de Madrid, Complutense de Madrid, Deusto, Oviedo y Pontificia Comillas de Madrid.
Los resultados muestran que el modelo evaluado explica entre 70% y 80% de la varianza de las intenciones de conducta de uso/aplicacin de conocimientos y destrezas estadstico-cuantitativas. La disposicin favorable de los
estudiantes a utilizar los conocimientos y destrezas estadstico-cuantitativas en el desempeo acadmico-profesional (intenciones de conducta) pueden explicarse satisfactoriamente a partir de las interrelaciones de los factores siguientes: Su historia acadmica en el rea estadstico-cuantitativa, es decir, ejecucin al logro en asignaturas vinculadas con esta rea. Sus expectativas de autoeficacia estadstico-cuantitativa, entendida como la confianza en su capacidad para realizar satisfactoriamente tareas de tipo estadstico. Las expectativas de resultado, es decir, la valoracin anticipada que hacen los alumnos (positiva, negativa, neutra) sobre la aplicacin de las competencias estadstico-cuantitativas en la carrera acadmico-profesional. El inters que manifiestan por actividades acadmico-profesionales que implican utilizar competencias estadstico-cuantitativas.
130
Figura 5-12 Modelo de Componentes actitudinales de la formacin estadstica del Consumidor
Figura 5-13 Modelo de Componentes actitudinales de la formacin estadstica del Productor
131
5.2.10 Modelo de Carlos E. Nez Rincn (2007) Este modelo muestra la aplicabilidad del Path Analysis en un estudio sobre ciertos factores que intervienen en el rendimiento estudiantil, explcitamente Matemtica de tercer semestre de las carreras de Ingeniera siguientes: Mecnica, Informtica, Industrial, Electrnica y Ambiental de la Universidad Nacional Experimental del Tchira, Venezuela.
Para realizar la investigacin, cuyo objetivo era determinar los efectos causales directos e indirectos de las variables aptitud, estatus socio-econmico, motivacin y hbitos de estudio sobre el RA, se seleccion una muestra aleatoria de 100 alumnos; las dos primeras variables son exgenas y las restantes endgenas. La metodologa estadstica que se utiliz se centr en las pautas de un modelo causal denominado Path Analysis o Anlisis por Caminos.
Figura 5-14 Modelo de Nez Rincn
132
De los resultados que se obtuvieron se puede inferir que el poder explicativo del modelo, en cuanto a las relaciones de causalidad entre las variables y a su grado de asociacin, es satisfactorio. En consecuencia, se puede afirmar, de acuerdo con la hiptesis de la investigacin, que las variables podan tener una relacin causal directa o indirecta, es decir, interactuar con otras a travs de caminos correlacionados, lo que se verific de manera satisfactoria.
Por ltimo, a pesar de que el modelo es consistente con los datos acopiados, no significa que no deba ser sometido a nuevas pruebas, es decir, se puede conservar bajo nuevas revisiones, ya sea mediante la adicin de nuevos caminos o la omisin de otros. Este hecho es una de las ventajas de precisin del Path Analysis, ya que invita a una revisin crtica porque es una herramienta muy poderosa para verificar teoras.
133
5.3 Estudios de rendimiento acadmico en Mxico En Mxico, los estudios de evaluacin surgen de forma generalizada a fines de los aos sesenta como una respuesta al informe Coleman titulado Encuesta sobre igualdad de oportunidades educativas (Coleman et al., 1966), el cual determin que el sistema educativo tena poco efecto en los resultados de los estudiantes ya que la influencia de la escuela en sus estudios explicaba slo 10% de la variacin de los resultados, por lo que afirmaba que los productos educativos estn fuertemente relacionados con factores externos tales como los niveles socioeconmico y educativo de los padres, entre otros factores.
En respuesta a este informe se gener y an se lleva a cabo un gran nmero de investigaciones que tratan de probar y determinar la magnitud del efecto de la institucin educativa en el desempeo acadmico del individuo. En este sentido se han generado dos tipos de estudios: los de vigilancia del desempeo escolar y los de eficacia escolar. Ambos tienen como punto de partida el reporte Coleman, pero sus objetivos son muy diferentes y tienen muy pocas coincidencias en sus mtodos de trabajo y campos de publicacin de sus resultados de investigacin.
A partir del final de la dcada de los aos noventa, pero principalmente a mediados de la presente, los trabajos sobre eficacia educativa en Mxico se han incrementado, debido en gran medida al surgimiento de una mayor necesidad e inters por parte de las autoridades educativas en contar con fuentes objetivas de informacin para la toma de decisiones, y a un mayor
134
inters de los investigadores en el desarrollo de estudios cuantitativos encaminados a mejorar los niveles acadmicos de las escuelas del pas.
Como
ya
mencionamos,
en
razn
del
surgimiento
de
organismos
especializados como el Centro Nacional de Evaluacin (CENEVAL) y la creacin del Instituto Nacional de Evaluacin Educativa (INEE), se han establecido las bases para crear una cultura de la evaluacin en Mxico y favorecer la aplicacin de pruebas estandarizadas externas. Carvallo (2005), considera que otro factor importante ha sido la influencia del trabajo del Consejo Mexicano de Investigacin Educativa (COMIE) y su congreso, el cual rene a los principales investigadores y estudiosos de las ciencias de la educacin con el objetivo de presentar y discutir los temas actuales del sector en sus distintos niveles.
Entre los estudios que se han realizado sobre el tema de la eficacia escolar en Mxico hasta la fecha se destacan los siguientes: Un acercamiento a la calidad de la educacin primaria en Aguascalientes desde la perspectiva de la efectividad escolar. Tesis doctoral en la Universidad Autnoma de Aguascalientes (Ruiz, 1999). Distribucin de los planteles pblicos de educacin primaria y secundaria segn el nivel de aciertos de sus alumnos en los exmenes de la carrera magisterial. Secretara de Educacin Pblica, Direccin General de Evaluacin [DGE] (2000). Cambiar la escuela rural. Evaluacin cualitativa del programa para abatir el rezago educativo. DIE (Ezpeleta y Weiss, 2000).
135
School effectiveness, a study of elementary public schools in Mexico city. Tesis doctoral en Stanford (Lastra, 2001). Distribucin del conocimiento escolar; las clases sociales, escuelas y sistema educativo en Latinoamrica. Tesis Doctoral en el Colegio de Mxico (Fernndez, 2004). Cunto importa la escuela? El caso de Mxico en el contexto de Amrica Latina (Fernndez, 2004). Anlisis de los resultados obtenidos en estudios de eficacia escolar en Mxico, comparados con los de otros pases (Carvallo, 2005). Anlisis de los resultados de la prueba nacional de aprovechamiento en lectura en secundaria: estudio multinivel de logro de tendencias INEE. (Chinen, 2006). Anlisis de la eficacia y la cultura escolar en el Subsistema de Universidades Tecnolgicas de Mxico: Hacia un modelo de desarrollo docente (Hernndez y Rivera, 2007).
Es importante sealar que son pocos los estudios que estn enfocados en la educacin superior. En la actualidad, la evaluacin de la calidad de la educacin superior en Mxico ocupa la atencin y motiva mltiples intenciones y acciones, de diversos sectores de la sociedad, en especial de las autoridades y de aquellos que estn involucrados directamente en el mbito educativo (Zorrilla, 2003; Villa-Lever y Flores-Crespo, 2002).
La corriente de eficacia escolar o educativa se ha utilizado en un gran nmero de pases desarrollados, como Estados Unidos, Canad, el Reino Unido,
136
Alemania, Suecia, Australia, Nueva Zelanda (Reynolds, Teddlie, Creemers, Scheerens y Townsend, 2000; Creemers, 2007). En Asia la han empleado Israel, Turqua, Irn, Hong Kong, India, Corea del Sur, Singapur, Taiwn, Malasia y China (Cheng y Tam, 2007). En Amrica Latina, [Argentina, Bolivia, Brasil, Chile, Colombia, Honduras, Mxico y Per (Murillo, 2007)], los primeros trabajos se publicaron a finales de los aos noventa y principios del presente siglo, es decir 25-30 aos despus del surgimiento de la corriente en Estados Unidos.
En Mxico, los estudios de eficacia escolar y Rendimiento Acadmico son relativamente recientes, ya que los trabajos de Schmelkes, Martnez, Noriega y Lavin (1997), Guadalupe Ruiz (1999), y las tesis doctorales de Eduardo Lastra (2001), Carlos Villegas (2001) y Javier Vargas (2001) son los primeros en su especie. Es importante mencionar que este ltimo es de los pocos esfuerzos enfocados en el RA en educacin superior privada en Mxico, y que ha sido uno de los marcos de referencia para el desarrollo de esta investigacin.
Entre los principales emprendimientos podemos destacar los que menciona Zorrilla (2003), quien realiza una excelente presentacin de los que se enfocaron en la eficacia escolar y mejora de escuela. Adems, seala los ms sobresalientes hasta esa fecha, y atribuye carcter de precursor al de Muoz Izquierdo et al. (1979).
La misma Zorrilla indica que pareciera que las investigaciones han estado ms preocupadas por encontrar por qu no funciona la escuela que por
137
identificar aquellos elementos que hacen posible su buen funcionamiento. Los esfuerzos se han centrado en determinar los factores del rezago educativo y la reprobacin. El estudio precursor de Muoz Izquierdo et al. (1979) estuvo enfocado en analizar los insumos y la caja negra que es la escuela, lo cual es tpico de las investigaciones en la dcada de los setenta. La variable dependiente era la desercin escolar y la reprobacin. Se trat de un estudio cuasi-experimental, que utiliz un modelo compuesto por 12 conjuntos de elementos agrupados en cuatro categoras. Se realiz en el D.F., Morelos y Chiapas y abarc un total de 1,840 nios.
El estudio de Schmelkes et al. (1997), pionero en el intento por identificar los factores que afectan el desempeo, ha inspirado la definicin de polticas y programas educativos a nivel estatal y nacional. Financiado por la UNESCO, se realiz durante 1991 y 1992 a pesar de que fue publicado en 1997.
Tanto los estudios previos como los posteriores se concentraron principalmente en escuelas primarias pblicas, lo cual refleja la tendencia prevaleciente en Estados Unidos (Levine y Lezotte 1990; Raudenbush, 1989; Mandeville y Anderson, 1987; Stringfield et al., 1992; Crone, Lang y Franklin, 1994; Teddlie, Stringfield et al., 1985), no as en el Reino Unido, en donde se conocen importantes estudios a nivel de secundaria (Rutter et al., 1979; Reynolds, 1976; Trower y Vincent, 1995; Nuttall et al., 1989).
Existen varias razones que justifican esta orientacin, como que el nivel de primaria concentra la mayor cantidad de alumnos, por lo general consta de 6
138
grados, el efecto del factor conocimientos previos es menor, es ms fcil aislar la influencia del profesor ya que cada grupo de ordinario cuenta con uno slo, entre otras. Posterior a estos estudios precursores, se generalizaron las investigaciones sobre eficacia escolar en sentido estricto.
Como se puede observar, los avances en Mxico empiezan a rendir fruto. Sin embargo, los estudios sobre RA en el nivel superior educativo son incipientes. Por ello, el presente trabajo pretende hacer una aportacin a nivel universitario en el sector privado y contribuir a entender los factores que afectan el Rendimiento Acadmico en este nivel.
A continuacin se especificarn algunos estudios recientes en el contexto mexicano y que han sido considerados para el desarrollo de esta investigacin.
5.3.1 Modelo estructural Mella & Ortiz (1999) El estudio fue denominado Influencias diferenciales de factores externos e internos relacionados al rendimiento escolar. Esta investigacin examina desde un punto de vista cuantitativo la influencia de los factores externos sobre el resultado escolar. Adems, incorpora una variante interna la cobertura de las materias escolares alcanzadas por los profesores durante el ao escolar, entre las asignaturas evaluadas.
Para medir el rendimiento escolar se incluyen aspectos tales como el nivel de logro alcanzado en materias especficas, tasa de repeticin y de retencin escolar. Se tomaron en cuenta dos conjuntos de causas: aspectos relacionados
139
con la escuela como sistema educativo, y aquellas caractersticas que los alumnos exhiben a partir de su contenido social, de sus capacidades personales y motivaciones. Las variables que se consideraron fueron ingresos familiares, escolaridad del jefe de hogar, escolaridad de la madre, expectativas de sta y la cobertura curricular de matemtica y castellano.
Como conclusin, se puede adelantar que las variables econmicas tienen poco poder explicativo; por el contrario, adquieren mayor relevancia las variables contextuales relacionadas con la madre, en especial las expectativas de sta respecto de la carrera educacional de su hijo son ms poderosas que las variables de ingresos familiares y educacin del jefe de hogar. Asimismo, se constat que las variables curriculares muestran poco poder explicativo, en particular, en matemticas. A continuacin se muestra el modelo estructural que se obtuvo como resultado del anlisis:
140
Figura 5-15 Modelo estructural de Mella y Ortiz
El grado de cobertura curricular de matemticas alcanza un coeficiente estandarizado de regresin de 0.12, mientras que la de castellano alcanza 0.07. En trminos del modelo en general, se mejora el nivel de explicacin en matemticas, al pasar de un SMC de 0.19 a uno de 0.20. Las conclusiones generales del modelo son:
141
La variable econmica, esto es, ingresos familiares, tiene poco poder explicativo. La variable entorno de la madre adquiere mayor relevancia. Las expectativas de sta respecto de su hijo/a son decisivas, ya que es la variable que ms aporta, tanto en matemticas como en castellano. Una escuela puede ser eficaz desde un punto de vista acadmico, pero no en lo social. Diferentes efectos escolares inciden en distintos grupos de nios, dependiendo de su etnicidad y estatus socioeconmico. Se constata que la variable curricular es ms explicativa en matemticas que en castellano. Por lo tanto, se verifica que las variables curriculares muestran un comportamiento significativo, en especial, en matemticas.
5.3.2 Estudio de Javier Vargas (2001)
En su estudio Factores Diferenciales del Rendimiento Acadmico en Educacin Superior, plantea la importancia de analizar las causas del RA bajo las perspectivas de dos de sus manifestaciones ms comunes: el promedio acadmico y la desercin escolar. Si el abandono de los estudios se debe al mal desempeo (y no a causas personales, familiares, etc.), entonces los factores que lo explican deben ser los mismos que explican el buen RA. En consecuencia, se ponen a prueba tanto el promedio de calificaciones como la desercin escolar, que se convierten en medidas apropiadas del RA, y que los factores que determinan ambas son los mismos, es decir que uno es el reverso del otro.
142
La investigacin consisti en el seguimiento longitudinal del RA de la generacin de alumnos que ingres a la Universidad Anhuac en 15 carreras en agosto de 1995. Al cabo de cuatro semestres se obtuvo el promedio ajustado de calificaciones de todos ellos incluidos los que abandonaron sus estudios, as como el ndice de desercin general y de cada carrera. Para hacerlo se utilizaron diversas herramientas de anlisis estadstico, regresiones mltiples y el mtodo de regresin logstica para encontrar los factores que influyen en la desercin a fin de contrastarlos con los que afectan el RA. Las principales conclusiones del estudio son las siguientes: El promedio del bachillerato es el factor ms importante del RA, ya que explica 30% de la varianza. Las aptitudes acadmicas tambin pesan mucho en el RA, pues representan 16% de la varianza. El perfil humano afecta el desempeo del alumno, pues un estudiante maduro, responsable y educado tiende a obtener mejores calificaciones. La varianza explicada asciende a 8%. Las mujeres tienen mejor RA que los hombres. Estar becado se relaciona con un alto RA. La personalidad negativa afecta el RA. Ingresar a la universidad con ms de 20 aos est relacionado con un menor RA. Las variables familiares no se relacionan con el RA. La calidad de la preparatoria es un elemento significativo del rendimiento.
143
El estudio concluye que el promedio de calificaciones, medido a travs de un Promedio ajustado y la desercin escolar son dos medidas del rendimiento acadmico.
Figura 5-16 Modelo de factores diferenciales del rendimiento acadmico
144
5.3.3 Estudio de Carlos Villegas (2001) Esta investigacin titulada Hacia un Modelo de Rendimiento Escolar en Educacin Primaria en el Distrito Federal, Mxico: Factores que influyen en matemticas y espaol, tiene como objetivo proponer un modelo de ecuaciones estructurales, contrastarlo empricamente y validarlo a partir de una base de datos correspondientes a cinco cuestionarios (alumnos, padres, profesores, directores y caractersticas de las escuelas) y dos pruebas de rendimiento (matemticas y lenguaje) aplicados a una muestra de 2,111, 868 alumnos de sexto grado de primaria en el Distrito Federal, en 95,955 escuelas de 26 entidades de Mxico.
El estudio identific los diversos factores que inciden en el logro del rendimiento escolar en Matemticas y Lenguaje a travs de un modelo de ecuaciones estructurales (Software Lisrel). Las variables que ms influyen de forma directa en el rendimiento escolar son estudios de los padres, expectativas de los padres sobre su hijo, experiencia del profesor (dada por su edad). Las variables latentes que inciden directamente son las tareas que se realizan en casa, las expectativas del alumno y el autoconcepto de ste.
De forma indirecta, las principales variables que inciden en el rendimiento escolar son: las variables familia-salud, que afectan el autoconcepto, y las expectativas de los alumnos, los estudios de los padres sobre la variable latente endgena de tarea en casa, las expectativas de los padres a travs de las expectativas del alumno y la experiencia del profesor, que incide en la mayora de las variables endgenas.
145
Figura 5-17 Modelo Final Explicativo del Rendimiento Escolar en el Distrito Federal
146
5.3.4 Estudio de Jos Martnez (2004) La investigacin La Medida de Estrategias de Aprendizaje en Estudiantes Universitarios, fue realizada con una poblacin de alumnos de 4 reas de la UNAM. El propsito central del estudio es construir y ofrecer evidencia emprica para apoyar la validez de constructo de un instrumento de medicin del uso de estrategias de aprendizaje para estudiantes universitarios, a fin de proponer una herramienta vlida y fiable que proporcione informacin til para fines de diagnstico e investigacin educativa en la educacin superior en Mxico.
Participaron en el estudio un total de 2,150 alumnos. La poblacin fue conformada por jvenes con una media de edad de 20 aos, inscritos como alumnos regulares de licenciatura de diferentes titulaciones, matriculados en diversos centros de la UNAM y de las cuatro reas: Fsico-Matemticas e Ingenieras; Ciencias Biolgicas y Salud; Ciencias Sociales y Administrativas; Humanidades y Artes. Las dimensiones tericas para seleccionar los indicadores en esas reas fueron:
Estrategias cognitivas y metacognitivas: Planificacin, concentracin, repaso, elaboracin, comprensin, retencin, supervisin del aprendizaje, etctera.
Estrategias de comportamiento y apoyo: Conductas de estudio efectivo, organizacin del tiempo, control del esfuerzo, bsqueda de apoyos, etctera.
147
Estrategias motivacionales y afectivas: Orientacin hacia el logro, persistencia, autoeficacia, autoestima, autocontrol emocional, etctera.
Estrategias de interaccin contextual: Con compaeros y profesores, aprendizaje cooperativo, participacin en grupos y contexto de estudio, etctera.
Se utilizaron procedimientos para evaluar la validez de contenido y de constructo de las variables que mide el instrumento. Primero, se aplic un procedimiento de valoracin de contenido de los tems propuestos, los cuales se sometieron a la revisin de jueces expertos en el rea de Estrategias de aprendizaje. El procedimiento con tarjetas que se utiliz para valorar los tems fue una variante de la tcnica Q-Sorting (McKeown y Thomas, 1988).
En la segunda fase de la investigacin, con tems previamente validados por los jueces, se construy el cuestionario en formato de autoinforme, que luego se aplic a los estudiantes. Despus de hacer un diagnstico de los datos que arroj el explorador de SPSS, las respuestas de los alumnos se sometieron a un Anlisis Factorial Exploratorio para identificar la estructura factorial segn el criterio de Kaiser y los mtodos de rotacin Varimax, Oblimn y Promax.
En una tercera fase se someti cada factor del instrumento, como subescala, al anlisis de los tems previamente validados, mediante un modelo de la Teora de Respuesta al tem (Van der Linden y Hambleton, 1997). En la ltima etapa se aplicaron procedimientos para validar el constructo del cuestionario, a travs de la metodologa de Modelamiento de Ecuaciones Estructurales o de
148
evaluacin de estructuras de covarianza. Se estim un anlisis factorial confirmatorio de los modelos de medida, de las latentes y observadas del uso de estrategias de aprendizaje, especificados a partir de las dimensiones tericas y de las relaciones entre variables y factores que mide el instrumento.
Con los resultados del anlisis factorial exploratorio, con el mtodo de componentes principales y rotaciones Promax y Oblimn, la estructura resultante de ocho factores permiti ubicarlos, en principio, en las dimensiones del modelo terico: Factores II-III en estrategias cognitivas y metacognitivas; factores I-V en estrategias y conductas de estudio; factores IV -VIII en motivacionales y afectivas; y factores VI-VII en estrategias contextuales.
En relacin con el modelo de medida de las dimensiones tericas se mostr un ajuste aceptable con los ndices GFI, AGFI y CFI, IFI, TLI, con valores mayores de .95 y RMR y RMSEA 0.05. No obstante, se observaron valores altos en el Chi-cuadrado, en magnitudes decrecientes del modelo de la dimensin cognitiva-metacognitiva, al de estrategias de estudio, y del motivacional al contextual; alcanzaron los mejores valores de ajuste los modelos de las ltimas dos dimensiones. Es interesante observar que las dimensiones con mejor ajuste muestran correlaciones moderadas entre los factores (.37), en comparacin con las correlaciones entre factores de las dimensiones estrategias de aprendizaje y estrategias metacognitivas (.87 y -.60). A
continuacin se presenta como ejemplo el Modelo de Motivacin que fue uno de los que obtuvo mejor ajuste a los datos:
149
Figura 5-18 Diagrama del Modelo Medida Motivacin
150
5.3.5 Estudio de Hernndez y Rivera (2007)
En la investigacin Anlisis de la eficacia y la cultura escolar en el subsistema de Universidades Tecnolgicas de Mxico: hacia un modelo de desarrollo docente, se presentan los resultados preliminares de un estudio de la efectividad escolar de esas instituciones y su relacin con la cultura escolar que prevalece en ellas.
A partir de un estudio de eficacia que incluy los datos de exmenes de ingreso y de egreso aplicados por el CENEVAL, en el periodo 2000-2006, se revisan algunas caractersticas de la cultura escolar de los estudiantes, definidas a partir de un cuestionario de contexto en Mxico. En este estudio se pretende determinar las diferencias entre los tipos de cultura escolar entendida como el contexto socioeducativo y su relacin con la eficacia educativa de cada institucin.
La investigacin hace hincapi en que, para lograr la mejora de las instituciones, es necesario comprender las caractersticas de la prctica de los docentes de las escuelas, en qu condiciones se desarrollan, con qu limitaciones, cules son sus metas, es decir, en qu tipo de cultura escolar los estudiantes obtienen un mayor valor agregado. Para ello, se parti de la hiptesis de que la eficacia educativa difiere significativamente entre las universidades tecnolgicas que imparten la carrera de tcnico universitario en sistemas informticos, debido a la cultura escolar del interior de las instituciones.
151
Se analizaron los resultados de los 2,695 sustentantes que egresaron de la carrera de sistemas informticos, impartida en 33 instituciones, que presentaron el EGETSU en 2005-2006. La variable eficacia se midi con base en un anlisis de tres niveles (estudiante, universidad y entidad federativa), se consider como variable explicativa el contexto socioeconmico y como variable dependiente la calificacin que se logr en el examen de egreso de tcnico superior universitario, EGETSU.
Se aplicaron dos modelos, nulo y ajustado, para controlar el factor socioeducativo, como parte de la cultura escolar del sustentante, medida a travs preguntas del cuestionario de contexto relacionadas con la preparacin acadmica de los padres y el promedio obtenido en bachillerato, para estimar sus efectos en el desempeo de los estudiantes. El anlisis permiti estimar que existen diferencias significativas tanto entre las universidades como entre las entidades en el caso de la carrera de sistemas informticos.
Con los resultados que se obtuvieron se identific a las entidades y universidades que, debido al desempeo que mostraron sus estudiantes, se pueden catalogar como instituciones eficaces y que aportan un valor agregado al desempeo de sus alumnos, as como las que muestran poca eficiencia. Los resultados preliminares de este estudio aportaron elementos para avanzar en la construccin de un Modelo de Desarrollo Docente para el sistema de universidades tecnolgicas a partir de la construccin de parmetros nacionales.
152
5.3.6 Estudio de Hernndez, Vadillo y Rivera (2008) En su estudio Eficacia Educativa: avances de un modelo para la Educacin Superior, analizaron un modelo de eficacia educativa que permite controlar el factor socioeconmico y determinar el valor agregado que las instituciones del Subsistema de Universidades Tecnolgicas de Mxico proporcionan a sus estudiantes. Este estudio longitudinal multinivel, contiene resultados de 8,522 estudiantes de 38 universidades de 19 entidades federativas que sustentaron el examen nacional de ingreso a la educacin superior (EXANI-II) y el examen de egreso de tcnico superior universitario en sistemas informticos (EGETSU-SI) del Centro Nacional de Evaluacin para la Educacin Superior. El modelo identifica la eficacia de las instituciones y facilita la construccin de indicadores de calidad educativa.
El objetivo del estudio consisti en comparar la eficacia educativa lograda por las universidades tecnolgicas que imparten la carrera de tcnico superior en sistemas informticos, a partir del anlisis de los exmenes mencionados. El anlisis de los datos se efectu en cuatro fases: En la primera se estim el nivel socioeconmico de cada uno de los estudiantes que presentaron dichos exmenes.
En la segunda se realiz el modelado jerrquico en dos niveles estudiantes y universidades tecnolgicas, a partir de un modelo vaco o nulo para establecer el comportamiento promedio del desempeo de las competencias de los estudiantes de los centros educativos, el cual se
153
estim a partir de los puntajes que obtuvieron en los exmenes EXANI-II y EGETSU-SI. Durante la tercera se mejor el modelo nulo con la finalidad de controlar el contexto sociocultural del estudiante, lo que permiti determinar el verdadero efecto que tienen las universidades sobre sus alumnos.
Por ltimo, en la cuarta fase, una vez controlado el contexto sociocultural se utilizaron los valores de salida: a) Intercepto (posicin de cada institucin) b) Pendiente (efecto de la variable explicativa en la variable de salida) c) Ajuste (calidad del modelo educativo de cada institucin)
Estos elementos se utilizaron como ndices y como predictores con la finalidad de determinar cules aportan ms o tienen un mayor efecto sobre el desempeo de los estudiantes y son ms eficaces en este sentido, independientemente del nivel socioeconmico de los sustentantes.
Para analizar la informacin y construir el nivel socioeconmico, se utiliz el anlisis factorial con el mtodo de determinacin de los ejes principales como tcnica de extraccin. La variable eficacia educativa se midi usando un anlisis multinivel, enfocado en el estudio de estructuras anidadas en dos niveles, estudiante y universidad. Se consider como variable explicativa el factor socioeducativo y como variable dependiente la calificacin que obtuvieron en el EGETSU.
154
Se aplicaron dos modelos nulo y ajustado para controlar el factor socioeducativo del estudiante, medido a travs de preguntas de cuestionario de contexto relacionadas con la preparacin acadmica de los padres y el promedio obtenido en el bachillerato, para poder estimar sus efectos en el desempeo de los estudiantes.
Como resultado, se comprob que es posible desarrollar un modelo de eficacia educativa para el Subsistema de Universidades Tecnolgicas a partir de los resultados de los sustentantes y el control de la variable socioeconmica. La informacin generada por el Modelo permite determinar los ndices de eficacia de las universidades que imparten la carrera de sistemas informticos a nivel de tcnico superior universitario.
155
PARTE II ESTUDIO EMPRICO
157
CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA
En este captulo se incluyen los objetivos, las hiptesis principales del estudio; se define la metodologa que se utiliz para elaborar e implementar el diseo, los instrumentos de evaluacin, la muestra, la forma de recoleccin de informacin y el plan de anlisis.
6.1 Problema de investigacin El rendimiento acadmico reflejado en las calificaciones que obtienen los alumnos en el proceso de enseanza-aprendizaje segn lo describe ANUIES (2007), adquiere un gran significado en la educacin actual. Tomar como producto las calificaciones numricas obtenidas al final del ciclo escolar no es un error si se utiliza para comprender el aprovechamiento escolar caracterizado como un proceso cuantitativo, en el cual se retoman todos los elementos subjetivos y objetivos que se presentan a lo largo del proceso de enseanzaaprendizaje que permiten reflejar la calidad de la educacin que se imparte.
A nivel universitario en Mxico nos encontramos con alumnos que se enfrentan a ciertas dificultades durante su carrera profesional, entre ellas, alto ndice de suspensin de materias en sus primeros semestres, elevado porcentaje de suspensin de materias que tienen enfoque analtico-matemtico, cambios de carrera dentro de los primeros 3 semestres, falta de motivacin del alumno hacia su plan de estudios, entre otras. Esta situacin no es diferente en el Tecnolgico de Monterrey.
159
El presente trabajo plantea el problema de identificar los factores que determinan el rendimiento acadmico universitario en una institucin privada en Mxico, as como medir los factores y saber si son los mismos, o no, en las diferentes carreras profesionales.
Contar con informacin sobre el perfil de los alumnos permitir proponer un sistema integral de admisin e identificar reas de oportunidad por carrera para evitar la desercin estudiantil. Por ltimo, el estudio no pretende ser concluyente: slo constituye un aporte al desarrollo del estudio del rendimiento acadmico universitario en Mxico.
La revisin tcnica del rendimiento acadmico que se realiz en los captulos 3 y 5 permiti identificar una infinidad de definiciones y variables que le dan a este concepto un enfoque multidimensional. Celorrio (1999), sostiene que investigadores, docentes y administradores de la educacin coinciden en afirmar que el RA es una variable muy compleja en la que incide una gran diversidad de factores, que muchas veces resulta difcil de delimitar con claridad. Sin embargo, no todo est escrito con relacin con este tema, pues siempre existe oportunidad de estudiarlo desde diferentes perspectivas.
A continuacin sealo algunos aspectos que se destacan en la literatura y que permiten guiar este estudio: a) La escasez de investigaciones sobre el RA en Mxico es un problema que ha limitado la evaluacin de la eficiencia del sistema educativo en el nivel superior. Ese vaco de informacin tiene efectos adversos en varios
160
sentidos. En los planos individual y social, el fracaso escolar de los jvenes universitarios impide responder a las demandas sociales con ms y mejores profesionales, as como ampliar sus posibilidades de incorporarse a los espacios social y productivo.
b) En este estudio se ha destacado el alto ndice de desercin a nivel de educacin superior en Mxico. Por lo tanto, enfocar la investigacin en el RA permitir encontrar algunos factores que afectan a los estudiantes en forma positiva o negativa y proporcionar elementos para realizar una intervencin psicopedaggica.
c) Los sistemas de seleccin de alumnos varan mucho de un pas a otro y de una universidad a otra. En muchas ocasiones, los exmenes de ingreso a la universidad no tienen el carcter de obligatorios sino que se aplican de manera discrecional. Con frecuencia encontramos que los alumnos de primeros semestres carecen de los conocimientos y vocacin necesarios para la carrera que seleccionaron.
Se ha comprobado que los sistemas de admisin ms selectivos logran incrementar sus tasas de titulacin. Es necesario analizar con mayor profundidad el perfil de entrada de los alumnos porque ello permite identificar factores que afectan su rendimiento y eficiencia, y a la vez posibilita evaluar el sistema de admisin del Tecnolgico de Monterrey, as como detectar reas de oportunidad especficas por carreras y propuestas de mejora a los planes y programas de estudio.
161
En pocas palabras, este trabajo pretende identificar los factores que afectan al rendimiento acadmico de los alumnos en el contexto de una universidad privada en Mxico, as como determinar si estos factores son los mismos en todas las carreras profesionales o varan.
Los resultados de esta investigacin aportarn informacin relevante relacionada con el proceso de seleccin de los alumnos as como sobre los factores que inciden en el RA de los estudiantes del Tecnolgico de Monterrey, Campus Ciudad de Mxico. Este avance permitir como ya se mencion, retroalimentar los procesos de admisin e instalar procedimientos ms eficientes para la toma de decisiones, mejorar los perfiles de los alumnos por rea del conocimiento y en consecuencia reducir las tasas de desercin.
Asimismo, identificar los factores que afectan el rendimiento de los alumnos ser til para definir programas de intervencin orientados a mejorarlo. En gran medida, el foco del trabajo se concentra en estos aspectos y en la necesidad de detectar elementos pedaggicos que aporten a la educacin universitaria, tomando al rendimiento acadmico como objeto el anlisis.
162
6.2 Objetivos El objetivo general es estudiar el rendimiento acadmico de estudiantes universitarios en Mxico, y proponer y validar empricamente distintos modelos que permitan predecir su rendimiento, as como identificar los factores del perfil del alumno que lo afectan positivamente.
Los objetivos especficos que van a guiar esta investigacin son: Examinar y valorar desde el punto de vista terico el rendimiento acadmico y las aportaciones que han realizado los investigadores por medio de los modelos tericos que lo explican. Identificar la relacin y la influencia de los factores que determinan el rendimiento acadmico de los alumnos en una universidad privada en Mxico. Determinar si los factores identificados varan de una carrera a otra y si su grado de influencia en el rendimiento es el mismo o las afecta de forma diferente. Determinar si los factores identificados son diferentes en toda la generacin y para cada una de las reas acadmicas (Humanidades, Ingeniera y Negocios) y si existe un modelo de rendimiento distinto para cada una de ellas. Explorar las posibilidades de aplicacin de modelos estructurales a ficheros de datos con variables previamente medidas, e identificar modelos causales exploratorios que expliquen el rendimiento acadmico final de los estudiantes universitarios en las principales carreras.
163
6.3 Relevancia de la investigacin El propsito es ofrecer una respuesta al cuestionamiento que surge a partir de la formulacin del objetivo del trabajo: En qu grado inciden en el RA los distintos factores analizados de los estudiantes universitarios en una institucin privada en Mxico?
Nuestro pas requiere de una educacin superior de calidad, con procesos eficaces que permitan incrementar los ndices de retencin y regularidad acadmica. Por lo tanto, la evaluacin de los objetivos de aprendizaje y su poder predictivo visto como el grado de correlacin entre los resultados y el desempeo a futuro de los estudiantes, constituyen un instrumento de gran utilidad para diagnosticar, pronosticar y tomar decisiones.
El sistema universitario en Mxico, complejo y heterogneo, pinta una realidad de cientos de miles de rechazados de la educacin superior. A travs de la aplicacin de una encuesta a desertores universitarios, Ramos y Hernndez (2005), descubrieron que las causas del abandono se deben a factores de carcter familiar, acadmico, econmico, vocacional o de integracin. Tambin destacan factores de inequidad, de tradicionalismo en la eleccin de la carrera y de ausencia de informacin sobre la diversidad de las profesiones.
Para atender esta problemtica, las polticas educativas en Mxico otorgan suma importancia a incrementar la calidad acadmica educativa mediante la inyeccin de recursos tcnicos y financieros para evaluar e investigar. El tema del RA es considerado como el rea del conocimiento educativo ms
164
importante, cuyo estudio nunca ser suficiente debido a su estrecha vinculacin con el tema de la eficacia y eficiencia escolar de las instituciones de enseanza.
En pases en vas de desarrollo, donde prevalecen fuertes diferencias sociales, elevadas tasas de natalidad, altos porcentajes de abandono escolar y escasa eficiencia terminal, existen pocas evidencias de este tipo de estudios. Por ello, en el Mxico universitario es necesario abordarlo desde distintas perspectivas, ya que este tipo de estudios son incipientes. La investigacin de Vargas (2001), que estudia el RA universitario de estudiantes de diferentes carreras del cuarto semestre en la universidad Anhuac, me permiti retomar este tema tan relevante y continuar con su estudio desde otra perspectiva.
Este trabajo de investigacin se asienta, por una parte, sobre la necesidad de identificar los factores que afectan el RA en las carreras universitarias, lo cual permitir realizar una seleccin adecuada del perfil de los alumnos e identificar cundo se requiere de una intervencin psicopedaggica a fin de mejorar la trayectoria acadmica de los estudiantes.
As mismo, nos permitir dar apoyo pedaggico a los alumnos de los semestres intermedios, a fin de corregir e incrementar su RA. Por otra parte, contribuir a la revisin de los planes curriculares que consideren los factores que ms influyen en el RA y que aporten elementos que contribuyan en una mejor educacin universitaria, a partir del anlisis de los resultados.
165
Es importante dejar claro que no pretendemos ser concluyentes, sino aportar al desarrollo del estudio del RA en la educacin privada universitaria en Mxico.
6.4 Hiptesis y metodologa De acuerdo con los objetivos expuestos, la investigacin plantea las hiptesis siguientes:
Tabla 6-1 Hiptesis y metodologa de anlisis propuesta Hiptesis Metodologa de anlisis
1. El rendimiento acadmico en trminos del promedio ponderado de los alumnos depende de los siguientes factores: Hiptesis 1.1 De la edad Hiptesis 1.2 Del sexo Hiptesis 1.3 De la edad de los padres Hiptesis 1.4 Del nivel de estudios de los padres Hiptesis 1.5 De contar o no con beca de la universidad. Hiptesis 1.6 Del nivel socioeconmico del alumno Hiptesis 1.7 De la calificacin obtenida en el examen Toefl Hiptesis 1.8 Del promedio que obtuvo el alumno en el bachillerato Hiptesis 1.9 Del nmero de semestres que curs de ms en su carrera universitaria Hiptesis 1.10 Del nmero de materias reprobadas durante su carrera universitaria. Hiptesis 1.11 De la puntuacin obtenida en la prueba de aptitud acadmica. Hiptesis 1.12 Del promedio que obtuvo al 3er. semestre de su carrera universitaria. Hiptesis 1.13 Del promedio que obtuvo al 5. semestre de su carrera universitaria.
Anlisis correlacionales y
Estudios diferenciales
166
Hiptesis 2
Anlisis de Los factores que afectan el rendimiento acadmico de regresin mltiple los alumnos en las carreras profesionales son diferentes y los afectan en diverso grado; por lo tanto, existe un modelo distinto para cada carrera y rea acadmica.
Hiptesis3 Existe un modelo explicativo diferenciado del rendimiento Modelos de estructura de acadmico para toda la generacin y para las reas covarianza acadmicas a las que pertenecen las 18 carreras profesionales.
Hiptesis 4 Existe un modelo explicativo diferenciado del rendimiento Modelos de estructura de acadmico para las principales carreras profesionales. covarianza
167
6.5 Muestra de estudio La informacin disponible nos llev a considerar para esta investigacin la cohorte de la generacin que termin su carrera universitaria en mayo y en diciembre de 2007, pues ambas presentan caractersticas comunes.
La poblacin que inici su carrera universitaria fue de 1,511 alumnos y la muestra de estudio est conformada por todos los alumnos que concluyeron su carrera en 2007. Es decir, se recogieron los datos correspondientes a 1,129 estudiantes que pertenecen a 22 carreras profesionales de las reas acadmicas de Humanidades, Ingeniera y Negocios.
Debido a que nos hemos encontrado con muestras muy pequeas de titulacin, para realizar los anlisis correspondientes, se procedi a efectuar una integracin de carreras universitarias de acuerdo a su tipologa y
caractersticas, quedando 18 carreras.
Las carreras que se agruparon fueron: Contadura Pblica con Administracin Financiera, Medios de Informacin con Ciencias de la Comunicacin, Diseo Industrial con Arquitectura, Mecnico Administrador con Mecnico Electricista. Despus de hacer esta agrupacin, todos los anlisis se realizaron sobre 18 carreras. Es importante mencionar que algunas de ellas, como Psicologa Organizacional y Ciencias Polticas, quedaron con muestras pequeas pues ambas tienen caractersticas muy especficas.
168
Caractersticas de la muestra: 513 estudiantes son mujeres (45%) y 616 son hombres (55%). En cuanto a la nacionalidad, 98% son mexicanos y 2% extranjeros. Los alumnos pertenecen a un nivel socioeconmico medio alto y alto (ingresos de los padres en promedio entre 36,000 y 40,000 pesos), en la gran mayora estudi en escuelas privadas, viajan con frecuencia a otras ciudades y pases, conocen diferentes culturas, dominan dos o tres idiomas, y manejan con facilidad herramientas tecnolgicas porque cuentan con computadoras, I-pots, I-pats, entre otros.
La tabla 6-2 presenta las carreras profesionales, el nmero de alumnos y su porcentaje. Las carreras que tienen mayor nmero de egresados son: Mercadotecnia (14%), Administracin Financiera y Contadura (10.8%) e Industrial y de Sistemas (8.3%).
169
Tabla 6-2 Alumnos egresados por carrera profesional

Carrera Mercadotecnia Administracin Financiera y Contadura Pblica Industrial y de Sistemas Administracin de Empresas Ciencias de la Comunicacin y Medios de Informacin Negocios Internacionales Sistemas Computacionales Relaciones Internacionales Arquitectura y Diseo Industrial Mecatrnica Mecnico Elctricista y Mecnico Administrador Sistemas de Computacin Administrativa Electrnica y Comunicaciones Derecho Ciencias Polticas Economa Psicologa Organizacional Sistemas Elctrnicos TOTAL Frecuencia Porcentaje 158 122 94 89 88 74 72 62 60 60 54 40 39 30 23 23 22 19 1,129 14.0 10.8 8.3 7.9 7.8 6.6 6.4 5.5 5.3 5.3 4.8 3.5 3.5 2.7 2.0 2.0 1.9 1.7 100.00
Por Divisin Acadmica, el rea de Negocios tiene el mayor nmero de alumnos (466), que representa 41.3%, seguida por Ingeniera con 38.8% (438 alumnos) y luego Humanidades con 19.9% (225 estudiantes).
170
Tabla 6-3 Muestra de alumnos por divisiones acadmicas

Porcentaje Vlido 19.9 38.8 41.3 100 Porcentaje Acumulado 19.9 58.7 100
Frecuencia HUMANIDADES INGENIERA NEGOCIOS TOTAL 225 438 466 1129
Porcentaje 19.9 38.8 41.3 100
6.6 Diseo del estudio Con el propsito de cubrir los objetivos expuestos y contrastar las hiptesis formuladas se desarrollar una investigacin no experimental, correlacional, ya que se intenta identificar la relacin entre la variable que mide el rendimiento acadmico y un conjunto de variables independientes.
Desde el punto de vista estadstico se puede considerar una investigacin transversal, porque reporta el rendimiento de los estudiantes al final de su carrera universitaria, con una medicin de su rendimiento en el 3, 5 y 9 semestres. Tambin es longitudinal en algunas variables, ya que estudia una cohorte de diferentes generaciones que tienen caractersticas en comn. Se seleccionaron dos generaciones que concluyeron sus estudios en 2007.
En la primera fase se revisa el comportamiento de 24 variables considerando la variable dependiente (promedio final o rendimiento final) con base en la estadstica descriptiva e inferencial (correlaciones y anlisis de varianza). Se utilizarn medidas ya existentes que se obtuvieron a travs de los resultados de pruebas y cuestionarios aplicados a los alumnos, padres de familia e
171
informacin que contienen los ficheros del rea de servicios escolares de la institucin.
As mismo, se incluyen el anlisis factorial exploratorio que para identificar la estructura factorial con el criterio Kaiser con los mtodos de rotacin Varimax y Oblimn y se estim la consistencia interna de cada factor.
En la segunda fase se presentan los estudios fundamentales. En ella se realiza la validacin de variables a travs de estudios exploratorios y confirmatorios que incluyen regresiones mltiples que nos permitirn identificar las relaciones entre variables dependientes e independientes y seleccionar aquellas que se encuentren vinculadas de forma directa y positiva con el RA. Los mtodos de regresin mltiple determinan la contribucin de un grupo de variables observables, examinan los modelos restrictivos para encontrar el aporte significativo de una variable al modelo o delimitar los subgrupos de los mltiples predictores independientes. Se seleccionarn los tems que resultaron relevantes, que sern utilizados en el modelo estructural correspondiente.
En la tercera fase se presentan los estudios confirmatorios, a travs del mtodo de ecuaciones estructurales o de evaluacin de estructuras de covarianza. En ella se estimar un anlisis de las variables observadas del Rendimiento Acadmico, a partir de las dimensiones tericas y de las relaciones entre variables.
172
A travs del mdulo Graphics del programa AMOS se identificar el modelo que permitir precisar las relaciones entre las variables observadas. Los ndices estadsticos sern utilizados para evaluar la bondad de ajuste de los modelos identificados y se editarn los diagramas de los modelos y tablas de los ndices que se obtuvieron.
En la cuarta fase se presenta un resumen y discusin de los resultados, sus limitaciones, recomendaciones y la prospectiva de futuras investigaciones.
Una vez que se tomaron los datos necesarios para medir las variables que se especificaron, se procedi a la preparacin y limpieza de datos para realizar los anlisis iniciales. Los anlisis del estudio se realizaron con el paquete estadstico de SPSS en distintas versiones; y los anlisis de ecuaciones estructurales con el software AMOS.
6.7 Tcnicas e instrumentos de recoleccin de datos En esta parte del estudio se explica la seleccin de las medidas que se utilizaron, validadas por la universidad considerada para el estudio y por instituciones oficiales. Los datos del perfil del alumno y de sus padres se obtuvieron del registro personal de expedientes oficiales que resguarda el rea de Servicios Escolares del Tecnolgico de Monterrey, Campus Ciudad de Mxico, que adems estn registrados y administrados en la base de datos Banner, que resguarda informacin referente a datos sociales,
psicopedaggicos, prueba de aptitud acadmica, RA previo, calificaciones de las materias cursadas, que integrar el expediente de los alumnos.
173
Por su parte, al documento que contiene toda la informacin acadmica y cualitativa de los estudiantes se le denomina tarjeta plan.
Para el desarrollo de este estudio se recab informacin de mltiples documentos, tales como reglamentos, polticas, misin y principios, informes del campus, folletos, libros y pginas web oficiales del Tecnolgico de Monterrey (www.itesm.mx; www.ccm.itesm.mx). As mismo, se realizaron
entrevistas con directores de carrera y de escuelas profesionales para conocer su opinin sobre los resultados obtenidos.
En el proceso de recoleccin de datos, cuando stos estn incompletos o no existen informacin, se procedi a registrarlos como datos perdidos para evitar sesgos en los anlisis y resultados finales.
6.8 Variables de la investigacin Las variables que vamos a considerar se agrupan en dos tipos de categoras: a) La variable criterio, que hace referencia a la medida del rendimiento acadmico de los alumnos a lo largo de estudios universitarios y b) aquellas que vamos a utilizar para controlar factores personales, sociales y acadmicos que pueden incidir sobre los resultados (variables de clasificacin, de rendimiento inicial y de rendimiento durante su carrera universitaria).
174
6.8.1 Variable criterio En este estudio exploraremos como modelo de medida del RA el promedio ajustado de las calificaciones de los alumnos al ltimo semestre de su carrera universitaria. Es decir, la variable dependiente o variable a observar es el
rendimiento acadmico final de los alumnos.
Para efectos de esta variable se considerar el rendimiento acadmico
al
ltimo semestre. Como sabemos, esta variable est conformada por las calificaciones obtenidas en las materias cursadas en todos los semestres cursados durante su carrera profesional, y que considera un promedio ajustado.
Tabla 6-4 Variable dependiente o criterio
VARIABLE DEPENDIENTE
No. de Variable
1
RENDIMIENTO ACADMICO
Promedio ltimo semestre
DESCRIPCIN
Promedio ajustado al ltimo semestre
CODIFICACIN
70-100 puntos
ESCALA
Numrica
En la parte terica de la tesis vimos que los factores que afectan el RA se pueden integrar en diferentes grupos. Para efectos de este estudio, nos enfocaremos slo en las que se relacionan directamente con el estudiante; analizaremos algunas variables de entrada que pueden o no ser modificables porque nos interesa conocer el potencial de un alumno al ingresar a la universidad, para lo cual es necesario hacer un diagnstico inicial con base en los datos del proceso admisin en las diversas pruebas. El inters reside en
175
analizar los factores previos al ingreso a la universidad, tanto los que se refieren directamente al alumno como los que son ajenos a l, pero que le anteceden derivados del seno familiar.
A continuacin se presentan las variables que se consideraron en el estudio, para su presentacin las agrupamos en tres bloques segn hagan referencia a factores, contextuales, personales de los alumnos y de rendimiento.
6.8.2 Variables de clasificacin Estas variables nos ayudarn a describir y caracterizar la poblacin estudiada, as como a explicar algunas de las asociaciones detectadas y/o controlar estadsticamente algunas fuentes de variacin de las variables de rendimiento.
a) Variables personales y socio-familiares 1. Edad del alumno 2. Beca del alumno 3. Edad del padre 4. Edad de la madre 5. Estudios del padre 6. Estudios de la madre 7. Nivel econmico de los padres 8. Sexo
b) Factores acadmicos contextuales 9. Tipo de bachillerato/preparatoria (externa o prepa TEC)
176
6.8.3 Variables de rendimiento Se analizar el RA en diversos momentos y mediante distintos indicadores. En el marco de esta investigacin los indicadores siguientes apartados: se pueden agrupar en los
c) Rendimiento previo 10. Nota del RA del bachillerato 11. Puntuacin de la Prueba de Aptitud Acadmica (PAA) 12. Puntuacin de la Prueba de Aptitud Acadmica de Espaol 13. Puntuacin de la Prueba de Aptitud Acadmica de Matemticas 14. Nota de la prueba inicial de Matemticas 15. Nota de la prueba inicial de Espaol 16. Puntuacin obtenida en examen Toefl inicial
d) Rendimiento durante la carrera universitaria 17. Nota promedio al 3er. semestre 18. Nmero de materias reprobadas al 3er. semestre 19. Nota promedio al 5to. semestre 20. Nmero de materias reprobadas al 5to. semestre 21. Nmero de materias reprobadas al 9no. semestre 22. Examen Toefl final 23. Semestres cursados de ms
A continuacin se anexan las tablas que especifican todas las variables que se estudiarn, con su descripcin, su codificacin, recodificacin y su escala de medicin.
177
Tabla 6-5 Variables clasificatorias personales y sociofamiliares

VARIABLES PERSONALES Y SOCIOFAMILIARES
No. de Variabl e VARIABL ES DESCRIPCIN CODIFICACIN RECODIFICACIN ESCALA
Edad alumno Beca
Aos que tiene el alumno al finalizar su carrera. Si el alumno tiene una beca-financiamiento
Nmero de aos 0-100 %
Edad del padre
Edad del padre
Nmero de aos
Edad de la madre
Edad de la madre
Nmero de aos 1. Primaria 2. Secundaria 3. Preparatoria 4. Carrera Tcnica 5. Normal Superior 6. Licenciatura 7. Postgrado 1. Primaria 2. Secundaria 3. Preparatoria 4. Carrera Tcnica 5. Normal Superior 6. Licenciatura 7. Postgrado
(Miles de pesos)
Estudios del padre
Nivel mximo de estudios del padre
1. Hasta 22 aos 2. De 23 a 24 aos 3. 25 aos o ms 1. 0 2. 10 a 50 3. 51 a 100 1. 36 a 49 aos 2. 50 a 59 aos 3. 60 aos en adelante 1. 36 a 45 aos 2. 46 a 55 aos 3. 56 aos en adelante 1. Primaria a Profesional tcnico 2. Normal superior 3. Licenciatura 4. Postgrado
Numrica
Numrica
Numrica
Numrica
Ordinal
Estudios de la madre
Nivel mximo de estudios de la madre
1. Primaria a Profesor tcnico 2. Normal superior 3. Licenciatura 4. Postgrado
Ordinal
Ingresos mensuales Nivel de la familia (en econmico pesos)
1. 5 2. 10 3. 15 4. 20 5. 25 6. 30 7. 35 8. 40 9. 45 10. 50 11. 55 1. Mujer 2. Hombre 1. Preparatoria TEC 2. Preparatoria No TEC
1. Hasta 20,000 2. De 21,000 a 40,000 3. De 41,000 en adelante
Ordinal
Sexo Tipo de bachillerat o
El sexo que distingue al alumno. El tipo de escuela preparatoria
Ordinal
Ordinal
178
Tabla 6-6 Variables de rendimiento previo

VARIABLES DE RENDIMIENTO PREVIO
No. de Variable VARIABLES ACADMICAS DESCRIPCIN CODIFICACIN RECODIFICACIN ESCALA
Nota del bachillerato
Rendimiento final obtenido en los estudios de preparatoria (Registro en la SEP) Puntuacin total de la Prueba de Aptitud Acadmica
Puntuacin 70-100
1. 70 a 79 2. 80 a 85 3. 86 a 89 4. 90 a 95 5. 96 a 100
Numrica
Puntuacin de la prueba Aptitud Acadmica PAA (alumnos prepa externa) Puntuacin Matemtica de PAA (alumnos preparatoria externa) Puntuacin en Espaol de PAA (alumnos prepa externa) Examen inicial de Espaol (alumnos prepa externa) Examen inicial de Matemticas (alumnos prepa externa) Toefl inicial
Puntuacin 0-1600
Numrica
Puntuacin de la Prueba de Aptitud Acadmica en el rea matemtica Puntuacin de la Prueba de Aptitud Acadmica den el rea de Espaol Nota del examen inicial de Expresin Verbal
Puntuacin 0-800
Numrica
Puntuacin 0-800
Numrica
10-100 de calificacin
Numrica
Nota del examen inicial de Matemticas.
10-100 de calificacin Puntuacin 1. 200 a 450 2. 450 a 550 3. 551 a 677
Numrica
Puntuacin del examen Puntuacin de ingls Toefl 200-677
Numrica
179
Tabla 6-7 Variables de rendimiento durante su carrera universitaria

VARIABLES DE RENDIMIENTO DURANTE SU CARRERA UNIVERSITARIA 1 Nota del promedio al 3er. semestre Materias reprobadas al 3er. semestre Notas del promedio al 5 semestre Materias reprobadas al 5 semestre Materias reprobadas al 9no. semestre Semestres cursados de ms Rendimiento al 3er. semestre No. de materias reprobadas al 3er. semestre Rendimiento al 5o. semestre No. de materias reprobadas al 5 semestre Puntuacin 70-100 Total de materias reprobadas al 3er. semestre Puntuacin 70-100 Total de materias reprobadas al 5. semestre 1. 70 a 79 2. 80 a 89 3. 90 a 100 1. 0 2. 1 a 3 3. 4 o ms 1. 70 a 79 2. 80 a 89 3. 90 a 100 1. 0 2. 1 a 3 3. 4 o ms 1. 0 2. 1 a 3 3. 4 o ms 1. Ms de 10 semestres Numrica
Numrica
Numrica
Numrica
Total de materias Materias reprobadas reprobadas al al ltimo semestre ltimo semestre. Semestres Semestres cursados cursados de ms durante su carrera despus del profesional dcimo semestre Puntuacin del examen de ingls toefl Puntuacin 200-677
Numrica
Numrica
Examen Toefl final
Puntuacin 1. 200 a 450 2. 450 a 550 3. 551 a 677
Numrica
180
6.9 Operacionalizacin de las variables En este apartado se describen cada una de las variables del estudio: clasificatorias, de rendimiento inicial y de rendimiento durante la carrera universitaria. Para entenderlas con mayor claridad, se detalla su codificacin.
6.9.1 Variables clasificatorias personales y sociofamiliares a) Edad del alumno Se codifica de acuerdo a la edad que tiene el alumno en el momento de finalizar su carrera universitaria. Es numrica y se recodific: 1 hasta 22 aos, 2 de 23 a 24 aos y 3 de 25 aos o ms.
b) Sexo del alumno Se codifica si es mujer 1 y si es hombre 2
c) Edad de los padres Se anota la edad que tiene el padre y la madre en el momento de la inscripcin en la carrera universitaria. Es numrica y se recodific con: 1 de 36 a 49 aos, 2 de 50 a 59 aos y 3 de 60 aos en adelante.
d) Estudios de los padres Se codifica numricamente de 1 a 7, dependiendo de que la madre o el padre hayan cursado primaria, secundaria, preparatoria, carrera tcnica, estudios de normal superior, licenciatura o posgrado, de acuerdo con el Sistema Educativo Nacional de la Secretara de Educacin Pblica.
181
e) Tipo de preparatoria Si los alumnos estudiaron en la preparatoria del Tecnolgico de Monterrey les corresponde el cdigo 1; si lo hicieron en cualquier otra, el 2.
f) Beca Se codifica con un valor numrico de 0 a 100, en funcin del porcentaje asignado por la universidad. Las becas se otorgan con un promedio de 90 en el periodo acadmico inmediato anterior, que puede ser de la preparatoria o la carrera profesional. Se recodific como: 1- 0% de beca, 2- de 10 a 50% y 3 - de 51 a 100% de beca.
El departamento de becas y financiamientos, brinda apoyo para la colegiatura a los alumnos que tienen la capacidad y el deseo de cursar sus estudios en el Tecnolgico de Monterrey, pero no cuentan con recursos econmicos suficientes para ello. El porcentaje de apoyo est en funcin de la necesidad econmica y el financiamiento implica un compromiso de retribucin posterior al fondo de beca.
g) Nivel econmico Se toman en cuenta los ingresos mensuales que percibe la familia del alumno. El nivel 1 que corresponde a un ingreso de $ 5,000 pesos y el nivel 11 a uno de $ 55,000 pesos. Se recodific en tres niveles: primero, hasta $ 20,000; segundo, de $ 21,000 a 40,000; tercero, de $ 41,000 en adelante.
182
6.9.2 Variables de rendimiento previo Las primeras cuatro variables pertenecen slo a los alumnos que provienen de preparatorias externas. Para ingresar al Tecnolgico de Monterrey se les solicita un puntuacin de 1,180 con un promedio de 70.
h) Prueba de aptitud acadmica general (PAA) Es una prueba estandarizada, que se codifica numricamente de acuerdo con una escala de cada variable de 200-800 puntos. La Prueba de Aptitud Acadmica (PAA) tiene como antecedente inmediato la prueba Scholastic Aptitude Test (SAT), que se aplica en Puerto Rico, basada en el College Entrance Examination Board. Consta de dos secciones, la verbal y la matemtica.
Prueba de aptitud acadmica matemtica (PAA) Es la puntuacin que el alumno obtuvo en la Prueba de Aptitud Acadmica en las preguntas relacionadas con las matemticas, que miden la habilidad para resolver problemas que involucran razonamiento aritmtico, lgebra y geometra. La prueba incluye 42 preguntas (ver anexo).
Prueba de aptitud acadmica de Espaol (PAA) Es la puntuacin que el alumno obtuvo en la Prueba de Aptitud Acadmica en las preguntas verbales que miden la habilidad para entender lo que lee y la amplitud de su vocabulario. La prueba consta de 54 preguntas (ver anexo).
183
i) Exmenes iniciales El alumno que proviene de preparatorias externas que pretende ser admitido en cualquier carrera profesional, debe presentar un examen de conocimientos bsicos de Matemticas, Espaol y Computacin. Para aprobarlos, deber obtener un mnimo de 70 puntos de 100. En caso contrario, cursar las materias al inicio de su carrera con la finalidad de homogeneizar los primeros cursos de su carrera. Los cursos remediales no se consideran para conformar el promedio final. Examen de Matemticas El objetivo de este examen es homogeneizar los grupos que ingresan al primer semestre de la carrera. Si los alumnos obtienen una calificacin mayor de 70 se incorporan de manera directa al curso de Matemticas I. Esta prueba, mediante la cual se evalan los conocimientos de lgebra, geometra analtica, trigonometra y de funciones, consta de 30 preguntas y el tiempo mximo asignado para contestarla es de dos horas. La calificacin obtenida no se considera para efectos de conformar el promedio final de la carrera profesional. Se podran considerar clases adicionales de refuerzo que se tienen que cursar durante un semestre. Examen de Espaol El objetivo es homogeneizar los grupos que inician el primer semestre de la carrera, a fin de que aprovechen ms la materia de expresin verbal y escrita. El examen de ubicacin consta de 45 reactivos de opcin mltiple, cada uno de los cuales consta de 4 o 5 opciones de respuesta entre las que se debe seleccionar la correcta.
184
j) Promedio de preparatoria Es el promedio aritmtico de todas las calificaciones de las materias cursadas en la preparatoria que aparecen en el certificado oficial que emite la Secretara de Educacin Pblica en Mxico. La ponderacin que se utiliza para registrarlas es una calificacin mnima de seis y una mxima es diez. Sin embargo, para efectos del estudio y tener datos homogneos se recodific la variable en una escala de 0-100.
k) Puntuacin Toefl inicial El examen Toefl se aplica a todos los alumnos que solicitan ingresar al
Tecnolgico de Monterrey. El objetivo es identificar el nivel de dominio del idioma ingls como segunda lengua para ubicarlos en el nivel correspondiente en los cursos. El plan de estudios exige que el alumno cubra una materia de Lengua Extranjera y para graduarse debe cumplir con una puntuacin de 550.
6.9.3 Variables de rendimiento durante la carrera universitaria l) Rendimiento al 3er. semestre Es el promedio ajustado que el alumno obtiene en el total de las materias cursadas del primero al tercer semestre de su carrera. En este ltimo los
estudiantes debieran haber cursado 18 materias, que corresponden a 25% de su carrera profesional.
185
m) Rendimiento al 5to. semestre Es el promedio ajustado que el alumno obtiene en el total de las materias cursadas del primero al quinto semestres de su carrera. En este ltimo los estudiantes debieran haber cursado 30 materias, esto es, 55% de su carrera profesional.
n) Materias reprobadas al 3er, 5to y 9no semestres Son las materias totales que el alumno reprob (o que tiene suspendidas) al 3er, 5to y 9no semestres. De acuerdo al reglamento acadmico, las
calificaciones reprobatorias son de 10 a 69.9. El alumno no puede suspender ms de 10 materias antes del haber cursado el 50% de sus materias de su plan de estudios; en caso contrario, se le da de baja definitiva.
o) Semestres de ms El parmetro normal para terminar una carrera oscila entre 9 y 10 semestres. Para efectos de nuestra investigacin, se consideran semestres de ms a partir del semestre 11.
p) Puntuacin Toefl final El examen Toefl es un requisito de las carreras profesionales, en el cual el alumno debe obtener una puntuacin mnima de 550 para graduarse.
186
6. 10 Instrumentos utilizados La informacin que se utiliz en este estudio se obtuvo mediante la autorizacin oficial del Tecnolgico de Monterrey. Los datos fueron
proporcionados por el rea de Servicios Escolares del Departamento de Admisiones, que es responsable de la aplicacin de los distintos instrumentos a los estudiantes, as como el registro de los resultados en el sistema Banner.
Los datos de las variables de rendimiento inicial, clasificatorias personales y socio-familiares, y de rendimiento durante la carrera universitaria, fueron extrados de los registros del rea de Servicios Escolares y de los documentos que llenan los padres de familia, tales como formato de registro de admisin y solicitud de beca. Los datos acadmicos se obtuvieron de la tarjeta plan que es el documento oficial que integra los resultados acadmicos que cada estudiante tiene en sus registros del sistema Banner.
Para los fines de esta investigacin se tomaron los datos ya existentes y slo se dise un cuestionario como base para hacer una entrevista a los directores acadmicos, que forman parte de los estudios complementarios.
En los anexos se integra un ejemplo de solicitud de admisin y otra de beca, examen inicial de matemticas, examen inicial de espaol, as como muestras del examen Toefl y de la prueba de aptitud acadmica.
187
Con la finalidad de complementar la investigacin, con el apoyo de un cuestionario (que se incluye en los anexos), se realiz una entrevista a profundidad a los directores de carreras y escuelas para conocer sus puntos de vista sobre el RA y los resultados que arroj esta investigacin.
6.10.1 Prueba de aptitud acadmica (PAA) La Prueba de Aptitud Acadmica (PAA) elaborada en con base en la Scholastic Aptitude Test (SAT), proviene del College Entrance Examination Board (http://oprla.collegeboard.com/ptorico/pr/program/paa.html).
El Sistema del College Board integra diversos instrumentos de evaluacin y de orientacin dirigidos a promover el desarrollo total de los alumnos y a facilitar la transicin hacia los estudios universitarios y postsecundarios. Su objetivo fundamental apoyar con conceptos tericos y las prcticas educativas ms actuales, fue desarrollado por un equipo multidisciplinario de consultores, especialistas, maestros y orientadores. Este instrumento integra la evaluacin de las habilidades de pensamiento y los conocimientos bsicos con la percepcin que tienen los estudiantes de sus intereses, valores y competencias acadmicas.
El Tecnolgico de Monterrey cuenta con los servicios de la institucin The College Entrance Examination Board, que le brinda la asesora siguiente: Orienta y asesora a nuestro Instituto en el seguimiento sistemtico en las pruebas de admisin.
188
Mantiene los instrumentos de pruebas corrientes y relevantes a los campos para los cuales proveen de medicin, de acuerdo a los estndares de mediciones educativas y psicolgicas (1974) promulgados por la Asociacin Americana de Investigacin Educativa y el Consejo Nacional de Medicin Educativa. Publicaciones informacin e interpretacin claras y adecuadas que promueven la comprensin de los datos que proporcionan. las puntuaciones
El rendimiento acadmico de la escuela preparatoria es una de las mejores evidencias del nivel que muestran los alumnos que se quieren enrolar en estudios universitarios, dado que provienen de diferentes instituciones educativas que aplican otros enfoques educativos y distintos sistemas de calificaciones. (http://www.collegeboard.org)
La Prueba de Aptitud Acadmica (PAA), es un ejercicio estandarizado con una escala de cada variable de 200 a 800 puntos, integrado por dos secciones, la parte verbal y la parte matemtica. Se ha demostrado que estas habilidades se relacionan con el xito en las materias que se estudian en la universidad. Por otra parte, tiene una validez predictiva de entre 0.30 y .040; su fiabilidad, que ha sido constatada muchas veces, alcanza a 0.90 en el caso de la seccin verbal y 0.88 en el de la matemtica. Su tiempo total de aplicacin es de dos horas cinco minutos, dividido en cinco partes de 25 minutos cada una.
189
Razonamiento verbal La Prueba de Razonamiento Verbal contiene 54 preguntas que miden la habilidad para entender lo que se lee y la amplitud del vocabulario, y su resultado constituye la puntuacin verbal. Esta herramienta es un instrumento eficaz para medir las destrezas y habilidades para razonar de manera inductiva y deductiva mediante el uso de material escrito, el empleo correcto del lenguaje, el anlisis de argumentos y la evaluacin lgica de la lectura, la identificacin de relaciones entre conceptos y la comprensin de la lectura y la riqueza del vocabulario.
Razonamiento matemtico La Prueba de Razonamiento Matemtico contiene 42 preguntas que miden la habilidad para resolver problemas que involucran el razonamiento aritmtico, algebraico y geomtrico. Su resultado constituye la puntuacin en
razonamiento matemtico. Este instrumento ha probado su eficacia para medir: La capacidad para solucionar problemas bsicos de aritmtica, lgebra y geometra. La habilidad para aplicar inductiva y deductivamente principios bsicos de aritmtica, lgebra y geometra. La capacidad para resolver problemas de razonamiento y proporcin con base en principios matemticos bsicos. La suficiencia para solucionar problemas cuantitativos verbales, de sistemas de ecuaciones e inecuaciones simples y problemas matemticos no
rutinarios que requieren
discernimiento e inventiva.
190
6.10.2 Exmenes iniciales Los alumnos que provienen de preparatorias externas deben presentar exmenes de homologacin de sus conocimientos de computacin, espaol y matemticas en todas las carreras profesionales. Estos exmenes, que estn diseados por los departamentos acadmicos del Tecnolgico de Monterrey, son evaluados por profesores especialistas que pertenecen a esos
departamentos.
En esta investigacin se considerarn slo los exmenes de matemticas y espaol debido a que dentro del plan de estudios del primer semestre se cursan en todas las carreras. En el archivo de anexos se incluyen algunos ejemplos de ellos.
6.10.3 Examen Toefl (Test of English as a Foreign Language) En el Tecnolgico de Monterrey, como parte del reglamento acadmico para que el alumno se pueda graduar es requisito indispensable haber obtenido una puntuacin de 550. Adems, el modelo educativo del TEC reconoce la importancia que tiene el idioma ingls a la hora de facilitar el acceso a una rpida expansin del conocimiento en un mundo cada vez ms tecnolgico y globalizado. La prueba Toefl (Test Of English as a Foreign Language), es un examen que mide fluidez y conocimientos del idioma ingls. Esta prueba, desarrollada por Educational Testing Service (ETS), los certificados que proporciona, son reconocidos internacionalmente.
191
El Toefl est compuesto por cuatro secciones (www.toefl.com): Listening Comprehension: cubre la capacidad para comprender el lenguaje hablado. Reading Comprehension: mide la capacidad de lectura. Speaking: mide la capacidad para comunicar el lenguaje hablado. Writing: mide la capacidad de redaccin en ese idioma.
Tabla 6-8 Evaluacin de la medida del examen Toefl ANTIGUA PUNTUACIN NUEVA PUNTUACIN NIVEL DE CAPACITACIN
677 (mx.) 600 550 500 310 (mn.)
300 (mx.) 250 213 173 40 (mn.)
Avanzado Bueno Bajo
192
6.10.4 Cuestionario para entrevista a directores acadmicos Como parte de los estudios complementarios se realizaron entrevistas a profundidad a los directores de carrera y de las divisiones acadmicas, para conocer su opinin respecto de los resultados que arroj esta investigacin. A continuacin se anexa el cuestionario con las preguntas que sirvieron de base para dicha entrevista.
CUESTIONARIO GUIA DE ENTREVISTA DE DIRECTORES ACADMICOS
Tecnolgico de Monterrey, Campus Ciudad de Mxico

Datos Nombre:___________________________________________________________ Institucin:_________________________________________________________ Nacionalidad___________________e-mail_______________________________ Carrera(s) que dirige ________________________________________________ Apreciado director: La finalidad del presente trabajo de investigacin es establecer un modelo explicativo del rendimiento acadmico en los estudiantes universitarios. Se pretende conocer el grado y tipo de influencia que ejercen variables socioculturales, demogrficas, pedaggicas y personales (motivacionales, cognoscitivas y
actitudinales) sobre el rendimiento acadmico. Esta investigacin ha de concluir con la aportacin de elementos para la toma de decisiones polticas y educativas fundamentadas desde un enfoque preventivo y orientativo.
Su valoracin como experto es muy importante para determinar la consistencia interna de este cuestionario. Por ello, solicitamos contestar cada una de las preguntas del cuestionario adjunto, que ser aplicado a los directores de carrera y durante una entrevista.
Gracias por su colaboracin!
193
Preguntas del cuestionario:
1. Cul es su concepto de rendimiento acadmico?
2. Qu perfil deben cubrir los alumnos que llegan de nuevo ingreso a su carrera para tener un buen rendimiento acadmico?
3. Qu factores les afectan a sus alumnos durante su carrera profesional, que les impactan en forma positiva o negativa en su rendimiento acadmico?
4. En este estudio se encontr que el examen Toefl influye positivamente en el rendimiento final de los alumnos. Le parece lgico este resultado? A qu lo atribuye?
5. En la investigacin se encontr que el promedio de la preparatoria es el factor que impacta en mayor medida el rendimiento final, ms que la Prueba de Aptitud Acadmica (PAA) Le parece lgico el resultado? A qu lo atribuye?
Se les presenta el modelo causal de rendimiento acadmico del rea acadmica y de la carrera que dirigen.
Qu piensa despus de ver los resultados de los factores que afectan el rendimiento acadmico de su carrera/rea?
Qu propuestas tiene para que los alumnos que inician su carrera profesional logren terminarla?
194
CAPTULO 7. ESTUDIOS PREVIOS
CAPTULO 7. ESTUDIOS PREVIOS En este captulo se presentan los resultados de anlisis descriptivos y exploratorios en cuatro partes: La primera presenta los estudios descriptivos, donde se analizar el rendimiento acadmico al ltimo semestre de los estudiantes de la generacin de 2007 del Tecnolgico de Monterrey. En ella se realiza la caracterizacin de la muestra con respecto a cada una de las variables. La segunda incluye los estudios correlacionales, y presenta las tablas de correlaciones entre las variables independientes y la medida del RA (promedio al ltimo semestre). En la tercera, que comprende los estudios diferenciales, se realiza el anlisis estadstico de cada variable, la relacin de cada una de ellas con el RA, y presentan las figuras ms representativas. La cuarta contiene los estudios factoriales y algunas conclusiones del captulo.
7.1 El Rendimiento acadmico de los alumnos A continuacin se presenta la distribucin de los alumnos por carrera y el rendimiento acadmico al ltimo semestre. Es necesario puntualizar que el perfil solicitado para la admisin a nivel universitario cambia cuando se trata de alumnos de otras instituciones o que provienen de la preparatoria del TEC.
Una vez que los estudiantes se encuentran matriculados las polticas de evaluacin de los cursos son las mismas para todas las carreras profesionales, situacin que permite homogeneizar la forma de evaluar los contenidos de cada curso, pero no implica que tengan la misma dificultad.
195
En la tabla 7-1 podemos observar que la media del rendimiento acadmico ajustado general fue de 84; se presenta una variacin entre 82 y 86 en las diferentes carreras. La de Psicologa Organizacional obtuvo el promedio ms alto, (86), seguida por Relaciones Internacionales y Ciencias de la Comunicacin, las tres pertenecen al rea de Humanidades, que se caracterizan por tener un plan de estudios enfocado en las Ciencias Sociales.
Por su parte, Electrnica y Comunicaciones, que tiene el promedio ms bajo (82), pertenece al rea de Ingeniera, que se caracteriza por tener un plan de estudios con un enfoque ms matemtico.
Tabla 7-1 Promedio ajustados y desviaciones tpicas por carrera

Promedio Desviacin Ajustado Estndar 83 84 85 85 85 84 85 86 85 84 82 84 82 83 84 83 86 83 84 4.62 5.51 5.05 4.73 4.37 5.08 5.61 4.71 4.44 5.78 4.85 5.15 5.06 4.88 4.64 5.68 5.01 5.64 5.08
Carrera
Mercadotecnia Administracin Financiera/Contabilidad Industrial y de Sistemas Administracin de Empresas Ciencias de la Comunicacin/ Medios de Informacin Negocios Internacionales Sistemas Computacionales Relaciones Internacionales Arquitectura/Diseo Industrial Mecatrnica Mecnico Elctricista/Administrador Sistemas de Computacin Administrativa Electrnica y Comunicaciones Derecho Ciencias Polticas Economa Psicologa Organizacional Sistemas Elctrnicos TOTAL
N 158 122 94 89 88 74 72 62 60 60 54 40 39 30 23 23 22 19 1,129
196
Figura 7-1 Distribucin de los alumnos por profesin
Se
convirtieron
los
promedios
ajustados
en
calificaciones
para
estandarizarlas, es decir, se transformaron las calificaciones de cada carrera en una escala comn. Vargas (2001), especifica que las calificaciones T permiten comparar las notas, aunque sean diferentes los programas de estudio. En nuestro caso, la transformacin no proporcion ventaja alguna para el anlisis y por lo tanto este procedimiento se descart.
En la figura 7-2 podemos ver que existe una buena aproximacin a la normal, lo que significa que es muy conveniente para el uso de anlisis basados en regresin mltiple.
197
Figura 7-2 Normal esperada del rendimiento acadmico final
Figura 7-3 Distribucin normal de los alumnos por rendimiento acadmico
198
a) Rendimiento acadmico al 3ero., 5to. y 9no. semestres En la tabla 7-2 vemos que la media del rendimiento final de los alumnos al 3ro. y 5to. semestres es de 83 y slo aumenta una dcima al ltimo semestre. Las carreras de Psicologa Organizacional y Relaciones Internacionales obtuvieron el mayor rendimiento final (86). Al comparar los tres rendimientos, se puede ver que existe poca diferencia entre las carreras, ya que varan en dos o tres dcimas en forma ascendente o descendente.
Tabla 7-2 Promedio ajustado por carreras del 3ro., 5to. y 9no. semestres
Prom 3er Prom 5to Prom 9no Semestre Semestre Semestre N CARRERA Mercadotecnia 82 82 83 158 Industrial y de Sistemas 83 83 85 94 Administracin de Empresas 84 84 85 89 Ciencias de la Comunicacin/Medios 86 85 85 88 Administracin Financiera/Contabilidad 85 84 85 84 Negocios Internacionales Sistemas Computacionales Relaciones Internacionales Arquitectura Mecatrnica Mecnico Elctricista Sistemas de Computacin y Administracin Electrnica y Comunicaciones Contabilidad y Finanzas Derecho Ciencias Polticas Economa Psicologa Organizacional Sistemas Elctrnicos TOTAL 83 82 85 85 83 80 82 81 84 82 84 84 85 82 83 83 83 85 84 83 80 83 81 84 83 84 83 85 82 83 84 85 86 85 84 82 84 82 83 83 84 83 86 83 84 74 72 62 60 60 54
% 14.0 8.3 7.9 7.8 7.4 6.6 6.4 5.5 5.3 5.3 4.8
40 3.5 39 3.5 38 3.4 30 2.7 23 2.0 23 2.0 22 1.9 19 1.7 1129 100.0
199
Por reas acadmicas los ms altos promedios se encuentran en Humanidades (85) y los ms bajos en Ingeniera (84).
Tabla 7-3 Distribucin de alumnos por reas por promedio al 3ro., 5to. y ltimo semestre.
Semestre 3o. 83.6 82.6 84.7 83.4 Semestre 5o. 83.2 82.7 84.7 83.3 Semestre timo 84.0 83.9 85.2 84.2
REA NEGOCIOS INGENIERIA HUMANIDADES TOTAL
N 466 438 225 1129
En los estudios realizados en las generaciones que ingresaron en 1999 la eficiencia terminal lleg a 43% y en 2000 ascendi a 44%. No se contaba con la informacin de 2001-2003.
Tabla 7-4 Eficiencia terminal global de las generaciones que ingresaron en 1999-2000
Alumnos (nuevo ingreso) 1338 1211 8 Semestres .3% .8% Bajas Otras causas 201 205 10 Semestres 27.2% 26.6% 11 Semestres 15.4% 0 Eficiencia Terminal (9 semestres) 43.36% 43.95% Graduados 66.97% 50.29%
Generacin 1999 2000 Generacin 1999 2000
Bajas acadmicas 84 42 9 Semestres 9.6% 22.7
Transferencias 25 40
12 Semestres 7.0% 0
200
Tabla 7-5 Desercin por carreras profesionales perodo 2004-2005

PERIODO DIVISIN Ciencias de la Salud Ciencias de la Salud total Humanidades y C. Sociales 200413 200511 PROF. Desertor Poblacin Desertor Poblacin IMD 37 1 28 MC 3 77 37 3 114 1 65 LCC 11 385 14 351 LED 9 236 7 207 LMI 1 84 3 74 LPL 1 78 3 79 LPO 5 192 7 186 LRI 8 329 10 297 35 1304 44 1194 ARQ 8 205 5 202 IEC 7 277 9 241 IIS 17 616 15 561 IMA 4 163 6 145 IME 7 203 4 176 IMT 11 373 20 343 IQA 13 1 9 ISC 17 487 19 419 ISE 11 165 6 145 LDI 4 236 14 234 LSC 10 244 8 210 96 BIB CPF LAE LAF LEC LEM LIN 6 17 5 4 18 12 62 196 2982 20 212 625 460 178 826 529 2850 7250 107 1 10 20 8 5 31 15 90 242 2685 25 200 565 425 166 752 463 2596 6540
Humanidades y C. Sociales total Ingeniera y Arquitectura
Ingeniera y Arquitectura total Negocios
Negocios total Gran total
201
7.2 ESTUDIOS DESCRIPTIVOS En este apartado se presentan las caractersticas ms relevantes de la muestra, donde se realizar el anlisis de la generacin que finaliz su carrera profesional en 2007, considerando las diversas variables que integran este estudio, las cuales nos permitirn definir los modelos finales. Las variables iniciales que presentamos son las clasificatorias, seguida por rendimiento previo y luego las variables de rendimiento durante la carrera universitaria.
7.2.1 Edad alumno Edad del alumno se considera al final de la carrera universitaria. En la tabla 7-6 se observa que 61% de la generacin egres entre los 23 y 24 aos con un RA final de 85, 25% con ms de 25 aos, rendimiento de 80, y 14% menores a 22 aos y rendimiento de 88. Se encontr que a mayor edad los alumnos egresan con menor RA.
La carrera de Sistemas de Computacin Administrativa tiene el mayor porcentaje de alumnos que egresan de su carrera a menor edad, es decir, ms jvenes. La carrera de Psicologa es la que muestra mayor porcentaje de alumnos que egresan con ms edad.
203
Tabla 7-6 Medias de la edad de los alumnos por carrera y rendimiento acadmico
RANGOS DE EDAD
Menos 22 aos 23 a 24 aos PROM % Ms de 25 aos PROM % N Total
CARRERA Arquitectura/Diseo Industrial Electrnica y Comunicaciones Industrial y de Sistemas Mecnico Elctricista/Administrador Mecatrnica Sistemas Computacionales Sistemas Elctrnicos Administracin de Empresas Administracin Financiera/Contabilidad Ciencias de la Comunicacin/Medios de Informacin Economa Derecho Mercadotecnia Negocios Internacionales Ciencias Polticas Psicologa Organizacional Relaciones Internacionales Sistemas de Computacin Administrativa TOTAL
PROM
91 85 87 87 89 88 89 89 87 88 88 87 88 90 88 92 89 87 88
5 23 19 15 5 15 21 8 20 9 22 10 10 15 22 5 19 28 14
86 82 85 83 85 85 82 86 85 86 84 86 84 84 85 88 85 85 85
73 56 61 56 77 65 63 63 57 66 52 53 64 62 39 55 61 40 61
81 76 81 78 79 79 77 83 80 83 77 80 80 81 81 83 83 81 80
22 21 20 30 18 19 16 29 23 25 26 37 26 23 39 41 19 33 25
60 39 94 54 60 72 19 89 122 88 23 30 158 74 23 22 62 40 1129
7.2.2 Sexo del alumno En la tabla 7-7 se presenta la distribucin de los alumnos por sexo y las carreras que cursaron. Si esta variable se relaciona de alguna forma con el RA, se convierte en un factor explicativo del diferencial del rendimiento de los estudiantes entre las carreras.
La generacin tiene un componente femenino de 45%, concentrado en las carreras de Mercadotecnia, Administracin y Ciencias de la Comunicacin. La mayor densidad se observa en Mercadotecnia. El sexo masculino se concentra en el rea de Ingeniera.
204
Existen carreras que, por su naturaleza, tienen una matrcula donde predominan las mujeres, como Psicologa Organizacional y Mercadotecnia.
Tabla 7-7 Distribucin de los alumnos por carrera, sexo y rendimiento

SEXO ALUMNOS
CARRERA Fem
Administracin de Empresas Administracin Financiera/Contabilidad Arquitectura/Diseo Industrial Ciencias de la Comunicacin/Medios Ciencias Polticas Derecho Economa Electrnica y Comunicaciones Industrial y de Sistemas Mecnico Elctricista/Administrador Mecatrnica Mercadotecnia Negocios Internacionales Psicologa Organizacional Relaciones Internacionales Sistemas Computacionales Sistemas de Computacin Administrativa Sistemas Elctrnicos TOTAL
52 60 34 50 13 13 8 6 35 5 10 95 40 18 45 10 14 5 513
% 58 49 57 57 57 43 35 15 37 9 17 60 54 82 73 14 35 26 45
Prom Masc
86 87 86 85 84 84 86 78 86 79 87 84 87 87 86 85 86 86 85
37 62 26 38 10 17 15 33 59 49 50 63 34 4 17 62 26 14 616
% 42 51 43 43 43 57 65 85 63 91 83 40 46 18 27 86 65 74 55
Prom
84 82 84 86 85 83 82 82 84 82 84 82 82 81 86 85 83 82 83
89 122 60 88 23 30 23 39 94 54 60 158 74 22 62 72 40 19 1,129
205
7.2.3 Edad de los padres A continuacin se analiza la variable edad de los padres, donde se determin que la madre es ms joven que el padre, 52 aos y 55, respectivamente. Las carreras donde los padres son ms jvenes son: Sistemas de Computacin Administrativa, Ciencias Polticas y Sistemas Electrnicos.
Tabla 7-8 Distribucin de la edad de los padres por carreras

Edad Madre 51 52 52 53 52 52 52 51 52 52 53 50 51 52 53 53 50 50 52 Edad Padre 55 55 55 56 55 55 55 54 56 56 55 53 54 54 56 56 54 54 55
CARRERA Mercadotecnia Administracin Financiera/Contabilidad Industrial y de Sistemas Administracin de Empresas Ciencias de la Comunicacin/ Medios de Informacin Negocios Internacionales Sistemas Computacionales Relaciones Internacionales Mecatrnica Arquitectura/Diseo Industrial Mecnico Elctricista/Administrador Sistemas de Computacin Administrativa Electrnica y Comunicaciones Derecho Psicologa Organizacional Economa Ciencias Polticas Sistemas Elctrnicos TOTAL
N 156 121 92 84 84 73 72 61 59 57 53 40 39 27 22 22 19 18 1099
N 156 121 92 84 83 73 72 57 59 57 53 40 39 26 19 22 21 18 1092
206
7.2.4 Estudios de los padres La variable estudios de los padres se clasific en cuatro categoras: primaria, profesional tcnico, normal superior, licenciatura y posgrado. Los padres alcanzaron niveles educativos ms altos que las madres, pues 50% tiene licenciatura y 20% posgrado. Es importante resaltar que, en promedio, casi 12% de los padres que estudiaron para profesores, sus hijos presentan un mejor RA, se podra derivar que un padre y una madre catedrtico, pueden darle mayor valor y poner ms atencin a los estudios del hijo.
Por su parte, 36% de las madres estudi una carrera profesional y 10% un posgrado, lo que permite inferir que la mujer se preocupa cada vez ms por tener una mejor preparacin. Adems, 39% de ellas slo estudi la primaria o una carrera tcnica.
207
Tabla 7-9 Distribucin de los estudios de los padres por carreras

ESTUDIOS DE LOS PADRES POR NIVEL EDUCATIVO (%) ESTUDIOS PADRE Carrera Mercadotecnia Administracin Financiera/Contabilidad Administracin de Empresas Industrial y de Sistemas Ciencias de la Comunicacin/Medios Sistemas Computacionales Negocios Internacionales Mecnico Elctricista/Administrador Relaciones Internacionales Arquitectura/Diseo Industrial Mecatrnica Electrnica y Comunicaciones Derecho Ciencias Polticas Sistemas Elctrnicos Sistemas de Computacin Administrativa Psicologa Organizacional Economa TOTAL
N Primaria P. Normal Tcnico Superior Lic. Posg.
ESTUDIOS MADRE
Primaria / Normal Tcnico Superior Lic. Posg.
147 110 86 80 72 68 57 54 41 40 40 36 27 18 18 18 17 16 945
14 15 15 18 22 21 21 22 10 40 28 11 11 22 17 22 24 6 18
8 15 10 10 19 6 11 2 15 25 25 6 7 17 11 17 0 6 12
52 52 55 38 42 60 63 50 58 23 45 61 52 44 50 44 47 38 50
25 18 20 34 16 13 5 26 18 13 3 22 30 17 22 17 29 50 20
38 25 47 44 42 37 35 46 29 53 55 31 33 28 33 39 47 31 39
16 15 13 5 21 15 11 6 22 23 18 22 15 39 6 22 6 6 15
39 43 34 35 28 38 44 41 37 15 25 36 48 22 56 33 24 31 36
7 17 7 16 10 10 11 7 12 10 3 11 4 11 6 6 24 31 11
La carrera que resalta por el alto nivel de estudio de la madre es Derecho (48%), mientras que en posgrado es Economa (31%). Las carreras que se destacan por el elevado nivel de estudio del padre son Electrnica y Comunicaciones (61%) y en posgrado tambin es Economa (31%).
208
7.2.5 Tipo de preparatoria Esta variable se dividi en alumnos que estudiaron en instituciones externas y los que provienen de la preparatoria del Tecnolgico de Monterrey. En la tabla 7-10 se puede observar que la poblacin proveniente del TEC, 41% (461), muestra un rendimiento medio de 82, mientras que el resto, 59%, (666), que procede de otras preparatorias, obtuvo un rendimiento de 84. De acuerdo con dicha tabla, aunque se observa una diferencia significativa marginal entre las carreras, no podemos decir que los alumnos que estudiaron en las preparatorias externas tienen mejor rendimiento, ya que existe mucha
variacin entre las diferentes instituciones educativas, sus modelos de enseanza-aprendizaje y la calidad de las mismas.
La carrera que presenta mejor rendimiento en la preparatoria es Mecatrnica y las que presentan el ms bajo rendimiento es Psicologa Organizacional y Derecho.
209
Tabla 7-10 Distribucin tipo de preparatoria por carreras
CARRERA Mercadotecnia Administracin Financiera/Contabilidad Ciencias de la Comunicacin/Medios Industrial y de Sistemas Negocios Internacionales Relaciones Internacionales Arquitectura/Diseo Industrial Mecatrnica Administracin de Empresas Sistemas Computacionales Sistemas de Computacin Administrativa Mecnico Elctricista/Administrador Economa Electrnica y Comunicaciones Derecho Ciencias Polticas Sistemas Elctrnicos Psicologa Organizacional TOTAL
Prepa TEC Promedio N Prepa 56 50 45 38 36 29 29 24 24 22 20 17 15 14 13 11 10 8 461 80 82 81 85 81 82 81 86 81 83 82 82 84 81 80 78 86 79 82
Prepa Externa Promedio N Prepa 102 72 43 56 38 33 31 36 64 49 20 37 8 25 17 12 9 14 666 82 83 80 86 84 85 85 88 83 86 85 82 85 85 79 84 85 84 84
7.2.6 Beca La variable beca se dividi en tres escalas. En la primera se ubic a los alumnos que carecieron de ella, en la segunda a los que tienen hasta 50% de beca y en la tercera a los que recibieron ms de este porcentaje.
En la tabla 7-11se observa que los 374 alumnos que gozaron de beca rindieron ms (87) que los alumnos que no la tuvieron (82), lo que es congruente con los hallazgos que realiz (Vargas, 2001) que establecen que el rendimiento de los
210
becados en todas las carreras es mayor a la media general de calificaciones. En nuestra investigacin se obtuvo el mismo resultado, excepto en la carrera de Derecho, en la que ambos grupos tienen el mismo rendimiento.
Los mejores promedios de los becados se concentran en las carreras de Administracin Financiera, Administracin de Empresas y Psicologa
Organizacional. El promedio ms alto de los sin beca se manifest en Psicologa Organizacional y Arquitectura; los alumnos de Derecho con o sin beca tienen el mismo promedio.
Tabla 7-11 Distribucin de alumnos por carrera y beca

Rend final 0% Rend Rend Total final final Alumnos Alumnos 10-50% 10-50% 51 -100% >51% Beca Beca %
CARRERA
Beca 0%
Mercadotecnia Administracin Financiera/Contabilidad Industrial y de Sistemas Administracin de Empresas Ciencias de la Comunicacin/Medios Negocios Internacionales Sistemas Computacionales Relaciones Internacionales Arquitectura /Diseo Mecatrnica Mecnico Elctricista/Administrador Sistemas de Computacin Administrativa Electrnica y Comunicaciones Derecho Ciencias Polticas Economa Psicologa Organizacional Sistemas Elctrnicos TOTAL
158 122 94 90 88 74 71 62 60 60 54 40 39 30 23 23
114 89 56 65 61 53 38 40 40 34 38 23 25 22 13 17
82 83 83 84 84 83 82 84 85 82 80 81 80 84 82 82 85 80 83
29 16 21 15 11 12 14 17 10 15 7 9 10 4 7 2 2 5 206
85 88 87 87 88 88 87 89 85 85 84 87 85 81 87 84 91 84 86
15 17 17 10 16 9 19 5 10 11 9 8 4 4 3 4 5 3 169
86 89 87 91 88 88 89 87 87 89 87 89 86 85 87 86 87 90 88
44 33 38 25 27 21 33 22 20 26 16 17 14 8 10 6 7 8 375
28 27 40 28 31 28 46 35 33 43 30 43 36 27 43 26 32 42 33
22 15 19 11 1129 754
211
7.2.7 Nivel econmico La variable nivel econmico de los padres se clasific en tres niveles: el primero hasta $ 20 (mil), el segundo de $ 21 (mil) a $ 40 (mil), y el tercero de $ 40 (mil) en adelante.
La media general de percepcin econmica de los padres es de $ 36 (mil). De acuerdo con los ingresos, las familias se encuentran ubicadas desde el nivel medio (C), medio alto (C+) e ingresos altos (A/B), de acuerdo con la Asociacin Mexicana de Agencias de Investigacin de Mercados y Opinin Pblica (AMAI). Los padres de los alumnos de las carreras de Administracin y Mercadotecnia son los que ms ingresos perciben. En el otro extremo se ubican los padres de estudiantes de Ciencias de la Comunicacin.
En la tabla 7-12 se presentan los resultados del RA en trminos de rendimiento final y de nivel socio-econmico. Casi 40% de las familias de los estudiantes presenta ingresos de entre 21 y 40 mil pesos, seguido por el grupo 3 con ingresos mayores a 41,000 pesos, que representa 31% de la generacin. Se comprob que el mayor rendimiento se encuentra en el grupo de menores ingresos.
212
Tabla 7-12 Distribucin de alumnos por carrera y nivel econmico (en pesos)
RENDIMIENTO POR NIVEL SOCIO-ECONMICO EN FUNCIN DE LA CARRERA Hasta 20,000 85 86 87 88 87 88 89 87 86 84 89 85 85 84 83 85 80 85 86 N 5 12 25 8 15 15 12 12 11 21 20 3 6 5 20 5 16 9 220 de 21,000 a 40,000 88 87 85 84 85 85 84 85 84 85 83 84 82 80 83 83 83 81 84 N 5 30 37 12 36 26 24 31 28 31 58 17 3 5 55 7 26 19 450 41,000 o ms 87 85 84 84 85 84 79 84 86 84 83 83 84 84 84 82 81 81 84 N 7 15 17 8 29 45 5 23 16 20 35 3 19 11 75 6 12 9 355 total N 87 17 86 57 86 79 85 28 85 80 85 86 85 41 85 66 85 55 85 72 84 113 84 23 84 28 83 21 83 150 83 18 82 54 82 37 84 1,025
LPO LRI LCC-LMI LSC IIS LAE IMT LIN ARQ-LDI ISC LAF-CPF LPL LED LEC LEM ISE IME-IMA IEC TOTAL
7.2.8 Prueba de aptitud acadmica (preparatorias externas) Ya se ha especificado que la prueba de aptitud acadmica (PAA) slo la presentan los alumnos de preparatorias externas. La tabla 7-13 presenta el promedio al ltimo semestre, la puntuacin del examen de admisin (PAA) y la valoracin del examen verbal y matemtico por separado. La carrera que obtuvo las ms bajas puntuaciones en la PAA fue Ciencias de la Comunicacin (1,271), mientras que en Mecatrnica se presentaron las ms altas (1,377).
213
Se observa que los alumnos con puntuaciones bajas en la PAA (1,285) los de Psicologa Organizacional, fue uno de los rendimientos ms altos al ltimo semestre (86); por el contrario, alumnos con puntuaciones altas en la PAA (1,372) en la carrera de Mecnico Electricista mostraron uno de los rendimientos ms bajos (82). Estos resultados permiten preguntar si hay carreras ms fciles o ms difciles, si existen programas acadmicos ms complejos o ms sencillos. Sin embargo, es necesario seguir explorando y analizando los datos a fin de encontrar respuestas a nuestras preguntas.
Tabla 7-13 Distribucin de alumnos por PAA y carreras

RENDIMIENTO FINAL PAA TOTAL PAA VERB PAA MATE
CARRERA
Mecatrnica Mecnico Electricista/Administrador Industrial y de Sistemas Sistemas Computacionales Electrnica y Comunicaciones Sistemas Elctrnicos Economa Ciencias Polticas Arquitectura/ Medios de Informacin Sistemas de Computacin Administrativa Administracin Financiera/Contabilidad Negocios Internacionales Mercadotecnia Relaciones Internacionales Administracin de Empresas Derecho Psicologa Organizacional Ciencias de la Comunicacin/Medios TOTAL
84 82 85 85 82 83 83 84 85 84 84 84 83 86 85 83 86 85 84
1377 1372 1363 1348 1342 1339 1334 1334 1329 1322 1318 1311 1302 1290 1290 1288 1285 1271 1321
656 646 649 650 627 635 642 656 644 627 631 637 636 645 625 634 644 621 638
721 726 714 697 714 705 693 679 685 695 687 674 666 645 664 655 641 650 683
214
7.2.9 Exmenes de inicio (matemticas y espaol) La siguiente variable que vamos a analizar es examen de inicio, que se aplica a los alumnos de preparatorias externas a fin de identificar si tienen los conocimientos bsicos o deben superar un curso para homologarlos. En el cuadro siguiente se presenta el resultado de la calificacin del examen de matemticas y espaol.
Los 622 alumnos de preparatorias externas que realizaron los exmenes iniciales, obtuvieron una calificacin media de 83 en matemticas y de 81 en espaol, lo que indica que presentan un nivel ms bajo en habilidades verbales. Los estudiantes de Derecho tienen las ms altas calificaciones en matemticas y las ms bajas en espaol, lo cual resulta extrao pues el enfoque de esta carrera se concentra en las habilidades verbales. Los alumnos de Arquitectura obtuvieron la media ms baja en matemticas, mientras que los de Economa lograron la mejor puntuacin media en espaol.
215
Tabla 7-14 Distribucin de alumnos en los exmenes iniciales matemticas y espaol

Examen Mate Examen Espaol
CARRERA
Ciencias de la Comunicacin/Medios Derecho Ciencias Polticas Psicologa Organizacional Relaciones Internacionales Arquitectura/Diseo Industrial Electrnica y Comunicaciones Industrial y de Sistemas Mecnico Elctricista/Administrador Mecatrnica Sistemas Computacionales Sistemas Elctrnicos Sistemas de Computacin Administrativa Administracin Financiera/Contabilidad Administracin de Empresas Economa Mercadotecnia Negocios Internacionales TOTAL
41 17 11 13 32 27 23 56 37 34 38 6 18 67 62 7 99 34 622
80 96 79 81 80 78 87 84 81 88 84 83 82 82 83 87 80 81 83
81 76 85 80 83 82 84 81 78 79 82 85 83 81 81 87 79 81 81
7.2.10 Promedio de la preparatoria La variable promedio de la preparatoria se dividi en cinco grupos: el primero, el de ms bajo rendimiento, de 70 a 79 puntos; el segundo, de 80 a 85; el tercero, de 86 a 89; el cuarto, de 90 a 95; y el grupo de ms alto rendimiento abarca de 96 a 100 puntos.
La media del rendimiento de la generacin en la preparatoria fue de 83. Del total de alumnos el 74% muestra un promedio de 70 a 85 y 36% presenta uno de 86 a 100.
216
Los estudiantes de las carreras que tienen ms alto promedio son: Mecatrnica (87), Ingeniera Industrial y Sistemas Electrnicos (86). La carrera con ms bajo promedio es Derecho (79) y Ciencias de la Comunicacin (81).
Tabla 7-15 Distribucin de alumnos por carrera y promedio de la preparatoria

PROMEDIO PREPA 5 GRUPOS (%) CARRERA N 70-79 80-85 86-89 90-95 96-100
Mecatrnica Industrial y de Sistemas Sistemas Elctrnicos Sistemas Computacionales Economa Relaciones Internacionales Electrnica y Comunicaciones Sistemas de Computacin Administrativa Arquitectura/Diseo Industrial Administracin Financiera/Contabilidad Negocios Internacionales Administracin de Empresas Mecnico Elctricista/Administrador Psicologa Organizacional Ciencias Polticas Mercadotecnia Ciencias de la Comunicacin/ Medios de Informacin Derecho TOTAL
60 94 19 72 23 62 39 40 60 122 74 89 54 22 23 158 88 30 1129
10 11 16 21 17 23 28 35 23 34 30 26 26 41 39 33 45 37 313
35 39 37 33 43 39 33 25 37 32 36 40 35 14 39 41 33 50 409
10 13 11 8 22 10 13 15 18 8 18 8 17 14 9 7 5 10 121
28 28 26 26 9 24 13 20 22 17 11 20 20 27 4 16 15 3 215
17 10 11 11 9 5 13 5 0 8 5 6 2 5 9 3 2 0 71
217
7.2.11 Toefl de inicio y Toefl final A continuacin se presenta el resultado del promedio de la puntuacin del examen Toefl que realizan los alumnos al inicio y durante sus estudios universitarios.
Tabla 7-16 Distribucin de alumnos por Toefl de inicio y final
CARRERA Mecatrnica Sistemas Computacionales Relaciones Internacionales Sistemas Elctrnicos Economa Industrial y de Sistemas Negocios Internacionales Electrnica y Comunicaciones Mecnico Elctricista/Administrador Ciencias de la Comunicacin/Medios Administracin Financiera/ Contabilidad Mercadotecnia Arquitectura/Diseo Industrial Ciencias Polticas Sistemas de Computacin Administrativa Psicologa Organizacional Administracin de Empresas Derecho TOTAL
TOEFL IN TOEFL FIN 532 531 530 533 531 533 528 523 510 533 514 507 519 517 505 507 502 507 518 580 579 575 575 573 572 570 566 563 563 560 555 555 552 543 543 542 532 560
La generacin tuvo una puntuacin media en el Toefl de inicio de 518 y en el final de 560, lo que significa un incremento importante. Las puntuaciones finales ms altas en el Toefl final se presentaron en las carreras de Mecatrnica (580) y Sistemas Computacionales (579).
218
Es evidente que los alumnos incrementaron su destreza en el manejo del ingls, avance que podra estar relacionado con el RA, en particular en aquellas materias que requieren de lecturas en dicho idioma.
7.2.12 Materias reprobadas al 3ro., 5to. y 9no. semestres Se analizaron las materias reprobadas al tercero, quinto y noveno semestres. La media en tercer semestre es de 1.8, en quinto se incrementa casi en un punto a 2.7 y en el ltimo semestre se eleva a 3.4. La carrera que tiene ms materias reprobadas al ltimo semestre es Mecnico Electricista; en el extremo opuesto se encuentra Relaciones Internacionales.
Se puede ver que las cuatro carreras que tienen mayor nmero de materias reprobadas al ltimo semestre pertenecen al rea de Ingeniera, tal vez en razn de que sus planes de estudios exigen mayores niveles de conocimientos matemticos.
219
Tabla 7-17 Distribucin de alumnos por materias reprobadas al 3ro., 5to. y 9no. semestres
CARRERA Mercadotecnia Administracin Financiera/Contabilidad Industrial y de Sistemas Administracin de Empresas Ciencias de la Comunicacin/ Medios de Informacin Negocios Internacionales Sistemas Computacionales Relaciones Internacionales Mecatrnica Arquitectura/Diseo Industrial Mecnico Elctricista/Administrador Sistemas de Computacin Administrativa Electrnica y Comunicaciones Derecho Economa Ciencias Polticas Psicologa Organizacional Sistemas Elctrnicos TOTAL
N 158 122 94 89 88 74 72 62 60 60 54 40 39 30 23 23 22 19 1,129
Mat Rep Mat Rep Mat Rep 3er. Sem 5o. Sem 9o. Sem 1.9 1.1 2.2 1.6 1.2 1.6 2.3 1.2 1.8 1.9 3.4 2.6 2.0 2.0 1.0 1.2 1.9 2.2 1.8 2.9 2.1 3.1 2.3 1.9 2.3 2.7 1.7 3.1 2.7 4.7 3.4 3.3 2.6 2.0 2.4 2.4 3.5 2.7 3.6 2.8 3.8 3.0 2.4 2.9 3.5 2.1 3.9 3.2 5.3 4.3 4.6 3.9 3.1 2.9 2.9 4.5 3.4
220
7.2.13 Semestres de ms La ltima variable que se analizar es semestres de ms, que, como ya se mencion, implica que un alumno curse ms de 10 semestres para terminar su carrera. De los 1,129 alumnos de la generacin, 694 (61%) cursan su carrera profesional en 9 o 10 semestres. Mercadotecnia es la que tiene ms estudiantes (38) que terminan en 11 y 12 semestres, seguida por Administracin de Empresas (32). Administracin Financiera y Contabilidad tiene el mayor nmero de alumnos que concluyen su carrera profesional en 15 semestres o ms, lo que tal vez tenga relacin con el enfoque analtico y numrico de su plan de estudios.
Tabla 7-18 Distribucin de alumnos por semestres de ms

SEMESTRES DE MS CARRERA N 0 1-2 3 - 4 5 o ms
Mercadotecnia Administracin Financiera/Contabilidad Industrial de la Sistemas Ciencias y de Comunicacin/ Medios de Informacin Negocios Internacionales Sistemas Computacionales Administracin de Empresas Relaciones Internacionales Mecatrnica Arquitectura/Diseo Industrial Mecnico Elctricista/Administrador Derecho Electrnica y Comunicaciones Sistemas de Computacin Administrativa Economa Sistemas Elctrnicos Ciencias Polticas Psicologa Organizacional TOTAL
158 122 94 88 74 72 89 62 60 60 54 30 39 40 23 19 23 22 1129
96 81 55 52 52 50 49 40 33 32 30 23 21 19 18 15 14 14 694
38 28 26 26 17 11 32 14 19 17 12 3 12 12 2 2 6 1 278
18 5 9 7 2 5 6 5 5 9 6 1 2 4 0 2 3 4 93
6 8 4 3 3 6 2 3 3 2 6 3 4 5 3 0 0 3 64
221
7.2.14 Resumen de la caracterizacin de la muestra En la tabla 7-19 se presenta el resumen de las caractersticas de la generacin por carreras profesionales, detallndose las variables en trminos de medias y porcentajes.
7-19 Resumen de las caractersticas de la generacin

MEDIAS
Mat. Sem Edad Edad Edad Niv Ec PAA Exam Exam Prom Toefl Toefl Rep de Alum Padre Madre Miles $ Total Mate Esp prepa Inic Fin Ult S ms
PORCENTAJE
Est Sexo Pad Masc Lic Est Mad Lic Alum Prepa Beca Ext Alum
CARRERA
Mercadotecnia Administracin Financiera/Contabilidad Industrial y de Sistemas Administracin de Empresas Ciencias de la Comunicacin/ Medios de Informacin Negocios Internacionales Sistemas Computacionales Relaciones Internacionales Arquitectura/Diseo Industrial Mecatrnica Mecnico Elctricista/Administrador Sistemas de Computacin Administrativa Electrnica y Comunicaciones Derecho Ciencias Polticas Economa Psicologa Organizacional Sistemas Elctrnicos TOTAL
158 122 94 89 88 74 72 62 60 60 54 40 39 30 23 23 22 19
24.1 23.8 23.7 23.9 24.0 23.7 23.6 23.7 24.0 23.8 24.1 24.0 23.6 24.5 24.2 23.7 24.5 23.4
55 55 55 56 55 55 55 54 56 56 55 53 54 54 54 56 56 54 55
51 52 52 53 52 52 52 51 52 52 53 50 51 52 50 53 53 50 52
41 36 38 41 31 37 33 35 36 28 33 34 33 43 35 38 36 34 36
1302 1318 1363 1290 1271 1311 1348 1290 1329 1377 1372 1322 1342 1288 1334 1334 1285 1339 1321
80 82 84 83 80 81 84 80 78 88 81 82 87 96 79 87 81 83 83
79 81 81 81 81 81 82 83 82 79 78 83 84 76 85 87 80 85 81
81 82 86 82 81 82 85 84 83 87 82 83 84 79 81 84 82 86 83
507 514 533 502 533 528 531 530 519 532 510 505 523 507 517 531 507 533 518
555 560 572 542 563 570 579 575 555 580 563 543 566 532 552 573 543 575 560
3.6 2.8 3.8 3.0 2.4 2.9 3.5 2.1 3.2 3.9 5.3 4.3 4.6 3.9 2.9 3.1 2.9 4.5 3.4
0.9 0.8 0.9 0.9 0.9 0.6 0.9 0.8 1.1 1.0 1.4 1.5 1.2 0.9 0.7 1.0 1.6 0.6 1.0
40 51 63 42 43 46 86 27 43 83 91 65 85 57 43 65 18 74 55
52 52 38 55 42 63 60 58 23 45 50 44 61 52 44 38 47 50 50
39 43 35 34 28 44 38 37 15 25 41 33 36 48 22 31 24 56 36
65 59 60 73 49 51 69 53 52 60 69 50 64 57 52 35 64 47 59
28 27 40 28 31 28 46 35 33 43 30 43 36 27 43 26 32 42 33
1129 23.9
222
7.2.15 Conclusiones parciales de los anlisis descriptivos Al comparar los tres rendimientos acadmicos se observa poca diferencia entre las carreras profesionales, que varan en dos o tres dcimas en forma ascendente o descendente. El rendimiento de los alumnos de 3ro. y 5to. semestres es de 83 y slo incrementa en una dcima el rendimiento final.
Del total de la generacin, casi 40% cursa su carrera profesional en ms de 10 semestres, debido a que suspenden materias y en algunos casos cursan menos carga por falta de recursos econmicos.
Las carreras que tienen mayor nmero de materias suspendidas al ltimo semestre pertenecen al rea de Ingeniera, lo que coincide en que tienen un componente ms matemtico en su plan de estudios.
En Toefl de inicio, la generacin obtuvo una media de 518 puntos, mientras que en el Toefl final fue de 560, un incremento importante, situacin que podra estar relacionada con el RA final.
La media de la preparatoria de toda la generacin es de 83, que se considera un buen aprovechamiento, y el 64% se encuentra en un rango de 70 a 85.
De los 622 alumnos de preparatorias externas que realizaron los exmenes iniciales en matemticas la media fue de 83 y en espaol de 81, lo que indica que presentan un nivel ms bajo en habilidades verbales.
223
En los resultados de la PAA se observa que alumnos con puntuaciones ms bajas, como los de Psicologa Organizacional, obtuvieron el rendimiento final ms alto; por el contrario, aquellos con puntuaciones muy altas, como los de Mecnico Electricista, mostraron el ms bajo.
Las familias de los alumnos se encuentran en un nivel socioeconmico medio y alto (71%), pues la media general de ingresos de los padres alcanza $ 36,000. El grupo de alumnos que logr el rendimiento ms alto se encuentra en el sector de menores ingresos, lo que se puede asociar que en algunos casos los alumnos que obtienen una beca o financiamiento deben demostrar que tienen necesidad econmica.
Ms de 33% de los alumnos que obtuvieron beca o financiamiento mostraron un rendimiento de los ms altos con una media de 87, mientras que los que no gozaron de esos beneficios obtuvieron un promedio ms bajo, con una media final de 82.
Sobre los estudios de los padres, es importante resaltar que cada vez ms la mujer se prepara a niveles educativos profesionales (36%) y de posgrado (10%). lo que permite deducir que hoy en da se preocupa ms por tener una mejor preparacin.
224
En cuanto a la edad de los alumnos, el 61% de los estudiantes de la generacin egresaron a una edad de entre 23 y 24 aos con un RA final de 85. Se encontr que a mayor edad los alumnos egresan con menor rendimiento acadmico.
Por otra parte, 12% de los padres estudiaron para profesores en la Escuela Normal Superior, de lo que se podra derivar que si son catedrticos pueden darle mayor valor y poner ms atencin a los estudios de sus hijos.
225
7.3 ANLISIS CORRELACIONAL En el captulo anterior se analizaron cada una de las variables independientes por separado. Ahora, a partir de la matriz de correlaciones de la generacin, se identificarn las diferentes relaciones entre variables. El anlisis correlacional permitir identificar el grado de asociacin que existe entre variables, as como detectar otras relaciones significativas. De acuerdo con Nunnally (1978), este tipo de anlisis trata de encontrar relaciones significativas y entre ms
asociacin entre variables exista se forma una correlacin perfecta, es decir, una variable determina 100% a la otra. Por lo regular, en Ciencias Sociales no se presenta una correlacin perfecta. Se puede considerar que 0.7 es una correlacin alta, y 0.2, baja.
Iniciaremos la exploracin de la relacin entre las variables que miden el RA en nuestro estudio, as como los factores que lo determinan, analizando las tablas de correlacin entre el RA final (variable dependiente o criterio) y las variables independientes.
7.3.1 Correlacin del rendimiento acadmico final A continuacin se presenta la tabla de correlaciones de Pearson entre el RA final y las carreras profesionales. Las correlaciones que estn por arriba de .50 positivo o negativo a un nivel de .001 de significatividad se resaltaron en color azul, mientras que las mayores a .22 y menores a .50 con un nivel de significatividad de .05 se resaltaron en negro.
227
Tabla 7-20 Correlacin entre el rendimiento acadmico y las carreras profesionales
CARRERAS Arquitectura/Diseo Industrial y de Sistemas Mecnico Elctricista/Administrador Mecatrnica Sistemas Computacionales Sistemas Elctrnicos Administracin de Empresas Administracin Financiera/Contabilidad Ciencias de la Comunicacin/Medios Economa Derecho Mercadotecnia Negocios Internacionales Ciencias Polticas Psicologa Organizacional Relaciones Internacionales Sistemas de Computacin Administrativa TOTAL
Edad Alum Sexo
Beca Est Est Edad Edad Nivel Prepa Toefl Toefl Alum Padre Madre Padre Madre Econ Proc Inicio Final
-0.61 -0.27 0.10 -0.38 -0.32 0.01 -0.41 -0.14 0.38 -0.04 -0.11 -0.53 0.21 0.48 0.21 -0.51 -0.03 0.55 0.17 -0.55 -0.31 0.67 0.06 -0.38 -0.22 0.48 0.02 0.31 0.13 0.15 -0.01
-0.13 -0.26 -0.35 -0.24 -0.15 0.06 -0.06 -0.28 0.01 0.06 0.08 -0.23
0.00 0.00
0.37 0.36
Electrnica y Comunicaciones -0.51 0.29 0.49 0.19
-0.15 -0.27 0.17 0.31 -0.16 -0.12 0.29 0.31 0.10 0.05 -0.43 0.00 -0.09 0.03 -0.30 0.01 -0.42 0.08 -0.18 0.35 0.10 0.02 0.34 0.40 0.24 0.30 0.29 0.23 0.25 0.29 0.19 0.20 0.29 0.28 0.53 0.50
-0.48 -0.22 0.44 -0.25 -0.07
-0.03 -0.21 0.47 0.42
-0.53 -0.21 -0.10 0.01 0.02 -0.01
-0.19 -0.40 0.48 -0.29 -0.36 -0.33 0.08 0.33 -0.04 0.07 -0.75 -0.40 0.23 0.21 -0.59 -0.13 0.01 0.38 -0.40 -0.20 0.34 0.11 -0.48 -0.50 0.34 0.01 -0.57 -0.54 0.24 0.23 0.26 -0.16 0.02 -0.11 0.37
-0.02 -0.08 0.16 0.03 -0.29 -0.31 -0.07 -0.05 -0.13 -0.09 -0.29 -0.11 -0.11 -0.02 -0.27 -0.16 -0.27 -0.36
-0.06 -0.13 0.16 0.02 0.03 -0.03 0.26 0.28 -0.23 0.00 0.23 0.20 -0.15 -0.14 0.25 0.22 0.20 -0.39 0.54 0.55 -0.19 0.41 -0.38 0.34 0.41 0.40 0.04 0.09
-0.40 0.12 0.49 -0.32 -0.30 -0.39 0.00 0.36 -0.12 0.12 -0.52 -0.34 0.63 -0.30 -0.39
-0.48 -0.17 0.39 -0.01 -0.02 -0.14 -0.12 -0.13 0.00 0.29 0.30
CARRERAS Arquitectura/Diseo Industrial y de Sistemas Mecnico Elctricista/Administrador Mecatrnica Sistemas Computacionales Sistemas Elctrnicos Administracin de Empresas Administracin Financiera/Contabilidad Ciencias de la Comunicacin/Medios Economa Derecho Mercadotecnia Negocios Internacionales Ciencias Polticas Psicologa Organizacional Relaciones Internacionales Sistemas de Computacin Administrativa TOTAL
Prom PAA PAA PAA Exam Exam Prom Prom Mat Rep Mat Rep Mat Rep Sem Prepa Total Verb Mate Mate Espaol Sem3o Sem5o 3er Sem 5o Sem 9o Sem dems
0.52 0.65 0.38 0.63 0.65 0.77 0.53 0.63 0.44 0.67 0.52 0.62 0.68 0.44 0.29 0.51 0.59 0.57
0.04 -0.03 0.11 0.21 0.35 0.07 -0.13 0.23 0.22 0.23 0.20 0.23 0.09 0.01 0.00 0.35 0.22 0.37 0.37 0.18 0.11 0.11 0.09 0.35 0.16 0.33 0.24 0.30 0.35 0.26 0.36 0.17 0.37 0.43 0.42 0.38 0.25 0.38 0.44 0.48 0.19 0.27 0.04 0.34 0.48 0.31 0.15 0.36 0.48 0.48 0.29 0.29 0.17 0.41 0.53 0.18 0.04 0.18 0.28 0.18 0.35 0.36 0.17 0.27 0.28 0.18 0.11 0.18 0.38 0.35 0.24 0.32 0.08 0.05 -0.14 0.45 0.39 0.32 0.28 0.60 0.27 0.26 0.22 0.37 0.49 -0.05 0.11 -0.15 0.39 0.41 0.24 0.19 0.19 0.31 0.32
0.79 0.92 0.85 0.92 0.94 0.88 0.95 0.89 0.90 0.83 0.92 0.76 0.87 0.88 0.75 0.89 0.90 0.88 0.87
0.92 0.95 0.93 0.97 0.98 0.97 0.97 0.96 0.97 0.92 0.98 0.90 0.95 0.97 0.92 0.97 0.96 0.95 0.95
-0.50 -0.79 -0.60 -0.80 -0.74 -0.77 -0.76 -0.53 -0.69 -0.55 -0.77 -0.63 -0.62 -0.77 -0.60 -0.69 -0.66 -0.67 -0.68
-0.71 -0.85 -0.70 -0.84 -0.85 -0.80 -0.83 -0.69 -0.80 -0.68 -0.83 -0.78 -0.73 -0.82 -0.77 -0.72 -0.76 -0.69 -0.77
-0.82 -0.89 -0.73 -0.85 -0.84 -0.82 -0.88 -0.77 -0.83 -0.75 -0.82 -0.81 -0.78 -0.86 -0.83 -0.75 -0.77 -0.79 -0.81
-0.57 -0.64 -0.46 -0.62 -0.65 -0.62 -0.68 -0.62 -0.44 -0.50 -0.71 -0.60 -0.54 -0.63 -0.61 -0.49 -0.52 -0.55 -0.58
Electrnica y Comunicaciones 0.69
228
Para este anlisis se consider a la generacin como un solo grupo. Adems, al analizar los resultados de las correlaciones totales podemos ver que promedio al 5to. semestre presenta la correlacin ms alta de la tabla con 0.95. Esta variable puede ser considerada como un buen predictor del rendimiento acadmico. En el fondo, esta relacin es muy lgica dado que se trata de la misma variable mediada de manera rezagada. Todas las carreras presentaron una correlacin por arriba de 0.92, lo que indica que existe una relacin positiva con el RA.
La segunda variable en importancia es promedio al 3er. semestre, donde todas la carreras obtuvieron una correlacin por arriba de (0.87), excepto Ciencias Polticas. La elevada relacin positiva de esta variable indica que el rendimiento al 3er. semestre se vincula en forma estrecha con el rendimiento al ltimo semestre. Nuevamente, esta relacin resulta lgica a la luz de que se trata de una media rezagada de la misma variable dependiente.
La tercera variable corresponde a materias reprobadas al ltimo semestre, con un valor de -0.81. En cuarto se encuentra materias reprobadas al 5to. semestre con un valor de -0.77 y en quinto con -0.81 materias reprobadas al 3er. semestre.
Le siguen las variables de semestres de ms con una correlacin de -0.58, que permiten apreciar que a mayor nmero de semestres cursados paulatinamente disminuye el rendimiento.
229
De ello, es posible inferir que a mayor nmero de semestres el alumno reprueba mayor nmero de materias, lo que redunda en que su carga acadmica decrezca, ya que al no aprobar una materia no puede cursar la siguiente cuando existe seriacin entre ellas.
El promedio de la preparatoria tiene una correlacin de 0.57, cifra que coincide con investigaciones que afirman que el rendimiento de la preparatoria tiene relacin con el rendimiento en los estudios siguientes. En 14 carreras la correlacin se presenta por arriba de 0.50.
La edad del alumno tiene una relacin -0.48 con el RA.
La variable beca-alumno tiene una correlacin positiva de 0.38 y se asocia a que los estudiantes que tienen becas mayores muestran mejor RA. En el Tecnolgico de Monterrey las becas funcionan como un elemento de presin pues quien goza de ellas debe mantener un promedio de 85.
En cuanto al sexo su relacin es negativa de -0.17, pero las mujeres se asocian con un mejor rendimiento.
La variable nivel socio-econmico presenta una relacin negativa de - 0.13, lo que indica que a mayores posibilidades econmicas de los padres los alumnos presentan un rendimiento ligeramente menor.
230
Edad de los padres no tiene correlacin relevante con el RA. Se esperaba que los estudios de los padres afectaran el RA, ya sea directamente o de manera mediada a travs de las expectativas, relacin que se menciona en los resultados que se pueden encontrar en la literatura. Sin embargo, no se logr evidencia de ello, pues las correlaciones que se detectaron eran muy bajas.
A nivel general se calcularon correlaciones entre las variables personales, sociodemogrficas y las de rendimiento acadmico, las que se presentan en la tabla siguiente.
Tabla 7-21 Correlacin entre las variables clasificatorias y el rendimiento acadmico en los distintos semestres medidos
Correlaciones Materias Materias Materias Promedio 3er. Promedio 5o. Promedio 9o. reprobadas reprobadas reprobadas semestre semestre semestre 3er. semest re 5o. semestre 9o. semestre -.359** -.388** -.415** .409** .454** .481** .000 .000 .000 .000 .000 .000 1129 1129 1129 1129 1129 1129 -.234** -.221** -.211** .195** .195** .196** .000 .000 .000 .000 .000 .000 1129 1129 1129 1129 1129 1129 .009 -.001 -.017 -.039 -.022 -.018 .776 .986 .603 .234 .501 .574 944 944 944 944 944 944 .000 -.007 -.018 -.073* -.039 -.027 .999 .831 .572 .024 .225 .415 945 945 945 945 945 945 -.070* -.077* -.065* .099** .113** .105** .020 .011 .031 .001 .000 .001 1092 1092 1092 1092 1092 1092 -.095** -.083** -.069* .105** .100** .086** .002 .006 .023 .000 .001 .004 1099 1099 1099 1099 1099 1099 -.160** -.149** -.148** .072* .074* .081** .000 .000 .000 .020 .017 .010 1025 1025 1025 1025 1025 1025
Edad alumno
Sexo
Estudios Padre
Estudios madre
Edad padre
Edad madre
Niv el Econmico
Correlacin de Sig. (bilateral) N Correlacin de Sig. (bilateral) N Correlacin de Sig. (bilateral) N Correlacin de Sig. (bilateral) N Correlacin de Sig. (bilateral) N Correlacin de Sig. (bilateral) N Correlacin de Sig. (bilateral) N
Pearson
Pearson
Pearson
Pearson
Pearson
Pearson
Pearson
**. La correlacin es signif icativ a al niv el 0,01 (bilateral). *. La correlacin es signif icante al niv el 0,05 (bilateral).
231
De los ndices de correlacin con las variables socio-demogrficas, la edad del alumno se puede considerar como un indicador que apunta a un porcentaje moderado de varianza compartida dado que sus correlaciones se ubican alrededor de .40. Sin embargo, esta correlacin revela ser espuria cuando se controla el nmero de materias reprobadas.
En lo que toca las variables restantes, sexo es la nica que tuvo alguna relacin, dado que sus correlaciones se ubican alrededor de 0.2. Todas las dems correlaciones son de un valor muy bajo como para ser consideradas, pese a que por el tamao de la muestra resulten significativas.
A continuacin se presentan las correlaciones entre otras variables de corte acadmico y las de RA. Las variables de exmenes iniciales y prueba de aptitud acadmica (PAA) slo se aplican a los alumnos que provienen de preparatorias externas.
232
Tabla 7-22 Correlacin entre las variables clasificatorias, de rendimiento inicial y rendimiento durante la carrera universitaria
Correlaciones Materias Materias Materias Promedio 3er. Promedio 5o. Promedio 9o. reprobadas reprobadas reprobadas semestre semestre semestre 3er. semestre 5o. semestre 9o. semestre .511** .541** .556** -.336** -.375** -.385** .000 .000 .000 .000 .000 .000 1129 1129 1129 1129 1129 1129 .230** .258** .270** -.184** -.210** -.207** .000 .000 .000 .000 .000 .000 667 667 667 667 667 667 .197** .229** .241** -.117** -.136** -.141** .000 .000 .000 .002 .000 .000 667 Puntuacin de ex admisin matemtico Beca alumno .175** .000 667 .386** .000 1128 .367** .000 624 .369** .000 445 -.483** .000 1129 .255** .000 1128 .237** .000 1119 ** **. La correlacin es signif icativ a al niv el 0,01 (bilateral). ** 667 .189** .000 667 .396** .000 1128 .404** .000 624 .366** .000 445 -.522** .000 1129 .265** .000 1128 .249** .000 1119 ** 667 .196** .000 667 .390** .000 1128 .423** .000 624 .321** .000 445 -.547** .000 1129 .287** .000 1128 .279** .000 1119 ** 667 -.176** .000 667 -.233** .000 1128 -.302** .000 624 -.246** .000 445 .576** .000 1129 -.197** .000 1128 -.190** .000 1119 ** 667 -.198** .000 667 -.246** .000 1128 -.325** .000 624 -.239** .000 445 .642** .000 1129 -.217** .000 1128 -.198** .000 1119 ** 667 -.191** .000 667 -.247** .000 1128 -.315** .000 624 -.213** .000 445 .686** .000 1129 -.214** .000 1128 -.193** .000 1119
Promedio prepa
Puntuacin de exmen de admisin Puntuacin de ex admisin v erbal
Examen matemticas
Examen espaol
Semestres dems
Toefl inicio
Toefl f inal
Tabla 7-23 Correlacin entre las variables rendimiento acadmico al ltimo semestre
durante la carrera universitaria y el
Correlati ons Promedio ltimo semestre 1 Materias Materias Promedio 5o. reprobadas reprobadas semestre 3er. semest re 5o. semestre .950** -.644** -.750** .000 .000 .000 1129 1129 1129 .927** -.748** -.759** .000 .000 .000 1129 1129 1129 1 -.706** -.792** .000 .000 1129 1129 1129 -.706** 1 .912** .000 .000 1129 1129 1129 -.792** .912** 1 .000 .000 1129 1129 1129 -.786** .844** .953** .000 .000 .000 1129 1129 1129 Materias reprobadas ltimo semestre -.797** .000 1129 -.739** .000 1129 -.786** .000 1129 .844** .000 1129 .953** .000 1129 1 1129
Promedio ltimo semestre Promedio 3er. semestre
Promedio 5o. semestre
Materias reprobadas 3er. semest re Materias reprobadas 5o. semestre Materias reprobadas ltimo semestre
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Promedio 3er. semestre .869** .000 1129 1129 .869** 1 .000 1129 1129 .950** .927** .000 .000 1129 1129 -.644** -.748** .000 .000 1129 1129 -.750** -.759** .000 .000 1129 1129 -.797** -.739** .000 .000 1129 1129
**. Correlation is signif icant at the 0.01 lev el (2-tailed).
233
7.3.2 Correlacin por reas acadmicas a) Humanidades

Tabla 7-24 Correlacin de las variables clasificatorias con el rendimiento acadmico en los distintos semestres medidos
a Correlaciones
Edad alumno
Sexo
Estudios Padre
Estudios madre
Edad padre
Edad madre
Niv el Econmico
Pearson
Pearson
Pearson
Pearson
Pearson
Pearson
Pearson
Materias Materias Materias Promedio 3er. Promedio 5o. Promedio 9o. reprobadas reprobadas reprobadas semestre semestre semestre 3er. semest re 5o. semestre 9o. semestre -.365** -.368** -.426** .412** .424** .466** .000 .000 .000 .000 .000 .000 225 225 225 225 225 225 -.093 -.064 -.059 .025 .022 .026 .163 .342 .381 .705 .748 .702 225 225 225 225 225 225 -.037 .006 .006 .034 .018 -.050 .624 .938 .935 .657 .815 .508 175 175 175 175 175 175 -.005 .020 .043 -.060 -.060 -.083 .943 .789 .569 .427 .431 .272 175 175 175 175 175 175 -.188** -.161* -.132 .252** .223** .189** .007 .021 .059 .000 .001 .007 206 206 206 206 206 206 -.176* -.131 -.119 .252** .208** .165* .010 .056 .084 .000 .002 .016 213 213 213 213 213 213 -.153* -.121 -.140* .092 .101 .115 .029 .086 .045 .191 .152 .102 204 204 204 204 204 204
**. La correlacin es signif icativ a al niv el 0,01 (bilateral). *. La correlacin es signif icante al niv el 0,05 (bilateral). a. AREA = HUMANI DADES
234
Tabla 7-25 Correlacin de las variables durante su carrera universitaria con el rendimiento acadmico final en los distintos semestres medidos
a Correlaciones
Promedio prepa
Materias Materias Materias Promedio 3er. Promedio 5o. Promedio 9o. reprobadas reprobadas reprobadas semestre semestre semestre 3er. semest re 5o. semestre 9o. semestre .389** .433** .456** -.186** -.221** -.241** .000 .000 .000 .005 .001 .000 225 225 225 225 225 225 .277** .291** .321** -.245** -.299** -.297** .002 .001 .000 .007 .001 .001 119 119 119 119 119 119 .172 .217* .275** -.079 -.138 -.161 .061 .018 .002 .393 .135 .080 119 119 .257** .005 119 .303** .000 225 .253** .007 114 .454** .000 70 -.450** .000 225 .326** .000 225 .284** .000 222 * ** 119 .254** .005 119 .291** .000 225 .309** .001 114 .388** .001 70 -.500** .000 225 .333** .000 225 .315** .000 222 119 -.306** .001 119 -.106 .112 225 -.205* .028 114 -.103 .394 70 .600** .000 225 -.344** .000 225 -.320** .000 222 ** 119 -.338** .000 119 -.094 .159 225 -.269** .004 114 -.150 .214 70 .666** .000 225 -.364** .000 225 -.334** .000 222 ** 119 -.315** .000 119 -.097 .147 225 -.261** .005 114 -.160 .187 70 .701** .000 225 -.363** .000 225 -.324** .000 222
Puntuacin ex de admisin matemtico Beca alumno
Examen matemticas
Examen espaol
Semest res dems
Toef l inicio
Toef l f inal
.275** .002 119 .291** .000 225 .220* .019 114 .329** .005 70 -.440** .000 225 .356** .000 225 .296** .000 222
**. La correlacin es signif icativ a al niv el 0,01 (bilateral). *. La correlacin es signif icante al niv el 0,05 (bilateral). a. AREA = HUMANI DADES
En el rea de Humanidades podemos observar que: Existe una relacin positiva entre la edad y el RA Se presenta una correlacin entre la edad del padre en los primeros tres semestres y con las materias reprobadas. Existe una relacin positiva entre la edad de la madre y las materias reprobadas. Se present una relacin positiva de .05 entre el nivel econmico y el promedio del 3er. semestre y el rendimiento final.
235
Las variables independientes que estuvieron correlacionadas positivamente con el RA fueron: edad del alumno, edad de los padres, promedio preparatoria, PAA total, PAA matemtico, beca, exmenes de ubicacin, semestres cursados y Toefl inicial y final.
b) Ingeniera En el rea de Ingeniera se detect una correlacin positiva significativa entre el rendimiento y las variables edad, Toefl inicial y Toefl final, promedio de la preparatoria, prueba de aptitud acadmica, beca, exmenes de iniciales y semestres de ms.
a Correlaciones
Edad alumno
Sexo
Estudios Padre
Estudios madre
Edad padre
Edad madre
Niv el Econmico
Pearson
Pearson
Pearson
Pearson
Pearson
Pearson
Pearson
Materias Materias Materias Promedio 3er. Promedio 5o. Promedio 9o. reprobadas reprobadas reprobadas semestre semestre semestre 3er. semest re 5o. semestre 9o. semestre -.417** -.464** -.474** .500** .536** .561** .000 .000 .000 .000 .000 .000 438 438 438 438 438 438 -.187** -.162** -.154** .122* .104* .103* .000 .001 .001 .011 .030 .031 438 438 438 438 438 438 .024 .002 -.005 -.061 -.040 -.016 .654 .974 .922 .250 .450 .761 353 353 353 353 353 353 .027 .017 -.001 -.092 -.067 -.044 .611 .748 .988 .085 .210 .405 354 354 354 354 354 354 -.057 -.086 -.095* .062 .102* .120* .241 .075 .049 .202 .035 .013 430 430 430 430 430 430 -.123* -.137** -.128** .100* .120* .116* .011 .004 .008 .037 .012 .016 430 430 430 430 430 430 -.133** -.112* -.106* .062 .033 .028 .009 .027 .037 .222 .524 .583 385 385 385 385 385 385
**. La correlacin es signif icativ a al niv el 0,01 (bilateral). *. La correlacin es signif icante al niv el 0,05 (bilateral). a. AREA = INGENIERIA
236
Tabla 7-27 Correlacin de las variables durante su carrera universitaria con el rendimiento acadmico en los distintos semestres medidos
a Correlaciones
Promedio prepa
Materias Materias Materias Promedio 3er. Promedio 5o. Promedio 9o. reprobadas reprobadas reprobadas semestre semestre semestre 3er. semest re 5o. semestre 9o. semestre .554** .584** .595** -.400** -.420** -.433** .000 .000 .000 .000 .000 .000 438 438 438 438 438 438 .195** .243** .249** -.206** -.212** -.214** .001 .000 .000 .001 .001 .000 264 264 264 264 264 264 .141* .189** .199** -.130* -.131* -.129* .021 .002 .001 .035 .034 .037 264 264 .193** .002 264 .450** .000 437 .340** .000 240 .228** .001 199 -.555** .000 438 .257** .000 437 .271** .000 436 ** ** 264 .192** .002 264 .442** .000 437 .368** .000 240 .216** .002 199 -.565** .000 438 .293** .000 437 .306** .000 436 ** 264 -.197** .001 264 -.310** .000 437 -.304** .000 240 -.239** .001 199 .572** .000 438 -.204** .000 437 -.216** .000 436 ** 264 -.205** .001 264 -.320** .000 437 -.295** .000 240 -.178* .012 199 .636** .000 438 -.223** .000 437 -.225** .000 436 ** 264 -.210** .001 264 -.314** .000 437 -.280** .000 240 -.158* .026 199 .688** .000 438 -.216** .000 437 -.219** .000 436
Puntuacin de ex admisin matemtico Beca alumno
Examen matemticas
Examen espaol
Semest res dems
Toef l inicio
Toef l f inal
.167** .007 264 .430** .000 437 .332** .000 240 .284** .000 199 -.509** .000 438 .232** .000 437 .232** .000 436 **
**. La correlacin es signif icativ a al niv el 0,01 (bilateral). *. La correlacin es signif icante al niv el 0,05 (bilateral). a. AREA = INGENIERIA
c) Negocios
En el rea de Negocios se encontr una correlacin positiva entre el rendimiento y las variables edad, sexo, nivel econmico, promedio de la preparatoria, PAA total, PAA matemtico y verbal, beca, exmenes de inicio, semestres de ms, Toefl inicio y Toefl final.
237
a Correlaciones
Edad alumno
Sexo
Estudios Padre
Estudios madre
Edad padre
Edad madre
Niv el Econmico
Pearson
Pearson
Pearson
Pearson
Pearson
Pearson
Pearson
Materias Materias Materias Promedio 3er. Promedio 5o. Promedio 9o. reprobadas reprobadas reprobadas semestre semestre semestre 3er. semest re 5o. semestre 9o. semestre -.334** -.358** -.378** .357** .426** .447** .000 .000 .000 .000 .000 .000 466 466 466 466 466 466 -.287** -.302** -.311** .269** .289** .293** .000 .000 .000 .000 .000 .000 466 466 466 466 466 466 .002 -.013 -.041 -.025 -.001 .006 .975 .785 .403 .605 .978 .905 416 416 416 416 416 416 -.044 -.055 -.066 -.033 .022 .035 .370 .262 .181 .503 .660 .476 416 416 416 416 416 416 -.036 -.033 -.010 .081 .088 .065 .447 .482 .826 .083 .061 .168 456 456 456 456 456 456 -.024 .001 .016 .040 .029 .019 .612 .990 .730 .392 .543 .683 456 456 456 456 456 456 -.210** -.201** -.186** .125** .141** .150** .000 .000 .000 .009 .003 .002 436 436 436 436 436 436
**. La correlacin es signif icativ a al niv el 0,01 (bilateral). a. AREA = NEGOCI OS
Tabla 7-29 Correlacin de las variables de rendimiento durante los estudios universitarios con el rendimiento acadmico final
a Correlaciones
Prom edio prepa
Materias Materias Materias Prom edio 3er. Prom edio 5o. Prom edio 9o. reprobadas reprobadas reprobadas semestre semestre semestre 3er. semest re 5o. semestre 9o. semestre .615** .629** .616** -.436** -.485** -.479** .000 .000 .000 .000 .000 .000 466 466 466 466 466 466 .345** .343** .323** -.239** -.263** -.258** .000 .000 .000 .000 .000 .000 284 284 284 284 284 284 .294** .290** .274** -.156** -.172** -.173** .000 .000 .000 .008 .004 .004 284 284 .260** .000 284 .409** .000 466 .568** .000 270 .498** .000 176 -.526** .000 466 .250** .000 466 .237** .000 461 ** ** 284 .244** .000 284 .396** .000 466 .545** .000 270 .409** .000 176 -.559** .000 466 .259** .000 466 .252** .000 461 * 284 -.227** .000 284 -.249** .000 466 -.397** .000 270 -.343** .000 176 .567** .000 466 -.152** .001 466 -.147** .001 461 ** 284 -.249** .000 284 -.268** .000 466 -.424** .000 270 -.367** .000 176 .641** .000 466 -.170** .000 466 -.150** .001 461 ** 284 -.242** .000 284 -.271** .000 466 -.414** .000 270 -.306** .000 176 .682** .000 466 -.168** .000 466 -.143** .002 461
Puntuacin de ex admisin matemtico Beca alumno
Examen m atemticas
Examen espaol
Semest res dems
Toef l inicio
Toef l f inal
.260** .000 284 .420** .000 466 .520** .000 270 .506** .000 176 -.473** .000 466 .249** .000 466 .250** .000 461 **
**. La correlacin es signif icativ a al niv el 0,01 (bilateral). *. La correlacin es signif icante al niv el 0,05 (bilateral). a. AREA = NEGOCI OS
238
7.3.3 Conclusiones parciales del anlisis de correlaciones De los resultados obtenidos en las correlaciones entre las variables
clasificatorias personales y sociofamiliares, de rendimiento previo y de rendimiento durante su carrera universitaria se puede observar que:
A mayor promedio de preparatoria mejor es el RA, mientras que a mayor rendimiento menor nmero de materias reprobadas, es decir que existe una correlacin positiva entre ambos. Este resultado est relacionado con las investigaciones de Herrera, Nieto, Rodrguez y Snchez(1999), que especifican que las variables que explican el RA en la mayora de los casos es el nivel de estudios de los padres, personalidad, inteligencia, hbitos de estudio y rendimiento anterior.
La PAA de espaol y matemticas presenta una correlacin positiva dbil con el RA. Snchez (1986), recomienda que no slo hay que ver el aspecto de inteligencia en general para medir el rendimiento, sino tambin considerar otro tipo de habilidades como las verbales (comprensin de lectura) y numricas (capacidad analtica). Es importante mencionar que la puntuacin de la PAA total se conforma de la suma de la puntuacin obtenida en matemtica y espaol. Se consider separarlas ya que conocer el resultado especfico de cada rea nos permite identificar las bases del alumno, lo que permite realizar un plan de intervencin personalizado.
239
A mayor porcentaje de beca mejor rendimiento final y menor nmero de materias reprobadas. Como ya se mencion, para obtenerla se requiere de un promedio mayor o igual a 90, de tal forma que su otorgamiento est vinculado a un excelente desempeo acadmico.
Asimismo, se descubri que existe una relacin positiva entre los exmenes iniciales que presentan los alumnos de preparatorias externas con el RA final.
A ms semestres cursados, los alumnos muestran menores rendimientos, posiblemente debido a mayor nmero de materias reprobadas; tambin puede ser que hayan obtenido bajos promedios en sus materias.
Existe una correlacin positiva entre Toefl inicial y Toefl final y el RA final. Tambin se encontr una correlacin negativa entre el Toefl y las materias reprobadas. Como cabra esperar, estas correlaciones no son muy fuertes, pues si bien el Tecnolgico de Monterrey requiere del dominio del ingls para algunas lecturas, los alumnos de esta generacin no tuvieron que cursar materias completas en ingls.
240
7.4 ESTUDIOS DIFERENCIALES
En este captulo se presenta el anlisis de varianza de cada variable independiente, con el objeto de ver si la diferencia de medias es estadsticamente significativa. Para realizar los anlisis exploratorios se aplic una prueba ANOVA con la finalidad de verificar si las diferencias entre las medias del rendimiento final son significativas. Para ello, se recodificaron algunas variables considerando el nmero de casos, a fin de no generar cohortes con grupos muy pequeos por consideraciones de poder estadstico. A) Anlisis de varianza 7.4.1 Sexo Para analizar la variable sexo se clasific la generacin en mujeres y hombres. Cuarenta y cinco por ciento de la poblacin es de gnero femenino y 55% masculino. En la figura 7-4 se presenta el rendimiento final de las mujeres y hombres por carrera profesional. Se observa que en casi todas las carreras el promedio de las mujeres es mejor que el de los hombres, excepto en Electrnica y Comunicaciones y Mecnico Electricista, en las que hay pocas mujeres matriculadas.
El sexo es un factor que afecta el RA. Por su parte, la correlacin de -0.17 nos indica que el mejor rendimiento se asocia con las mujeres. Aunque no existe un acuerdo sobre la prediccin diferencial por reas o por cursos con relacin al sexo, algunas investigaciones sealan que el rendimiento de las mujeres es mayor que el de los hombres.
241
Por ejemplo, en el estudio que realiz Celis (1986) en la Universidad Iberoamericana de la Ciudad de Mxico (citado en Navarro, 2003), en los subtest de razonamiento abstracto, razonamiento verbal y relaciones especiales encontr que los hombres obtuvieron puntuaciones promedio ms altas que las mujeres.
En la tabla 7-30, el resultado del anlisis de varianza nos permitir probar si la diferencia entre las medias del rendimiento final es significativa. Se presenta un valor de la prueba F de 52.649, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de igualdad de las medias de los dos grupos con un nivel de significacin de 0.00, y se concluye que el rendimiento de las mujeres es mayor al de los hombres, y que su diferencia es estadsticamente significativa con un nivel de significacin de .001.
Tabla 7-30 Anlisis de varianza de rendimiento final en funcin del sexo

ANOVA Promedio ltimo semestre Sum of Squares 1298.500 27795.813 29094.313 df 1 1127 1128 Mean Square 1298.500 24.664 F 52.649 Sig. .000
Between Groups Within Groups Total
242
Figura 7-4 Rendimiento final por carreras en funcin del sexo
En el diagrama de medias se observa que el promedio de las mujeres vara entre 78 y 88, mientras que el de los hombres oscila entre 81 y 86.
Figura 7-5 Diagrama de medias por sexo
243
7.4.2 Edad de los alumnos
Para analizar la edad de los alumnos se dividi la poblacin en tres grupos: el primero hasta los 22 aos, el segundo de 23 a 24 aos y el tercero de 25 aos o ms. La correlacin de esta variable con el rendimiento final fue de -.48 que indica que a mayor edad el alumno obtiene calificaciones ms bajas. En la primera categora hay 159 alumnos vinculados a ms alto rendimiento, mientras que en la segunda se encuentra la mayora de ellos (692), cuyo promedio es 3.3 dcimas menor.
En la tabla 7-31 se presenta un valor de la prueba F de 156.52, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.001. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-31 Anlisis de varianza de rendimiento final por 3 categoras de edad
244
Se aplic la prueba de Scheffe en la tabla 7-32 podemos ver que se identificaron tres grupos de medias. En el primero se encuentran los promedios ms bajos correspondientes a los alumnos de 25 aos o ms; en el segundo convergen los de 23 a 24 aos con un promedio de 85 y en el tercero los menores de 22, que tienen un promedio de 88.
Tabla 7-32 Pruebas post-hoc de Scheffe para los 3 grupos de edad de alumnos
Promedio ltimo semestre Schef f e
a,b
Edad en 3 grupos por IO 25 aos o mas 23 a 24 aos hasta 22 aos Sig.
N 278 692 159
Subset f or alpha = .05 1 2 3 80.47 84.88 87.88 1.000 1.000 1.000
Means f or groups in homogeneous subsets are display ed. a. Uses Harmonic Mean Sample Size = 264.748. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Ty pe I error lev els are not guarant eed.
En la figura 7-6 se puede observar que a medida que incrementan su edad, los alumnos disminuyen su rendimiento. Obviamente, en el fondo la edad es un correlato con cierto nivel de espuriedad, por lo que debe existir una tercera variable que correlacione la edad con el rendimiento, sin descalificar que a mayor edad pudiera ocurrir que el estudio ya no es una prioridad.
En el diagrama de medias se confirma que el grupo de menos de 22 aos tiene mejor RA, mientras que el de 25 aos o ms muestra un rendimiento menor.
245
Figura 7-6 Diagrama de medias de las 3 categoras de edad
En la tabla 7-33 de comparacin mltiple se muestran los resultados de estas pruebas. En la segunda columna se presentan las diferencias entre las medias de los distintos grupos, marcadas por un asterisco que indica que resultaron significativas, con un mnimo de 0.05 nivel de significacin.
Si consideramos que un alumno egresa de la preparatoria alrededor de los 1819 aos y estudia una carrera de 4.5-5 aos, finalizar a los 22 sera una terminacin temprana, a los 23-24, esperada, y de los 25 en adelante, tarda. Entre los tres grupos se identifican diferencias significativas.
246
Tabla 7-33 Comparacin mltiple entre grupos de edad de los alumnos

Multi ple Comparisons Dependent Variable: Promedio ltimo semestre Schef f e Mean Dif f erence (I-J) St d. 2.996* 7.403* -2.996* 4.407* -7.403* -4.407*
(I) Edad en 3 grupos por I O hasta 22 aos 23 a 24 aos 25 aos o mas
(J) Edad en 3 grupos por I O 23 a 24 aos 25 aos o mas hasta 22 aos 25 aos o mas hasta 22 aos 23 a 24 aos
Error .395 .447 .395 .319 .447 .319
Sig. .000 .000 .000 .000 .000 .000
95% Conf idence Interv al Lower Bound Upper Bound 2.03 3.96 6.31 8.50 -3.96 -2.03 3.62 5.19 -8.50 -6.31 -5.19 -3.62
*. The mean dif f erence is signif icant at t he .05 lev el.
7.4.3 Beca Los alumnos fueron agrupados en tres categoras: la primera, los que no obtuvieron beca; la segunda, los que tienen beca de 10 a 50%; y la tercera, con beca de 51 a 100%. En la tabla 7-34 de anlisis de varianza se presenta un valor de la prueba F de 107.176, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.000. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-34 Anlisis de varianza de rendimiento final en 3 categoras de beca

La prueba de Scheffe contrasta el promedio de cada grupo con los restantes para ver qu diferencias resultan significativas.
247
Tabla 7-35 Pruebas post-hoc de Scheffe para los grupos de beca

Promedio l timo semestre Schef f e
a,b
Beca en 3 grupos 0 10-50 51-100 Sig.
N 754 205 169
Subset f or alpha = . 05 1 2 3 82.82 86.39 87.83 1.000 1.000 1.000
Means f or groups in homogeneous subset s are display ed. a. Uses Harmonic Mean Sample Size = 247.495. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Ty pe I error lev els are not guarant eed.
En la figura 7-7, el diagrama de comparacin de medias por beca nos muestra que el rendimiento de los alumnos con ms de 51% de beca es ms alto que el de los que no la recibieron, con una dispersin uniforme y equilibrada alrededor de las medias.
Se observa que a medida que se incrementa el porcentaje de beca tambin aumenta el rendimiento acadmico.
248
Figura 7-7 Diagrama de medias por beca de los tres grupos
Esas diferencias entre rendimientos son significativas, pues la media del rendimiento del grupo de ms de 50% de beca es mayor en 5 dcimas de punto que el grupo sin ella. En la tabla 7-36 de comparacin mltiple entre los tres grupos se presentan diferencias relevantes: lgicamente, el grupo con mayor porcentaje de beca tiene las diferencias ms grandes con relacin a los otros dos grupos.
249
Tabla 7-36 Comparacin mltiple entre grupos por beca

Multiple Comparisons Dependent Variable: Promedio ltimo semestre Schef fe Mean Diff erence (I-J) Std. Error -3.577* .367 -5.014* .397 3.577* .367 -1.437* .484 5.014* .397 1.437* .484
(I) Beca en 3 grupos 0 10-50 51-100
(J) Beca en 3 grupos 10-50 51-100 0 51-100 0 10-50
Sig. .000 .000 .000 .012 .000 .012
95% Confidence Interv al Lower Bound Upper Bound -4.48 -2.68 -5.99 -4.04 2.68 4.48 -2.62 -.25 4.04 5.99 .25 2.62
*. The mean dif ference is significant at the .05 lev el.
7.4.4 Nivel socioeconmico Los ingresos familiares se agruparon en tres categoras, en pesos mexicanos: la primera de hasta 20,000 pesos; la segunda de 21,000 a 40,000; y la tercera, de ms de 41,000.
En la tabla 7-37 resultados del anlisis de varianza se presenta un valor de la prueba F de 156.52, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.000. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
250
Tabla 7-37 Anlisis de varianza de rendimiento final para las categoras del nivel socioeconmico.
Para identificar en dnde radican las diferencias, se realiz una prueba de Scheffe, cuyo resultado indica que existen diferencias entre el nivel ms bajo de ingresos y el ms alto.
Tabla 7-38 Pruebas post-hoc de Scheffe para los grupos de nivel socioeconmico
a,b
Niv el econmico en 3 grupos 41000 o mas de 21000 a 40000 hasta 20000 Sig.
N 355 450 220
Subset f or alpha = . 05 1 2 83.83 84.20 85.91 .657 1.000
Means f or groups in homogeneous subset s are display ed. a. Uses Harmonic Mean Sample Size = 313.003. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Ty pe I error lev els are not guaranteed.
En la figura 7-8 se puede ver que entre los grupos de ingresos medios (21,000 - 40,000) y altos (41,000 a ms) no hay diferencias significativas, mientras que el grupo de ingresos menores muestra diferencias significativas con ambos.
251
Figura 7-8 Diagrama de medias por nivel socio-econmico en tres grupos
Prez Serrano (1978), y Martn Rodrguez (1985), identificaron que la clase social y el tipo de hbitat estn relacionados positivamente con el RA. Por su parte, Molina, Garca y Pascual, (1984) demostraron que el grupo de nios fracasados predomina en los niveles socioeconmicos y culturales ms bajos.
En nuestra investigacin, el nivel socioeconmico al que pertenece el alumno influye negativamente en su RA, pues a mayores ingresos menor es su rendimiento, y viceversa. Esta aparente contradiccin se puede explicar desde un punto de vista de la motivacin de tener acceso a la educacin de una institucin privada, pero tambin puede estar vinculada al proceso de seleccin de los mejores alumnos para asignar las becas que otorga la institucin de acuerdo a las necesidades econmicas de la familia.
252
Tabla 7-39 Comparacin mltiple entre grupos por nivel socio-econmico

Multi ple Comparisons Dependent Variable: Promedio ltimo semestre Schef f e Mean Dif f erence (I-J) 1.707* 2.076* -1.707* .369 -2.076* -.369
(I) Niv el econmico en 3 grupos hasta 20000 de 21000 a 40000 41000 o mas
(J) Niv el econmico en 3 grupos de 21000 a 40000 41000 o mas hasta 20000 41000 o mas hasta 20000 de 21000 a 40000
St d. Error .414 .432 .414 .357 .432 .357
Sig. .000 .000 .000 .588 .000 .588
95% Conf idence Interv al Lower Bound Upper Bound .69 2.72 1.02 3.14 -2.72 -.69 -.51 1.25 -3.14 -1.02 -1.25 .51
*. The mean dif f erence is signif icant at the . 05 lev el.
Esta variable se agrup en 4 categoras: la primera, de primaria hasta profesional tcnico; la segunda, normal superior; la tercera, profesional; y la cuarta, posgrado.
En la tabla 7-40 se presentan los resultados del rendimiento final en funcin de los estudios del padre, 471 de los cuales cuentan con carrera profesional y 191 con estudios de posgrado. En este caso, si revisamos el rendimiento de sus hijos las diferencias son marginales.
Es importante resaltar que los hijos de padres con estudios de normal superior tienen los promedios ms altos. Una explicacin podra ser que conocer aspectos didcticos les permite a los padres motivar a sus hijos y guiarlos de una mejor forma para el logro de sus objetivos escolares. Investigaciones de Herrera, Nieto, Rodrguez, Snchez, (1999) y Prez Serrano (1978), identificaron que los estudios de los padres afectan de forma positiva el RA.
253
Tabla 7-40 Media del rendimiento final y estudios de los padres
Promedio l timo semestre * Estudi os padre en 4 categoras Promedio ltimo semestre Estudios padre en 4 categoras HASTA PRIMARIA PROFESIONAL TECNICO NORMAL SUPERIOR LICENCIATURA POSGRADO Total
Mean 84.24 85.46 84.45 83.75 84.39
N 172 110 471 191 944
St d. Dev iation 5.060 4.940 5.116 5.005 5.077
En la tabla 7-41 se presenta un valor de la prueba F de 2.745, con una probabilidad menor de .05, por lo que se rechaza la hiptesis nula de igualdad de las medias de los cuatro grupos con un nivel de significacin de 0.042. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-41 Anlisis de varianza de rendimiento final por estudios del padre
En la tabla 7-42 la prueba de Scheffe muestra que slo entre el grupo de posgrado y normal superior existen diferencias significativas.
254
Tabla 7-42 Pruebas post-hoc de Scheffe para los grupos de estudios de los padres
a,b
Estudios padre en 4 categoras POSGRADO PRIMARIA HASTA PROFESIONAL TECNICO LICENCIATURA NORMAL SUPERIOR Sig.
N 191 172 471 110
Subset f or alpha = .05 1 2 83.75 84.24 84.45 .630 84.24 84.45 85.46 .158
Means f or groups in homogeneous subsets are display ed. a. Uses Harmonic Mean Sample Size = 179.665. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Ty pe I error lev els are not guaranteed.
Figura 7-9 Diagrama de medias por estudios de los padres en cuatro grupos
255
Tabla 7-43 Comparacin mltiple entre grupos por estudios de los padres
Multi ple Compari sons Dependent Variable: Promedio ltimo semest re Schef f e Mean Dif f erence (I-J) -1.220 -.206 .497 1.220 1.014 1.717* .206 -1.014 .703 -.497 -1.717* -.703
(I) Estudios padre en 4 categoras PRIMARIA HASTA PROFESIONAL TECNICO NORMAL SUPERIOR
LICENCIATURA
POSGRADO
(J) Estudios padre en 4 categoras NORMAL SUPERIOR LICENCIATURA POSGRADO PRIMARIA HASTA PROFESIONAL TECNICO LICENCIATURA POSGRADO PRIMARIA HASTA PROFESIONAL TECNICO NORMAL SUPERIOR POSGRADO PRIMARIA HASTA PROFESIONAL TECNICO NORMAL SUPERIOR LICENCIATURA
St d. Error .618 .451 .532 .618 .536 .606 .451 .536 .434 .532 .606 .434
Sig. .274 .976 .832 .274 .312 .046 .976 .312 .454 .832 .046 .454
95% Conf idence Interv al Lower Bound Upper Bound -2.95 .51 -1.47 1.06 -.99 1.99 -.51 -.49 .02 -1.06 -2.52 -.51 -1.99 -3.41 -1.92 2.95 2.52 3.41 1.47 .49 1.92 .99 -.02 .51
*. The mean dif f erence is signif icant at t he .05 lev el.
7.4.5 Estudios de la madre
Esta variable se agrup en 4 categoras: la primera, educacin bsica; la segunda, normal; la tercera, profesional; y la cuarta, posgrado. En la tabla 7-44 se presentan las relaciones de RA final y estudios de la madre.
Tabla 7-44 Media del rendimiento final y estudios de la madre

Promedio l timo semestre * Estudi os madre en 4 categoras Promedio ltimo semestre Estudios madre en 4 categoras HASTA PRIMARIA PROFESIONAL TECNICO NORMAL SUPERIOR LICENCIATURA POSGRADO Total
Mean 84.55 83.97 84.66 83.39 84.38
N 365 139 340 101 945
St d. Dev iation 4.979 5.045 5.137 5.206 5.079
256
En la tabla 7-45 se presenta un valor de la prueba F de 2.065, con una probabilidad mayor de .05; por lo tanto, no se puede rechazar la hiptesis nula de igualdad de las medias de los cuatro grupos, que sostiene que ninguno de ellos es significativamente distinto de la media general.
Tabla 7-45 Anlisis de varianza de rendimiento final por estudios de la madre

En el diagrama de medias de la figura 7-10 se puede observar que los hijos de madres con escolaridad bsica tienen casi el mismo rendimiento que los hijos de madres con estudios profesionales.
257
Figura 7-10 Diagrama de medias por estudios de la madre en cuatro grupos
7.4.6 Edad del padre Para realizar el anlisis de la edad del padre se conformaron tres grupos: el primero, de 36 a 49 aos; el segundo de 50 a 59; y el tercero, de 60 a ms. Los estudiantes que tienen el promedio ms alto son hijos de padres que se encuentran entre 36 y 49 aos.
Tabla 7-46 Rendimiento final en tres grupos por edad del padre Report
Promedio ltimo semestre Edad padre recodif icada en 3 categoras 36 -49 aos 50 a 59 aos 60 o mas aos Total
Mean 85.17 84.14 83.93 84.25
N 155 723 214 1092
Std. Dev iat ion 4.905 5.058 5.162 5.067
258
En la tabla 7-47 se presenta un valor de la prueba F de 3.165, con una probabilidad menor de .05, por lo que se rechaza la hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.043. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-47 Anlisis de varianza por edad del padre

La prueba Scheffe nos indica que existen diferencias entre el grupo 1 y 3, que son los hijos de padres de mayor edad y los de padres ms jvenes.
Tabla 7-48 Pruebas post-hoc de Scheffe para los grupos de edad del padre
a,b
Edad padre recodif icada en 3 categoras 60 o mas aos 50 a 59 aos 36 -49 aos Sig.
N 214 723 155
Subset f or alpha = .05 1 2 83.93 84.14 84.14 85.17 .901 .084
259
En la figura 7-11 se puede observar que los hijos de padres ms jvenes tienen mejores promedios y los hijos de padres de ms de 60 aos tienen menor promedio.
Figura 7-11 Diagrama de las medias por edad del padre
En el grfico siguiente se puede apreciar que en 10 carreras los hijos de padres mayores de 60 aos tienen ms bajo promedio, en especial en Derecho y Sistemas Electrnicos. Al valorar la diferencia dentro de las comparaciones pareadas encontramos que la diferencia que existe entre los padres ms jvenes y de mayor edad es marginal (.067), es decir, no se detectaron diferencias significativas.
260
Tabla 7-49 Comparacin mltiple de los grupos de edad del padre

Multiple Comparisons Dependent Variable: Promedio ltimo semestre Schef fe (I) Edad padre recodificada en 3 categoras 36 -49 aos 50 a 59 aos 60 o mas aos (J) Edad padre recodificada en 3 categoras 50 a 59 aos 60 o mas aos 36 -49 aos 60 o mas aos 36 -49 aos 50 a 59 aos Mean Diff erence (I-J) 1.030 1.241 -1.030 .211 -1.241 -.211
Std. Error .448 .533 .448 .394 .533 .394
Sig. .071 .067 .071 .866 .067 .866
95% Confidence Interv al Lower Bound Upper Bound -.07 2.13 -.07 2.55 -2.13 .07 -.75 1.18 -2.55 .07 -1.18 .75
7.4.7 Edad de la madre La variable edad de la madre se integr en tres grupos: el primero, de 36 a 45 aos; el segundo, de 46 a 55; y el tercero de 56 a ms. Los estudiantes que tienen el promedio ms alto son hijos de madres que se encuentran en el grupo de 36 a 45 aos.
Tabla 7-50 Rendimiento final en tres grupos por edad de la madre Report
Promedio ltimo semestre Edad madre recodif icada en 3 categor as 36 -45 aos 46 a 55 aos 56 o mas aos Total
Mean 84.91 84.42 83.56 84.27
N 109 740 250 1099
St d. Dev iation 5.253 5.034 4.937 5.047
En la tabla 7-51 se presenta un valor de la prueba F de 3.692, con una probabilidad menor de .05, por lo que se rechaza la hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.025.
261
Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-51 Anlisis de varianza de rendimiento final por edad de la madre

La prueba de Scheffe nos indica que existen diferencias entre el grupo de 56 aos o ms y el grupo 36 a 45 aos.
Tabla 7-52 Pruebas post-hoc de Scheffe para los grupos de edad de la madre
a,b
Edad madre recodif icada en 3 categoras 56 o mas aos 46 a 55 aos 36 -45 aos Sig.
N 250 740 109
Subset f or alpha = .05 1 2 83.56 84.42 84.42 84.91 .224 .607
Means f or groups in homogeneous subsets are display ed. a. Uses Harmonic Mean Sam ple Size = 206.531. b. The group sizes are unequal. The harmonic m ean of the group sizes is used. Ty pe I error lev els are not guaranteed.
262
En el diagrama de medias de la figura 7-12 se aprecia que los hijos de madres ms jvenes tienen mejores promedios, lo contrario de lo que sucede en el caso de los hijos de madres de ms de 60 aos. Al valorar la diferencia dentro de las comparaciones pareadas encontramos que no se detectan diferencias significativas.
Figura 7-12 Diagrama de las medias por edad de la madre
263
Tabla 7-53 Comparacin mltiple entre grupos de edad de la madre

Multi ple Compari sons Dependent Variable: Promedio ltimo semest re Schef f e (I) Edad madre recodif icada en 3 categoras 36 -45 aos 46 a 55 aos 56 o mas aos (J) Edad madre recodif icada en 3 categoras 46 a 55 aos 56 o mas aos 36 -45 aos 56 o mas aos 36 -45 aos 46 a 55 aos Mean Dif f erence (I-J) .495 1.353 -.495 .857 -1.353 -.857
St d. Error .516 .578 .516 .368 .578 .368
Sig. .631 .065 .631 .067 .065 .067
95% Conf idence Interv al Lower Bound Upper Bound -.77 1.76 -.06 2.77 -1.76 .77 -.05 1.76 -2.77 .06 -1.76 .05
7.4.8 Toefl inicial
La variable de nivel de Toefl de los alumnos se integr en tres grupos: el primero, con puntuacin de 200 a 450; el segundo, de 451 a 550; y el tercero, de 551 a 700.
En la tabla 7-53 se presenta un valor de la prueba F de 34.208, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de
igualdad de las medias. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
264
Tabla 7-54. Anlisis de varianza de rendimiento final por el nivel de Toefl en tres grupos
7-55 Prueba post-hoc de Scheffe en tres grupos por nivel de Toefl

a,b
Toef l tres grupos 200-450 451-550 551-700 Sig.
N 175 597 356
Subset f or alpha = .05 1 2 3 82.33 83.82 85.85 1.000 1.000 1.000
En la figura de medias 7-13 se observa que el grupo de mejor rendimiento tiene ms alto nivel de Toefl, lo contrario de lo que sucede en el grupo de menor rendimiento.
265
Figura 7-13 Diagrama de las medias por nivel de Toefl inicial
En la tabla 7-56 podemos ver que se identificaron tres grupos de medias. En el primero se encuentran los alumnos con rendimiento ms bajo correspondiente a bajas puntuaciones de Toefl; en el segundo se encuentran los alumnos con un nivel medio de Toefl con rendimiento medio; en el tercero estn los estudiantes con ms altas puntuaciones de Toefl y presentan un mejor rendimiento.
266
Tabla 7-56 Comparacin mltiple entre grupos de nivel de Toefl inicial

Multi ple Comparisons Dependent Variable: Promedio ltimo semestre Schef f e Mean Dif f erence (I-J) St d. -1.485* -3.515* 1.485* -2.030* 3.515* 2.030*
(I) Toef l tres grupos 200-450 451-550 551-700
(J) Toef l tres grupos 451-550 551-700 200-450 551-700 200-450 451-550
Error .424 .455 .424 .330 .455 .330
Sig. .002 .000 .002 .000 .000 .000
95% Conf idence Interv al Lower Bound Upper Bound -2.52 -.45 -4.63 -2.40 .45 2.52 -2.84 -1.22 2.40 4.63 1.22 2.84
*. The mean dif f erence is signif icant at the .05 lev el.
7.4.9 Tipo de preparatoria La generacin se dividi en dos categoras: los que estudiaron en la preparatoria del TEC con pase automtico a su carrera profesional y los que lo hicieron en otras instituciones educativas, que deben presentar la prueba de aptitud acadmica (PAA) y obtener una puntuacin mnima de 1,180 puntos para ser admitidos.
En la tabla 7-57 se muestra el RA de cada categora, as como el nmero de alumnos y la desviacin tpica. All se puede observar que el promedio de los alumnos que estudiaron en la preparatoria del TEC tienen mejor promedio que los de otras preparatorias.
267
Tabla 7-57 Rendimiento final en dos grupos por el tipo de preparatoria Report
Promedio ltimo semestre Prepa Tec/ No Tec Prepa TEC Prepa Externa Total Mean 84.58 83.97 84.22 N 461 666 1127 St d. Dev iation 5.014 5.094 5.068
En la tabla 7-58 se presenta un valor de la prueba F de 3.998, con una probabilidad menor de .05, por lo que se rechaza la hiptesis nula de igualdad de las medias de los cuatro grupos con un nivel de significacin de 0.046. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-58 Anlisis de varianza de rendimiento final para dos categoras de tipo de preparatoria.
En el diagrama de medias 7-14 se puede observar que los alumnos que cursaron la preparatoria del TEC tienen mejor rendimiento que los que provienen de otras instituciones, pero la diferencia es muy marginal.
268
Figura 7-14 Diagrama de medias por tipo de preparatoria
Al analizar el rendimiento por carreras se observa que los alumnos de preparatorias externas slo en cuatro de ellas tienen un rendimiento ms alto que quienes cursaron la preparatoria del TEC. Los estudiantes que tienen ms altos rendimientos son los de Relaciones Internacionales, Ciencias de la Comunicacin y Psicologa Organizacional, que pertenecen al grupo de alumnos que estudiaron en el TEC. La carrera de Electrnica y
Comunicaciones obtuvo el ms bajo rendimiento y pertenece al grupo de alumnos de preparatoria del TEC; le sigue Mecnico Electricista que pertenece a los alumnos de preparatorias externas.
269
7.4.10 Estudios de preparatoria Para realizar el anlisis del promedio de la preparatoria se definieron 3 grupos de rendimiento: bajo, 69-79; medio 80-89; y alto 90-100. Para verificar si hay deferencias significativas se realizar el anlisis de varianza en los promedios de las tres categoras.
Tabla 7-59 Rendimiento final en tres grupos por estudios de preparatoria Report
Promedio ltimo semestre promedio de Mean prepa en 3 grupos 69-79 80.90 80-89 84.26 90-100 87.10 Total 84.12 N 286 513 286 1085 St d. Dev iation 4.125 4.639 4.882 5.099
La tabla 7-60 presenta un valor de la prueba F de 131.798, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.000. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-60 Anlisis de varianza de rendimiento final por el rendimiento de preparatoria

270
Al aplicar la prueba Scheffe para identificar cules diferencias resultan significativas, se obtuvieron tres grupos. En el primero se encontraron los promedios ms bajos y en el tercero los ms altos.
Tabla 7-61 Pruebas post-hoc de Scheffe por grupos de rendimiento de la preparatoria

a,b
promedio de prepa en 3 grupos 69-79 80-89 90-100 Sig.
N 286 513 286
Subset f or alpha = .05 1 2 3 80.90 84.26 87.10 1.000 1.000 1.000
Means f or groups in homogeneous subsets are display ed. a. Uses Harmonic Mean Sample Size = 335. 483. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Ty pe I error lev els are not guaranteed.
En la figura 7-15 se puede ver que existen diferencias significativas entre los tres grupos; por lo tanto, el promedio de la preparatoria es un factor del RA y lo afecta en forma positiva.
271
Figura 7-15 Diagrama de medias por el rendimiento de preparatoria en tres grupos
En la tabla 7-62 se muestran los resultados de estas pruebas, donde se puede ver (asterisco) que todas resultaron ser significativas.
Tabla 7-62 Comparacin mltiple del rendimiento de preparatoria en tres grupos

Multiple Comparisons Dependent Variable: Promedio ltimo semestre Schef fe Mean Diff erence (I-J) Std. Error -3.363* .338 -6.203* .383 3.363* .338 -2.841* .338 6.203* .383 2.841* .338
(I) promedio de prepa en 3 grupos 69-79 80-89 90-100
(J) promedio de prepa en 3 grupos 80-89 90-100 69-79 90-100 69-79 80-89
Sig. .000 .000 .000 .000 .000 .000
95% Confidence Interv al Lower Bound Upper Bound -4.19 -2.53 -7.14 -5.27 2.53 4.19 -3.67 -2.01 5.27 7.14 2.01 3.67
*. The mean diff erence is signif icant at the .05 lev el.
272
7.4.11 Rendimiento al 3er. Semestre Para realizar el anlisis del rendimiento al 3er. semestre se definieron 3 grupos: bajo, 65-80; medio, 81-90; y alto, 91-100. Se realiz el anlisis de varianza para verificar si hay deferencias significativas entre los rendimientos de las tres categoras. En la tabla 7-63 se presenta un valor de la prueba F de 899.604, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de igualdad de las medias de los cinco grupos con un nivel de significacin de 0.000. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-63 Anlisis de varianza del rendimiento al 3er. semestre

Tabla 7-64 Pruebas post-hoc de Scheffe del rendimiento al 3er. semestre por grupos
a,b
RTTO3S3G 1.00 2.00 3.00 Sig.
N 295 665 169
Subset f or alpha = . 05 1 2 3 78.60 84.94 91.20 1.000 1.000 1.000
Means f or groups in homogeneous subset s are display ed. a. Uses Harmonic Mean Sample Size = 277.502. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Ty pe I error lev els are not guaranteed.
273
El diagrama de la figura 7-16 nos muestra que existen diferencias significativas entre los tres grupos de medias, pues en el primero la media del rendimiento se encuentra casi en 79, en el segundo en 85 y en el tercero en 91.
Figura 7-16 Diagrama de medias por rendimiento al 3er semestre por grupos
274
7.4.12 Rendimiento al 5to. semestre Para realizar el anlisis del rendimiento al 5to. semestre se definieron 3 grupos: bajo 65-80; medio, 80.1-90; y alto 90.1-100. En el diagrama de medias se puede verificar que existen diferencias significativas entre los promedios de las tres categoras.
En la tabla 7-65 de resultados del anlisis de varianza se presenta un valor de la prueba F de 1384.680, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.000. Se acepta la hiptesis alternativa que sostiene que al menos alguna de ellas es significativamente distinta de la media general.
Tabla 7-65 Anlisis de varianza de rendimiento final por el rendimiento al 5to. semestre
Se aplic la prueba de Scheffe para identificar cules son las diferencias que resultan significativas. Se obtuvieron tres grupos: en el primero, el de rendimiento ms bajo, la media es de 78; en el segundo es de 85 y en el tercero, el ms alto, la media es de 92.
275
Tabla 7-66 Pruebas post-hoc de Scheffe del rendimiento al 5to. semestre por grupos
Promed io ltimo semestre Schef f e
a,b,c
RRTO5S3G 1.00 2.00 3.00 Sig.
N 303 679 147
1 78.15
Subset 2 85.25
1.000
1.000
91.95 1.000
Means f or groups in homogeneous subsets are display ed. Based on Ty pe III Sum of Squares The error term is Mean Square(Error) = 7. 318. a. Uses Harmonic Mean Sam ple Size = 259.161. b. The group sizes are unequal. The harmonic m ean of the group sizes is used. Ty pe I error lev els are not guaranteed. c. Alpha = .05.
La figura 7-17 muestra diferencias significativas entre los tres grupos, que resultan muy claras en virtud de que promedio al 5to. semestre es una forma rezagada del RA final.
Figura 7-17 Diagrama de medias por el rendimiento al 5to. semestre por grupos.
276
Tabla 7-67 Comparacin mltiple del promedio al 5to. semestre

Multiple Comparisons Dependent Variable: Promedio ltimo semestre Schef fe Mean Dif f erence (I-J) Std. Error -7.11* .187 -13.80* .272 7.11* .187 -6.69* .246 13.80* .272 6.69* .246
(I) RRTO5S3G 1.00 2.00 3.00
(J) RRTO5S3G 2.00 3.00 1.00 3.00 1.00 2.00
Sig. .000 .000 .000 .000 .000 .000
95% Confidence Interv al Lower Bound Upper Bound -7.57 -6.65 -14.47 -13.13 6.65 7.57 -7.29 -6.09 13.13 14.47 6.09 7.29
Based on observ ed means. *. The mean diff erence is signif icant at the .05 lev el.
7.4.13 Materias reprobadas al 3er. semestre Esta variable se recodific en 3 grupos: el primero no tiene materias suspendidas durante su carrera universitaria, el segundo tiene de 1 a 3 y el tercero, 4 o ms.
En la tabla 7-68 de resultados del anlisis de varianza se presenta un valor de la prueba F de 2.962, con una probabilidad menor de .001, por lo que se rechaza la hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.000. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
277
Tabla 7-68 Anlisis de varianza de rendimiento final por materias reprobadas al 5to. semestre.
ANOVA Materias reprobadas 3er semestre 3 Grupos Sum of Squares 28.772 634.748 663.520 df 17 1111 1128 Mean Square 1.692 .571 F 2.962 Sig. .000
Se aplic la prueba de Scheffe para identificar cules son las diferencias que resultan significativas. Se conformaron tres grupos: el primero, con 220 alumnos, tiene ms de 4 materias reprobadas con una media de rendimiento de 79; el segundo una media de 83 y en el tercero una media de 88. Como es lgico, a ms materias reprobadas menor es el RA de los alumnos.
Tabla 7-69 Pruebas post-hoc de Scheffe de materias reprobadas al 3er. semestre

Promedio ltimo semestre Schef fe
a,b
Materias reprobadas 3er semestre 3 Grupos 4+ 1-3 0 Sig.
N 220 382 527
Subset for alpha = .05 1 2 3 78.71 82.69 87.62 1.000 1.000 1.000
Means for groups in homogeneous subsets are display ed. a. Uses Harmonic Mean Sample Size = 331.097. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Ty pe I error lev els are not guaranteed.
278
El diagrama de medias nos indica que existen diferencias entre los tres grupos. Como era de esperar, los alumnos que no reprobaron materias lograron un mejor desempeo, al contrario de lo que pas con los que reprobaron mayor nmero de materias.
Figura 7-18 Diagrama de las medias por promedio de 3er. semestre
Los alumnos de las carreras que obtuvieron mejor rendimiento acadmico y no reprobaron materias fueron los de Psicologa Organizacional y Sistemas Computacionales. La que tuvo mayor nmero de materias reprobadas y menor rendimiento fue Economa.
279
Tabla 7-70 Comparacin mltiple de materias reprobadas al 3er. semestre

Multiple Comparisons Dependent Variable: Promedio ltimo semestre Schef fe Mean Diff erence (I-J) Std. Error 4.937* .249 8.910* .297 -4.937* .249 3.973* .313 -8.910* .297 -3.973* .313
(I) Materias reprobadas 3er semestre 3 Grupos 0 1-3 4+
(J) Materias reprobadas 3er semestre 3 Grupos 1-3 4+ 0 4+ 0 1-3
Sig. .000 .000 .000 .000 .000 .000
95% Confidence Interv al Lower Bound Upper Bound 4.33 5.55 8.18 9.64 -5.55 -4.33 3.20 4.74 -9.64 -8.18 -4.74 -3.20
*. The mean dif ference is significant at the .05 lev el.
7.4.14 Materias reprobadas al 5to. semestre Esta variable se recodific en 3 grupos: el primero, sin materias suspendidas durante su carrera profesional; el segundo, de 1 a 3; y el tercero, cuatro o ms.
280
Tabla 7-71 Anlisis de varianza por materias reprobadas al 5to. semestre

Se aplic la prueba de Scheffe para identificar cules son las diferencias que resultan significativas. Se organizaron tres grupos: en el primero se encuentran los rendimientos ms bajos con una media de 79; en el segundo, la media es de 84; en el tercero, es de 88. Se presenta el mismo comportamiento que en materias reprobadas al 3er. semestre: mientras ms materias suspendidas al 5to. semestre, menor es el RA de los alumnos.
Tabla 7-72 Pruebas post-hoc de Scheffe de materias reprobadas al 5 semestre

a,b
Materias reprobadas 5to 3 grupos 4+ 1-3 0 Sig.
N 333 361 435
Subset f or alpha = .05 1 2 3 78.98 84.02 88.39 1.000 1.000 1.000
281
El diagrama de medias nos indica que existen diferencias entre los tres grupos: los alumnos que no suspendieron materias tuvieron un mejor desempeo; lo contrario pas con los que suspendieron mayor nmero de materias, cuyo desempeo fue menor.
Figura 7-19 Diagrama de las medias por materias reprobadas al 5to. semestre
Tabla 7-73 Comparacin mltiple de materias reprobadas al 5to. semestre

Multiple Comparisons Dependent Variable: Promedio ltimo semestre Schef fe Mean Diff erence (I-J) Std. Error 4.37* .229 9.42* .234 -4.37* .229 5.04* .244 -9.42* .234 -5.04* .244
(I) Materias reprobadas 5to 3 grupos 0 1-3 4+
(J) Materias reprobadas 5to 3 grupos 1-3 4+ 0 4+ 0 1-3
Sig. .000 .000 .000 .000 .000 .000
95% Confidence Interv al Lower Bound Upper Bound 3.81 4.93 8.84 9.99 -4.93 -3.81 4.45 5.64 -9.99 -8.84 -5.64 -4.45
Based on observ ed means. *. The mean dif ference is significant at the .05 lev el.
282
7.4.15 Materias reprobadas al ltimo semestre Esta variable se recodific en 3 grupos: el primero, sin materias suspendidas al ltimo semestre de su carrera; el segundo, de 1 a 3 materias suspendidas; y el tercero, cuatro o ms.
En la tabla 7-74 del anlisis de varianza se presenta un valor de la prueba F de 871.951, con una probabilidad menor de .001, por lo que se rechaza la
hiptesis nula de igualdad de las medias de los tres grupos con un nivel de significacin de 0.000. Se acepta la hiptesis alternativa que sostiene que al menos alguno de ellos es significativamente distinto de la media general.
Tabla 7-74 Anlisis de varianza por materias reprobadas al ltimo semestre

Se aplic la prueba de Scheffe para identificar cules son las diferencias que resultan significativas. Con base en los resultados se formaron tres grupos: en el primero se encuentran los alumnos con rendimientos ms bajos con una media de 79; el segundo tiene una media de 85 y el tercero presenta los rendimientos ms altos, 89. Se puede ver que a mayor nmero de materias reprobadas, el RA final es menor.
283
Tabla 7-75 Pruebas post-hoc de Scheffe, materias suspendidas al ltimo semestre

Promedio ltimo semestre Schef f e Materias Reprobadas en 3 Grupos ltimo semestre 4+ 1-3 0 Sig.
a,b
N 384 349 396
Subset f or alpha = .05 1 2 3 79.24 84.55 88.75 1.000 1.000 1.000
El diagrama de medias coincide con el rendimiento al 3er. y 5to. semestres, pues los alumnos que reprobaron ms materias tuvieron un menor rendimiento.
Figura 7-20 Diagrama de las medias por materias suspendidas al ltimo semestre.
284
Tabla 7-76 Comparacin mltipleMulti ple Comparisons de materias reprobadas al ltimo semestre
Dependent Variable: Promedio ltimo semestre Schef f e (I) Mat erias Reprobadas en 3 Grupos ltimo semestre 0 1-3 4+ (J) Materias Reprobadas en 3 Grupos ltimo semestre 1-3 4+ 0 4+ 0 1-3 Mean Dif f erence (I-J) St d. 4.19* 9.51* -4.19* 5.31* -9.51* -5.31*
Error .227 .221 .227 .228 .221 .228
Sig. .000 .000 .000 .000 .000 .000
Based on observ ed means. *. The mean dif f erence is signif icant at the .05 lev el.
7.4.16 Semestres de ms Para analizar la variable semestres cursados de ms, la poblacin se dividi en tres grupos: el primero consider 9-10 semestres cursados, el segundo 11-12 y el tercero ms de 13 semestres.
Tabla 7-77 Anlisis de varianza de rendimiento final por semestres de ms

A NOVA Promedio ltimo semestre Sum of Squares 8591.263 20343.225 28934.488 df 2 1116 1118 Mean Square 4295.631 18.229 F 235.652 Sig. .000
285
Se aplic la prueba de Scheffe para identificar cules son distintas y los grupos a formar. En la tabla 7-78 se identificaron tres grupos de medias: en el primero se encuentran los alumnos con los rendimientos ms bajos, es decir, los que cursaron 13 semestres o ms, en contraste con el tercer grupo, que curs 9 y 10 semestres y muestra un mejor rendimiento.
Tabla 7-78 Pruebas post-hoc de Scheffe de semestres de ms

a,b
Semestres dems en tres grupos 13+ 11-12 9-10 Sig.
N 157 278 684
Subset f or alpha = .05 1 2 3 79.23 81.77 86.32 1.000 1.000 1.000
En la figura 7-21 se puede ver que los alumnos que finalizan su carrera en 9 y 10 semestres que pertenecen a la primera categora se vinculan a un ms alto rendimiento, mientras que los que terminan en 13 semestres o ms tienen ms bajo rendimiento, lo cual es lgico ya que pueden estar vinculados a ms materias reprobadas, como consecuencia de lo cual disminuye su promedio.
286
Figura 7-21 Diagrama de las medias de tres grupos por semestres cursados
Tabla 7-79 Comparacin mltiple de semestres de ms

Multi ple Comparisons Dependent Variable: Promedio ltimo semestre Schef f e Mean Dif f erence (I-J) St d. 4.554* 7.085* -4.554* 2.532* -7.085* -2.532*
(I) Semestres dems en tres grupos 9-10 11-12 13+
(J) Semestres dems en tres grupos 11-12 13+ 9-10 13+ 9-10 11-12
Error .304 .378 .304 .426 .378 .426
Sig. .000 .000 .000 .000 .000 .000
*. The mean dif f erence is signif icant at the .05 lev el.
287
7.4.17 Conclusiones parciales del anlisis de varianza
El sexo es un factor que afecta el rendimiento acadmico y la correlacin de -0.17 nos indica que un mejor rendimiento se asocia a las mujeres.
Se constata que a medida que incrementaban su edad, los alumnos disminuan su rendimiento. En el fondo, la edad es un correlato con cierto nivel de espuriedad, y debe existir una tercera variable que la correlacione con el rendimiento, sin descalificar que a mayor edad pudiera ocurrir que estudiar ya no es una prioridad.
Al comparar las medias por beca se destaca que el rendimiento de los alumnos con ms de 51% es ms alto que el de los que no la tienen, con una dispersin uniforme y equilibrada.
El nivel socioeconmico al que pertenece el alumno influye negativamente en su RA, pues a mayor nivel econmico es menor su rendimiento y viceversa. Este dato se puede explicar con base en la motivacin de tener acceso a la educacin de una escuela privada, pero tambin puede estar vinculado al proceso de seleccin de los mejores alumnos para asignar las becas. Sin embargo, hay estudios como el de Molina, Garca y Pascual (1984), que afirma lo contrario, que en el grupo de nios fracasados predominan los niveles socioeconmicos y culturales ms bajos.
288
Respecto a la edad de los padres se encontr que los hijos de madres con escolaridad bsica tienen casi el mismo rendimiento que los de aquellas con estudios profesionales. Los padres de mayor edad tienen hijos con rendimiento significativamente ms bajo que los padres ms jvenes.
Respecto al Toefl, el grupo de mejor rendimiento tiene ms alto nivel de Toefl y viceversa.
De acuerdo con tipo de preparatoria, los alumnos que la cursaron en el TEC tienen mejor rendimiento que los que provienen de instituciones externas, pero la diferencia es muy marginal.
El promedio de la preparatoria es una variable que incide positivamente en el rendimiento acadmico. Estudios de Prez (1978), Carabaa (1979), Escudero (1984) y Ava (1985), coinciden en que el rendimiento en la preparatoria incide en el rendimiento final.
El rendimiento al 3ro. y 5to. semestres son variables que afectan positivamente el rendimiento de los alumnos, lo cual es lgico dado que es una forma rezagada del rendimiento final.
Respecto a las variables materias reprobadas al 3ro., 5to. y 9no. semestres el comportamiento fue el mismo: los alumnos que no reprobaron materias tuvieron un mejor desempeo, y viceversa: los que reprobaron mayor nmero de materias, mostraron un desempeo inferior.
289
La variable semestres de ms incide en el RA. Los resultados indican que los alumnos que finalizan su carrera en 9 y 10 semestres conforman el grupo de alto rendimiento, mientras que los que lo hacen en 13 semestres o ms tienen un rendimiento inferior. Esto es lgico ya que pueden estar vinculados a bajas calificaciones o a ms materias reprobadas, como consecuencia de lo cual su promedio disminuye.
B) Modelo Lineal General Univariante
El propsito de este modelo es probar los efectos principales y las posibles interacciones existentes entre las variables independientes sobre una variable dependiente que es el rendimiento final o al ltimo semestre.
Para este anlisis hemos seleccionado slo las variables que resultaron ms importantes en todas las carreras, a saber:
Variable dependiente: rendimiento al ltimo semestre Factores: beca, carrera y rea Covariables: semestres de ms, Toefl final, materias
reprobadas al ltimo semestre y promedio de preparatoria, rendimiento al 3er. semestre y Toefl inicial.
290
Tabla 7-80 Test de efectos especiales de semestres de ms
Como podemos observar, casi todas las variables alcanzan una significacin de .05 o menos, salvo semestres de ms y la interaccin entre la beca y carrera. Por magnitud de efectos (ndice eta cuadrado parcial), las nicas variables que parecen tener efectos interesantes son materias reprobadas al ltimo semestre y promedio de la preparatoria con .16, ubicndose carrera en tercer lugar con .08. Salvo semestres de ms e interaccin de beca con carrera, todas las variables alcanzan la potencia requerida de .80 (relacionada con la probabilidad de error estadstico tipo II).
Tabla 7-81 Comparacin mltiple de semestres de ms
291
7.5 ESTUDIOS FACTORIALES Con la finalidad de comprobar si los indicadores recogidos corresponden a la estructura terica hipotetizada e identificar la mejor solucin de variables que ajuste a la estructura simple, se aplic el anlisis de Componentes Principales con rotacin Varimax y Oblimn. Para realizar este anlisis se consideraron 17 variables clasificatorias, de rendimiento inicial y de rendimiento durante la carrera profesional.
Los anlisis se realizaron con rotacin Oblimn y Varimax, al interpretar la matriz de estructura nos especifica que las variables no estn relacionadas con todos los factores. La matriz de correlacin de componentes muestra relaciones muy dbiles entre los factores; esto nos indica que una solucin Varimax es mejor que una Oblimn, estos resultados se muestran a travs de los siguientes cuadros (ver en el anexo el anlisis completo).
293
Tabla 7-82 Matriz de Componentes Rotados (Varimax)
Debido a que la matriz de estructura est predominantemente vaca apuntando a que no existe una correlacin entre las variables con otros factores salvo al que pertenecen, el modelo de rotacin varimax, puede ser ptimo para estos datos.
294
Tabla 7-83 Matriz de Componentes Rotados (Oblimn)
El hallazgo anterior se confirma al apreciar que las correlaciones entre los componentes son muy bajas, esto apunta a que el modelo de rotacin oblicua no es el mtodo ptimo para estos datos.
295
Tabla 7-84 Matriz de Transformacin de las Componentes
Tabla 7-85 Matriz de Correlacin de Componentes
Por ello, en esta investigacin se realiz con una rotacin Varimax porque ha definido una estructura ms simple y nos ayudar a interpretar los resultados obtenidos en la matriz de pesos factoriales. Para Visauta & Martori (2003), esta rotacin es un procedimiento ortogonal que indica que los factores no estn correlacionados y que los ejes forman ngulos rectos. Se trata de minimizar el nmero de variables que hay con pesos o saturaciones elevadas en cada factor. Para Martnez Arias (1996), esta rotacin permite determinar un nuevo conjunto de variables con variabilidad mxima y estadsticamente
independientes.
296
Se utiliza el Anlisis Factorial Exploratorio (AFE), para descubrir las diferentes dimensiones de variabilidad comn existente en cierto campo de fenmenos que se hace operativo a partir de un grupo de variables. Ferrn (2001), lo define como una tcnica que permite representar las variables en un espacio de pequea dimensin denominado espacio factorial, que posibilita interpretar las relaciones entre ellas; adems, analiza las asociaciones lineales entre las variables. Se pueden determinar subconjuntos claramente diferenciados de variables, ya sea que estn muy bien relacionadas entre s o que no tengan ninguna relacin.
Mediante la matriz de correlaciones entre los factores se intenta obtener una matriz factorial que se aproxime al principio de una estructura simple, la cual debe reunir las caractersticas siguientes:
Cada factor debe tener unos pocos pesos altos y el resto prximos a 0. Cada variable no debe estar saturada ms que en un solo factor. No deben existir factores con la misma distribucin.
En el anlisis factorial se deben cumplir dos condiciones bsicas: parsimonia e interpretabilidad. Segn el principio de parsimonia, los fenmenos se deben explicar con el menor nmero de elementos posibles y ser susceptibles de interpretacin terica sustantiva.
Los factores se consideran bien definidos cuando al menos tres variables tienen en l sus mayores pesos (Kim y Mueller, 1978). Los pesos o cargas de los indicadores que definen el factor se interpretan como los coeficientes de
297
correlacin de cada indicador con cada factor. Los pesos nos sealan lo que cada indicador tiene en comn con todos los indicadores, esto es, se pueden interpretar de una manera semejante a la correlacin tem total.
La validez de los resultados de un Anlisis de Componentes Principales est condicionada por valores significativos del ndice de adecuacin muestral, que es la inversa de la matriz de correlaciones KMO (Kaiser-Meyer-Olkin) prximos a la unidad- y el test de esfericidad de Bartlett (p< .05), que se obtiene de la matriz de correlaciones. En el estudio se utiliza el test de Bartlett para verificar si la matriz de correlaciones es de identidad, es decir, si todos los coeficientes de la diagonal son iguales a la unidad y los extremos a la diagonal igual a 0.
El ndice de KMO permitir comparar los coeficientes de correlacin de Pearson. Si la suma de los coeficientes de correlacin parcial al cuadrado es muy pequea, KMO ser un ndice muy prximo a la unidad y, por lo tanto, el anlisis factorial un procedimiento adecuado. De acuerdo con Kaiser (1974), los valores pequeos en este ndice cuestionan el empleo del modelo factorial dado que, en ese caso, las correlaciones entre pares de variables no pueden explicarse por otras variables.
298
Tabla 7-86 ndices de KMO (Kaiser-Meyer-Olkin)
1.0 0.90 0.80 0.70 0.60
KMO KMO KMO KMO KMO KMO
> > > > > >
0.90 0.80 0.70 0.60 0.50 0.50
Excelentes Buenos Aceptables Regulares Malos Inaceptables, muy malos
La comunalidad es la proporcin de varianza explicada por los componentes, y su valor est comprendido entre cero y uno. Una comunalidad cercana a 0 indica que los componentes no explican la variabilidad de un tem, mientras que un valor de 1 indica que la variable queda totalmente explicada por los componentes.
Para la extraccin de factores se aplicar el mtodo de anlisis de componentes principales, que, de acuerdo con Visauta y Martori (2003), consiste en realizar una combinacin lineal de todas las variables de modo que el primer componente principal ser una combinacin que explique la mayor proporcin de la varianza de la muestra, el segundo la siguiente ms grande, y as sucesivamente. En esencia, implica reducir un nmero de variables incorrelacionadas a un nmero inferior de factores no correlacionados.
A partir de los ficheros de dato y con base a los resultados de los estudios previos se eliminaron variables que tericamente se considera que no aportan mucho en los anlisis posteriores. O bien, variables que de alguna forma, existe otra que es equivalente.
299
Por tanto, con base en los resultados previos, se consideraron 12 variables empricas para un primer anlisis de Componentes Principales por el mtodo VARIMAX, que significa que los factores permanecen incorrelacionados en el proceso de rotacin. Debido a que la muestra por carreras es pequea, se procedi a realizar los anlisis para toda la generacin y por reas del conocimiento (Humanidades, Ingeniera y Negocios).
Variables: Promedio de preparatoria Rendimiento final Materias reprobadas al ltimo semestre Promedio 3er semestre Nivel econmico Toefl inicial Toefl final Semestres de ms Beca Edad del alumno Edad del padre Edad madre
A continuacin se presenta el modelo general que fue realizado con todos los estudiantes que pertenecen a la generacin.
300
7.5.1 Modelo general Los anlisis de los componentes principales se van a realizar mediante una rotacin Varimax, a travs de la matriz de incorrelaciones, ya que presenta buenas condiciones para la factorizacin, con un ndice de Kaiser-Meyer-Olkin de adecuacin muestral igual a .760 y buenos resultados en la prueba de esfericidad de Bartlett de 66 grados de libertad y un grado de significacin p<0.0000.
Tabla 7-87 Inversa de la matriz de correlaciones y test de esfericidad

KMO and Bartl ett's Test Kaiser-Mey er-Olkin Measure of Sampling Adequacy . Bart lett 's Test of Sphericity Approx. Chi-Square df Sig. .760 6261.469 66 .000
La tabla 7-88 muestra que los primeros 4 factores incluidos en el modelo son capaces de explicar 75% de la varianza de la matriz de correlaciones, lo que puede interpretarse como un porcentaje muy aceptable. Los cuatro factores presentan valores propios superiores a 1.
301
Tabla 7-88 Total de varianza explicada

Total Variance Explained Initial Eigenvalues % of Variance Cumulativ e % 35.277 35.277 15.318 50.595 14.294 64.890 10.144 75.034 6.315 81.349 5.104 86.453 3.794 90.247 3.038 93.286 2.437 95.723 1.931 97.654 1.439 99.092 .908 100.000 Extraction Sums of Squared Loadings Total % of Variance Cumulativ e % 4.233 35.277 35.277 1.838 15.318 50.595 1.715 14.294 64.890 1.217 10.144 75.034 Rotation Sums of Squared Loadings Total % of Variance Cumulativ e % 3.460 28.829 28.829 1.974 16.450 45.279 1.867 15.555 60.834 1.704 14.200 75.034
Component 1 2 3 4 5 6 7 8 9 10 11 12
Total 4.233 1.838 1.715 1.217 .758 .613 .455 .365 .292 .232 .173 .109
Extraction Method: Principal Component Analy sis.
En la matriz de correlaciones reproducidas y residuales aparecen 38 superiores a 0.05 que representan 22%, lo que significa que son buenos indicadores del ajuste del modelo a los datos. Los valores de las comunalidades deben ser mayores de 0.50 y los pesos factoriales mayores a .50 (Batista, 1989).
En la tabla 7-89 se puede observar que casi todas las variables cumplen con la regla de comunalidad y de pesos factoriales, excepto el promedio de preparatoria, que est muy cercano a 0.5.
Al analizar los factores F1, F2, F3 y F4, el primer factor agrupa fundamentalmente las variables de rendimiento, el segundo las nivel econmico, beca y promedio de la preparatoria. La beca es negativa porque a mayor beca menor nivel socioeconmico. El tercero agrupa a las variables Toefl final e inicial y el cuarto factor integra las variables clasificatorias de edad de los padres.
302
Tabla 7-89 Peso factorial y comunalidad con 12 variables

MODELO GENERAL CON 12 VARIABLES Peso Factorial Comunalidad TEM FACTOR 1 Materias reprobadas ltimo sem. 0.888 0.823 Semestres de ms 0.838 0.742 Promedio ltimo semestre -0.795 0.845 Promedio 3er. semestre -0.768 0.797 Edad alumno 0.712 0.612 FACTOR 2 Beca alumno 0.827 0.706 Nivel econmico -0.771 0.624 Promedio prepa 0.556 0.496 FACTOR 3 Toefl final 0.930 0.881 Toefl inicio 0.912 0.869 FACTOR 4 Edad madre 0.895 0.808 Edad padre 0.889 0.803
7.5.2 Modelo por reas acadmicas a) Humanidades
Los resultados de los componentes principales mediante una rotacin Varimax, en la matriz de incorrelaciones, present condiciones adecuadas para factorizar, con un ndice de Kaiser-Meyer-Olkin de adecuacin muestral igual a .746 y resultados en la prueba de esfericidad de Bartlett de 171 grados de libertad y una grado de significacin p<0.0000.
303

a KMO and Bartl ett's Test
Kaiser-Mey er-Olkin Measure of Sampling Adequacy . Bart lett 's Test of Sphericity Approx. Chi-Square df Sig.
.746 1045.400 66 .000
a. AREA = HUMANIDADES
La tabla 7-91 muestra que los primeros cinco factores incluidos en el modelo son pueden explicar 80.6% de la varianza de la matriz de correlaciones, lo que puede interpretarse como un porcentaje muy aceptable. Los cinco factores que presentan valores propios superiores y cercanos a 1.

a Total Variance Explained
Component 1 2 3 4 5 6 7 8 9 10 11 12
Total 4.202 1.746 1.676 1.117 .934 .604 .467 .399 .283 .254 .193 .123
Initial Eigenv alues % of Variance Cumulat iv e % 35.020 35.020 14.554 49.574 13.966 63.540 9.304 72.844 7.785 80.629 5.034 85.663 3.894 89.557 3.328 92.885 2.362 95.247 2.120 97.367 1.611 98.977 1.023 100.000
Extraction Sums of Squared Loadings Total % of Variance Cumulat iv e % 4.202 35.020 35.020 1.746 14.554 49.574 1.676 13.966 63.540 1.117 9.304 72.844 .934 7.785 80.629
Rotation Sums of Squared Loadings Total % of Variance Cumulat iv e % 3.296 27.463 27.463 1.762 14.683 42.147 1.659 13.824 55.971 1.647 13.727 69.698 1.312 10.931 80.629
Extraction Method: Principal Component Analy sis. a. AREA = HUMANIDADES
En la tabla 7-92 se puede observar que todas las variables cumplen el requisito de la comunalidad y de los pesos factoriales. Al analizar los factores F1, F2, F3, F4 y F5, el primero agrupa las variables de rendimiento, el segundo Toefl final e inicial. El tercero integra las variables de nivel econmico, el cuarto rene edad de padres y al final se presenta promedio de preparatoria.
304
Tabla 7-92 Componentes principales para Humanidades con 12 variables

MODELO REA DE HUMANIDADES Peso Factorial Comunalidad TEM FACTOR 1 Materias reprobadas ltimo sem 0.872 0.814 Semestres de ms 0.840 0.845 Promedio 3er. semestre -0.793 0.827 Promedio ltimo semestre -0.789 0.858 Edad alumno 0.644 0.597 FACTOR 2 Toefl final 0.911 0.874 Toefl inicio 0.887 0.860 FACTOR 3 Nivel econmico -0.885 0.819 Beca alumno 0.785 0.749 FACTOR 4 Edad padre 0.865 0.794 Edad madre 0.836 0.750 Promedio preparatoria 0.916 0.889
b) Ingeniera Los resultados de los componentes principales fueron obtenidos mediante una rotacin Varimax. La matriz de incorrelaciones present adecuadas
condiciones para factorizar, con un ndice de Kaiser-Meyer-Olkin de adecuacin muestral igual a .766 y resultados en la prueba de esfericidad de Bartlett de 66 grados de libertad y una grado de significacin p<0.0000.
305

a KMO and Bartl ett's Test
Kaiser-Mey er-Olkin Measure of Sampling Adequacy . Bart lett 's Test of Sphericity Approx. Chi-Square df Sig.
.766 2741.327 66 .000
a. AREA = INGENIERIA
La tabla 7-94 muestra que los primeros cuatro factores incluidos en el modelo pueden explicar 77.3% de la varianza de la matriz de correlaciones, lo que puede interpretarse como un porcentaje aceptable. Los 4 factores presentan valores propios superiores a 1.

Component 1 2 3 4 5 6 7 8 9 10 11 12
Total 4.492 1.885 1.658 1.236 .773 .541 .440 .339 .204 .191 .144 .098
Initial Eigenv alues % of Variance Cumulativ e % 37.431 37.431 15.709 53.141 13.816 66.956 10.296 77.253 6.438 83.691 4.508 88.198 3.668 91.867 2.824 94.690 1.697 96.387 1.592 97.979 1.203 99.183 .817 100.000
Extraction Sums of Squared Loadings Total % of Variance Cumulativ e % 4.492 37.431 37.431 1.885 15.709 53.141 1.658 13.816 66.956 1.236 10.296 77.253
Rotation Sums of Squared Loadings Total % of Variance Cumulativ e % 3.676 30.633 30.633 1.949 16.243 46.877 1.930 16.086 62.962 1.715 14.291 77.253
Extraction Method: Principal Component Analy sis. a. AREA = INGENIERIA
En la tabla 7-95 se puede observar que casi todas las variables tienen una comunalidad por arriba de .50, excepto promedio de preparatoria. En cuanto a los pesos factoriales, todas las variables cumplen la regla. Al analizar los factores F1, F2, F3 y F4, el primero agrupa fundamentalmente las variables de rendimiento, el segundo aglutina las variables nivel econmico y beca. El
306
tercero rene Toefl final e inicial y el cuarto integra las variables clasificatorias edad de los padres.
Tabla 7-95 Componentes principales para Ingeniera con 12 variables

MODELO REA DE INGENIERIA Peso Factorial Comunalidad TEM FACTOR 1 Materias reprob ltimo sem 0.885 0.832 Semestres de ms 0.868 0.787 Edad alumno 0.812 Promedio ltimo semestre -0.772 0.847 Promedio 3er. semestre -0.751 0.795 FACTOR 2 Beca alumno 0.802 0.694 Nivel econmico -0.773 0.641 Promedio prepa 0.502 0.493 FACTOR 3 Toefl final 0.937 0.893 Toefl inicio 0.916 0.884 FACTOR 4 Edad madre 0.902 0.826 Edad padre 0.900 0.830
c) Negocios Los resultados de los componentes principales se obtuvieron mediante una rotacin Varimax. La matriz de incorrelaciones present adecuadas
condiciones para factorizar, con un ndice de Kaiser-Meyer-Olkin de adecuacin muestral igual a .759 y resultados en la prueba de esfericidad de Bartlett de 66 grados de libertad y una grado de significancia p<0.0000.
307

a KMO and Bartlett's Test
Kaiser-Mey er-Olkin Measure of Sampling Adequacy . Bartlett's Test of Sphericity Approx. Chi-Square df Sig.
.759 2683.057 66 .000
a. AREA = NEGOCIOS
La tabla 7-97 muestra que los primeros cuatro factores del modelo pueden explicar 75% de la varianza de la matriz de correlaciones, lo que puede interpretarse como un porcentaje aceptable. Los cuatro factores presentan valores propios superiores a 1.

Component 1 2 3 4 5 6 7 8 9 10 11 12
Total 4.163 1.899 1.837 1.105 .751 .607 .460 .359 .297 .236 .181 .105
Initial Eigenv alues % of Variance Cumulativ e % 34.694 34.694 15.823 50.517 15.310 65.827 9.210 75.037 6.259 81.297 5.056 86.352 3.830 90.182 2.994 93.176 2.472 95.647 1.967 97.615 1.509 99.124 .876 100.000
Extraction Sums of Squared Loadings Total % of Variance Cumulativ e % 4.163 34.694 34.694 1.899 15.823 50.517 1.837 15.310 65.827 1.105 9.210 75.037
Rotation Sums of Squared Loadings Total % of Variance Cumulativ e % 3.386 28.218 28.218 1.986 16.548 44.766 1.889 15.741 60.507 1.744 14.530 75.037
Extraction Method: Principal Component Analy sis. a. AREA = NEGOCIOS
En la tabla 7-98 se puede observar que todas las variables cumplen el requisito de los pesos factoriales y comunalidades. Al analizar los factores F1, F2, F3 y F4 se puede observar que el primero agrupa fundamentalmente las variables de rendimiento, el segundo congrega las variables nivel econmico, beca y promedio de preparatoria. El tercero aglutina las variables Toefl final e inicial, mientras que el cuarto integra las variables clasificatorias edad de padres.
308
Tabla 7-98 Componentes principales para Negocios para 12 variables

MODELO DEL REA DE NEGOCIOS Peso TEM Factorial Comunalidad FACTOR 1 Materias repr ltimo sem. 0.881 0.818 Semestres de ms 0.822 0.709 Promedio ltimo semestre -0.801 0.849 Promedio 3er. semestre -0.740 0.807 Edad alumno 0.673 0.569 FACTOR 2 Beca alumno 0.835 0.714 Nivel econmico -0.745 0.614 Promedio prepa 0.555 0.560 FACTOR 3 Toefl final 0.926 0.872 Toefl inicio 0.906 0.858 FACTOR 4 Edad madre 0.914 0.837 Edad padre 0.884 0.797
7.5.3 Conclusiones parciales del anlisis de componentes principales A continuacin se presenta la tabla 7-99 que contiene el resumen de los resultados obtenidos del anlisis de componentes principales en cada una de las reas acadmicas, donde se puede ver que en el rea de Humanidades los tems presentaron una comunalidad y pesos factoriales diferentes del modelo general y de las otras reas acadmicas.
Las reas de Ingeniera y Negocios presentaron 4 factores que coinciden en la clasificacin de los tems que, en su mayora, tienen una comunalidad y peso factorial por arriba de .60. De acuerdo con los datos recogidos, se encontr que los parmetros existentes en el constructo son sustantiva y estadsticamente significativos. Cuando se compararon estas reas con el modelo general
309
encontramos que los factores, as como las comunalidades y los pesos factoriales son muy parecidos, lo que implica que el rendimiento es muy estable y nos hay variacin entre las divisiones.
Es importante destacar que los estudios factoriales permitieron conocer las interrelaciones entre las variables y detectar posibles problemas de multicolinealidad. As mismo, nos facilit ver posibles variables latentes, mismas que no fueron exitosas.
Tabla 7-99 Resumen de componentes principales por reas acadmicas

RESUMEN DEL MODELO DE COMPONENTES PRINCIPALES POR REAS ACADMICAS CON 12 VARIABLES HUMANIDADES INGENIERIA NEGOCIOS TEM FACTOR 1 Materias reprobadas ltimo sem Semestres de ms Promedio 3er. Sem Promedio ltimo sem Edad alumno FACTOR 2 Toefl final Toefl inicio FACTOR 3 Nivel econmico Beca alumno FACTOR 4 Edad padre Edad madre Promedio prepa 0.865 0.836 0.916 0.794 0.750 0.889 -0.885 0.785 0.819 0.749 0.911 0.887 0.874 0.860 0.872 0.840 -0.793 -0.789 0.644 0.814 0.845 0.827 0.858 0.597 Peso Factorial Comunalidad TEM Peso Factorial Comunalidad TEM FACTOR 1 0.885 0.868 0.812 -0.772 -0.751 0.832 0.787 0.750 0.847 0.795 Materias repr ltimo sem Semestres de ms Promedio ltimo sem Promedio 3er sem Edad alumno FACTOR 2 0.802 -0.773 0.502 0.694 0.641 0.493 Beca alumno Nivel econmico Promedio prepa FACTOR 3 0.937 0.916 0.893 0.884 Toefl final Toefl inicio FACTOR 4 0.902 0.900 0.826 0.830 Edad madre Edad padre 0.914 0.884 0.837 0.797 0.926 0.906 0.872 0.858 0.835 -0.745 0.555 0.714 0.614 0.560 0.881 0.822 -0.801 -0.740 0.673 0.818 0.709 0.849 0.807 0.569 Peso Factorial Comunalidad
FACTOR 1 Materias reprob ltimo sem Semestres de ms Edad alumno Promedio ltimo sem Promedio 3er sem FACTOR 2 Beca alumno Nivel econmico Promedio prepa FACTOR 3 Toefl final Toefl inicio FACTOR 4 Edad madre Edad padre
310
7.6 Conclusiones parciales de estudios previos Es importante hacer un resumen de los resultados que se obtuvieron en los anlisis de todas las variables independientes que se hicieron en este captulo.
La tabla 7-100 presenta las principales conclusiones respecto de las variables que se estudiaron en el captulo anterior.
La primera columna muestra las 19 variables que se analizaron, la segunda indica la capacidad predictiva de cada una de ellas en trminos de la R2 que fueron ordenadas de mayor a menor, y que representa el porcentaje que esa variable explica, por s sola, de la variacin del rendimiento final de los alumnos. La tercera columna justifica la significacin estadstica de cada variable, todas ellas con un nivel de 0.001 de acuerdo con los anlisis de varianza respectivos.
Se puede observar que la mayora de las variables que fueron relevantes estn vinculadas al rendimiento, a saber: promedio al 5to. y 3er. semestres, materias reprobadas al ltimo semestre, 5to. y 3er. semestres, promedio de la preparatoria, semestres de ms, edad del alumno, beca, Toefl inicial y final y prueba de aptitud acadmica.
311
Tabla 7-100 Resumen de la relacin entre el rendimiento final y las variables clasificatorias, de rendimiento inicial y rendimiento durante la carrera universitaria.
VARIABLES CORRELACIN Promedio 5o. Semestre 0.950 Promedio 3er. Semestre 0.869 Materias reprobadas al ltimo semestre -0.797 Materias reprobadas al 5o. semestre -0.750 Materias reprobadas al 3er. semestre -0.644 Promedio de prepa 0.556 Semestres de ms -0.547 Edad del alumno -0.415 Beca 0.390 Toefl Inicial 0.287 Toefl final 0.279 Prueba de Aptitud Acadmica (PAA) 0.270 Sexo -0.211 Nivel Socio-econmico -0.148 Edad de la madre -0.069 Edad del padre -0.065 Prepa TEC-No TEC 0.023 Estudios de la madre -0.018 Estudios del padre -0.017
Materias Suspendidas -0.797 RA 3 RA 5 Semestres 0.950
Estud. Padres -0.018
R2 (%) 90.3 75.5 63.5 56.3 41.5 30.9 29.9 17.2 15.2 8.2 7.8 7.1 4.5 2.2 0.5 0.4 0.3 0.0 0.0
SIGNIFICACIN Significativa y Relevante Significativa y Relevante Significativa y Relevante Significativa y Relevante Significativa y Relevante Significativa y Relevante Significativa y Relevante Relevantes Relevantes Relevantes Relevantes Relevantes No Significativa No Significativa No Significativa No Significativa No Significativa No Significativa No Significativa
Promedio preparatoria 0.556
Edad Padres -0.69
Semestres de ms -0.547
RENDIMIENTO ACADMICO FINAL
Nivel Socio Econ -0.148
Sexo Edad Alumno -0.415

Beca 0.390 Examen Toefl 0.287 PAA 0.270 -0.211
312
CAPTULO 8. ESTUDIOS PREDICTIVOS
Del captulo 7-3, en el que se presenta la correlacin entre las variables independientes con el rendimiento acadmico final, se retoma la tabla 7-20 para realizar una depuracin de variables no significativas (escuela de procedencia, estudios de los padres, nivel socioeconmico, sexo, edad de los padres, examen de matemticas y espaol, PAA verbal y PAA matemtico).
La tabla 8-1 presenta las variables que resultaron ms significativas en cada carrera de acuerdo con su capacidad predictiva. La valoracin que se consider fue la siguiente: los nmeros de color azul sealan las correlaciones ms significativas con un nivel de 0.01; los nmeros de color negro resultaron menos significativas con un nivel de 0.05; y los nmeros en color rojo sealan las correlaciones poco significativas:
***Significativa y relevante > .50 (al nivel .001) ** Relevantes > .22 <.50 (al nivel .05)
* Poco relevantes < .22
313
8.1 Anlisis correlacional por variables y por carrera En la tabla siguiente se presenta el resumen de la correlacin que se obtuvo de los anlisis entre el rendimiento final y las 18 carreras profesionales.
Tabla 8-1 Correlaciones significativas con el rendimiento acadmico final y carreras
CORRELACIN RENDIMIENTO ACADMICO Y CARRERAS CARRERAS Arquitectura/Diseo Electrnica y Comunicaciones Industrial y de Sistemas Mecnico Elctricista/Administrador Mecatrnica Sistemas Computacionales Sistemas Elctrnicos Administracin de Empresas Administracin Financiera/Contabilidad Ciencias de la Comunicacin/Medios Economa Derecho Mercadotecnia Negocios Internacionales Ciencias Polticas Psicologa Organizacional Relaciones Internacionales Sistemas de Computacin Administrativa TOTAL Edad Alum -0.61 -0.51 -0.41 -0.53 -0.48 -0.51 -0.55 -0.39 -0.25 -0.33 -0.75 -0.59 -0.40 -0.48 -0.40 -0.57 -0.39 -0.52 -0.48 Beca Toefl Toefl Prom Prom Prom Mat R Mat R Sem Alum Inicio Final Prepa Sem 3 Sem 5 Sem 5 Sem 9 dems PAA 0.10 0.49 0.38 0.48 0.44 0.55 0.67 0.48 0.46 0.33 0.23 0.01 0.34 0.34 0.49 0.24 0.36 0.63 0.39 0.37 0.17 0.29 0.34 0.24 0.47 0.29 0.25 0.19 0.29 0.53 0.16 0.26 0.23 0.25 0.54 0.41 0.04 0.29 0.36 0.31 0.31 0.40 0.30 0.42 0.23 0.29 0.24 0.29 0.50 0.02 0.28 0.20 0.22 0.55 0.40 0.09 0.30 0.52 0.69 0.65 0.38 0.63 0.65 0.77 0.53 0.63 0.44 0.67 0.52 0.62 0.68 0.44 0.29 0.51 0.59 0.57 0.79 0.92 0.85 0.92 0.94 0.88 0.95 0.89 0.90 0.83 0.92 0.76 0.87 0.88 0.75 0.89 0.90 0.88 0.87 0.92 0.95 0.93 0.97 0.98 0.97 0.97 0.96 0.96 0.92 0.98 0.90 0.95 0.97 0.92 0.97 0.96 0.95 0.95 -0.71 -0.82 -0.85 -0.89 -0.70 -0.73 -0.84 -0.85 -0.85 -0.84 -0.80 -0.82 -0.83 -0.88 -0.69 -0.77 -0.77 -0.83 -0.68 -0.75 -0.83 -0.82 -0.78 -0.81 -0.73 -0.78 -0.82 -0.86 -0.77 -0.83 -0.72 -0.75 -0.76 -0.77 -0.69 -0.79 -0.77 -0.81 -0.57 -0.64 -0.46 -0.62 -0.65 -0.62 -0.68 -0.62 -0.48 -0.50 -0.71 -0.60 -0.54 -0.63 -0.61 -0.49 -0.52 0.04 0.07 0.20 0.35 0.11 0.33 0.37 0.38 0.15 0.31 0.30 0.18 0.35 0.20 0.24 0.44 0.28
-0.55 -0.05 -0.58 0.24
***Significativa y relevante > .50 (al nivel .001) ** Relevantes > .22 <.50 (al nivel .05); * Poco relevantes < .22
Los resultados de los anlisis de correlacin de cada una de las carreras pusieron de manifiesto lo siguiente:
314
La variable promedio al 5to. semestre present una correlacin positiva por arriba de 0.90 en todas las carreras, lo que significa que existe una relacin muy fuerte con el RA final. Las carreras de Mecatrnica y Economa alcanzaron el valor ms alto, 0.98, y Derecho obtuvo el ms bajo, 0.90.
El segundo lugar lo obtuvo la variable promedio al 3er. semestre. Las carreras que presentaron correlaciones ms altas fueron Electrnica y Comunicaciones y Mecnico Electricista.
En materias reprobadas al 9no. semestre, la relacin negativa ms alta se present en la carrera de Electrnica y Comunicaciones (-0.89), mientras que Ingeniera Industrial y de Sistemas mostr la ms baja (-0.73). En materias reprobadas al 5to. semestre, Electrnica y Comunicaciones y Mecatrnica tuvieron las correlaciones ms altas. En materias reprobadas al 3er. semestre, el valor ms alto se present en la carrera de Mecnico Electricista y el ms bajo en Arquitectura y Diseo.
Con respecto a la variables semestres cursados de ms, la carrera de Economa tuvo la correlacin negativa ms alta (-0.71), mientras que la ms baja se registr en Administracin Financiera y Contabilidad.
Promedio de la preparatoria se encuentra en sexto lugar. De las 14 carreras que tuvieron una correlacin positiva por arriba de (0.50), Sistemas Electrnicos registr el valor ms alto (0.77) y Psicologa Organizacional el ms bajo (0.29).
315
Respecto a la edad del alumno, 8 carreras exhibieron una correlacin negativa por arriba (0.50). Economa alcanz el valor ms alto (-0.75), lo cual implica que al rendimiento final de los alumnos de esta carrera le afecta la edad con la que terminan su vida universitaria.
En beca del alumno la carrera que tuvo una correlacin positiva ms alta es Sistemas Electrnicos (0.67), mientras que Derecho present el valor ms bajo (0.01). Las carreras que tienen una correlacin positiva por arriba de 0.50 en Toefl inicial y final son Psicologa Organizacional y Economa.
Finalmente, en la prueba de aptitud acadmica los alumnos de preparatorias externas obtuvieron la correlacin ms alta en la carrera de Psicologa Organizacional y la ms baja en Sistemas de Computacin Administrativa. De acuerdo con los anlisis anteriores podemos llegar a las conclusiones siguientes: Los factores que determinan el RA de la generacin 2007 del Tecnolgico de Monterrey son los mismos que explican el rendimiento en cada carrera en forma especfica. La magnitud de la correlacin del RA con cada variable es diferente en cada carrera universitaria y en toda la generacin. Las correlacin alta significativa de 0.01 se encuentra en las variables promedio al 5to. y 3er. semestres, materias reprobadas al 5to. y 9no. semestres y todas las carreras tuvieron una variable significativa.
316
De acuerdo a los resultados de la tabla 7-96 se han podido identificar las variables que afectan el rendimiento acadmico en trminos del rendimiento final de todos los estudiantes que conforman la generacin. Con base en los objetivos definidos en la investigacin, podemos dar respuesta a nuestra primera hiptesis:
Hiptesis 1: El rendimiento acadmico, en trminos del promedio de los alumnos, depende de los factores siguientes: edad del alumno, sexo, edad de los padres, estudios de los padres, beca, nivel socioeconmico, puntuacin del Toefl, promedio del bachillerato, semestres cursados de ms, materias reprobadas al 3er. semestre y puntuacin de la prueba de aptitud acadmica, promedio al 3. y 5. semestres.
A continuacin se da respuesta a cada una de las 11 hiptesis que se desprenden de la primera. Hiptesis 1.1 Edad del alumno s es un factor del RA final. A mayor edad del alumno se vincula un menor rendimiento. Hiptesis 1.2 Sexo s es un factor del RA final. Las mujeres presentan un mejor RA que los hombres. Hiptesis 1.3 Edad de los padres no es un factor que determine el RA final. Hiptesis 1.4 Estudios de los padres no es un factor que condicione el RA final. Hiptesis 1.5 Beca s es un factor del RA final. Los alumnos con beca presentan un mejor rendimiento que los que no la tienen. Hiptesis 1.6 Nivel socioeconmico no es un factor del RA final. Si el alumno proviene de una familia con recursos econmicos elevados, su RA ser menor.
317
Hiptesis 1.7 Toefl s es un factor que influye en el RA final. Los alumnos que tienen mayor puntuacin en l presentan un mejor rendimiento. Hiptesis 1.8 Promedio del bachillerato s es un factor del RA final. A mayor promedio, mejor rendimiento. Hiptesis 1.9 Semestres cursados de ms s son un factor del RA final. A ms semestres que cursan los alumnos para finalizar su carrera, menor es su rendimiento. Hiptesis 1.10 Materias reprobadas durante su carrera universitaria s son un factor que condiciona el RA final. A mayor nmero de materias reprobadas, menor es el rendimiento del alumno. Hiptesis 1.11 Prueba de aptitud acadmica s es un factor que influye en el RA final. Los alumnos que tienen mejores puntuaciones se vinculan a un mejor RA. Hiptesis 1.12 El promedio al 3er. semestre de su carrera universitaria s es un factor que influye en el RA final. Hiptesis 1.13 El promedio al 5. semestre de su carrera universitaria s es un factor que influye en el RA final.
Los anlisis que se han realizado hasta ahora nos presentan los factores que resultan significativos para la generacin 2007, no para cada carrera en particular. Por ello, se realizar el estudio por cada uno de los programas a travs del anlisis de regresin mltiple, a fin de identificar si existe un modelo del RA final de cada carrera universitaria.
318
8.2 Modelos de regresin mltiple
A continuacin se realizar el anlisis de regresin de toda la generacin y en forma especfica de cada una de las carreras, con la finalidad de pronosticar el rendimiento final a partir de las variables clasificatorias de rendimiento inicial y rendimiento durante la carrera universitaria.
La hiptesis 2 de esta investigacin establece que los factores que afectan el rendimiento acadmico de los alumnos de las carreras universitarias son diferentes y lo hacen en diverso grado, por lo cual se debe elaborar un modelo distinto para estudiar cada carrera.
Para identificar un modelo especfico por carrera, con base en el conjunto de las variables ya mencionadas, en una primera etapa se utiliz un modelo de regresin mltiple con entrada forzada de todas las variables, para posteriormente aplicar un mtodo de escalonamiento.
De acuerdo con Etxeberria (2007), la regresin mltiple nos permite analizar tanto las contribuciones individuales (consideradas en el marco de un modelo multivariado), como las colectivas de un conjunto de variables independientes, a la explicacin de la variabilidad de una variable dependiente. Tambin nos sirve para estudiar, de forma pormenorizada, la influencia de cada una de las variables explicativas en las variables objeto de estudio.
319
Para establecer la ecuacin del modelo ms adecuado se utiliz el mtodo Stepwise debido a que va integrando las variables de mayor a menor correlacin parcial, en la medida que las variables sean significativas y, cuando la aportacin de la variable ya no es significativa o no entra al modelo o se descarta de l, lo que nos permite precisar para cada carrera las variables que intervienen especficamente sobre el rendimiento en cada una de ellas.
En primera instancia se analiz el modelo general, que incluye a todos los alumnos de la generacin pertenecientes a 18 carreras universitarias. Para tal efecto, se realizaron los anlisis, cuyos resultados se presentan en tres cuadros: el primero es el resumen del modelo que contiene las variables consideradas en cada paso y el valor de R2 ajustada total; el segundo presenta el anlisis de varianza (ANOVA) con los valores de la prueba F y su nivel de significancia; el tercero contiene los coeficientes de las variables significativas.
Es importante mencionar que slo el modelo general incluye el anlisis de los residuales y de la independencia de los factores del modelo, a fin de verificar los supuestos que caracterizan al modelo de regresin. La primera regresin mltiple se aplic con el mtodo Enter (con entrada forzada), con 18 variables contenidas en la base de datos. Existen variables que no se presentan en toda la muestra, esto es, slo las tiene el grupo de alumnos que provienen de preparatorias externas. Por ello, las variables que se excluyeron del modelo fueron: PAA total, PAA matemtico, PAA espaol, as como los cursos de nivelacin de espaol y matemticas.
320
Variable dependiente (variable criterio) Rendimiento final (promedio al ltimo semestre)
Variables del estudio 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. Edad alumno Sexo Estudios del padre Estudios de la madre Edad del padre Edad de la madre Nivel econmico Promedio preparatoria Preparatoria de procedencia (TEC/NO TEC) Beca alumno Promedio al 3er. semestre Promedio al 5to. semestre Materias reprobadas al 3er. semestre Materias reprobadas al 5to. semestre Materias reprobadas al ltimo semestre Toefl inicio Toefl final Semestres de ms
El coeficiente de tolerancia de acuerdo a Etxeberria (2007), se utiliza para analizar la multicolinealidad, que es un indicador de la independencia de una variable con respecto de las otras variables independientes. Se requieren de variables con una alta tolerancia, es decir, que tengan valores cercanos a 1 y la tolerancia 0 si existiera una combinacin lineal perfecta.
321
8.2.1 Modelo de regresin mltiple general En primera instancia, el anlisis de regresin mltiple se realizar con toda la muestra a fin de obtener un modelo general que pueda aplicarse a todas las carreras universitarias. El primer anlisis se realizar con el mtodo Enter, pero, dada la posibilidad de que se presente el fenmeno de multicolinealidad entre las variables, se contemplar un anlisis posterior con el mtodo Stepwise.
a) Modelo de regresin por el mtodo Enter Al aplicar la regresin con el mtodo Enter se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada de 80.8% de la varianza explicada y se consigue con las 15 variables determinadas en el coeficiente. En la tabla de ANOVA se observa que el valor de F corresponde a una probabilidad de 251.513, con un nivel de significacin menor a 0.001.
Tabla 8-2 Resumen del modelo de regresin para la generacin con el mtodo Enter
Model Summary Adjusted R Square .808 St d. Error of the Estimate 2.201
Model 1
R .901a
R Square .811
a. Predictors: (Constant), SEMESTRES DE MAS, Estudios Padre, Edad padre, Sexo, Beca alumno, Prepa Tec/ No Tec, Toef l f inal, Estudios madre, Promedio prepa, Niv el Econmico, Edad alumno, Edad madre, Materias reprobadas 3er. semestre, Toef l inicio, Promedio 3er. semestre
La tabla 8-3 nos indica que el conjunto de variables que especifica el modelo es significativo para el RA, y nos presenta el anlisis de la varianza en cada paso del mtodo Enter. En la penltima columna se puede ver que el valor de F es de 251.513, que corresponde a una probabilidad menor a .001, lo cual nos
322
permite rechazar la hiptesis nula que sostiene que no existe relacin entre el RA y el conjunto de variables. Por lo tanto, se acepta la hiptesis alternativa que sostiene que existe una relacin significativa entre el rendimiento al ltimo semestre y el conjunto de variables del modelo.
Tabla 8-3 Anlisis de varianza de la generacin con el mtodo Enter

b A NOVA
Model 1
Regression Residual Total
Sum of Squares 18275.128 4253.077 22528.205
df 15 878 893
Mean Square 1218.342 4.844
F 251.513
Sig. .000a
a. Predictors: (Const ant), SEMESTRES DE MAS, Estudios Padre, Edad padre, Sexo, Beca alumno, Prepa Tec/No Tec, Toef l f inal, Estudios madre, Promedio prepa, Niv el Econmico, Edad alumno, Edad madre, Materias reprobadas 3er. semestre, Toef l inicio, Promedio 3er. semestre b. Dependent Variable: Promedio ltimo semestre
Tabla 8-4 Coeficientes del Modelo General con el mtodo Enter

a Coefficients
Model 1
(Constant) Edad alumno Sexo Estudios Padre Estudios madre Edad padre Edad madre Niv el Econmico Promedio prepa Prepa Tec/No Tec Beca alumno Promedio 3er. semestre Materias reprobadas 3er. semestre Toefl inicio Toefl f inal SEMESTRES DE MAS
Unstandardized Coeff icients B Std. Error 23.878 2.489 -.144 .066 -.148 .155 -.112 .064 -.023 .054 -.018 .017 .052 .020 .004 .006 .079 .013 -.352 .165 .008 .003 .646 .021 .197 3.35E-005 .005 -.371 .048 .002 .002 .074
Standardized Coeff icients Beta -.042 -.015 -.030 -.007 -.021 .051 .012 .117 -.034 .048 .798 .102 .000 .056 -.107
t 9.593 -2.173 -.959 -1.754 -.425 -1.054 2.596 .673 6.238 -2.134 2.587 31.139 4.117 .019 2.375 -4.998
Sig. .000 .030 .338 .080 .671 .292 .010 .501 .000 .033 .010 .000 .000 .985 .018 .000
Collinearity Statistics Tolerance VIF .572 .912 .755 .767 .565 .557 .725 .614 .839 .630 .327 .351 .378 .386 .469 1.749 1.096 1.324 1.303 1.770 1.797 1.379 1.630 1.192 1.587 3.055 2.846 2.644 2.588 2.134
a. Dependent Variable: Promedio ltimo semestre
323
b) Modelo de Regresin Mltiple General con el mtodo Stepwise Debido a que se present colinealidad entre las variables se realiz el anlisis con el mtodo Stepwise, considerando 15 variables independientes. Se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 80.6%, que la primera variable incluida en l es el promedio al tercer semestre, y que la proporcin que explica la varianza es una R2 de 77.8%.
Promedio de preparatoria es la segunda variable en entrar al modelo, que conjuntamente explica 79%; la tercera es semestres de ms que explica en conjunto 79.8% de la varianza; las ltimas cuatro variables que entraron al modelo fueron materias reprobadas al 3er. semestre, Toefl final, beca alumno, preparatoria TEC/NO TEC; la R2 slo aument 8 dcimas. A pesar de ser una aportacin pequea, el modelo las incluye porque siguen siendo significativas.
324
Tabla 8-5 Resumen del modelo de regresin de la generacin con el mtodo Stepwise
Model Summary Model 1 2 3 4 5 6 7 R .882a .889b .894c .896d .897e .898f .899g R Square .778 .791 .799 .803 .805 .807 .808 Adjusted R Square .778 .790 .798 .802 .804 .806 .806 St d. Error of the Estimate 2.366 2.299 2.255 2.234 2.222 2.215 2.210
a. Predictors: (Constant), Promedio 3er. semest re b. Predictors: (Constant), Promedio 3er. semest re, Prom edio prepa c. Predictors: (Constant), Promedio 3er. semest re, Prom edio prepa, SEM ESTRES DE MAS d. Predictors: (Constant), Promedio 3er. semest re, Prom edio prepa, SEM ESTRES DE MAS, M erias at reprobadas 3er. semestre e. Predictors: (Constant), Promedio 3er. semest re, Prom edio prepa, SEM ESTRES DE MAS, M erias at reprobadas 3er. semestre, Toef l f inal f . Predictors: (Constant), Promedio 3er. semest re, Prom edio prepa, SEM ESTRES DE MAS, M erias at reprobadas 3er. semestre, Toef l f inal, Beca alumno g. Predictors: (Constant), Promedio 3er. semest re, Prom edio prepa, SEM ESTRES DE MAS, M erias at reprobadas 3er. semestre, Toef l f inal, Beca alumno, Prepa Tec/ No T ec
La tabla 8-6 nos indica que el conjunto de variables que especifica el modelo es significativo para el RA. Tambin nos presenta el anlisis de la varianza de cada paso del mtodo Stepwise. El valor de F corresponde a una probabilidad de 532.429, por lo que se acepta la hiptesis alternativa de que existe una relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo.
325
Tabla 8-6 Anlisis de varianza de la generacin con el mtodo Stepwise

h A NOVA
Model 1
Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total
Sum of Squares 17533.433 4994.772 22528.205 17818.035 4710.170 22528.205 18002.401 4525.804 22528.205 18092.134 4436.071 22528.205 18143.152 4385.053 22528.205 18177.107 4351.098 22528.205 18201.308 4326.897 22528.205
df 1 892 893 2 891 893 3 890 893 4 889 893 5 888 893 6 887 893 7 886 893
Mean Square 17533.433 5.600 8909.017 5.286 6000.800 5.085 4523.033 4.990 3628.630 4.938 3029.518 4.905 2600.187 4.884
F 3131.239
Sig. .000a
1685.276
.000b
1180.058
.000c
906.427
.000d
734.820
.000e
617.587
.000f
532.429
.000g
a. Predictors: (Const ant), Promedio 3er. semestre b. Predictors: (Const ant), Promedio 3er. semestre, Promedio prepa c. Predictors: (Const ant), Promedio 3er. semestre, Promedio prepa, SEMESTRES DE MAS d. Predictors: (Const ant), Promedio 3er. semestre, Promedio prepa, SEMESTRES DE MAS, Mat erias reprobadas 3er. semestre e. Predictors: (Const ant), Promedio 3er. semestre, Promedio prepa, SEMESTRES DE MAS, Mat erias reprobadas 3er. semestre, Toef l f inal f . Predictors: (Const ant), Promedio 3er. semestre, Promedio prepa, SEMESTRES DE MAS, Mat erias reprobadas 3er. semestre, Toef l f inal, Beca alum no g. Predictors: (Const ant), Promedio 3er. semestre, Promedio prepa, SEMESTRES DE MAS, Mat erias reprobadas 3er. semestre, Toef l f inal, Beca alum no, Prepa Tec/No Tec h. Dependent Variable: Prom edio ltimo semestre
La tabla 8-7 nos presenta los coeficientes de cada variable incluida en el modelo, lo que nos permite construir la combinacin lineal que mejor representa la relacin con la variable dependiente. Se puede ver la prueba t de significacin de cada variable, donde todas son significativas cuando menos a 1%.
326
En la ltima columna podemos apreciar que las pruebas de tolerancia de la mayora de las variables son buenas, excepto en promedio y materias reprobadas al 3er. semestre.
Tabla 8-7 Coeficientes del Modelo General con el mtodo Stepwise

a Coeffi ci ents
Model 1 2
(Constant) Promedio 3er. semestre (Constant) Promedio 3er. semestre Promedio prepa (Constant) Promedio 3er. semestre Promedio prepa SEMESTRES DE MAS (Constant) Promedio 3er. semestre Promedio prepa SEMESTRES DE MAS Materias reprobadas 3er. semest re (Constant) Promedio 3er. semestre Promedio prepa SEMESTRES DE MAS Materias reprobadas 3er. semest re Toef l f inal (Constant) Promedio 3er. semestre Promedio prepa SEMESTRES DE MAS Materias reprobadas 3er. semest re Toef l f inal Beca alumno (Constant) Promedio 3er. semestre Promedio prepa SEMESTRES DE MAS Materias reprobadas 3er. semest re Toef l f inal Beca alumno Prepa Tec/ No Tec
Unstandardized Coef f icients B St d. Error 24.724 1.071 .714 .013 21.952 1.107 .659 .015 .089 .012 25.394 1.227 .615 .016 .095 .012 -.359 .060 21.074 1.586 .667 .020 .092 .012 -.479 .066 .203 19.506 .658 .089 -.470 .200 .004 21.054 .646 .081 -.478 .194 .005 .008 21.103 .648 .086 -.450 .202 .004 .008 -.357 .048 1.651 .020 .012 .065 .048 .001 1.748 .021 .012 .065 .048 .001 .003 1.744 .021 .012 .066 .048 .001 .003 .160
St andardized Coef f icients Beta .882 .814 .131 .759 .141 -.103 .823 .137 -.138 .105
t 23.092 55.957 19.836 45.427 7.337 20.701 38.393 8.000 -6.021 13.291 33.342 7.812 -7.315 4.241 11.814 32.832 7.556 -7.197 4.203 3.214 12.047 31.436 6.674 -7.347 4.084 3.274 2.631 12.101 31.574 6.976 -6.791 4.241 3.173 2.599 -2.226
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 .000 .000 .001 .009 .000 .000 .000 .000 .000 .002 .009 .026
Collinearity Statistics Tolerance VI F 1.000 .731 .731 .577 .725 .764 .364 .722 .621 .361 1.000 1.368 1.368 1.733 1.380 1.309 2.751 1.385 1.611 2.769
.813 .132 -.135 .104 .049 .797 .120 -.138 .100 .050 .044 .800 .127 -.130 .104 .049 .044 -.035
.358 .717 .620 .361 .925 .338 .672 .618 .360 .924 .772 .338 .651 .595 .358 .922 .771 .896
2.797 1.394 1.614 2.770 1.082 2.955 1.489 1.618 2.776 1.082 1.296 2.961 1.537 1.682 2.790 1.084 1.296 1.116
327
c) Segundo Anlisis de Regresin del Modelo General
Se realiz un segundo anlisis del modelo general con el mtodo Stepwise y se elimin la variable promedio al 3er. semestre debido a que se present algn grado de colinealidad con materias reprobadas al 3er semestre. Se comprob que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada de 59.6% de la varianza explicada y se consigue con las 7 variables determinadas en el coeficiente. La primera variable incluida en el modelo es materias reprobadas al 3er. semestre, que explica la varianza R2 en un 40.4%.
El promedio de preparatoria, la segunda en entrar al modelo, en conjunto explica 53.6%; la tercera variable en entrar fue beca alumno, que explica en conjunto 55.7% de la varianza; las ltimas cuatro variables que entraron al modelo fueron semestres de ms, Toefl de inicio, sexo y Toefl final; donde la R2 slo aument 2.6%, que, a pesar de ser una aportacin pequea, deben ser incluidas porque siguen siendo significativas.
328
Tabla 8-8 Resumen del modelo general de regresin con el mtodo stepwise
Model Summary Model 1 2 3 4 5 6 7 R .636a .733b .747c .761d .770e .773f .774g R Square .405 .537 .558 .580 .592 .597 .599 Adjusted R Square .404 .536 .557 .578 .590 .594 .596 St d. Err or of the Estimate 3.876 3.422 3.344 3.263 3.215 3.200 3.193
a. Pr edictor s: (Constant), Materias r epr obadas 3er . semestre b. Pr edictor s: (Constant), Materias r epr obadas 3er . semestre, Promedio prepa c. Pr edictor s: (Constant), Materias r epr obadas 3er . semestre, Promedio prepa, Beca alumno d. Pr edictor s: (Constant), Materias r epr obadas 3er . semestre, Promedio prepa, Beca alumno, SEM ESTRES DE MAS e. Pr edictor s: (Constant), Materias r epr obadas 3er . semestre, Promedio prepa, Beca alumno, SEM ESTRES DE MAS, Toef l inicio f . Pr edictor s: (Constant), Materias r epr obadas 3er . semestre, Promedio prepa, Beca alumno, SEM ESTRES DE MAS, Toef l inicio, Sexo g. Pr edictor s: (Constant), Materias r epr obadas 3er . semestre, Promedio prepa, Beca alumno, SEM ESTRES DE MAS, Toef l inicio, Sexo, Toef l f inal
La tabla 8-9 nos indica que el conjunto de variables que especifica el modelo es significativo para el RA final. En la ltima columna, el valor de F, 189.182, corresponde a una probabilidad menor a .001, lo cual nos permite rechazar la hiptesis nula que sostiene que no existe relacin entre el RA y el conjunto de variables. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa entre el rendimiento final y el conjunto de variables del modelo.
329
Tabla 8-9 Anlisis de varianza para la generacin con el mtodo Stepwise

h A NOVA
Model 1
Sum of Squares 9126.186 13402.019 22528.205 12094.272 10433.933 22528.205 12577.384 9950.821 22528.205 13062.723 9465.481 22528.205 13347.897 9180.308 22528.205 13445.768 9082.437 22528.205 13497.659 9030.546 22528.205
df 1 892 893 2 891 893 3 890 893 4 889 893 5 888 893 6 887 893 7 886 893
Mean Square 9126.186 15.025 6047.136 11.710 4192.461 11.181 3265.681 10.647 2669.579 10.338 2240.961 10.240 1928.237 10.192
F 607.413
Sig. .000a
516.392
.000b
374.973
.000c
306.713
.000d
258.225
.000e
218.855
.000f
189.182
.000g
a. Predictors: (Const ant), Materias reprobadas 3er. sem est re b. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa c. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Beca alumno d. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Beca alumno, SEMESTRES DE MAS e. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Beca alumno, SEMESTRES DE MAS, Toef l inicio f . Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Beca alumno, SEMESTRES DE MAS, Toef l inicio, Sexo g. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Beca alumno, SEMESTRES DE MAS, Toef l inicio, Sexo, Toef l f inal h. Dependent Variable: Prom edio ltimo semestre
330
Tabla 8-10 Coeficientes del modelo general con el mtodo Stepwise

a Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semest re (Constant) Materias reprobadas 3er. semest re Promedio prepa (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno SEMESTRES DE MAS (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno SEMESTRES DE MAS Toef l inicio (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno SEMESTRES DE MAS Toef l inicio Sexo (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno SEMESTRES DE MAS Toef l inicio Sexo Toef l f inal
Unstandardized Coef f icients B St d. Error 86.592 .156 -1.230 64.533 -.983 .260 67.349 -.947 .219 .029 67.303 -.722 .220 .030 -.645 63.443 -.709 .211 .030 -.572 .009 64.707 -.694 .206 .030 -.559 .009 -.678 63.515 -.685 .202 .030 -.576 .005 -.761 .007 .050 1.392 .047 .016 1.426 .046 .017 .004 1.392 .056 .017 .004 .096 1.556 .055 .017 .004 .095 .002 1.602 .055 .017 .004 .095 .002 .219 1.683 .055 .017 .004 .095 .003 .222 .003
St andardized Coef f icients Beta -.636
t 556.419 -24.646 46.347
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .002 .000 .000 .000 .000 .000 .061 .001 .024
Collinearity Statistics Tolerance VI F 1.000 1.000
-.509 .385
-21.042 15.920 47.217 -20.595 12.767 6.573 48.351 -12.922 13.193 6.974 -6.752 40.773 -12.856 12.727 7.163 -6.009 5.252 40.402 -12.601 12.415 7.291 -5.899 5.459 -3.092 37.740 -12.433 12.153 7.232 -6.074 1.873 -3.430 2.256
.890 .890
1.124 1.124
-.490 .324 .162
.877 .771 .817
1.140 1.297 1.225
-.374 .327 .168 -.186
.565 .771 .816 .623
1.769 1.297 1.226 1.606
-.367 .312 .170 -.165 .117
.564 .761 .815 .609 .926
1.772 1.313 1.226 1.641 1.080
-.359 .305 .172 -.161 .121 -.067
.560 .754 .815 .608 .922 .960
1.786 1.327 1.228 1.644 1.084 1.042
-.354 .299 .171 -.166 .063 -.076 .077
.557 .746 .814 .604 .395 .934 .392
1.795 1.340 1.229 1.655 2.534 1.071 2.549
De acuerdo con los coeficientes, podemos interpretar el modelo general de la siguiente forma: un estudiante de ltimo semestre obtendra 63.515 puntos, por cada materia reprobada al 3er. semestre su promedio disminuye .685, se le aumenta .202 por cada punto que tiene de promedio en la preparatoria, por cada punto de beca se incrementa .030, cada semestre de ms que cursa el
331
alumno despus del dcimo su promedio disminuye .576 puntos, y en cuanto al sexo, si es hombre disminuye .761.
MODELO GENERAL Rendimiento final = 63.515 - .685 Materias reprobadas al 3er. semestre +.202 Promedio preparatoria + .030 Beca alumno .576 Semestres de ms - .761 Sexo
Cumplimiento de los supuestos del modelo general: Los supuestos consisten en que los residuales son independientes entre s y que siguen una distribucin normal. Un residual es la diferencia entre el valor real del promedio observado del alumno, y el valor que predice el modelo con base en la informacin de las variables independientes de ese alumno, es decir, el residual es el error que produce el modelo en la estimacin del promedio real del alumno (Vargas, 2001).
En la figura 8-1 se presenta la dispersin entre los valores estandarizados de las predicciones del modelo y los valores estandarizados de los residuales, que conforma una nube informe de puntos, donde se nota una ligera tendencia a desviarse del supuesto de homogeneidad de los residuales.
332
Figura 8-1 Residuales estandarizados del Modelo General
El segundo supuesto es el grfico de probabilidades acumuladas de los residuales esperados y observados. Los puntos deben estar sobre la diagonal indicando que el error se distribuye siguiendo una distribucin normal. En el grfico 8-2 podemos ver el ajuste de los residuos muestrales a la distribucin normal terica, representada por la diagonal principal. No aparecen desviaciones importantes entre ambas distribuciones (terica y muestral), es decir que los puntos se ajustan muy bien a la diagonal principal.
333
Figura 8-2 Normalidad de los residuales del Modelo General
El tercer supuesto es la ausencia de multicolinealidad, ya mencionada, que implica que las variables explicativas deben ser independientes entre s y que ninguna de ellas es una combinacin lineal, es decir, que no tienen una relacin total con las otras variables. Existen dos condiciones de aplicacin de la regresin que imposibilita el clculo de la estimacin del modelo (Etxeberra, 2007): la primera indica que el nmero de observaciones debe ser inferior al nmero de variables; la segunda, que una de las variables incluidas en el modelo de regresin debe ser una combinacin lineal, esto es, que tenga una relacin total con las variables independientes.
334
Una vez concluido el anlisis del modelo general de regresin, presentaremos los modelos de regresin para cada una de las carreras, incluyendo al final un cuadro resumen.
8.2.2 Modelo de regresin mltiple por carrera Los resultados de los anlisis de cada carrera fueron obtenidos con el mtodo Stepwise, ya que por su escalonamiento discrimina las variables que no tienen significacin en el modelo resultante. Se consideraron 14 variables por carrera, que fueron las que quedaron una vez realizado el anlisis con el mtodo escalonado:
1. Edad del alumno 2. Sexo 3. Estudios del padre 4. Estudios de la madre 5. Edad del padre 6. Edad de la madre 7. Nivel econmico 8. Promedio preparatoria 9. Preparatoria de procedencia (TEC/NO TEC) 10. Beca alumno 11. Materias reprobadas al 3er. semestre 12. Toefl inicio 13. Toefl final 14. Semestres de ms
En cada carrera universitaria se incluye una tabla que muestra los coeficientes de regresin mltiple de los distintos modelos que reflejan las combinaciones lineales que representan la relacin con las variables independientes.
335
a) Arquitectura / Diseo Industrial En la carrera de Arquitectura, con una muestra de 36 alumnos, el modelo tiene una R2 ajustada total de 39.2%, donde la variable semestres de ms explica 25% de la varianza; cuando ingresa la variable edad de la madre, el porcentaje de explicacin conjunta sube a 33.3%; ms an, al entrar promedio de preparatoria en conjunto explican 39.2%.
La tabla de ANOVA nos indica que el conjunto de variables que especifica el modelo es significativo para el RA. El valor de F corresponde a una probabilidad de 40.289.
Tabla 8-11 Resumen del modelo de regresin de la carrera de Arquitectura/Diseo Industrial

Model Summaryd Model 1 2 3 R .521a .609b .667c R Square .271 .371 .445 Adjusted R Square .250 .333 .392 St d. Error of the Estimate 3.338 3.149 3.004
a. Predictors: (Constant), SEMESTRES DE MAS b. Predictors: (Constant), SEMESTRES DE MAS, Edad madre c. Predictors: (Constant), SEMESTRES DE MAS, Edad madre, Promedio prepa d. CARRERA = ARQ-LDI
La tabla 8-12 nos permite construir la combinacin lineal que mejor representa la relacin con la variable dependiente. Se puede ver la prueba t que indica que todas son significativas. A travs de los coeficientes beta estandarizados, podemos comparar el efecto de las variables sin que stas sean afectados por las diferencias de escala. De esta manera, podemos afirmar que la variable con
336
mayor efecto sobre promedio del ltimo semestre es semestres de ms, que influye, como cabra esperar, en forma negativa, seguido de edad de la madre que incide en el mismo sentido.
Tabla 8-12 Coeficientes del modelo de regresin para Arquitectura

a,b Coeffi ci ents
Model 1 2
(Constant) SEMESTRES DE MAS (Constant) SEMESTRES DE MAS Edad madre (Constant) SEMESTRES DE MAS Edad madre Promedio prepa
Unstandardized Coef f icients B St d. Error 87.102 .727 -1.817 .511 102.171 6.638 -2.088 .496 -.285 .125 84.825 10.528 -1.963 .477 -.282 .119 .201 .097
St andardized Coef f icients Beta -.521 -.599 -.325 -.563 -.321 .274
t 119.814 -3.558 15.393 -4.209 -2.282 8.057 -4.116 -2.367 2.062
Sig. .000 .001 .000 .000 .029 .000 .000 .024 .047
Collinearity Statistics Tolerance VI F 1.000 .943 .943 .928 .942 .984 1.000 1.061 1.061 1.078 1.061 1.017
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = ARQ-LDI
De acuerdo a la tabla de coeficientes del modelo general, podemos concluir que un estudiante de ltimo semestre sacara 85 puntos; por cada semestre de ms que estudia se reduce 1.96, el incremento de edad de la madre lo recorta .282, pero se le aumenta .201 por cada punto que tiene de promedio en la preparatoria.
Modelo Arquitectura/Diseo Industrial Rendimiento final = 84.83 1.96 Semestres de ms - .282 Edad de la madre + .201 Promedio de la preparatoria.
337
b) Industrial y de Sistemas En la carrera de Industrial y de Sistemas, basado en una muestra de 77 alumnos, el modelo arroj un coeficiente de determinacin correspondiente a una R2 ajustada total de 54%, valor que indica que la variable promedio de preparatoria explica por s misma 40% de la variacin del promedio al ltimo semestre; al ingresar la variable materias reprobadas al 3er. semestre el porcentaje conjunto explica 51% de la varianza, y al hacerlo la variable Toefl inicio el porcentaje de explicacin conjunta llega a 54%.
Tabla 8-13 Resumen del modelo de regresin de la carrera de Industrial y de Sistemas

a. Predictors: (Constant), Promedio prepa b. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre c. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre, Toef l inicio d. CARRERA = I IS
La tabla de ANOVA presenta el valor de F que corresponde a una probabilidad de 38.253. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
338
A travs de los coeficientes beta estandarizados podemos comparar el efecto de las variables sin que sea afectado por las diferencias de escala. De esta manera, podemos afirmar que la variable con mayor efecto sobre el promedio de ltimo semestre es promedio de la preparatoria que influye, como cabra esperarse, en forma positiva, seguido de materias reprobadas al 3er. semestre, que influye de forma negativa, y Toefl de inicio.
Tabla 8-14 Coeficientes del modelo de regresin para Industrial y de Sistemas

a,b Coeffi ci ents
Model 1 2
(Constant) Promedio prepa (Constant) Promedio prepa Materias reprobadas 3er. semestre (Constant) Promedio prepa Materias reprobadas 3er. semestre Toef l inicio
Unstandardized Coef f icients B St d. Error 45.781 5.519 .457 .064 58.625 5.834 .325 .065 -.720 52.885 .298 -.710 .015 .170 6.137 .064 .165 .006
St andardized Coef f icients Beta .639 .454 -.387
t 8.295 7.187 10.050 4.971 -4.238 8.618 4.631 -4.310 2.405
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .019
Collinearity Statistics Tolerance VI F 1.000 .772 .772 1.000 1.295 1.295
.416 -.382 .191
.749 .772 .955
1.336 1.296 1.047
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = II S
En la carrera de Ingeniera Industrial y de Sistemas, podemos decir que un estudiante de ltimo semestre sacara 53 puntos, cifra que se incrementa .298 por cada punto de promedio de la preparatoria, pero disminuye .710 por cada materia reprobada al 3er. semestre, e incrementa en .015 por Toefl de inicio.
Modelo Industrial y de Sistemas Rendimiento final = 58.818 + .289 Promedio de la preparatoria - .710 Materias reprobadas al 3er. semestre + .015 Toefl inicio.
339
c) Electrnica y Comunicaciones En Electrnica y Comunicaciones, con base en una muestra de 36 estudiantes, se encontr que el modelo presenta un coeficiente de determinacin correspondiente a una R2 ajustada total de 83%, valor del que la variable materias reprobadas al 3er. semestre explica 62.4%; al ingresar la variable beca alumno, en conjunto explican 74% que sube a 79.5% al introducir la variable semestres de ms; por ltimo, al asociar la variable sexo, alcanzan a explicar conjuntamente 83% de la varianza.
Tabla 8-15 Resumen del modelo de regresin de la carrera Electrnica y Comunicaciones
Model Summarye Model 1 2 3 4 R .797a .869b .901c .922d R Square .635 .756 .813 .850 Adjusted R Square .624 .741 .795 .831 St d. Error of the Estimate 3.053 2.536 2.255 2.049
a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Beca alumno c. Predictors: (Constant), Materias reprobadas 3er. semestre, Beca alumno, SEMESTRES DE MAS d. Predictors: (Constant), Materias reprobadas 3er. semestre, Beca alumno, SEMESTRES DE MAS, Sexo e. CARRERA = I EC
La tabla de ANOVA nos presenta el valor de F que corresponde a una probabilidad de 76.494. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que indica que el conjunto de variables que especifica el modelo es significativo para el RA. Podemos afirmar que la variable con mayor efecto sobre el promedio de ltimo semestre es materias
340
reprobadas al 3er. semestre, que influye negativamente, seguido de beca del alumno, semestres de ms y sexo.
Tabla 8-16 Coeficientes del modelo de regresin para Electrnica y Comunicaciones

a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semest re (Constant) Materias reprobadas 3er. semest re Beca alumno (Constant) Materias reprobadas 3er. semest re Beca alumno SEMESTRES DE MAS (Constant) Materias reprobadas 3er. semest re Beca alumno SEMESTRES DE MAS Sexo
Unstandardized Coef f icients B St d. Error 84.687 .633 -1.471 83.315 -1.368 .059 83.683 -1.118 .061 -.876 78.517 -.955 .057 -1.157 2.850 .191 .626 .161 .015 .569 .164 .013 .281 1.925 .160 .012 .274 1.023
t 133.736 -7.693 133.008
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .004 .000 .000 .000 .000 .009
-.741 .352
-8.507 4.034 146.953 -6.811 4.676 -3.118 40.785 -5.964 4.716 -4.215 2.786
.975 .975
1.026 1.026
-.606 .363 -.274
.741 .973 .759
1.350 1.028 1.318
-.517 .336 -.362 .216
.642 .955 .656 .803
1.557 1.047 1.523 1.246
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = IEC
En el modelo de Electrnica y Comunicaciones un estudiante de ltimo semestre obtendra 79 puntos, que disminuyen .955 por cada materia reprobada al 3er. semestre, se incrementan .057 por la puntuacin de beca alumno, disminuye 1.157 por cada semestre de ms y aumenta 2.850 si es mujer.
Modelo Electrnica y Comunicaciones Rendimiento final: 79 .955 Materias reprobadas al 3er semestre +.057 beca -1.157semestres de ms + 2.850 sexo.
341
d) Mecnico Electricista/Mecnico Administrador En la carrera de Mecnico Electricista, con una muestra de 53 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 72.6%, valor del que la variable materias reprobadas al 3er semestre explica 62.7%; al ingresar la variable promedio de preparatoria, en conjunto explican 68.4% del total de la varianza, al incorporar beca del alumno justifican 70.9% y en conjunto con el Toefl final explican 72.6%.
Tabla 8-17 Resumen del modelo de regresin de la carrera de Mecnico Electricista/ Mecnico Administrador.
a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa c. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno d. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno, Toef l f inal e. CARRERA = I ME-IMA
La tabla de ANOVA presenta el valor de F que corresponde a una probabilidad de 85.130. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA. De acuerdo con la columna de coeficientes beta estandarizados, podemos afirmar que la variable con mayor efecto sobre el promedio de ltimo semestre
342
es materias reprobadas, que influye negativamente, seguida por promedio de preparatoria que lo hace de manera positiva.
Tabla 8-18 Coeficientes del modelo de regresin para Mecnico Electricista/Mecnico Administrador.
a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semestre (Constant) Materias reprobadas 3er. semestre Promedio prepa (Constant) Materias reprobadas 3er. semestre Promedio prepa Beca alumno (Constant) Materias reprobadas 3er. semestre Promedio prepa Beca alumno Toef l f inal
Unstandardized Coef f icients B St d. Error 85.496 .554 -1.004 70.637 -.946 .178 71.183 -.866 .162 .031 61.839 -.795 .160 .031 .016 .107 4.697 .100 .056 4.512 .102 .054 .013 6.374 .105 .053 .013 .008
t 154.203 -9.405 15.038
Sig. .000 .000 .000 .000 .003 .000 .000 .004 .025 .000 .000 .004 .021 .049
-.751 .252
-9.465 3.182 15.778 -8.503 2.988 2.313 9.702 -7.576 3.046 2.379 2.017
.967 .967
1.034 1.034
-.687 .229 .187
.856 .951 .855
1.168 1.052 1.169
-.631 .227 .187 .157
.759 .950 .855 .868
1.317 1.052 1.169 1.153
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = IME-IMA
En este modelo se aprecia que un alumno de ltimo semestre de Ingeniera Mecnica Electricista obtendra 62 puntos, cifra que disminuye .795 por cada materia reprobada al 3er. semestre, aumenta .160 por cada punto que tiene de promedio en la preparatoria y .031 por la puntuacin de beca, as como .016 por Toefl final.
Modelo Mecnico Electricista/Mecnico Administrador Rendimiento final = 62 -.795 Materias reprobadas al 3er. semestre +.160 Promedio preparatoria + .031 Beca alumno + .016 Toefl final.
343
e) Mecatrnica En la carrera de Mecatrnica, sobre una muestra de 39 alumnos, el modelo presenta un coeficiente de determinacin correspondiente a una R 2 ajustada total de 67.8%, valor del cual la variable materias reprobadas al 3er. semestre explica 56.1%; al ingresar la variable Toefl final, juntas alcanzan 63.5%; por ltimo, al entrar la variable promedio de preparatoria, explican 67.8% del total de la varianza.
Tabla 8-19 Resumen del modelo de regresin de la carrera de Mecatrnica

a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Toef l f inal c. Predictors: (Constant), Materias reprobadas 3er. semestre, Toef l f inal, Promedio prepa d. CARRERA = I MT
344
Si vemos los coeficientes beta estandarizados podemos comparar el efecto de las variables sin que ste sea afectado por las diferencias de escala. De esta manera, podemos afirmar que la variable con mayor efecto sobre el promedio de ltimo semestre es materias reprobadas al 3er. semestre, que influye negativamente, seguida de la variable Toefl final y promedio de preparatoria que lo hacen en sentido contrario.
Tabla 8-20 Coeficientes del modelo de regresin para Mecatrnica

a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semestre (Constant) Materias reprobadas 3er. semestre Toef l f inal (Constant) Materias reprobadas 3er. semestre Toef l f inal Promedio prepa
Unstandardized Coef f icients B St d. Error 87.754 .770 -1.582 67.478 -1.553 .035 47.656 -1.284 .034 .225 .225 6.967 .205 .012 10.541 .223 .011 .094
t 114.037 -7.036 9.685
Sig. .000 .000 .000 .000 .006 .000 .000 .005 .022
-.743 .287
-7.573 2.925 4.521 -5.762 2.999 2.399
.998 .998
1.002 1.002
-.614 .277 .256
.746 .996 .745
1.340 1.004 1.343
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = IMT
En el caso del Modelo de Mecatrnica, un estudiante de ltimo semestre sacara 48 puntos; por cada materia reprobada al 3er. semestre disminuye en 1.284; el nivel de Toefl final incrementa .034 su promedio y por cada punto de la preparatoria sube .225.
Modelo Mecatrnica Rendimiento final = 48 1.284 Materias reprobadas al tercer semestre + .034 Toefl final +.225 Promedio preparatoria.
345
f) Sistemas Computacionales En la carrera de Sistemas Computacionales, con una muestra de 66 alumnos, se conform un modelo con un coeficiente de determinacin correspondiente a una R2 ajustada total de 74.5%, valor del cual la variable materias reprobadas al 3er. semestre explica 69%; al ingresar la variable promedio preparatoria alcanza a 69.3 de explicacin conjunta; por ltimo, al incorporar la variable beca, en conjunto explican 72.9%, porcentaje que aumenta a 74.5% del total de la varianza cuando se considera Toefl de inicio .
Tabla 8-21 Resumen del modelo de regresin de la carrera de Sistemas Computacionales

a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa c. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno d. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno, Toef l inicio e. CARRERA = I SC
346
Tabla 8-22 Coeficientes del modelo de regresin para Sistemas Computacionales

a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semestre (Constant) Materias reprobadas 3er. semestre Promedio prepa (Constant) Materias reprobadas 3er. semestre Promedio prepa Beca alumno (Constant) Materias reprobadas 3er. semestre Promedio prepa Beca alumno Toef l inicio
Unstandardized Coef f icients B St d. Error 88.253 .542 -1.455 65.425 -1.127 .260 68.392 -.950 .207 .044 62.991 -.843 .196 .044 .012 .149 4.908 .147 .056 4.717 .150 .055 .014 5.191 .153 .054 .014 .005
t 162.750 -9.789 13.331
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .003 .000 .000 .001 .002 .031
-.600 .365
-7.669 4.673 14.498 -6.332 3.758 3.040 12.135 -5.495 3.647 3.161 2.206
.772 .772
1.296 1.296
-.505 .291 .244
.655 .695 .646
1.526 1.439 1.547
-.449 .275 .246 .153
.590 .689 .646 .821
1.696 1.452 1.547 1.219
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = ISC
La columna de los coeficientes beta estandarizados compara el efecto de las variables sin que se vea influido por las diferencias de escala. De esta manera, podemos afirmar que la variable con mayor incidencia sobre el rendimiento final es materias reprobadas al ltimo semestre, que influye negativamente, seguida por la variable promedio de preparatoria y beca alumno que influyen en sentido contrario. El modelo quedara: un estudiante de ltimo semestre sacara 63 puntos, nivel que disminuye -.843 por cada materia reprobada al 3er. semestre, aumenta .196 por cada punto de promedio de la preparatoria, a lo que hay que sumar .044 por beca de alumno y .012 por la puntuacin de Toefl de inicio.
Modelo Sistemas Computacionales Rendimiento final= 63 .823 Materias reprobadas al 3er. semestre +.196 Promedio preparatoria +.044 Beca alumno + .012 Toefl de inicio.
347
g) Sistemas Electrnicos La carrera de Sistemas Electrnicos, con una muestra de 66 alumnos, arroj que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 79.3%, valor que nos indica que la variable promedio de la preparatoria explica por s misma 72.7%, porcentaje que asciende a 79.3% de la varianza cuando se la considera junto con edad del alumno.
Tabla 8.23 Resumen del modelo de regresin de la carrera de Sistemas Electrnicos

Model Summaryc Model 1 2 R .862a .905b R Square .744 .819 Adjusted R Square .727 .793 St d. Error of the Estimate 2.973 2.587
a. Predictors: (Constant), Promedio prepa b. Predictors: (Constant), Promedio prepa, Edad alumno c. CARRERA = I SE
La tabla ANOVA presenta el valor de F que corresponde a una probabilidad de 46.274. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA final.
La columna de coeficientes beta estandarizados de la tabla de coeficientes del modelo nos permite afirmar que la variable con mayor efecto sobre el
promedio de ltimo semestre es promedio de la preparatoria, que influye en forma positiva, seguida por edad del alumno, que influye en sentido contrario.
348
Tabla 8.24 Coeficientes del modelo de regresin para Sistemas Electrnicos

a,b Coeffi ci ents
Model 1 2
(Constant) Promedio prepa (Constant) Promedio prepa Edad alumno
Unstandardized Coef f icients B St d. Error 23.615 9.045 .698 .106 61.290 17.504 .630 .096 -1.376 .571
t 2.611 6.596 3.501 6.541 -2.410
Sig. .020 .000 .004 .000 .030
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = ISE
En el Modelo de la carrera de Sistemas Electrnicos se observa que un estudiante de ltimo semestre sacara 61 puntos, que se incrementa .630 por su promedio de la preparatoria, pero disminuye 1.376 por la edad del alumno.
Modelo Sistemas Electrnicos Rendimiento Final = 61 + .630 Promedio preparatoria 1.376 Edad del alumno.
349
h) Sistemas de Computacin Administrativa En la carrera de Sistemas de Computacin Administrativa, sobre una muestra de 17 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 77.4%, valor que nos indica que la variable materias reprobadas al 3er. semestre explica 62.6% de la variacin del rendimiento final, porcentaje que se incrementa al incorporarse promedio de preparatoria, que en conjunto explican 77.4% de la varianza.
Tabla 8-25 Resumen del modelo de regresin de Sistemas de Computacin Administrativa

a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa c. CARRERA = LSC
En la tabla de ANOVA se presenta el valor de F que corresponde a una probabilidad de 39.175. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
350
A travs de los coeficientes beta estandarizados podemos comparar el efecto de las variables sin que este se vea influido por las diferencias de escala. Por ello, podemos afirmar que la variable con mayor efecto negativo sobre el rendimiento final es materias reprobadas al 3er. semestre, seguida por promedio de la preparatoria, que influye positivamente.
Tabla 8-26 Coeficientes del modelo de regresin para Sistemas de Cmputo Administrativo
a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semestre (Constant) Materias reprobadas 3er. semestre Promedio prepa
Unstandardized Coef f icients B St d. Error 87.473 .855 -1.266 59.451 -.950 .332 .233 8.284 .204 .098
t 102.256 -5.428 7.177
Sig. .000 .000 .000 .000 .004
-.604 .440
-4.665 3.394
.791 .791
1.264 1.264
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LSC
En el Modelo de la carrera de Sistemas de Cmputo Administrativo, se observa que un estudiante de ltimo semestre sacara 63 puntos, que aumenta .296 por su promedio de la preparatoria, pero desciende .693 por cada materia reprobada al dcimo semestre.
Modelo Sistemas de Computacin Administrativa Rendimiento final = 59 - .954 Materias reprobadas al tercer semestre +.332 Promedio preparatoria
351
i) Administracin de Empresas En la carrera de Administracin de Empresas, con una muestra de 82 alumnos, se encontr que el modelo tiene un coeficiente de determinacin
correspondiente a una R2 ajustada total de 55.2%, en donde semestres de ms explica 31%; al ingresar promedio preparatoria en conjunto explican 48.7% del total de la varianza; cuando se considera la variable beca, en conjunto explican 51.7% y al incorporar edad del alumno se explica 55.2% de la varianza total.
Tabla 8-27 Resumen del modelo de regresin para Administracin de Empresas

e Model Summary
Model 1 2 3 4
R .565a .707b .731c .758d
R Square .319 .500 .535 .574
Adjusted R Square .311 .487 .517 .552
St d. Error of the Estimate 3.846 3.318 3.221 3.102
a. Predictors: (Constant), SEMESTRES DE MAS b. Predictors: (Constant), SEMESTRES DE MAS, Promedio prepa c. Predictors: (Constant), SEMESTRES DE MAS, Promedio prepa, Beca alumno d. Predictors: (Constant), SEMESTRES DE MAS, Promedio prepa, Beca alumno, Edad alumno e. CARRERA = LAE
El valor de F corresponde a una probabilidad de 55.748. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
352
Con base en la tabla de coeficientes podemos afirmar que la variable con mayor efecto sobre el rendimiento es semestres de ms, que influye negativamente, seguida por promedio de preparatoria y beca alumno que influyen de manera positiva, todo lo contrario de edad del alumno.
Tablas 8-28 Coeficientes del modelo de regresin para Administracin de Empresas

a,b Coeffi ci ents
Model 1 2
(Constant) SEMESTRES DE (Constant) SEMESTRES DE Promedio prepa (Constant) SEMESTRES DE Promedio prepa Beca alumno (Constant) SEMESTRES DE Promedio prepa Beca alumno Edad alumno
MAS MAS
MAS
MAS
Unstandardized Coef f icients B St d. Error 86.885 .523 -2.324 .379 64.401 4.236 -1.980 .333 .269 .050 66.987 4.250 -1.863 .327 .230 .051 .036 .015 88.569 9.067 -1.505 .343 .217 .050 .040 .014 -.873 .327
St andardized Coef f icients Beta -.565 -.482 .433 -.453 .371 .200 -.366 .349 .225 -.218
t 166.112 -6.127 15.202 -5.940 5.338 15.762 -5.690 4.475 2.414 9.768 -4.394 4.357 2.800 -2.667
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .018 .000 .000 .000 .006 .009
Collinearity Statistics Tolerance VI F 1.000 .963 .963 .941 .870 .866 .797 .861 .854 .829 1.000 1.039 1.039 1.062 1.150 1.155 1.254 1.162 1.170 1.206
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LAE
En el Modelo de la carrera de Administracin de Empresas, un estudiante de ltimo semestre sacara 89 puntos, que disminuye 1.505 por cada semestre de ms, sube .217 por cada punto de su promedio preparatoria y baja .873 por edad del alumno.
Modelo Administracin de Empresas Rendimiento final = 89 1.505 Semestres de ms +.217Promedio de la preparatoria + .040Beca -.873 Edad del alumno.
353
j) Administracin Financiera /Contadura Pblica En la carrera de Administracin Financiera/Contadura Pblica, con una muestra de 105 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 68.3%, porcentaje del cual la variable materias reprobadas al 3er. semestre explica 46.2% de la variacin del rendimiento, que al incorporar la variable promedio de la preparatoria se incrementa a 61.2% , y al entrar la variable semestres de ms se explica el 64.7% de la varianza total, al ingresar Toefl de inicio se explica 66.3%, mientras que la incorporacin de beca y preparatoria de procedencia slo explica 2%.
Tabla 8-29 Resumen del modelo de regresin de Administracin Financiera / Contabilidad
g Model Summary
Model 1 2 3 4 5 6
R .683a .787b .811c .822d .830e .837f
R Square .467 .619 .657 .676 .688 .701
Adjusted R Square .462 .612 .647 .663 .673 .683
St d. Error of the Estimate 4.117 3.498 3.336 3.260 3.212 3.162
a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa c. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, SEMESTRES DE MAS d. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, SEMESTRES DE MAS, Toef l inicio e. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, SEMESTRES DE MAS, Toef l inicio, Beca alumno f . Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, SEMESTRES DE MAS, Toef l inicio, Beca alumno, Prepa Tec/No Tec g. CARRERA = LAF-CPF
354
La tabla de ANOVA present el valor de F que corresponde a una probabilidad de 129.202. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
En la tabla de coeficientes se puede ver que las tres primeras variables con mayor efecto sobre el rendimiento son: materias reprobadas al 3er. semestre, que influye en forma negativa, seguida por la variable promedio de preparatoria, que lo hace de forma positiva y semestres de ms, que incide de manera negativa.
Tabla 8-30 Coeficientes del modelo de regresin para Administracin Financiera y a,b Contadura Pblica y Finanzas Coeffi ci ents
Model 1 Unstandardized Coef f icients B St d. Error 86.809 .480 -2.200 61.293 -1.590 .301 60.229 -1.065 .316 -1.030 54.261 -1.014 .322 -.948 .011 57.808 -.980 .266 -.952 .012 .027 56.091 -1.031 .245 -.983 .014 .028 1.399 .232 4.020 .219 .047 3.847 .261 .045 .309 4.510 .256 .044 .303 .004 4.781 .253 .052 .299 .004 .014 4.783 .250 .052 .295 .005 .013 .689 -.494 .434 St andardized Coef f icients Beta -.683 t 180.881 -9.501 15.248 -7.266 6.381 15.657 -4.077 6.985 -3.339 12.030 -3.957 7.271 -3.124 2.395 12.090 -3.874 5.163 -3.185 2.651 2.009 11.727 -4.119 4.731 -3.334 3.142 2.097 2.030 Sig. .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 .002 .018 .000 .000 .000 .002 .009 .047 .000 .000 .000 .001 .002 .039 .045 .809 .809 1.237 1.237 Collinearity Statistics Tolerance VI F 1.000 1.000
(Constant) Materias reprobadas 3er. semest re (Constant) Materias reprobadas 3er. semest re Promedio prepa (Constant) Materias reprobadas 3er. semest re Promedio prepa SEMESTRES DE MAS (Constant) Materias reprobadas 3er. semest re Promedio prepa SEMESTRES DE MAS Toef l inicio (Constant) Materias reprobadas 3er. semest re Promedio prepa SEMESTRES DE MAS Toef l inicio Beca alumno (Constant) Materias reprobadas 3er. semest re Promedio prepa SEMESTRES DE MAS Toef l inicio Beca alumno Prepa Tec/ No Tec
-.331 .455 -.249
.516 .801 .612
1.938 1.248 1.634
-.315 .463 -.229 .140
.512 .798 .604 .953
1.952 1.252 1.655 1.049
-.304 .384 -.230 .153 .141
.510 .570 .604 .940 .636
1.960 1.754 1.655 1.064 1.572
-.320 .353 -.237 .186 .145 .121
.505 .547 .603 .871 .635 .859
1.980 1.827 1.659 1.148 1.574 1.164
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LAF-CPF
355
Del Modelo de la carrera de Administracin Financiera y Contabilidad se desprende que un estudiante de ltimo semestre sacara casi 56 puntos, cifra de la cual hay que descontar 1 punto por cada materia reprobada al 3er. semestre, sumarle .245 por promedio de la preparatoria, restarle .983 por cada semestre de ms, incrementarla.014 por el Toefl de inicio,.028 por beca y 1.4 si estudi en la preparatoria del TEC.
Modelo Administracin Financiera y Contabilidad Rendimiento Final = 56 1.031 Materias reprobadas al 3er. semestre +.245 Promedio preparatoria - .983 Semestres de ms +.014 Toefl de inicio + .028 Beca alumno + 1.399 Preparatoria de procedencia.
k) Economa En la carrera de Economa, sobre una muestra de 16 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R 2 ajustada total de 23%, que la variable promedio de preparatoria explica en su totalidad.
Tabla 8-31 Resumen del modelo de regresin de la carrera de Economa
Model Summaryb Model 1 R R Square a .530 .281 Adjusted R Square .230 Std. Error of the Estimate 3.431
a. Predictors: (Constant), Promedio prepa b. CARRERA = LEC
356
El valor de F corresponde a una probabilidad de 6.121. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el rendimiento y el conjunto de variables del modelo.
En la tabla de coeficientes se puede ver que la variable con mayor efecto sobre el rendimiento es promedio de la preparatoria e influye de forma positiva.
Tablas 8-32 Coeficientes del modelo de regresin para Economa

a,b Coefficients
Model 1
(Constant) Promedio prepa
Unstandardized Coeff icients B Std. Error 58.710 11.189 .303 .129
Standardized Coeff icients Beta .530
t 5.247 2.339
Sig. .000 .035
Collinearity Statistics Tolerance VIF 1.000 1.000
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LEC
El Modelo de la carrera de Economa nos muestra que un estudiante de ltimo semestre sacara 59 puntos, cifra que se incrementa .303 por promedio de la preparatoria.
Modelo Economa Rendimiento final = 59 + .303 promedio de la preparatoria.
357
l) Mercadotecnia En la carrera de Mercadotecnia, la mayor de todas, con una muestra de 145 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 57%, y que la variable promedio de preparatoria explica 36.4% del total de la varianza; al ingresar materias reprobadas al 3er. semestre se explica de manera conjunta 50%, con la entrada de Toefl de inicio la explicacin alcanza el 52.9%, con el ingreso de la variable beca el alumno alcanza 54.9% de la varianza y al incorporar edad alumno explican en conjunto 57%.
Tabla 8-33 Resumen del modelo de regresin de la carrera de Mercadotecnia

Model Summaryf Model 1 2 3 4 5 R .604a .713b .734c .750d .765e R Square .364 .508 .538 .562 .585 Adjusted R Square .360 .501 .529 .549 .570 St d. Error of the Estimate 3.523 3.110 3.023 2.956 2.887
a. Predictors: (Constant), Promedio prepa b. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre c. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre, Toef l inicio d. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre, Toef l inicio, Beca alumno e. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre, Toef l inicio, Beca alumno, Edad alumno f . CARRERA = LEM
358
La tabla de ANOVA present un valor de F que corresponde a una probabilidad de 78.699. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (al nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
En la tabla 8-34 se observa que la variable con mayor efecto sobre el rendimiento es promedio de la preparatoria, que influye en forma positiva, seguida por materias reprobadas al 3er. semestre, que incide en el rendimiento de forma negativa, seguida por toefl de inicio, beca alumno y edad del alumno.
Tabla 8-34 Resumen del modelo de regresin para Mercadotecnia
a,b Coeffi ci ents
Model 1 2
(Constant) Promedio prepa (Constant) Promedio prepa Materias reprobadas 3er. semestre (Constant) Promedio prepa Materias reprobadas 3er. semestre Toef l inicio (Constant) Promedio prepa Materias reprobadas 3er. semestre Toef l inicio Beca alumno (Constant) Promedio prepa Materias reprobadas 3er. semestre Toef l inicio Beca alumno Edad alumno
Unstandardized Coef f icients B St d. Error 51.990 3.509 .388 .043 62.853 3.526 .272 .042 -.773 57.722 .256 -.761 .013 59.011 .223 -.722 .014 .030 70.523 .213 -.645 .013 .031 -.436 .120 3.822 .041 .117 .004 3.766 .042 .115 .004 .011 5.535 .041 .116 .004 .011 .157
t 14.818 9.053 17.827 6.489 -6.446 15.102 6.228 -6.523 3.035 15.669 5.317 -6.281 3.494 2.743 12.741 5.187 -5.584 3.361 2.915 -2.783
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .003 .000 .000 .000 .001 .007 .000 .000 .000 .001 .004 .006
.398 -.414 .176 .347 -.392 .201 .166 .332 -.351 .189 .173 -.161
.802 .814 .974 .736 .802 .950 .851 .731 .756 .945 .850 .897
1.247 1.228 1.027 1.359 1.247 1.052 1.175 1.369 1.322 1.058 1.177 1.114
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LEM
359
En este modelo se aprecia que un alumno de ltimo semestre obtendra 71 puntos, cifra que aumenta .213 por cada punto que sube promedio de la preparatoria, disminuye .645 por cada materia reprobada al 3er. semestre, sube .013 por cada punto de Toefl inicio, sube .031 por beca y disminuye .436 por cada ao que aumenta la edad del alumno.
Modelo Mercadotecnia Rendimiento final = 71 +.213 Promedio preparatoria -.645 Materias reprobadas al 3er. semestre + .013 Toefl de inicio +.031 Beca alumno - .436 Edad del alumno.
m) Negocios Internacionales En la carrera de Negocios Internacionales, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 65.4%. Al incorporarse la variable materias reprobadas al 3er. semestre se explica 51.7% y al sumar promedio de la preparatoria se explica 65.4% de la varianza total.
Tabla 8.35 Resumen del modelo de regresin de la carrera de Negocios Internacionales
a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa c. CARRERA = LIN
360
En la tabla de ANOVA, el valor de F corresponde a una probabilidad de 71.459. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
Con base en la tabla 8-36 de coeficientes, podemos afirmar que la variable con mayor efecto sobre el rendimiento es materias reprobadas al 3er. semestre, seguida por promedio de la preparatoria, que influye de forma positiva.
Tablas 8-36 Resumen del modelo de regresin para Negocios Internacionales

a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semestre (Constant) Materias reprobadas 3er. semestre Promedio prepa
Unstandardized Coef f icients B St d. Error 87.542 .519 -2.032 62.172 -1.574 .297 .260 5.333 .240 .062
t 168.833 -7.804 11.658
Sig. .000 .000 .000 .000 .000
-.561 .409
-6.548 4.773
.841 .841
1.190 1.190
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LIN
En el Modelo de Negocios Internacionales se aprecia que un alumno de ltimo semestre obtendra 62 puntos, por cada materia reprobada al 3er. semestre se le debe restar 1 punto y medio, y sumarle .297 por cada punto que suba el promedio de la preparatoria. Modelo Negocios Internacionales Rendimiento final = 62 1.574 Materias reprobadas al 3er. semestre + .297 Promedio de la preparatoria.
361
n) Ciencias de la Comunicacin En las carreras de Comunicacin se encontr que el modelo, con una muestra de 64 alumnos, tiene un coeficiente de determinacin correspondiente a una R 2 ajustada total de 56.4%. En este caso, la variable materias reprobadas al 3er. semestre explica 30% del rendimiento, al incorporarse beca alumno la explicacin en conjunto sube a 43.9%, al sumarse semestres de ms se explica 53.6% y al integrarse estudios de la madre se justifica 56.4% de la varianza.
Tabla 8-37 Resumen del modelo de regresin de Ciencias de la Comunicacin/Medios

a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Beca alumno c. Predictors: (Constant), Materias reprobadas 3er. semestre, Beca alumno, SEMESTRES DE MAS d. Predictors: (Constant), Materias reprobadas 3er. semestre, Beca alumno, SEMESTRES DE MAS, Estudios madre e. CARRERA = LCC-LMI
362
Con base en la tabla 8-38 de coeficientes, podemos afirmar que la variable con mayor efecto sobre el rendimiento es materias reprobadas al 3er. semestre, seguida por beca alumno que influye de forma positiva, semestres de ms y estudios de la madre.
Tablas 8-38 Resumen del modelo de regresin para Comunicacin/Medios de Informacin
a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semest re (Constant) Materias reprobadas 3er. semest re Beca alumno (Constant) Materias reprobadas 3er. semest re Beca alumno SEMESTRES DE MAS (Constant) Materias reprobadas 3er. semest re Beca alumno SEMESTRES DE MAS Estudios madre
Unstandardized Coef f icients B St d. Error 86.713 .548 -1.044 85.598 -1.055 .063 85.690 -.603 .082 -1.240 82.592 -.582 .086 -1.316 .630 .197 .563 .176 .016 .513 .201 .015 .335 1.491 .196 .015 .326 .286
t 158.269 -5.304 152.043
Sig. .000 .000 .000 .000 .000 .000 .004 .000 .000 .000 .004 .000 .000 .031
-.564 .381
-5.983 4.037 167.107 -2.994 5.427 -3.701 55.396 -2.978 5.852 -4.030 2.203
1.000 1.000
1.000 1.000
-.323 .495 -.416
.633 .886 .583
1.579 1.129 1.715
-.312 .522 -.442 .186
.632 .868 .576 .976
1.582 1.152 1.735 1.024
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LCC-LMI
En el Modelo de la carrera de Ciencias de la Comunicacin se observa que un estudiante de ltimo semestre sacara 83 puntos, a los cuales se le deberan restar .582 por cada materia reprobada al tercer semestre, sumarle .086 si cuenta con beca, sustraerle 1.316 por cada semestre cursado de ms, y agregarle .630 por estudios de la madre.
Modelo Ciencias de la Comunicacin/Medios de Informacin Rendimiento final = 83 - .582 Materias reprobadas al 3er. semestre + 0.86 Beca alumno 1.316 Semestres cursados de ms + .630 Estudios de la madre.
363
o) Derecho En la carrera de Derecho, con una muestra de 23 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R 2 ajustada total de 68.3%, que la variable promedio de preparatoria explica 53% de la varianza que, sumada a materias reprobadas al 3er. semestre explican en conjunto el total de la varianza.
Tabla 8-39 Resumen del modelo de regresin de la carrera de Derecho
a. Predictors: (Constant), Promedio prepa b. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre c. CARRERA = LED
El valor de F que presenta la ANOVA corresponde a una probabilidad de 38.168. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
De acuerdo a la tabla 7-40, un estudiante de ltimo semestre de Derecho sacara 47 puntos, a los que se deben sumar .495 por promedio de la preparatoria, y restarle .833 por las materias reprobada al 3er. semestre.
364
Tabla 8-40 Resumen del modelo de regresin para Derecho

a,b Coefficients
Model 1 2
(Constant) Promedio prepa (Constant) Promedio prepa Materias reprobadas 3er. semestre
Unstandardized Coeff icients B Std. Error 33.357 10.162 .651 .128 47.037 9.295 .495 .115 -.833 .249
Standardized Coeff icients Beta .742 .565 -.438
t 3.283 5.076 5.060 4.308 -3.339
Sig. .004 .000 .000 .000 .003
Collinearity Statistics Tolerance VIF 1.000 .837 .837 1.000 1.195 1.195
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LED
Modelo Derecho Rendimiento final = 47 + .495 Promedio preparatoria - .833 Materias reprobadas al 3er. semestre.
p) Ciencias Polticas En la carrera de Relaciones Internacionales, con una muestra de 13 alumnos, se encontr que el modelo tiene un coeficiente de determinacin
correspondiente a una R2 ajustada total de 76.6%, que edad del alumno explica 65.2% de la varianza y que, junto con Toefl de inicio, explican 76.6%.
Tabla 8-41 Resumen del modelo de regresin de la carrera de Ciencias Polticas

d Model Summary
Model 1 2 3
R .701a .842b .908c
R Square .491 .710 .825
Adjusted R Square .445 .652 .766
St d. Error of the Estimate 3.336 2.642 2.165
a. Predictors: (Constant), Edad alumno b. Predictors: (Constant), Edad alumno, Toef l inicio c. Predictors: (Constant), Edad alumno, Toef l inicio, Estudios Padre d. CARRERA = LPL
365
En la ANOVA se presenta un valor de F que corresponde a una probabilidad de 36.134. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
Tabla 8-42 Resumen del modelo de regresin para Ciencia Poltica

a,b Coeffi cients
Model 1 2
(Constant) Edad alumno (Constant) Edad alumno Toef l inicio (Constant) Edad alumno Toef l inicio Estudios Padre
Unstandardized Coef f icients B St d. Error 150.666 20.309 -2.799 .859 122.940 18.994 -2.744 .681 .052 .019 114.165 15.978 -2.403 .575 .064 .016 -1.039 .428
St andardized Coef f icients Beta -.701 -.687 .468 -.602 .575 -.365
t 7.419 -3.258 6.472 -4.031 2.745 7.145 -4.177 3.927 -2.428
Sig. .000 .008 .000 .002 .021 .000 .002 .003 .038
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LPL
En el Modelo de la carrera de Ciencia Poltica se observa que un estudiante de ltimo semestre sacara 114 puntos, que disminuiran 2.403 por edad del alumno, se incrementaran .064 puntos por toefl de inicio y se reduciran 1.039 por estudios del padre.
Modelo Ciencia Poltica Rendimiento final = 114 -2.403 Edad del alumno + .064 Toefl inicio 1.039 Estudios padre
366
q) Psicologa Organizacional En la carrera de Psicologa Organizacional se encontr que el modelo, con una muestra de 12 alumnos, tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 43.4%, donde la variable Toefl final explica toda la varianza.
Tabla 8-43 Resumen del modelo de regresin de la carrera de Psicologa Organizacional
Model Summaryb Model 1 R .696a R Square .485 Adjusted R Square .434 St d. Error of the Estimate 3.614
a. Predictors: (Constant), Toef l f inal b. CARRERA = LPO
En la tabla de ANOVA se presenta un valor de F que corresponde a una probabilidad de 10.534Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
Tabla 84-4 Resumen del modelo de regresin para Psicologa Organizacional.

a,b Coefficients
Model 1
(Constant) Toefl f inal
Unstandardized Coeff icients B Std. Error 52.106 11.797 .065 .021
Standardized Coeff icients Beta .696
t 4.417 3.069
Sig. .001 .012
Collinearity Statistics Tolerance VIF 1.000 1.000
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LPO
367
En el Modelo de la carrera de Psicologa Organizacional se observa que un estudiante de ltimo semestre sacara 52 puntos, que se deben incrementar .065 puntos por la puntuacin del Toefl final.
Modelo Psicologa Organizacional Rendimiento final = 52 + .065 Toefl final.
r) Relaciones Internacionales En la carrera de Relaciones Internacionales, con una muestra de 35 alumnos, se encontr que el modelo tiene un coeficiente de determinacin
correspondiente a una R2 ajustada total de 59.6%, en donde la variable materias reprobadas al ltimo semestre explica 54.6% de la varianza; al incorporarse toefl final explican en conjunto 59.6%.
Tabla 8-45 Resumen del modelo de regresin de la carrera de Relaciones Internacionales

a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Toef l f inal c. CARRERA = LRI
368
En la tabla Anova se presenta el valor de F que corresponde a una probabilidad de 26.119. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
Tabla 8-46 Resumen del modelo de regresin para Relaciones Internacionales

a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semestre (Constant) Materias reprobadas 3er. semestre Toef l f inal
Unstandardized Coef f icients B St d. Error 86.511 .731 -1.186 70.146 -1.117 .028 .266 5.337 .238 .009
t 118.386 -4.456 13.143
Sig. .000 .000 .000 .000 .004
-.577 .380
-4.690 3.089
.991 .991
1.009 1.009
a. Dependent Variable: Promedio ltimo semestre b. CARRERA = LRI
En el Modelo de la carrera de Relaciones Internacionales se observa que un estudiante de ltimo semestre sacara 70 puntos, a los cuales hay que restar 1.17 por cada materia reprobada al 3er. semestre y sumarles .028 por cada punto obtenido en Toefl final.
Modelo Relaciones Internacionales Rendimiento final = 70.146 1.117 Materias reprobadas al 3er. semestre + 0.028 Toefl final.
369
8.2.3 Modelos de regresin mltiple por reas acadmicas En este apartado se presentan los modelos de regresin mltiple por reas acadmicas y por cada una de las 18 carreras profesionales.
a) Modelo de regresin mltiple del rea de Humanidades En el rea de Humanidades, que tuvo la muestra ms pequea de las divisiones con 146 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 51.2%, en donde la variable materias reprobadas al 3er. semestre explica 31.8% del RA; al incorporarse promedio de preparatoria explican en conjunto 44.7%; al agregar beca alumno explican 48.8%; todas ellas, junto con semestres de ms, justifican 51.2%
Tabla 8-47 Resumen del modelo de regresin del rea de Humanidades

Model Summarye Change Statistics Model 1 2 3 4 R .568a .675b .706c .725d R Square .323 .455 .499 .526 Adjusted R Square .318 .447 .488 .512 St d. Error of the Estimate 3.811 3.431 3.302 3.223 R Square Change .323 .132 .044 .027 F Change 69.126 34.940 12.501 8.052 df 1 1 1 1 1 df 2 145 144 143 142 Sig. F Change .000 .000 .001 .005
a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa c. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno d. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno, SEMESTRES DE MAS e. AREA = HUMANI DADES
En la tabla 8-48 de Anova se presenta el valor de F que corresponde a una probabilidad de 39.356. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el
370
conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
Tabla 8-48 de ANOVA del rea de Humanidades

ANOVAe,f Model 1 Sum of Squares 1004.197 2106.408 3110.605 1415.496 1695.109 3110.605 1551.764 1558.841 3110.605 1635.412 1475.193 3110.605 df 1 145 146 2 144 146 3 143 146 4 142 146 Mean Square 1004.197 14.527 707.748 11.772 517.255 10.901 408.853 10.389 F 69.126 Sig. .000a
Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total
60.123
.000b
47.450
.000c
39.356
.000d
a. Predictors: (Const ant), Materias reprobadas 3er. semest re b. Predictors: (Const ant), Materias reprobadas 3er. semest re, Promedio prepa c. Predictors: (Const ant), Materias reprobadas 3er. semest re, Promedio prepa, Beca alumno d. Predictors: (Const ant), Materias reprobadas 3er. semest re, Promedio prepa, Beca alumno, SEMESTRES DE MAS e. Dependent Variable: Promedio ltimo semestre f .AREA = HUMANIDADES
La tabla 8-49 de los coeficientes de cada variable incluida en el modelo nos permite construir la combinacin lineal que mejor representa la relacin con la variable independiente. Se puede ver la prueba t de significacin de cada variable, donde observamos que todas son significativas cuando menos a 5%. Tambin presenta buenos ndices de colinealidad.
371
Tabla 8-49 Resumen del modelo de regresin para el rea de Humanidades

a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semest re (Constant) Materias reprobadas 3er. semest re Promedio prepa (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno SEMESTRES DE MAS
Unstandardized Coef f icients B St d. Error 86.761 .361 -1.040 66.981 -.934 .242 69.850 -.918 .199 .041 69.537 -.655 .204 .048 -.671 .125 3.362 .114 .041 3.336 .110 .041 .012 3.258 .142 .040 .012 .236
t 240.196 -8.314 19.923
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 .000 .005
-.510 .368
-8.194 5.911 20.941 -8.356 4.845 3.536 21.343 -4.622 5.068 4.138 -2.838
.975 .975
1.025 1.025
-.501 .304 .220
.974 .892 .908
1.027 1.121 1.101
-.358 .310 .257 -.219
.557 .891 .868 .562
1.794 1.122 1.153 1.780
a. Dependent Variable: Promedio ltimo semestre b. AREA = HUMANI DADES
Modelo de Humanidades Rendimiento final = 69.537 - .655 Materias reprobadas al 3er. semestre + .204 Promedio de preparatoria + .048 Beca alumno - .671 Semestres de ms.
b) Modelo de regresin mltiple de Ingeniera Con la finalidad de mostrar la congruencia que existe entre el modelo general y los modelos especficos de cada una de las carreras, se realiz el mismo anlisis a las 18 carreras de estudio (Ingeniera, Negocios y Humanidades) de cada una de las reas acadmicas.
372
En el rea de Ingeniera, con una muestra de 342 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R 2 ajustada total de 66.5%, en donde materias reprobadas al 3er. semestre explica 49.6% de la variacin de los promedios ponderados de los alumnos; al incorporarse la variable promedio de preparatoria, juntas explican 60.6%; beca de alumno explica el 63.4%; toefl final y semestres de ms slo incrementan 3.1% la explicacin de la varianza.
Tabla 8-50 Resumen del modelo de regresin del rea de Ingeniera
Model Summaryf Change Statistics Model 1 2 3 4 5 R .705a .780b .798c .811d .819e R Square .498 .609 .637 .657 .670 Adjusted R Square .496 .606 .634 .653 .665 St d. Error of the Estimate 3.809 3.367 3.245 3.160 3.104 R Square Change .498 .111 .029 .020 .013 F Change 337.854 96.244 27.081 19.515 13.374 df 1 1 1 1 1 1 df 2 341 340 339 338 337 Sig. F Change .000 .000 .000 .000 .000
a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa c. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno d. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno, Toef l f inal e. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Beca alumno, Toef l f inal, SEMESTRES DE MAS f .AREA = INGENIERIA
En la tabla 8-51 de ANOVA se observa que el valor de F corresponde a una probabilidad de 137.051. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (al nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo que nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
373
Tabla 8-51 ANOVA del rea de Ingeniera

ANOVAf,g Model 1 Sum of Squares 4900.473 4946.101 9846.574 5991.676 3854.898 9846.574 6276.848 3569.726 9846.574 6471.702 3374.872 9846.574 6600.528 3246.047 9846.574 df 1 341 342 2 340 342 3 339 342 4 338 342 5 337 342 Mean Square 4900.473 14.505 2995.838 11.338 2092.283 10.530 1617.926 9.985 1320.106 9.632 F 337.854 Sig. .000a
Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total
264.231
.000b
198.694
.000c
162.038
.000d
137.051
.000e
a. Predictors: (Const ant), Materias reprobadas 3er. semest re b. Predictors: (Const ant), Materias reprobadas 3er. semest re, Promedio prepa c. Predictors: (Const ant), Materias reprobadas 3er. semest re, Promedio prepa, Beca alumno d. Predictors: (Const ant), Materias reprobadas 3er. semest re, Promedio prepa, Beca alumno, Toef l f inal e. Predictors: (Const ant), Materias reprobadas 3er. semest re, Promedio prepa, Beca alumno, Toef l f inal, SEMESTRES DE MAS f . Dependent Variable: Promedio ltimo semestre g. AREA = INGENIERIA
374
Tablas 8-52 Resumen del modelo de regresin para Ingeniera

a,b Coeffi ci ents
Model 1
(Constant) Materias reprobadas 3er. semest re (Constant) Materias reprobadas 3er. semest re Promedio prepa (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno Toef l f inal (Constant) Materias reprobadas 3er. semest re Promedio prepa Beca alumno Toef l f inal SEMESTRES DE MAS
Unstandardized Coef f icients B St d. Error 86.997 .257 -1.262 63.599 -.979 .267 65.933 -.904 .228 .033 58.273 -.861 .218 .031 .015 58.983 -.706 .215 .032 .014 -.471 .069 2.396 .067 .027 2.352 .066 .027 .006 2.873 .065 .027 .006 .003 2.828 .077 .026 .006 .003 .129
t 339.163 -18.381 26.547
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
-.547 .369
-14.557 9.810 28.033 -13.624 8.353 5.204 20.287 -13.187 8.166 5.019 4.418 20.857 -9.177 8.207 5.245 4.282 -3.657
.815 .815
1.226 1.226
-.505 .315 .189
.777 .754 .815
1.286 1.327 1.227
-.482 .301 .177 .146
.760 .748 .811 .931
1.315 1.337 1.234 1.074
-.395 .297 .182 .139 -.145
.529 .747 .809 .928 .624
1.891 1.338 1.235 1.078 1.602
a. Dependent Variable: Promedio ltimo semestre b. AREA = INGENIERIA
Modelo de Ingeniera Rendimiento final = 58.983 - .706 Materias reprobadas al 3er. semestre + .215 Promedio de preparatoria + .032 Beca alumno + .014 Toefl final - .471 Semestres de ms.
375
c) Modelo de regresin mltiple del rea de Negocios
En el rea de Negocios, con una muestra de 404 alumnos, se encontr que el modelo tiene un coeficiente de determinacin correspondiente a una R 2 ajustada total de 57.6%, en donde la variable promedio de la preparatoria explica 36.6% del RA; al incorporarse semestres de ms explican 50.9%; al agregarse materias reprobadas al 3er. semestre explican 54.6%; cuando se aade beca del alumno se explica 55.7%. Toefl de inicio y estudios de la madre, en conjunto, aportan 1.9%, que, aunque marginal, se consideran porque todas son significativas.
Tabla 8-53 Resumen del modelo de regresin mltiple de Negocios
Model Summaryg Change Statistics Model 1 2 3 4 5 6 R .606a .715b .741c .749d .758e .763f R Square .368 .511 .549 .561 .575 .582 Adjusted R Square .366 .509 .546 .557 .569 .576 St d. Error of the Estimate 3.868 3.404 3.273 3.234 3.188 3.163 R Square Change .368 .144 .038 .012 .014 .008 F Change 234.213 118.333 33.788 10.660 12.782 7.237 df 1 1 1 1 1 1 1 df 2 403 402 401 400 399 398 Sig. F Change .000 .000 .000 .001 .000 .007
a. Predictors: (Constant), Promedio prepa b. Predictors: (Constant), Promedio prepa, SEMESTRES DE MAS c. Predictors: (Constant), Promedio prepa, SEMESTRES DE MAS, Mat erias reprobadas 3er. semestre d. Predictors: (Constant), Promedio prepa, SEMESTRES DE MAS, Mat erias reprobadas 3er. semestre, Beca alumno e. Predictors: (Constant), Promedio prepa, SEMESTRES DE MAS, Mat erias reprobadas 3er. semestre, Beca alumno, Toef l inicio f . Predictors: (Constant), Promedio prepa, SEMESTRES DE MAS, Mat erias reprobadas 3er. semestre, Beca alumno, Toef l inicio, Estudios madre g. AREA = NEGOCI OS
En la tabla 8-54 de ANOVA se observa que el valor de F corresponde a una probabilidad de 92.463. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el promedio ponderado y el conjunto de variables del modelo, lo cual nos indica que el conjunto de variables que especifica el modelo es significativo para el RA.
376
Tabla 8-54 ANOVA de Negocios

ANOVAg,h Model 1 Sum of Squares 3503.825 6028.870 9532.695 4874.893 4657.802 9532.695 5236.853 4295.841 9532.695 5348.366 4184.329 9532.695 5478.248 4054.447 9532.695 5550.652 3982.043 9532.695 df 1 403 404 2 402 404 3 401 404 4 400 404 5 399 404 6 398 404 Mean Square 3503.825 14.960 2437.447 11.587 1745.618 10.713 1337.091 10.461 1095.650 10.162 925.109 10.005 F 234.213 Sig. .000a
Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total
210.368
.000b
162.947
.000c
127.819
.000d
107.823
.000e
92.463
.000f
a. Predictors: (Const ant), Promedio prepa b. Predictors: (Const ant), Promedio prepa, SEMESTRES DE MAS c. Predictors: (Const ant), Promedio prepa, SEMESTRES DE MAS, Materias reprobadas 3er. semest re d. Predictors: (Const ant), Promedio prepa, SEMESTRES DE MAS, Materias reprobadas 3er. semest re, Beca alumno e. Predictors: (Const ant), Promedio prepa, SEMESTRES DE MAS, Materias reprobadas 3er. semest re, Beca alumno, Toef l inicio f . Predictors: (Const ant), Promedio prepa, SEMESTRES DE MAS, Materias reprobadas 3er. semest re, Beca alumno, Toef l inicio, Estudios madre g. Dependent Variable: Promedio ltimo semestre h. AREA = NEGOCIOS
377
Tablas 8-55 Resumen del modelo de regresin para Negocios

a,b Coeffi ci ents
Model 1 2
(Constant) Promedio prepa (Constant) Promedio prepa SEMESTRES DE MAS (Constant) Promedio prepa SEMESTRES DE MAS Materias reprobadas 3er. semest re (Constant) Promedio prepa SEMESTRES DE MAS Materias reprobadas 3er. semest re Beca alumno (Constant) Promedio prepa SEMESTRES DE MAS Materias reprobadas 3er. semest re Beca alumno Toef l inicio (Constant) Promedio prepa SEMESTRES DE MAS Materias reprobadas 3er. semest re Beca alumno Toef l inicio Estudios madre
Unstandardized Coef f icients B St d. Error 51.214 2.177 .402 .026 56.452 1.975 .352 .024 -1.529 .141 61.253 2.071 .299 .024 -.971 .166 -.588 63.438 .268 -.964 -.567 .022 59.457 .260 -.859 -.566 .023 .009 60.516 .256 -.854 -.581 .022 .010 -.282 .101 2.153 .026 .164 .100 .007 2.397 .026 .164 .099 .007 .002 2.410 .026 .163 .098 .007 .003 .105
St andardized Coef f icients Beta .606 .530 -.387 .450 -.246 -.262
t 23.527 15.304 28.579 14.900 -10.878 29.574 12.224 -5.861 -5.813 29.461 10.311 -5.884 -5.667 3.265 24.810 10.126 -5.234 -5.735 3.585 3.575 25.107 10.032 -5.248 -5.926 3.396 4.081 -2.690
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 .007
.403 -.244 -.253 .120 .392 -.217 -.252 .130 .121 .386 -.216 -.259 .123 .140 -.090
.717 .639 .551 .813 .712 .618 .551 .808 .937 .709 .618 .549 .803 .897 .940
1.395 1.565 1.815 1.230 1.405 1.617 1.815 1.237 1.067 1.410 1.617 1.821 1.245 1.114 1.064
a. Dependent Variable: Promedio ltimo semestre b. AREA = NEGOCI OS
Modelo de Negocios Rendimiento final = 60.516 + .256 Promedio de la preparatoria - .854 Semestres de ms - .581 Materias reprobadas al 3er. semestre + .022 Beca alumno + .010 Toefl inicial - .282 Estudios de la madre
378
8.2.4 Modelo de regresin mltiple de preparatoria
a) Modelo Preparatoria Externa Como ya se mencion, los alumnos que estudiaron en preparatorias externas presentan la PAA y exmenes de matemticas y de espaol. Si los acreditan con 70 o ms de calificacin cursan en forma automtica las materias del plan de estudio del primer semestre. Por esa razn se realiz una regresin por separado, ya que se incorporaron otras variables.
La muestra de este grupo 348 alumnos, permiti establecer que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 53.7%, en donde la variable materias reprobadas al 3er. semestre explica 35.5% del RA; al incorporarse la variable promedio de preparatoria, en conjunto explican 44.5%; cuando se agrega semestres de ms explican 48%, que junto con beca alumno justifican 51.2%; tambin se analizaron las variables examen matemticas, puntuacin de admisin matemtico y toefl final cuya aportacin suma slo 2.5%; sin embargo, se las incorpor al modelo porque son significativas.
379
Tabla 8-56 Resumen del modelo de regresin de Preparatoria No TEC

Model Summaryh,i Change Statistics Model 1 2 3 4 5 6 7 R R Square .598a .357 .669b .448 .696c .484 .720d .518 .731e .534 .735f .540 .739g .546 Adjusted R Square .355 .445 .480 .512 .527 .532 .537 St d. Error of the Estimate 3.822 3.548 3.435 3.324 3.274 3.258 3.240 R Square Change .357 .090 .036 .034 .016 .006 .006 F Change 192.354 56.528 24.170 24.250 11.513 4.509 4.766 df 1 1 1 1 1 1 1 1 df 2 346 345 344 343 342 341 340 Sig. F Change .000 .000 .000 .000 .001 .034 .030
a. Predictors: (Constant), Materias reprobadas 3er. semestre b. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa c. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Semestres cursados d. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Semestres cursados, Beca alumno e. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Semestres cursados, Beca alumno, Examen matemticas f .Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Semestres cursados, Beca alumno, Examen matemticas, Puntuacin de admisin mat emtico g. Predictors: (Constant), Materias reprobadas 3er. semestre, Promedio prepa, Semestres cursados, Beca alumno, Examen matemticas, Puntuacin de admisin mat emtico, Toef l f inal h. Dependent Variable: Promedio ltimo semestre i. Prepa Tec/ No Tec = Prepa externa
La tabla 8-57 de ANOVA presenta el valor de F que corresponde a una probabilidad de 58.471. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el rendimiento y el conjunto de variables del modelo.
380
Tabla 8-57 ANOVA de Preparatoria No TEC

h,i A NOVA
Model 1
Sum of Squares 2810.258 5055.004 7865.262 3521.911 4343.351 7865.262 3807.052 4058.209 7865.262 4075.023 3790.238 7865.262 4198.462 3666.800 7865.262 4246.310 3618.952 7865.262 4296.335 3568.926 7865.262
df 1 346 347 2 345 347 3 344 347 4 343 347 5 342 347 6 341 347 7 340 347
Mean Square 2810.258 14.610 1760.956 12.589 1269.017 11.797 1018.756 11.050 839.692 10.722 707.718 10.613 613.762 10.497
F 192.354
Sig. .000a
139.876
.000b
107.570
.000c
92.193
.000d
78.318
.000e
66.686
.000f
58.471
.000g
a. Predictors: (Const ant), Materias reprobadas 3er. sem est re b. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa c. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Semestres cursados d. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Semestres cursados, Beca alumno e. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Semestres cursados, Beca alumno, Examen matemticas f . Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Semestres cursados, Beca alumno, Examen matemticas, Punt uacin de admisin matemtico g. Predictors: (Const ant), Materias reprobadas 3er. sem est re, Promedio prepa, Semestres cursados, Beca alumno, Examen matemticas, Punt uacin de admisin matemtico, Toef l f inal h. Dependent Variable: Prom edio ltimo semestre i. Prepa Tec/ No Tec = Prepa externa
En el Modelo del grupo de alumnos No TEC se observa que un estudiante de ltimo semestre obtendra 73 puntos, que disminuiran .425 por cada materia reprobada al 3er. semestre y .653 por cada semestre cursado de ms, pero aumentaran .153 por cada punto obtenido en promedio de preparatoria, .031 por beca del alumno, .085 por examen de matemticas y.007 por Toefl final.
381
Tablas 8-58 Resumen del modelo de regresin para preparatoria No TEC

a,b Coeffi cients
Model 1
(Constant) Materias reprobadas 3er. semest re (Constant) Materias reprobadas 3er. semest re Promedio prepa (Constant) Materias reprobadas 3er. semest re Promedio prepa Semest res cursados (Constant) Materias reprobadas 3er. semest re Promedio prepa Semest res cursados Beca alumno (Constant) Materias reprobadas 3er. semest re Promedio prepa Semest res cursados Beca alumno Examen matemticas (Constant) Materias reprobadas 3er. semest re Promedio prepa Semest res cursados Beca alumno Examen matemticas Puntuacin de admisin matemtico (Constant) Materias reprobadas 3er. semest re Promedio prepa Semest res cursados Beca alumno Examen matemticas Puntuacin de admisin matemtico Toef l f inal
Unstandardized Coef f icients B St d. Error 85.160 .269 -.911 69.138 -.770 .190 75.741 -.537 .186 -.611 77.787 -.470 .156 -.637 .034 72.449 -.448 .148 -.616 .029 .071 75.968 -.435 .152 -.657 .031 .083 -.007 72.996 -.425 .153 -.653 .031 .085 -.008 .007 .066 2.146 .064 .025 2.473 .078 .024 .124 2.430 .077 .024 .120 .007 2.864 .076 .024 .119 .007 .021 3.297 .076 .024 .120 .007 .022 .003 3.550 .075 .024 .119 .007 .022 .003 .003
t 316.315 -13.869 32.222
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 .000 .000 .000 .034 .000 .000 .000 .000 .000 .000 .008 .030
-.505 .315
-12.076 7.519 30.621 -6.884 7.611 -4.916 32.015 -6.139 6.376 -5.290 4.924 25.295 -5.916 6.120 -5.186 4.127 3.393 23.044 -5.744 6.300 -5.489 4.409 3.850 -2.123 20.563
.914 .914
1.094 1.094
-.352 .309 -.246
.574 .913 .600
1.743 1.095 1.665
-.309 .258 -.256 .198
.556 .855 .599 .872
1.799 1.169 1.668 1.146
-.294 .245 -.248 .167 .134
.552 .848 .598 .830 .876
1.812 1.180 1.673 1.205 1.142
-.285 .252 -.264 .180 .157 -.085
.548 .842 .582 .813 .815 .833
1.825 1.187 1.719 1.230 1.228 1.201
-.279 .253 -.263 .182 .160 -.111 .084
-5.636 6.357 -5.484 4.489 3.955 -2.655 2.183
.546 .842 .582 .812 .813 .769 .907
1.832 1.187 1.719 1.231 1.229 1.300 1.103
a. Dependent Variable: Promedio ltimo semest re b. Prepa Tec/ No Tec = Prepa externa
Modelo de alumnos de Preparatoria Externa Rendimiento final = 73 - .425 Materias reprobadas al 3er. semestre + .153 Promedio de preparatoria - .653 Semestres de ms + .031 Beca alumno + .085 Examen matemticas - .008 PAA Matemticas + .007 Toefl final
382
b) Modelo de Preparatoria TEC La muestra de este grupo 344 alumnos, permiti establecer que el modelo tiene un coeficiente de determinacin correspondiente a una R2 ajustada total de 69.9%, del cual promedio de preparatoria explica 47.3%; cuando se le suma materias reprobadas al 3er. semestre, explican 63.5%, que se incrementa a 64.5% cuando se incorpora semestres de ms; al agregarse sexo se explica 65.7%; tambin se presentaron las variables de beca y toefl final, que aportaron slo 1.8%, pero son consideradas en el modelo porque son significativas.
Tabla 8-59 Resumen del modelo de regresin de preparatoria TEC

Model Summaryg,h R Prepa Tec/No Tec = Prepa TEC (Selected) .689a .798b .805c .811d .816e .822f Prepa Tec/No Tec ~= Prepa TEC (Unselected) Change Statistics
Model 1 2 3 4 5 6
.999
R Square .475 .637 .648 .657 .666 .675
Adjusted R Square .473 .635 .645 .653 .661 .669
Std. Error of the Estimate 3.469 2.889 2.849 2.815 2.782 2.750
R Square Change .475 .162 .011 .009 .009 .009
F Change 309.472 152.084 10.509 9.280 9.089 9.065
df 1 1 1 1 1 1 1
df 2 342 341 340 339 338 337
Sig. F Change .000 .000 .001 .002 .003 .003
a. Predictors: (Constant), Promedio prepa b. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre c. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre, SEMESTRES DE MAS d. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre, SEMESTRES DE MAS, Sexo e. Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre, SEMESTRES DE MAS, Sexo, Beca alumno f .Predictors: (Constant), Promedio prepa, Materias reprobadas 3er. semestre, SEMESTRES DE MAS, Sexo, Beca alumno, Toefl f inal g. Unless noted otherwise, statistics are based only on cases for which Prepa Tec/No Tec = Prepa TEC. h. Dependent Variable: Promedio ltimo semestre
La tabla 8-60 de ANOVA presenta el valor de F que corresponde a una probabilidad de 116.622. Por lo tanto, se acepta la hiptesis alternativa de que s existe relacin significativa (a nivel 0.001) entre el rendimiento y el conjunto de variables del modelo.
383
En el Modelo del grupo de alumnos TEC se observa que un estudiante de ltimo semestre obtendra 73 puntos, a los que hay que restar .425 por cada materia reprobada al 3er. semestre y disminuir .653 por semestres cursados de ms, pero sumarles .153 por cada punto obtenido en promedio de preparatoria, .031 por beca del alumno y .085 por examen de matemticas.
Tabla 8-60 de ANOVA de Preparatoria TEC

ANOVAg,h Model 1 Sum of Squares 3723.112 4114.442 7837.554 4992.146 2845.408 7837.554 5077.454 2760.100 7837.554 5150.996 2686.558 7837.554 5221.346 2616.208 7837.554 5289.876 2547.678 7837.554 df 1 342 343 2 341 343 3 340 343 4 339 343 5 338 343 6 337 343 Mean Square 3723.112 12.031 2496.073 8.344 1692.485 8.118 1287.749 7.925 1044.269 7.740 881.646 7.560 F 309.472 Sig. .000a
Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total Regression Residual Total
299.135
.000b
208.487
.000c
162.493
.000d
134.914
.000e
116.622
.000f
a. Predictors: (Const ant), Promedio prepa b. Predictors: (Const ant), Promedio prepa, Materias reprobadas 3er. semestre c. Predictors: (Const ant), Promedio prepa, Materias reprobadas 3er. semestre, SEMESTRES DE MAS d. Predictors: (Const ant), Promedio prepa, Materias reprobadas 3er. semestre, SEMESTRES DE MAS, Sexo e. Predictors: (Const ant), Promedio prepa, Materias reprobadas 3er. semestre, SEMESTRES DE MAS, Sexo, Beca alumno f . Predictors: (Const ant), Promedio prepa, Materias reprobadas 3er. semestre, SEMESTRES DE MAS, Sexo, Beca alumno, Toef l f inal g. Dependent Variable: Promedio ltimo semestre h. Selecting only cases f or which Prepa Tec/ No Tec = Prepa TEC
384
Tablas 8-61 Resumen del modelo de regresin para Preparatoria TEC

a,b Coeffi ci ents
Model 1 2
(Constant) Promedio prepa (Constant) Promedio prepa Materias reprobadas 3er. semestre (Constant) Promedio prepa Materias reprobadas 3er. semestre SEMESTRES DE MAS (Constant) Promedio prepa Materias reprobadas 3er. semestre SEMESTRES DE MAS Sexo (Constant) Promedio prepa Materias reprobadas 3er. semestre SEMESTRES DE MAS Sexo Beca alumno (Constant) Promedio prepa Materias reprobadas 3er. semestre SEMESTRES DE MAS Sexo Beca alumno Toef l f inal
Unstandardized Coef f icients B St d. Error 40.249 2.543 .545 .031 53.370 2.370 .400 .028 -1.042 53.615 .398 -.915 -.623 54.857 .400 -.886 -.603 -.935 57.387 .364 -.866 -.641 -.923 .019 54.890 .336 -.831 -.696 -1.113 .020 .009 .084 2.339 .028 .092 .192 2.346 .028 .091 .190 .307 2.466 .030 .091 .188 .303 .006 2.574 .031 .090 .187 .306 .006 .003
t 15.829 17.592 22.520 14.131 -12.332 22.925 14.244 -9.944 -3.242 23.379 14.470 -9.683 -3.175 -3.046 23.270 12.271 -9.559 -3.408 -3.043 3.015 21.320 10.906 -9.198 -3.724 -3.633 3.226 3.011
Sig. .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 .002 .002 .000 .000 .000 .001 .003 .003 .000 .000 .000 .000 .000 .001 .003
Zero-order .689 .689 -.651
Correlations Part ial .689 .608 -.555
Part .689 .461 -.402
.504 -.388 -.118 .506 -.376 -.114 -.098 .461 -.367 -.121 -.097 .106 .425 -.352 -.132 -.117 .112 .103
.689 -.651 -.406 .689 -.651 -.406 -.181 .689 -.651 -.406 -.181 .400 .689 -.651 -.406 -.181 .400 .319
.611 -.475 -.173 .618 -.465 -.170 -.163 .555 -.461 -.182 -.163 .162 .511 -.448 -.199 -.194 .173 .162
.458 -.320 -.104 .460 -.308 -.101 -.097 .386 -.300 -.107 -.096 .095 .339 -.286 -.116 -.113 .100 .094
.828 .680 .783 .828 .672 .782 .980 .700 .668 .778 .979 .801 .635 .657 .771 .938 .798 .824
1.207 1.472 1.277 1.207 1.488 1.279 1.021 1.429 1.496 1.285 1.021 1.248 1.576 1.522 1.297 1.066 1.253 1.213
a. Dependent Variable: Promedio ltimo semestre b. Selecting only cases f or which Prepa Tec/ No Tec = Prepa TEC
Modelo de alumnos preparatoria TEC Rendimiento final = 55 + .336 Promedio de preparatoria - .831 Materias reprobadas al 3er. semestre - .696 Semestres de ms 1.113 Sexo + .020 Beca alumno + .009 Toefl Final.
Con base en los anlisis anteriores podemos sostener que los factores que determinan el RA de los alumnos de preparatoria TEC y No TEC son diferentes, y que afectan a cada grupo en diverso grado, por lo cual afirmamos que existen factores diferenciales del rendimiento acadmico y que existe un modelo distinto para cada uno de ellos.
385
8.2.5 Resumen de los modelos de regresin mltiple a) Resumen por carreras A continuacin se presenta un resumen de los modelo de regresin mltiple por carreras, con la finalidad de poder apreciar en su conjunto los factores del rendimiento acadmico que afectan a cada una de las carrera.
De acuerdo con la tabla 8-62, las variables que se consideran en cada modelo son materias reprobadas al 3er. semestre y promedio de la preparatoria, en 12 carreras, seguidas por beca alumno en 7, semestres cursados de ms en 5, toefl final en 5 y 4 en Toefl inicial y edad del alumno en 4 carreras; estudios de la madre, estudios del padre, sexo y preparatoria de procedencia (preparatoria TEC/NO TEC) se presentan una vez.
Con relacin al nmero de variables por carrera que fueron incorporadas al modelo, en primer lugar se encuentra Administracin Financiera con 6; Mercadotecnia y Administracin de Empresas con 5. Las carreras que aceptaron 4 variables son: Sistemas de Cmputo, Electrnica y
Comunicaciones, Mecnico Electricista y Ciencias de la Comunicacin. Las que slo consideraron una variable fueron Economa y Relaciones Internacionales. Las carreras que mayor poder predictivo tuvieron fueron Electrnica y Comunicaciones, con 83.1%, seguidas por Sistemas Electrnicos con 79.3%, ambas por arriba del modelo general (59.6%). La carreras que presentaron el menor poder predictivo fueron Economa, con 23%, y Arquitectura, con 39.2%.
386
Tabla 8-62 Resumen de los modelos de regresin por carreras universitarias

R2 0.831 0.793 0.774 0.766 0.745 0.726 0.683 0.683 0.678 0.654 0.570 0.564 0.552 0.540 0.489 0.434 0.392 0.230 Mat Rep Prom Toefl Toefl Sem 3o Prepa inicio final -0.955 0.630 -0.950 0.332 0.064 -0.843 -0.795 -1.031 -0.833 -1.284 -1.574 -0.645 -0.582 0.217 -0.710 -1.117 0.065 -1.963 0.303 -0.685 13 0.202 13 0.005 0.007 5 6 0.03 8 -0.76 2 1 1 -0.576 6 1 4 1 -0.282 0.298 0.015 0.028 0.196 0.160 0.245 0.495 0.225 0.297 0.213 0.013 0.031 0.086 0.040 0.630 -1.316 -1.505 0.87 -0.44 0.034 0.014 0.012 0.016 0.044 0.031 0.028 -0.983 1.40 -1.039 -2.40 Beca Estud Estud Sem Prepa Edad Edad Sexo Alum Madre Padre De ms proc Alum Madre 0.057 2.850 -1.160 -1.38
CARRERAS Electrnica y Comunicaciones Sistemas Electrnicos Sist. Cmputo y Administracin Ciencias Polticas Sistemas Computacionales Mecnico Electricista/Administrador Administracin Financiera/ Contabilidad Derecho Mecatrnica Negocios Internacionales Mercadotecnia Ciencias de Comunicacin/Medios Administracin de Empresas Industrial y de Sistemas Relaciones Internacionales Psicolog Organizacional Arquitectura/Diseo Economa Modelo General Influencia Variables en el Modelo (N)
Cte. 78.52 61.29 59.45 114.17 62.99 61.84 56.09 47.04 47.66 62.17 70.52 82.59 88.57 52.89 70.15 52.11 84.83 58.71 63.52
39 19 71 23 40 54 122 30 60 74 158 88 90 94 62 22 60 23
1129 0.596
b) Resumen por reas acadmicas A continuacin se presenta un resumen de los modelos de regresin mltiple por divisiones acadmicas con la finalidad de poder apreciar en su conjunto los factores del rendimiento acadmico que las afectan.
Tabla 8-63 Modelos de regresin por divisiones acadmicas
DIVISN ACADMICA INGENIERA NEGOCIOS HUMANIDADES MODELO GENERAL Influencia Variables (N) 343 404 146 893
R2 0.665 0.576 0.512 0.596
Cte. 58.983 60.616 69.537 63.52
Mat Rep 3er Sem -0.706 -0.581 -0.655 -0.685 4
Prom Prepa 0.215 0.256 0.204 0.202 4
Toefl Toefl Beca inicio final alumno Sexo 0.014 0.01 0.032 0.022 0.048 0.005 0.007 2 2 0.03 4 -0.761 1
Estud Madre
Sem de ms -0.471
-0.282
-0.854 -0.671 -0.576
387
Con relacin al nmero de variables incluidas en el modelo, en primer lugar se encuentra Negocios con 6, Ingeniera con 5 y Humanidades con 4. En las tres reas acadmicas se estudiaron materias reprobadas al ltimo semestre,
promedio de preparatoria y beca alumno. Con respecto a la R2 ajustada, el rea de Ingeniera presenta el mayor poder predictivo con 66.5%, seguida por Negocios con 57.6% y Humanidades con 51.2%.
Con base en los anlisis anteriores podemos afirmar que los factores que determinan el rendimiento acadmico de los alumnos de las carreras profesionales en el modelo general son diferentes de los que afectan a cada carrera en particular, pero en diverso grado. Por lo tanto, afirmamos que existen factores diferenciales que afectan el rendimiento acadmico de cada una de las carreras profesionales, y que existe un modelo distinto para cada carrera. Hiptesis 2: Los factores que afectan el rendimiento acadmico de los alumnos en las carreras profesionales son diferentes y los afectan en diverso grado; por lo tanto, existe un modelo distinto para cada carrera y rea acadmica.
Los anlisis anteriores nos permiten responder la hiptesis 2, afirmando que existen factores diferenciales del rendimiento acadmico en 18 carreras, en diverso grado y que existe un modelo distinto para cada carrera profesional. Los modelos de la carrera de Sistemas computacionales y Mecnico Electricista Administrador mostraron semejanzas. Por su parte, los modelos por reas acadmicas presentan modelos diferenciados para cada una de ellas.
388
8.3 Conclusiones de estudios predictivos Los anlisis de regresin mltiple nos permiten afirmar que existen factores diferenciales del rendimiento acadmico en las 18 carreras, y que se debe elaborar un modelo distinto para cada una de ellas.
El cuadro que vemos a continuacin nos permite concluir que existen diferencias significativas entre las carreras universitarias. En la segunda columna se presenta la muestra que se analiz por carrera, la segunda exhibe la R2 ajustada y la tercera la prueba F.
Tabla 8-64Resumen de los modelos de regresin por carrera
CARRERAS Electrnica y Comunicaciones Sistemas Electrnicos Sist. Cmputo y Administracin Ciencias Polticas Sistemas Computacionales Mecnico Electricista/Administrador Administracin Financiera/ Contabilidad Derecho Mecatrnica Negocios Internacionales Mercadotecnia Ciencias de Comunicacin/Medios Administracin de Empresas Industrial y de Sistemas Relaciones Internacionales Psicolog Organizacional Arquitectura/Diseo Economa Modelo General N 39 19 71 23 40 54 122 30 60 74 158 88 90 94 62 22 60 23 1129 R2
Ajustada
Prueba F 76.49 46.27 39.18 36.13 85.24 85.13 129.20 38.17 48.54 71.46 78.70 46.64 55.75 38.25 26.12 10.53 40.29 6.12 532.43
83.1 79.3 77.4 76.6 74.5 72.6 68.3 68.3 67.8 65.4 57.0 56.4 55.2 54.0 48.9 43.4 39.2 23.0 59.6
389
Al analizar los resultados por cada carrera encontramos que, en cada caso, el grupo de variables que afectan el RA de forma significativa es distinto del resto. Con base en estas conclusiones se puede afirmar que es necesario elaborar un modelo por carrera, pues las variables con efecto relevante en el rendimiento final en cada una de ellas son distintas. Para hacer el anlisis slo se mencionarn las carreras con mayor nmero de alumnos, ya que hubo casos de carreras con muy pocos alumnos que no seran suficientes para hablar de modelos estadsticos vlidos.
A continuacin se presentan las variables que explican el rendimiento acadmico por carrera: Mercadotecnia. Promedio de preparatoria, Toefl inicial, materias reprobadas al 3er. semestre, beca y edad del alumno. Finanzas y Contabilidad. Promedio de preparatoria, Toefl inicial, materias reprobadas al 3er. semestre, beca, semestres de ms y preparatoria de procedencia. Ingeniera Industrial. Promedio de la preparatoria, Toefl inicial y materias reprobadas. Ciencias de la Comunicacin. Promedio de la preparatoria, beca, materias reprobadas, estudios de la madre y semestres de ms.
En el caso del grupo de alumnos de preparatoria TEC y No TEC las variables que afectan a cada grupo son diferentes y lo hacen en diverso grado. Por lo tanto, existen factores diferenciales del rendimiento acadmico del grupo de preparatoria TEC - No TEC y existe un modelo distinto para cada grupo.
390
CAPTULO 9. ESTUDIOS CAUSALES
Ya se ha completado la aproximacin exploratoria a los datos a travs de tcnicas multivariadas, cuyo objetivo es incrementar la capacidad explicativa y su eficacia estadstica. Como se sabe, la regresin mltiple, el anlisis factorial y el anlisis discriminante, entre otras, son herramientas poderosas, pero su limitacin es que cada una de ellas slo puede examinar una relacin al mismo tiempo. En este captulo se realizaron anlisis ms complejos para tratar de evaluar empricamente un modelo causal de rendimiento acadmico universitario, que se defini a partir de un fichero de datos que se obtuvo de diversos cuestionarios aplicados a alumnos y padres, as como de la literatura revisada.
Para el desarrollo de este estudio se evalu la aplicacin de un modelo de trayectorias con slo variables observadas versus un modelo factorialestructural con variables latentes y observadas. Se opt por el modelo de trayectorias basado en los siguientes razonamientos:
a) El anlisis factorial exploratorio no nos sugiere una variable latente que aporte valor conceptual al estudio. Se consider que una variable latente que vincule rendimientos y materias reprobadas no aporta
conceptualmente algo que vaya ms all de una relacin totalmente lgica. Una variable que vincule la escolaridad o la edad de los padres, tampoco es un constructo terico interesante.
391
b) Aun generadas algunas de estas variables latentes, su coeficiente latente observado o el coeficiente latente contra latente eran muy dbiles como para utilizarse en un modelo estructural.
Por lo tanto, metodolgicamente se adopta la perspectiva propia de los modelos estructurales y con base a los resultados obtenidos en el anlisis de componentes principales, se decidi usar el Path Analysis o Estructura de Covarianza.
En conclusin, a la luz de todo lo anterior podemos afirmar que el modelo de trayectorias, a pesar de su simplicidad, parece ser adecuado para utilizarlo en este problema de investigacin. La hiptesis principal de este captulo es someter a prueba emprica el modelo causal propuesto en donde se recogen los factores que afectan el rendimiento acadmico de los alumnos universitarios de una institucin privada. Se procedi a construir un modelo de rendimiento acadmico, objeto de este estudio.
9.1 Especificacin del modelo Como ya se mencion en otros captulos, existen diversos estudios que
pretenden explicar el rendimiento acadmico a partir de diferentes variables que hacen referencia a los elementos que intervienen en el proceso educativo.
Uno de los objetivos de esta investigacin es tratar de encontrar factores que afectan el rendimiento a partir del fichero de datos que se obtuvo de los cuestionarios aplicados a los alumnos, padres de familia, profesores y
392
directores. Con base en dichos factores pretendemos elaborar un modelo explicativo de las diferentes interrelaciones entre las variables y su relacin con el rendimiento acadmico.
Como se sabe, cuando se pretende disear un modelo causal se debe partir de un modelo propuesto con base en la teora para luego decidir qu variables se deben medir. En esta investigacin, en el captulo 6 se menciona la limitacin que presenta el desarrollo del modelo que se proponga, debido a que las variables ya se encuentran elaboradas. El proceso que se sigui fue en sentido contrario a fin de aprovechar los datos que se recogieron con otros fines.
Sin embargo, el modelo que a continuacin se presenta se conform con variables de los antecedentes personales del alumno (beca, edad) de acuerdo a Biniaminov y Glasman, se tom en cuenta el modelo de Fullana sobre las variables que tienen efecto en el aprendizaje y el rendimiento (promedio de preparatoria, Toefl inicial, rendimiento al 3er. semestre, Toefl inicial y final, materias reprobadas al 3er. y ltimo semestres), as como los modelos de rendimiento acadmico revisados en el captulo 5.
El primer paso implica especificar las relaciones hipotticas entre las variables, etapa que se enfoca en el modelo estructural y representa el marco conceptual que se quiere probar. Las variables que se manejan pueden considerarse fundamentalmente dentro de la categora de las variables empricas observadas, por lo que el modelado a travs de modelos de trayectorias parece lo ms conveniente.
393
Con el modelo que se propone a continuacin se pretende obtener mayor informacin para establecer las relaciones, las influencias y los efectos directos e indirectos que sobre el RA tienen las variables que se han medido en este estudio.
En el modelo se contemplan distintos tipos de determinantes del RA, entre ellos variables del perfil del alumno (edad, beca), de rendimiento inicial (promedio de preparatoria y toefl inicial) y otras vinculadas a sus resultados escolares durante su carrera profesional (rendimiento al 3er. semestre, toefl final, semestres de ms y materias reprobadas al 3ro. y al ltimo semestres).
Para el anlisis de los modelos se utiliz una muestra de 1,129 alumnos universitarios del ltimo semestre de 18 carreras profesionales. Con base en los resultados que se obtuvieron de los estudios de componentes principales, regresiones y elementos tericos del rendimiento acadmico, se configur un primer modelo terico contrastable empricamente denominado Modelo de Rendimiento Acadmico General.
9.1.1 Desarrollo del diagrama de trayectoria Se dibuj un diagrama de trayectoria con el software AMOS, el cual es una representacin grfica que muestra la forma en que los elementos del modelo se relacionan unos con otros, lo cual proporciona una vista global de su estructura. En funcin de los estudios correlacionales el modelo quedara as:
394
Figura 9-1 Diagrama de trayectorias de los factores del rendimiento acadmico
En el modelo se consideraron 10 variables: EDAD ALUMNO PROMPREP BECA TOEFL_IN RTTO_S3 TOEFLFIN MAT_REP3S MAT_REPULTS SEMDEMAS RTTO_ULTS Edad del alumno Promedio de la preparatoria Beca Toefl inicial Rendimiento al 3er. semestre Toefl final Materias reprobadas al 3er. semestre Materias reprobadas al ltimo semestre Semestres de ms Rendimiento al ltimo semestre
En la figura 9-1 se muestra el modelo que sirvi de base para construir el modelo del RA final; en los cuadros se aprecian las variables observadas que componen el modelo y en los crculos pequeos un trmino de error asociado a las variables observadas; por su parte, las flechas directas indican el efecto de
395
las variables independientes sobre la dependiente, mientras que las curvadas sealan la correlacin entre las variables.
9.1.2 Conversin del diagrama de relaciones En el diagrama que se present estn implcitas las hiptesis secundarias siguientes:
1. Existir un efecto significativo de promedio de la preparatoria sobre la edad del alumno. 2. Existir un efecto significativo de promedio de la preparatoria sobre materias reprobadas al 3er. semestre. 3. Existir un efecto significativo de promedio de la preparatoria sobre rendimiento al 3er. semestre. 4. Existir un efecto significativo de promedio de la preparatoria sobre materias reprobadas al ltimo semestre. 5. Existir un efecto significativo del promedio de la preparatoria sobre examen toefl final. 6. Existir un efecto significativo del promedio de la preparatoria sobre rendimiento al ltimo semestre. 7. Existir un efecto significativo de beca sobre edad del alumno. 8. Existir un efecto significativo de beca sobre rendimiento al 3er. semestre. 9. Existir un efecto significativo de beca sobre materias reprobadas al 3er. semestre. 10. Existir un efecto significativo de beca sobre Toefl final.
396
11. Existir un efecto significativo de beca sobre materias reprobadas al ltimo semestre. 12. Existir un efecto significativo de beca sobre semestres de ms. 13. Existir un efecto significativo de beca sobre rendimiento al ltimo semestre. 14. Existir un efecto significativo de Toefl inicial sobre Toefl final. 15. Existir un efecto significativo de rendimiento al 3er. semestre sobre materias reprobadas al ltimo semestre. 16. Existir un efecto significativo de rendimiento al 3er. semestre sobre semestres de ms. 17. Existir un efecto significativo de rendimiento al 3er. semestre sobre rendimiento al ltimo semestre. 18. Existir un efecto significativo de Toefl final sobre semestres de ms. Existir un efecto significativo de Toefl final sobre materias reprobadas al
ltimo semestre. 19. Existir un efecto significativo de Toefl final sobre rendimiento al ltimo semestre. 20. Existir un efecto significativo de materias reprobadas al ltimo semestre sobre semestres de ms. 21. Existir un efecto significativo de materias reprobadas al ltimo semestre sobre el rendimiento final. 22. Existir un efecto significativo de materias reprobadas al 3er. semestre sobre rendimiento final. 23. Existir un efecto significativo de materias reprobadas al 3er. semestre sobre materias reprobadas al ltimo semestre.
397
24. Existir un efecto significativo de materias reprobadas al 3er. semestre sobre semestres de ms. 25. Existir un efecto significativo de semestres de ms sobre rendimiento final. 26. Existir una correlacin entre promedio de la preparatoria con toefl inicial. 27. Existir una correlacin entre promedio de la preparatoria con beca. 28. Existir una correlacin entre beca y toefl inicial.
9.2 Propuesta de los modelos de ecuaciones estructurales Con base en los anlisis de regresin mltiple, componentes principales y los elementos tericos del rendimiento acadmico, se configura un primer modelo general de covarianza denominado RA1.
Este primer modelo se ha depurado con el propsito de llegar a un Modelo Final que contribuya a explicar los factores y las relaciones que afectan el rendimiento acadmico de los alumnos universitarios en la ciudad de Mxico.
Originalmente, la matriz de datos de entrada es una matriz de datos brutos (puntuaciones originales de cada variable) que son transformadas por el programa AMOS en una matriz de covarianzas a partir de la cual se derivan los coeficientes del modelo AMOS. Se acepta un diagrama de Path como la especificacin del modelo que despliega grficamente los parmetros estimados sobre dicho diagrama.
398
En principio, se espera que el modelo explique una cantidad importante de la variacin de las variables observadas. A fin de contar con una medida de la variacin explicada, se calcul el coeficiente de correlacin mltiple (R2) de cada una de las variables que reciben flechas de una punta en el diagrama. A continuacin se presentan los modelos generales que se analizaron.
9.2.1 Modelo General RA1 Como consecuencia de los anlisis diferenciales, de regresin y los elementos tericos del rendimiento acadmico revisados, se propone un modelo terico contrastable empricamente, el cual presenta:
Variables observadas endgenas RTTO_ULTS MAT_REPULTS RTTO_S3 SEMDEMAS EDAD_A TOEFLFIN MAT_REP3 Rendimiento al ltimo semestre Materias reprobadas al ltimo semestre Rendimiento al 3er. semestre Semestres de ms Edad alumno Toefl final Materias reprobadas al tercer semestre
Variables observadas exgenas
PROMPREP BECA TOEFL_IN
Promedio de la preparatoria Beca del alumno Toefl inicial
399
La variable rendimiento al ltimo semestre (RTTO_ULTS), ser la variable dependiente y en las variables observadas que se presentan a continuacin se puede observar la clave que se utiliza en AMOS y su descripcin correspondiente a la base de datos de SPSS.
Se parte de la hiptesis que el RA es explicado directa e indirectamente por las variables exgenas (promedio de preparatoria, beca y Toefl inicial), as como por las endgenas (rendimiento al 3er semestre, edad del alumno, materias reprobadas al 3er. semestre, Toefl final, materias reprobadas al ltimo semestre y semestres de ms).
El Modelo General RA1 considera 10 variables, 3 de ellas exgenas y 7 endgenas correlacionadas. En la figura 9-2 se pueden observar las correlaciones entre las variables exgenas, la ms fuerte de las cuales es promedio de la preparatoria con beca (.37).
400
Figura 9-2 Modelo General RA1
Tabla 9-1 ndices de bondad de ajuste del Modelo RA1
MODELO RA 1 Medidas de ajuste absoluto Estadstico verosimilitud Chi cuadrado ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
10 Variables: 3 exgenas y 7 Endgenas Nivel ajuste Medida del ndice Aceptabili aceptable dad 2 > 0.05 X = 1170.13 P= >0.05
Nivel sig. 0.000 GL 13 Si Si
<4 < 0.08
CMIN = .90 RMSEA = 0.281

No
> .95 > .95
NFI = .850
No
CFI = .850
No
401
Se encontraron relaciones entre variables que no significativas: edad alumnobeca, Toefl final-beca, materias reprobadas al ltimo semestre-beca, promedio de preparatoria-Toefl final; semestres de ms-materias reprobadas al 3er. semestre-rendimiento final. Ninguna de ellas ser considerada para conformar el modelo que se presenta a continuacin.
En la tabla 9-1 se observa que los valores de bondad de ajuste del Modelo RA1 no cumplen con los ndices requeridos. Sin embargo, a partir de este primer modelo causal, se estudiarn con mayor detalle los factores que intervienen y se plantearn nuevos modelos para su contrastacin.
9.2.2 Modelo General RA2 A travs del anlisis de los resultados del modelo causal RA1, de regresin mltiple, componentes principales y la teora que subyace al estudio del rendimiento acadmico se eliminaron las relaciones entre variables no significativas, que ya se mencionaron. Se realiz una reduccin de 7 relaciones entre variables; se siguen conservando las 10 variables, se puso nuevamente a prueba el modelo, y se obtuvo uno ms sencillo. A continuacin se presenta una sntesis de los resultados.
En la figura 9-3, el Modelo RA2 presenta 10 variables, 3 de ellas exgenas y 7 endgenas correlacionadas. Se puede apreciar que la correlacin ms fuerte es promedio de la preparatoria-beca (.37).
402
MODELO RA2 Medidas de ajuste absoluto Estadstico verosimilitud chi cuadrado ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
10 Variables:3 exgenas y 7 endgenas Nivel ajuste Medida del ndice Aceptabilidad aceptable X2= 1176.6 P= > 0.05 > 0.05
Nivel de sig. 0.000 GL 20 Si No
<4 < 0.08
CMIN = 58.8 RMSEA = 0.226

No
> .95 > .95
NFI = .849
No
CFI = .851
No
403
A la luz de los resultados que se muestran en la tabla 9-2, el Modelo RA2 no es aceptable porque no tiene un buen ajuste de los datos debido a que la mayora de los ndices de bondad de ajuste no cumplen con los ndices recomendados.
9.2.3 Modelo General RA3 A travs del anlisis de los resultados del modelo causal RA1 y RA2, de regresin mltiple, componentes principales y la teora que subyace al estudio del rendimiento acadmico se consider que la variable edad del alumno no aporta gran informacin a la problemtica bajo estudio. Por ello, en este modelo se contemplan 9 variables; se puso nuevamente a prueba el modelo. A continuacin se detallan sus caractersticas principales y los resultados de ajuste que se obtuvieron.
El modelo RA3 presenta 9 variables, 3 de ellas exgenas y 6 endgenas. La correlacin entre promedio de la preparatoria-beca se mantiene como la ms alta (.37).
404
MODELO RA3
Medidas de ajuste absoluto
9 Variables:3 exgenas y 6 endgenas

Nivel ajuste aceptable Medida del ndice Aceptabilidad
Estadstico verosimilitud chi cuadrado ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
> 0.05
<4 < 0.08
X2= 871.5 P= >0.05 Nivel de sig. 0.000 GL 14 CMIN = 62.2 RMSEA = 0.233
Si No No
> .95 > .95
NFI = .878 No CFI = .880 No
405
A la luz de los resultados que se muestran en la tabla 9-3, el Modelo RA3 no es aceptable porque no tiene un buen ajuste de los datos debido a que la mayora de los ndices de bondad de ajuste no cumplen con los ndices recomendados.
9.2.4 Modelo General RA4 El Modelo RA4 es una variacin del anterior. Se consider que la variable materias reprobadas al 3er. semestre no aportaba gran informacin a la problemtica bajo estudio, por lo cual fue eliminada. En este modelo, que se volvi a poner a prueba, se consideran 8 variables. A continuacin se detallan sus caractersticas principales y los resultados de ajuste que se obtuvieron mediante AMOS.
El Modelo RA4 presenta 8 variables, 3 exgenas y 6 endgenas correlacionadas. Se parte de la hiptesis de que el Rendimiento Acadmico es explicado directa e indirectamente por las variables exgenas promedio de preparatoria, beca y Toefl inicial, y por las endgenas rendimiento al 3er. semestre, Toefl final, materias reprobadas al ltimo semestre y semestres de ms.
406
MODELO RA4
8 Variables: 3 exgenas y 5 endgenas

> 0.05
<4 < 0.08
X2= 98.3 P= > 0.05 Nivel de sig. 0.000 GL = 11 CMIN = 8.9 RMSEA = 0.08
Si No Si
> .95 > .95
NFI = .981 Si CFI = .983 Si
407
A la luz de los resultados que muestra la tabla 9-4, el Modelo RA4 no es aceptable porque no tiene un buen ajuste de los datos, debido a que el ndice bondad de ajuste CMIN es mayor a .4. Sin embargo, las medidas de ajuste incremental cumplen con los ndices recomendados.
9.2.5 Modelo General RA5 El Modelo RA5 es una variacin del anterior. Se consider que la variable Toefl final no aporta gran informacin a la problemtica bajo estudio, por lo cual fue eliminada. En este modelo, que se volvi a poner a prueba, se consideran 7 variables. A continuacin se detallan sus caractersticas principales y los resultados de ajuste que se obtuvieron mediante AMOS.
El Modelo RA4 presenta 7 variables, 3 de ellas exgenas y 4 endgenas correlacionadas. Se parte de la hiptesis de que el RA es explicado directa e indirectamente por las variables exgenas promedio de preparatoria, beca y Toefl inicial, y por las endgenas: rendimiento al 3er. semestre, materias reprobadas al ltimo semestre y semestres de ms. A continuacin se detallan las caractersticas principales del modelo y los resultados de ajuste que se obtuvieron mediante AMOS.
408
Tabla 9-5 ndices de bondad de ajuste del Modelo Inicial RA5
MODELO RA5 Medidas de ajuste absoluto Estadstico verosimilitud chi cuadrado
7 Variables: 3 exgenas y 4 endgenas Nivel ajuste Medida del ndice Aceptabiaceptable lidad > 0.05 X2= 35.7 P= > 0.05 Nivel sig. 0.000 GL =6 CMIN = 5.8
No
Si
ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
<4
< 0.08
RMSEA = .066
Si
> .95 > .95
NFI = .992 CFI = .993
Si
Si
409
A la luz de los resultados que muestra la tabla 9-5, el Modelo RA5 no es aceptable porque no tiene un buen ajuste de los datos, debido a que el ndice de bondad de ajuste CMIN muestra un valor un poco elevado de acuerdo a lo recomendado (<.4), aunque las medidas de ajuste incremental (CFI-NFI) cumplen con los ndices sugeridos.
9.2.6 Modelo General RA6
El Modelo RA6 tambin es una variacin del anterior. Se decidi eliminar la variable materias reprobadas al ltimo semestre debido a que deseamos medir el rendimiento con la variable materias reprobadas al 3er. semestre.
La variable Toefl inicial que estaba en el Modelo RA5 se considera exgena, se elimin y se incluy la variable Toefl final como endgena. Se volvi a poner a prueba el modelo. A continuacin se detallan sus caractersticas principales y los resultados de ajuste que se obtuvieron mediante AMOS.
El Modelo RA6 presenta 7 variables, 2 exgenas y 5 endgenas correlacionadas. Se parte de la hiptesis que el Rendimiento Acadmico es explicado directa e indirectamente por las variables exgenas promedio de preparatoria y beca, y por las variables endgenas rendimiento 3er. semestre, materias reprobadas al 3er. semestre y semestres de ms. A continuacin se detallan las caractersticas principales del modelo y los resultados de ajuste que se obtuvieron mediante AMOS.
410
MODELO INICIAL RA6 Medidas de ajuste absoluto Estadstico verosimilitud chi cuadrado ndice bondad de Ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
7 variables: 2 exgenas y 5 endgenas Nivel ajuste Medida del ndice Aceptabiliaceptable dad 2 > 0.05 X = 124.5 P= > 0.05 Nivel de sig. 0.000 GL 7 Si <4 CMIN = 17.8
No
< 0.08
RMSEA = 0.122
No
> .95 > .95
NFI = .968
Si
CFI = .969
Si
411
A la luz de los resultados que muestra la tabla 9-6, en el modelo RA6 tres de los ndices de bondad de ajuste cumplen con lo mnimo requerido; sin embargo, no es aceptable debido a que no tiene muy buen ajuste en el ndice CMIN (17.8) y en error de aproximacin cuadrtico medio RMSEA (0.122).
9.2.7 Modelo General RA7 Se realizaron ajustes a los resultados que arroj el Modelo RA6 para obtener el modelo RA7. La variable beca, que en el Modelo RA6 se consideraba exgena, se incluy como endgena. Se suprimi la variable materias reprobadas al 3er. semestre, se incluy materias reprobadas al ltimo semestre y se elimin rendimiento al 3er. semestre. Se volvi a poner a prueba el modelo. A continuacin se detallan sus caractersticas principales y los resultados de ajuste que se obtuvieron.
Variables observadas exgenas PROMPREP Promedio de la preparatoria
Variables observadas endgenas BECA TOEFLFIN MAT_REPULTS SEMDEMAS RTTO_ULTS Beca del alumno Toefl final Materias reprobadas al ltimo semestre Semestres de ms Rendimiento al ltimo semestre
412
El
Modelo
RA7
presenta
variables,
exgena
endgenas
correlacionadas. Se parte de la hiptesis que el RA es explicado directa e indirectamente por la variable exgena promedio de preparatoria y por las variables endgenas beca, Toefl final, materias reprobadas al ltimo semestre semestres de ms y rendimiento final.
Promedio de preparatoria ejerce un efecto directo sobre materias reprobadas (-0.32), beca (0.37), rendimiento final (.24) y Toefl final (0.17). La beca afecta de manera directa a materias reprobadas (-0.12), rendimiento acadmico final (0.13), y semestres de ms (0.07). La variable materias reprobadas incide de forma directa sobre rendimiento final (-0.65) y semestres de ms (0.67). El toefl final ejerce un efecto directo sobre materias reprobadas (-0.13), rendimiento final (0.10) y semestres de ms (-0.05).
Los ndices de bondad de ajuste que se obtuvieron con los cambios propuestos son: la chi-cuadrado baja a 2.6 (gl= 3, p=0.45), lo cual es significativo. El RMSEA es de 0.00. En la tabla 9-7 se observa que los ndices de precisin de ajuste cumplen muy bien con los requisitos establecidos.
413
Tabla 9-7 ndices de bondad de ajuste del Modelo General RA7
MODELO RA7 Medidas de ajuste absoluto Estadstico verosimilitud chi cuadrado ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
6 Variables: 1 exgena y 5 endgenas Nivel ajuste Medida del ndice Aceptabilidad aceptable > 0.05
X2= 2.6 P= > 0.05 Nivel sig. 0.45 GL=3 CMIN = .88 RMSEA = 0.00 Si
Si Si
<4 < 0.08
> .95 > .95
NFI = .999
Si CFI = 1.00 Si
414
9.2.8 Anlisis comparativo de los modelos estructurales
La teora de los modelos de ecuaciones estructurales sostiene que si se han definido diversos modelos alternativos o competitivos: M1, M2,Mk se debe seleccionar uno de ellos, que debe ser el que se ajuste mejor a los datos. En forma ms comn se presentan modelos anidados que de acuerdo con Byrne (1998), (citado en Villegas, 2001), son aquellos que son equivalentes, excepto por un subconjunto de parmetros libres en un modelo que se encuentran fijos o restringidos en otro.
Debido al diferente nmero de tems incluidos en los distintos modelos, la comparacin entre los indicadores no es obvia, a simple vista. Por otra parte, la complejidad de los modelos es distinta, pues en ellos se incluyen variables observadas con diferente caracterizacin (algunas de ellas actan como exgenas en unos modelos y como endgenas en otros).
La tabla comparativa 9-17 presenta los principales ndices de ajuste de los 7 Modelos de Trayectoria, formulados como alternativas explicativas, con sus principales variantes.
415
Tabla 9-8 Anlisis comparativo del nivel de ajuste de los modelos generales
ANLISIS COMPARATIVO DEL NIVEL DE AJUSTE DE LOS MODELOS CAUSALES HIPOTTICOS ALTERNATIVOS
INDICADORES DE BONDAD DE AJUSTE

MODELOS SUBMODELO VARIABLES TIPO DE VARIABLES 3 Exgenas 7 Endgenas 3 Exgenas 7 Endgenas 3 Exgenas 6 Endgenas 3 Exgenas 5 Endgenas 3 Exgenas 4 Endgenas 2 Exgenas 5 Endgenas 1 Exgenas 5 Endgenas
CHI**2 1170.1 35.7 206.3 98.3 35.7 124.7 2.6
P 0.00 0.00 0.00 0.00 0.00 0.00 0.45
GL 13 6 9 11 6 7 3
CFI 0.850 0.993 0.945 0.980 0.990 0.970 1.00
NFI 0.850 0.992 0.943 0.980 0.990 0.970 0.990
RMSEA CMIN 0.281 0.066 0.139 0.080 0.070 0.120 0.000 0.90 5.80 22.90 8.90 5.80 18.00 0.900
PCFI 0.201 0.309 0.274 0.301 0.213 0.242 0.143
FMIN 1.037 1.043 0.773 0.089 0.032 0.110 0.002
ECVI 1.130 1.123 0.844 0.146 0.083 0.160 0.045
RA1 RA2 RA3 RA4 RA5 RA6 RA7
10 10 9 8 7 7 6
Con base en los diversos tipos de ndices, los modelos RA2, RA5 y RA7 fueron los que presentan mejor ajuste de los datos. Con respecto a la medida de ajuste absoluto CMIN de los modelos RA2, RA5 y RA7, los valores de los parmetros fueron (5.80), (5.80), (0.90). Por lo tanto, el mejor modelo es el RA7. El ndice de validacin cruzada esperada (ECVI), mostr un valor de (1.123), (0.083), (0.045), respectivamente, por lo cual el mejor modelo sigue siendo el RA7.
Respecto a las medidas de ajuste incremental, desde el punto de vista del ndice de ajuste comparativo (CFI), se obtuvieron los valores de (0.993),
(0.990), (1.0) respectivamente. En consecuencia, el mejor modelo es el RA7. Si se consideran las medidas de ajuste de parsimonia, se obtuvo un valor en FMIN de (1.043), (.032) y (.002), lo que ratifica que el mejor modelo es el RA7.
416
Respecto de la Chi-cuadrado normada, el mejor modelo tambin es el RA7 (con 2.6). Finalmente, con respecto al error de aproximacin cuadrtico medio (RMSEA), se obtuvieron los valores (.226), (.066), (0.00), que reitera que el mejor modelo es el RA7.
9.2.9 Modelo final explicativo del rendimiento acadmico universitario en Mxico.
Se seleccion al Modelo RA7 como el mejor modelo final explicativo de los factores que afectan el rendimiento acadmico de los estudiantes universitarios del Tecnolgico de Monterrey, Ciudad de Mxico. En conclusin, este modelo present 6 variables, con un indicador de Bondad de ajuste comparado de 1.0 (CFI), un ndice de 0.00 en el error de aproximacin cuadrtico medio (RMSEA), y con un ndice de Bondad de ajuste de 0.88 (CMIN). La correlacin mltiples al cuadrado de la variable criterio que se utiliz es alta (.732), lo que indica que la varianza que explica esta variable es superior a sus partes y, por consiguiente, la varianza no explicada o varianza error es muy reducida.
A continuacin se anexan algunos fragmentos de las salidas del AMOS. En primer lugar aparece el peso de las regresiones, pero se puede observar que todas las relaciones son significativas.
417
Tabla 9-9 Resumen de parmetros
Fixed Labeled Unlabeled Total
Weights 6 0 12 18
Covariances 0 0 0 0
Variances 0 0 6 6
Means 0 0 0 0
Intercepts 0 0 6 6
Total 6 0 24 30
En el cuadro de coeficiente de regresin se observa que todas las variables tienen un coeficiente significativamente diferente de cero.
Tabla 9-10 Coeficientes de regresin
BECA TOEFLFIN MAT_REPULTS MAT_REPULTS MAT_REPULTS RTTO_ULTS RTTO_ULTS SEMDEMAS RTTO_ULTS RTTO_ULTS SEMDEMAS SEMDEMAS
<--<--<--<--<--<--<--<--<--<--<--<---
PROMPREP PROMPREP PROMPREP BECA TOEFLFIN MAT_REPULTS TOEFLFIN TOEFLFIN PROMPREP BECA BECA MAT_REPULTS
Estimate S.E. C.R. P Label 1.405 .106 13.274 *** 1.297 .221 5.871 *** -.187 .017 -10.813 *** -.018 .004 -4.136 *** -.010 .002 -4.701 *** -.765 .020 -38.419 *** .009 .001 6.453 *** -.001 .001 -2.187 .029 .164 .012 13.484 *** .024 .003 8.054 *** .004 .001 3.196 .001 .254 .009 28.996 ***
La correlacin entre promedio de la preparatoria, beca y Toefl final es estadsticamente significativa a la luz de la evaluacin de su covarianza.
Tabla 9-11 Correlacin mltiple al cuadrado
PROMPREP TOEFLFIN BECA MAT_REPULTS SEMDEMAS RTTO_ULTS
Estimate .000 .030 .135 .177 .449 .732
418
Tabla 9-12 Efectos Totales
TOEFLFIN BECA MAT_REPULTS SEMDEMAS RTTO_ULTS
PROMPREP 1.297 1.405 -.226 -.053 .383
TOEFLFIN .000 .000 -.010 -.004 .017
BECA .000 .000 -.018 .000 .038
MAT_REPULTS .000 .000 .000 .254 -.765
Tabla 9-13 Efectos directos
PROMPREP 1.297 1.405 -.187 .000 .164
TOEFLFIN .000 .000 -.010 -.001 .009
BECA .000 .000 -.018 .004 .024
MAT_REPULTS .000 .000 .000 .254 -.765
Tabla 9-14 Efectos indirectos
PROMPREP .000 .000 -.039 -.053 .219
TOEFLFIN .000 .000 .000 -.003 .008
BECA .000 .000 .000 -.005 .014
MAT_REPULTS .000 .000 .000 .000 .000
Indicadores de ajuste del modelo
Tabla 9-15 ndice de bondad de ajuste (CMIN)
Model Default model Saturated model Independence model
NPAR 24 27 6
CMIN 2.646 .000 2578.821
DF 3 0 21
P .449 .000
CMIN/DF .882 122.801
419
Tabla 9-16 ndice de ajuste (NFI/CFI)
Model Default model Saturated model Independence model
NFI Delta1 .999 1.000 .000
RFI rho1 .993 .000
IFI Delta2 1.000 1.000 .000
TLI rho2 1.001 .000
CFI 1.000 1.000 .000
Tabla 9-17 Error de aproximacin cuadrtico medio (RMSEA)
Model Default model Independence model
RMSEA .000 .329
LO 90 .000 .318
HI 90 .048 .339
PCLOSE .960 .000
9. 3 Modelos por reas acadmicas Una vez que hemos obtenido un modelo general que se ajusta muy bien a los datos, es necesario verificar si se replica el mismo modelo para las reas acadmicas.
En el modelo se consideraron 10 variables: EDAD ALUMNO PROMPREP BECA TOEFL_IN RTTO_S3 TOEFLFIN MAT_REP3S MAT_REPULTS SEMDEMAS RTTO_ULTS Edad del alumno Promedio de la preparatoria Beca Toefl inicial Rendimiento al 3er. semestre Toefl final Materias reprobadas al tercer semestre Materias reprobadas al ltimo semestre Semestres de ms Rendimiento al ltimo semestre
420
9.3.1 Modelo Escuela de Humanidades El Modelo de Humanidades, representado grficamente en la figura 9-9, muestra un ndice de ajuste estadstico con 6 variables observadas (2 exgenas y 4 endgenas). Se parte de la hiptesis de que el Rendimiento Acadmico es explicado directamente por la variable exgena promedio de la preparatoria y en forma directa e indirecta por las variables endgenas Toefl final, beca, materias reprobadas al ltimo semestre y semestres de ms.
Los valores de los indicadores de ajuste (X2, CMIN, RMSEA, NFI, CFI) cumplen muy bien con los ndices exigidos, con valores mayores de .95 en el ndice de ajuste comparativo (CFI) y RMSEA (< 0.05). La variable que ejerce el mayor efecto directo sobre el RA es materias reprobadas con coeficiente de -0.70, lo que implica que la asociacin entre ambas variables es la gran responsable de la varianza explicada. En segundo trmino aparece promedio de la preparatoria, que ejerce un efecto positivo sobre el rendimiento con un coeficiente de 0.25, a la que le sigue beca, con coeficiente de 0.16.
A la luz de los resultados que muestra la tabla 9-18, en el modelo de Escuela de Humanidades casi todos los ndices tienen un buen ajuste, pero todava el error de aproximacin cuadrtico medio RMSEA es un poco alto.
421
Figura 9-9 Modelo Escuela de Humanidades
Tabla 9-18 ndices de bondad de ajuste del modelo de Humanidades MODELO HUMANIDADES Medidas de ajuste absoluto Estadstico verosimilitud chi cuadrado ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
6 Variables: 2 exgenas y 4 endgenas Nivel Medida del ndice Aceptabilidad ajuste aceptable X2= 7.331 P= > 0.05 > 0.05
Nivel de sig. 0.395 Si
<4 < 0.08
CMIN = 1.047 Si RMSEA = 0.15 No
> .95 > .95
NFI = .984
Si
CFI = .999
Si
422
9.3.2 Modelo Escuela de Ingeniera Este modelo consider 6 variables observadas (1 exgena y 5 endgenas correlacionadas). Se parte de la hiptesis de que el Rendimiento Acadmico es explicado directamente por la variable exgena promedio de la preparatoria, y en forma directa e indirecta por las variables endgenas beca, Toefl final, materias reprobadas al ltimo semestre y semestres de ms.
Los valores de los indicadores de ajuste (X2, CMIN, RMSEA, NFI, CFI) cumplen muy bien con los lmites exigidos, con valores mayores de .95 en el ndice de ajuste comparativo (CFI) y RMSEA (< 0.05). La variable que ejerce el mayor efecto directo sobre el RA es la variable materias reprobadas con coeficiente de -0.65, lo que implica que la asociacin entre ambas variables es la gran responsable de la varianza explicada. En segundo trmino aparece promedio de la preparatoria, que ejerce un efecto positivo sobre el rendimiento con un coeficiente de 0.24, seguida por beca, con coeficiente de 0.16 y Toefl final, con un coeficiente de .10.
A la luz de los resultados que muestra la tabla 9-19, el modelo de Ingeniera es aceptable, es decir, los valores de ajuste cumplen muy bien los ndices mnimos requeridos.
423
Figura 9-10 Modelo Escuela de Ingeniera
Tabla 9-19 ndices de bondad de ajuste del modelo de Ingeniera
MODELO INGENIERIA Medidas de ajuste absoluto Estadstico verosimilitud Chi cuadrado ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
6 Variables: 1 exgenas y 5 endgenas Nivel ajuste Medida del ndice Aceptabiliaceptable dad > 0.05 <4 < 0.08
X2= 7.183 P= > 0.05 Nivel de sig. 0.127 Si CMIN = 1.79 Si RMSEA = 0.027 Si
> .95 > .95
NFI = .997
Si
CFI = .999
Si
424
9.3.3 Modelo Escuela de Negocios El Modelo de Negocios considera 6 variables, 1 exgena y 5 endgenas correlacionadas. Se parte de la hiptesis de que el Rendimiento Acadmico es explicado directamente por la variable exgena promedio de preparatoria, y en forma directa e indirecta por las endgenas beca, Toefl final, materias reprobadas al ltimo semestre y semestres de ms.
Los valores de los indicadores de ajuste (X2, CMIN, RMSEA, NFI, CFI) cumplen muy bien con los lmites exigidos, con valores mayores de .95 en el ndice de ajuste comparativo (CFI) y RMSEA (< 0.05).
La variable que ejerce el mayor efecto directo sobre el RA es materias reprobadas, con coeficiente de -0.65, lo que implica que la asociacin entre ambas variables es la gran responsable de la varianza explicada. En segundo trmino aparece promedio de la preparatoria, que ejerce un efecto positivo sobre el rendimiento con un coeficiente de 0.24, seguida por beca, con coeficiente de 0.16, y Toefl final, con un coeficiente de .10
A la luz de los resultados que muestra la tabla 9-20, el modelo de Escuela de Negocios tiene un muy buen ajuste, es decir, los valores de ajuste cumplen muy bien los ndices mnimos requeridos.
425
Figura 9-11 Modelo Escuela de Negocios
Tabla 9-20 ndices de bondad de ajuste del Modelo de Negocios
MODELO NEGOCIOS
6 Variables: 1 exgena y 5 endgenas

Nivel ajuste aceptable Medida del ndice X2= 9.991 P= > 0.05 Nivel de sig.: 0.075 Si CMIN = 1.9 Si RMSEA = 0.046 Si Aceptabilidad
Estadstico verosimilitud Chi cuadrado ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
> 0.05
<4 < 0.08
> .95 > .95
NFI = .991
Si
CFI = .995
Si
426
9.3.4 Comparativo de los modelos por reas acadmicas La tabla comparativa 9-21 presenta los principales ndices de ajuste de los modelos formulados como alternativas explicativas para cada rea. Los ndices que se obtuvieron por rea de conocimiento en el caso del modelo propuesto son adecuados y las tres reas presentan las mismas variables que el modelo general.
Como resultado de los modelos que se elaboraron para las tres reas que se analizaron podemos concluir que todos eran distintos, es decir, aunque los factores que afectan el rendimiento final de los estudiantes son los mismos, difieren en magnitud.
Tabla 9-21Comparativo del nivel de ajuste de los modelos por reas
ANLISIS COMPARATIVO DEL NIVEL DE AJUSTE DE LOS MODELOS CAUSALES HIPOTTICOS ALTERNATIVOS POR REAS INDICADORES DE BONDAD DE AJUSTE MODELOS HUMANIDADES INGENIERA NEGOCIOS MODELO GENERAL SUBMODELO TIPO DE VARIABLES VARIABLES CHI**2 6 6 6 6 1 Exgenas 5 Endgenas 1 Exgenas 5 Endgenas 1 Exgenas 5 Endgenas 1 Exgenas 5 Endgenas 7.3 7.2 10.0 2.6 P 0.40 0.13 0.08 0.45 GL 7 4 5 3 CFI 0.999 0.999 0.995 1.00 NFI 0.984 0.997 0.991 0.990 RMSEA CMIN 0.15 0.07 0.05 0.000 1.05 1.79 1.90 0.900 PCFI 0.333 0.19 0.237 0.143 FMIN 0.033 0.006 0.021 0.002 ECVI 0.211 0.047 0.116 0.045
427
9.4 Modelos por carreras profesionales Una vez realizados los anlisis causales de toda la generacin y de cada una de las reas y haber elaborado un modelo para cada una de ellas, se realiz nuevamente el anlisis con la finalidad de verificar si se replican los modelos para cada carrera que fue seleccionada. Se consideraron para este anlisis las carreras que tenan una poblacin mayor a 90 alumnos, pero se incluy a Ciencias de la Comunicacin, con slo 88 alumnos, debido a que pertenece al rea de Humanidades, lo que aseguraba el estudio de, por lo menos, una carrera de esta rea.
9.4.1 Modelo de Mercadotecnia Este modelo, que se presenta en la figura 9-12, logra un ndice de ajuste estadstico con 6 variables observadas, 1 exgena (promedio de la preparatoria) y 5 endgenas (beca, Toefl inicial, materias reprobadas al 3er. semestre, edad y rendimiento final).
La variables que ejercen el mayor efecto directo sobre el rendimiento acadmico son materias reprobadas al 3er. semestre, con coeficiente de -0.35 y promedio de la preparatoria, con 0.35, seguidas por beca con coeficiente de 0.16, edad, con -.15 y Toefl inicial con .16.
428
Figura 9-12 Modelo de Mercadotecnia
Tabla 9-22 ndices de precisin de ajuste del modelo de Mercadotecnia
Modelo: Mercadotecnia (N 158) Medidas de ajuste absoluto Estadstico verosimilitud chi cuadrado
6 Variables: 1 exgena y 5 endgenas Nivel ajuste aceptable > 0.05 Medida del ndice X2= 13.08 P= 0>.05 Nivel de sig. 0.219 Gl =10 CMIN = 1.3 Si < 0.08 RMSEA = .031 Si Aceptabilidad
Si
ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
<4
> .95 > .95
NFI = .97 CFI = .97
Si
Si
429
A la luz de los resultados que muestra la tabla 9-22, el Modelo de Mercadotecnia tiene un muy buen ajuste, es decir, los valores de ajuste cumplen muy bien los ndices mnimos requeridos.
9.4.2 Modelo de Finanzas y Contabilidad Representado en la figura 9-13, este modelo logra un ndice de ajuste estadstico con 6 variables observadas, 1 exgena (promedio de la preparatoria) y 5 endgenas (beca, toefl inicial, materias reprobadas al 3er. semestre, semestres de ms y rendimiento final).
La variable que ejerce el mayor efecto directo sobre el RA es materias reprobadas al 3er. semestre, con coeficiente de -0.47, luego promedio de la preparatoria, con 0.33, seguidas por beca, con coeficiente de 0.17, y Toefl inicial, con .20.
A la luz de los resultados que muestra la tabla 9-23, el Modelo de Finanzas y
Contabilidad tiene un muy buen ajuste, es decir, casi todos los valores de
ajuste cumplen muy bien los ndices mnimos requeridos.
430
Figura 9-13 Modelo de Finanzas y Contabilidad
Tabla 9-23 ndices de bondad de ajuste del modelo de Finanzas y Contabilidad
Modelo: Finanzas y Contabilidad (N 122) Medidas de ajuste absoluto
6 Variables: 1 exgena y 5 endgenas Nivel ajuste aceptable Medida del ndice X2= 13.08 P= > 0.05 Nivel de sig. 0.219 Gl =10 Si <4 CMIN = 1.9 Si < 0.08 RMSEA = .09 Si Aceptabilidad
> 0.05
> .95
NFI = .94 No
> .95
CFI = .97 Si
431
9.4.3 Modelo de Ingeniera Industrial Representado en la figura 9-14, este modelo logra un ndice de ajuste estadstico con 5 variables observadas, 1 exgena (promedio de la preparatoria) y 4 endgenas (beca, Toefl inicial, materias reprobadas al 3er. semestre y rendimiento final).
La variable que ejerce el mayor efecto directo sobre el Rendimiento Acadmico es materias reprobadas al 3er. semestre, con coeficiente de -0.38, en segundo lugar se encuentra promedio de la preparatoria, con 0.39, seguidas por beca, con coeficiente de 0.14, y Toefl inicial, con .18.
A la luz de los resultados que muestra la tabla 9-24, el Modelo de Ingeniera Industrial tiene un muy buen ajuste, es decir, los todos valores de ajuste cumplen muy bien los ndices mnimos requeridos.
432
Figura 9-14 Modelo de Ingeniera Industrial
Tabla 9-24 ndices de bondad de ajuste del modelo de Ingeniera Industrial Modelo: Ingeniera Industria (N 94) Medidas de ajuste absoluto Estadstico verosimilitud chi cuadrado
5 Variables: 1 exgena y 4 endgenas Nivel ajuste aceptable > 0.05 Medida del ndice X2= 6.46 P= > 0.05 Nivel sig. 0.373 Gl= 6 CMIN = 1.07 Si < 0.08 RMSEA = 0.018 Si Aceptabilidad
Si
ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de Ajuste Comparativo
<4
> .95 > .95
NFI = .98 CFI = .99
Si
Si
433
9.4.4 Modelo de Ciencias de la Comunicacin y Medios de Informacin Representado en la figura 9-15, este modelo logra un ndice de ajuste estadstico con 5 variables observadas, 1 exgena: promedio de la preparatoria y 4 endgenas: beca, semestres de ms, materias reprobadas al 3er. semestre y rendimiento final.
La variable que ejerce el mayor efecto directo sobre el Rendimiento Acadmico es la variable semestres de ms, con -.35, le sigue beca, con .31, despus materias reprobadas al 3er. semestre, con -0.27 y por ltimo promedio de la preparatoria, con un coeficiente de .22.
A la luz de los resultados que muestra la tabla 9-25, el Modelo de Ciencias de la Comunicacin y Medios de Informacin tiene un muy buen ajuste, es decir, todos los valores de ajuste cumplen muy bien los ndices mnimos requeridos.
434
Figura 9-15 Modelo de Ciencias de la Comunicacin y Medios de Informacin.
Tabla 9-25 ndices de bondad de ajuste del modelo de Ciencias de la Comunicacin
Modelo: Ciencias de la Comunicacin y Medios (N= 88) Medidas de ajuste absoluto Estadstico verosimilitud chi cuadrado ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo
5 Variables: 1 exgena y 4 endgenas Nivel ajuste aceptable > 0.05 Medida del ndice X2= 11.08 P= > 0.05 Nivel sig. 0.679 Gl= 14 CMIN = .7 Si < 0.08 RMSEA = .0000 Si Aceptabilidad
Si
<4
> .95 > .95
NFI = .97 CFI = 1.0
Si Si
435
9.4.5 Resumen de los modelos por carreras profesionales Como resultado de los modelos presentados en las cuatro carreras que se analizaron podemos concluir que todos ellos son distintos, es decir, los factores que afectan el rendimiento final de los estudiantes en las distintas carreras no son los mismos y difieren en su magnitud.
En las carreras de Mercadotecnia y Finanzas se presentaron 6 variables que coinciden con el modelo general final, pero difieren en la magnitud de ajuste de los datos. La carrera de Ingeniera Industrial y Comunicacin y Medios de informacin presentaron 5 variables.
Tabla 9-26 Anlisis comparativo del nivel de ajuste de los modelos por carreras profesionales.
ANLISIS COMPARATIVO DEL NIVEL DE AJUSTE DE LOS MODELOS CAUSALES HIPOTTICOS ALTERNATIVOS POR CARRERAS INDICADORES DE BONDAD DE AJUSTE MODELOS MERCADOTECNIA FINANZAS Y CONTABILIDAD INGENIERA INDUSTRIAL COMUNICACIN Y M. INFORMACIN SUBMODELO TIPO DE VARIABLES VARIABLES CHI**2 P GL CFI NFI RMSEA CMIN PCFI FMIN ECVI
6 6 5 5 6
1 Exgenas 5 Endgenas 1 Exgenas 5 Endgenas 1 Exgenas 4 Endgenas 1 Exgenas 4 Endgenas 1 Exgenas 5 Endgenas
13 13 6.5 11 2.6
0.22 0.22 0.37 0.68 0.45
10 10 6 14 3
0.97 0.97 0.99 1 1.00
0.97 0.94 0.98 0.97 0.990
0.08 0.09 0.02 0.00 0.000
1.3 1.9 1.07 0.7 0.900
0.331 0.516 0.300 0.333 0.143
0.042 0.131 0.026 0.045 0.002
0.322 0.445 0.298 0.373 0.045
MODELO GENERAL
436
9.5 Conclusiones de los estudios causales Se seleccion al Modelo RA7 como el mejor modelo final explicativo de los factores que afectan el rendimiento acadmico de los estudiantes universitarios del Tecnolgico de Monterrey, Ciudad de Mxico. Este modelo present 6 Variables (1 exgena y 5 endgenas), con un indicador de bondad de ajuste comparado de 1.0 (CFI), un ndice de 0 en el error de aproximacin cuadrtico medio (RMSEA), y un ndice de Bondad de ajuste de 0.88 (CMIN). Del mejor modelo general se desprenden las siguientes conclusiones: Es lgico que a mayor nmero de materias reprobadas el alumno concluya su carrera profesional en ms semestres y como consecuencia muestre un menor rendimiento acadmico. No es extrao que el promedio de preparatoria incida en que el alumno obtenga una beca o no, dado que un requisito para gozar de ella es contar con un promedio de preparatoria igual o mayor a 90. La beca representa una medida de control para que no bajen las calificaciones, lo cual depende del rendimiento. Resulta lgico que a mayor promedio de preparatoria mejor sea el rendimiento acadmico y menor el nmero de materias reprobadas. El promedio de la preparatoria tiene mayor influencia sobre el rendimiento que la beca. Un buen rendimiento refleja el hbito del alumno de estudiar, de comprometerse con sus tareas y motivacin. Dominar el idioma ingls influye en forma positiva, pero en menor medida, en el RA. En el Tecnolgico de Monterrey se exige saber leer en ingls y aprobar algunos cursos en este idioma, lo que confirma que el Toefl contribuye al rendimiento final del alumno.
437
CAPTULO 10. ESTUDIOS COMPLEMENTARIOS
10. ESTUDIOS COMPLEMENTARIOS
10.1 Modelos complementarios
A lo largo de los anlisis que hicimos se observ que los estudiantes que provienen de preparatorias externas deben presentar una prueba de aptitud acadmica y realizar pruebas de homologacin de matemticas y de espaol. Por ello, se efectu un anlisis por separado considerando variables complementarias, cuyos resultados se presentan a continuacin.
10.1.1 Modelo Preparatoria No TEC Se procedi a realizar el anlisis de trayectorias de los alumnos que estudiaron en preparatorias externas (No TEC). Para este estudio se consideraron las variables promedio de la preparatoria, beca, Toefl inicial y final, materias reprobadas al ltimo semestre, semestres de ms; adems, se incluyeron las variables prueba de aptitud acadmica de matemticas y verbal, as como remediales de matemticas y espaol. El resultado obtenido del modelo de preparatorias externas es el siguiente:
El Modelo de Preparatoria Externa, representado grficamente en la figura 10-1 logra un ndice de ajuste estadstico con 9 variables observadas (1 exgena y 8 endgenas): promedio de la preparatoria, PAA verbal y PAA matemtico, beca, Toefl inicial y final, materias reprobadas al ltimo semestre, semestres de ms y rendimiento final.
439
Los valores de los indicadores de ajuste (X2, CMIN, RMSEA, NFI, CFI) cumplen muy bien con los lmites exigidos, con valores mayores de .95 en el ndice de ajuste comparativo (CFI) y RMSEA < 0.05.
La variable que ejerce el mayor efecto directo sobre el Rendimiento Acadmico final es materias reprobadas, con coeficiente de -0.66, lo que implica que la asociacin entre ambas variables es la gran responsable de la varianza explicada. En segundo trmino aparece promedio de la preparatoria, que ejerce un efecto positivo con un coeficiente de 0.23, le sigue beca con 0.14 y Toefl final con .09. En menor medida, la PAA matemtica y verbal ejercen un efecto positivo y directo en el rendimiento final de .05 y .06, respectivamente. Se anexa el resumen del mejor modelo despus de haber depurado las variables.
Figura 10-1 Modelo de Preparatoria No TEC
440
Tabla 10-1 ndices de bondad de ajuste del Modelo de Preparatoria No TEC
Modelo: Preparatoria No Tec (N= 666)

9 Variables: 1 exgena y 8 endgenas

Estadstico verosimilitud chi cuadrado
> 0.05
X2= 186.3 P= > 0.05 Nivel de sig. 0.000 Gl= 17 CMIN = 10.9 RMSEA = .09
Si No Si
ndice bondad de ajuste CMIN <4 Error de aproximacin cuadrtico medio < 0.08 Medidas de ajuste incremental ndice de ajuste normado > .95 ndice de ajuste comparativo > .95
NFI = .953 CFI = .957
Si
Si
10.1.2 Modelo Preparatoria TEC Se procedi a realizar el anlisis de trayectorias de los alumnos que estudiaron en preparatoria del TEC. Este modelo, que se representa grficamente en la figura 10-2, logra un ndice de ajuste estadstico con 7 variables observadas (2 exgenas y 5 endgenas): promedio de la preparatoria, sexo, beca, Toefl final, materias reprobadas al ltimo semestre, semestres de ms y rendimiento final. Los valores de los indicadores de ajuste (X2, CMIN, NFI, CFI) cumplen muy bien con los lmites exigidos, con valores mayores de .95 en el ndice de RMSEA sali alta de acuerdo a los ndices mximos recomendados.
441
La variable que ejerce el mayor efecto directo sobre el Rendimiento Acadmico final es materias reprobadas con coeficiente de -0.65, lo que implica que la asociacin entre ambas variables es la gran responsable de la varianza explicada. En segundo trmino aparece promedio de la preparatoria que ejerce un efecto positivo sobre el rendimiento con un coeficiente de 0.20, seguida por beca con 0.16 y Toefl final con 0.10; en menor medida, la variable sexo contribuye con .04.
Es importante resaltar que se anexa el resumen del mejor modelo despus de haber depurado las variables.
Figura 10-2 Modelo de Preparatoria TEC
442
Tabla 10-2 ndices de bondad de ajuste del Modelo de Preparatoria TEC
Modelo: Preparatoria TEC (N= 461) Medidas de ajuste absoluto
7 Variables: 2 exgena y 5 endgenas Nivel Medida del ajuste ndice aceptable X2= 5.9 P= .549 > 0.05 Gl= 7 Aceptabilidad
Estadstico verosimilitud chi cuadrado
No ndice bondad de ajuste CMIN Error de aproximacin cuadrtico medio Medidas de ajuste incremental ndice de ajuste normado ndice de ajuste comparativo > .95 > .95 NFI = .995 CFI = 1.0 Si Si <4 < 0.08 CMIN = 1.426 RMSEA = 0.00 Si Si
443
10.2 Anlisis cualitativos
Con la finalidad de echar ms luz sobre las interpretaciones de cada carrera, se procedi a realizar entrevistas a profundidad a los directores de cada una de ellas y de escuelas para conocer su opinin sobre los resultados que arroj esta investigacin.
Se dise un cuestionario como base para la entrevista (ver anexo) y se envi por escrito la peticin de entrevista a los 18 directores de carrera y 3 directores de escuela. Por diferentes motivos, slo se entrevistaron a 12 directivos que representan las carreras y escuelas que a continuacin se mencionan: Industrial y de Sistemas Sistemas Computacionales Mecnico Administrador/Electricista Administracin de Empresas Administracin Financiera y Contabilidad Comunicacin y Medios Psicologa Organizacional Negocios Internacionales Mercadotecnia rea de Humanidades rea de Negocios rea de Ingeniera
444
A continuacin se presenta el anlisis de los resultados obtenidos: Pregunta 1. Cul es su concepto de rendimiento acadmico?
a) Es el indicador que muestra los conocimientos y aprendizajes que se obtienen como resultado de un curso. b) Es aquel que con menor dependencia de instruccin posible se pueda obtener el mayor conocimiento y reforzamiento de habilidades y actitudes en general. c) Son los conocimientos, aprendizajes, habilidades y aptitudes que presentan los alumnos como resultado de un proceso de enseanzaaprendizaje. d) Es el resultado de la evaluacin de los conocimientos que se deben adquirir en el mbito escolar. e) La relacin entre el tiempo e inters que un alumno invierte para adquirir un cierto conocimiento y es verificable con la calificacin.
Podemos observar que la mayora de las respuestas de los directores coinciden en que el rendimiento acadmico est asociado a los conocimientos que aprehenden los estudiantes en una clase o durante un periodo, que se mide a travs de las calificaciones. Tambin se encontraron algunos conceptos diferentes sobre el rendimiento, por lo cual sera importante unificar criterios en cada sistema universitario.
445
Pregunta 2. Qu perfil deben cubrir los alumnos que llegan de nuevo ingreso a su carrera para tener un buen rendimiento acadmico?
a) Que venga de una preparatoria de excelencia, actitud positiva para el cambio, buena posicin econmica y pasin por su carrera) Manejo e interpretacin de informacin cuantitativa, uso de tecnologa, capacidad analtica e inters por las Finanzas. c) Disciplina para el estudio, gusto por Fsica y Matemticas, ser creativo, no tener temor a armar y desarmar sistemas y curiosidad por conocer cmo funcionan una computadora, un coche, un avin, etc. d) Aptitud acadmica, hbitos de estudio, disciplina, compromiso, motivacin, organizacin.
Se puede observar que los directores que pertenecen al rea de Ingeniera y carreras como Finanzas y Contabilidad, piden que los alumnos tengan mayor capacidad analtica, gusto por la tecnologa y por materias como la fsica. Lo contrario pasa con las carreras que pertenecen al rea de Humanidades, donde el perfil que piden se enfoca ms en el compromiso y motivacin del alumno y no hacen mencin del gusto por la lectura o por las habilidades de expresin oral y escrita, ya que en estas carreras el enfoque debe ser ms cualitativo.
Llama la atencin que uno de los factores que mencionan los directores como perfil ideal es la capacidad de los alumnos para adaptarse al cambio. Sostienen que los ms reacios a la adaptacin son los que tienen ms
446
problemas de rendimiento, mientras que a los ms flexibles se les facilita adaptarse a su carrera, tienen capacidad de autoaprendizaje y buen rendimiento acadmico final.
Pregunta 3. Qu factores les afectan a sus alumnos durante su carrera profesional y que les impactan en forma positiva o negativa en su rendimiento acadmico?
a) La falta de asesoras por parte del profesor, no adquirir una slida base en el rea fsico-matemtica durante el primer tercio de la carrera, falta de disciplina de estudio, todo esto les afecta en forma negativa en su rendimiento. b) El que funcionen sus proyectos tiene un impacto positivo y se requiere de asesora cercana de parte de los profesores. Los problemas personales disminuyen su rendimiento acadmico. c) Factores sociales, familiares, econmicos y culturales. d) La calidad de los profesores, las instalaciones y el equipo son importantes para el buen desempeo de un alumno; mientras ms novedoso sea el equipo y funcione bien, ms motivado estarn los alumnos para sus estudios. e) El ambiente estudiantil, estudiantes tienen mayor rendimiento cuando tienen mayor proceso de socializacin y cuando no hay socializacin su rendimiento es menor. La actualizacin de planes y programas de estudio es un factor de motivacin para el alumno y como consecuencia de mejor rendimiento.
447
Al analizar las respuestas se puede ver que el papel del profesor es considerado muy relevante para un buen desempeo del alumno, pues su asesora, el seguimiento de los proyectos y su calidad de enseanza permiten a los estudiantes tener un mejor rendimiento. Tambin resaltaron las instalaciones y equipo con los que cuenta la universidad, que afectan en forma positiva el aprendizaje.
Otro aspecto que llam mi atencin es el tema de socializacin de un alumno. Mientras ms la practique, ms mejorar su desempeo acadmico, circunstancia que se relaciona con un buen clima en la institucin educativa, lo cual resulta lgico ya que el alumno est satisfecho, motivado para ir a clases e interactuar con sus amigos y compaeros.
Pregunta 4. En este estudio se encontr que el examen Toefl influye positivamente en el rendimiento final de los alumnos. Le parece lgico este resultado? A qu lo atribuye?
a) Por lo general, los alumnos que tienen un elevado nivel de Toefl estudian otro idioma, lo que los motiva a dar ms de s. b) Un alumno con un buen dominio de ingls tendr un mejor desempeo y, como consecuencia, un buen rendimiento. c) El alumno que tiene un nivel competitivo de ingls tiene una mayor autoestima, pero adems atiende conferencias, lecturas o hasta clases en este idioma, lo que le ayuda a tener un mejor rendimiento.
448
d) Alumnos que tienen un buen nivel de ingls provienen de escuelas con un alto nivel acadmico, mientras que las escuelas patito tienen un mal nivel en ingls. e) No parece lgico, ya los idiomas son un complemento pero no determinan el aprovechamiento acadmico. f) El dominio de otro idioma incrementa la autoestima de los estudiantes, habilidad que se puede emplear en cualquier entorno y ante circunstancias adversas.
A la mayora de los directores les parece lgico que el dominio del idioma ingls ayude a los estudiantes universitarios a mejorar su desempeo acadmico, porque tiene que ver con motivacin, seguridad, lectura de documentos, ya que en las clases la mayora de los profesores utiliza libros y herramientas de apoyo en ese idioma. Slo a un director no le pareci lgico que el dominio del idioma le permita a un alumno elevar su rendimiento acadmico, pues piensa que slo es un complemento de su formacin.
449
Pregunta 5. En la investigacin se encontr que el promedio de la preparatoria es el factor que impacta en mayor medida el rendimiento final. Le parece lgico el resultado?
a) S, es lgico porque implica un hbito de estudio, disciplina, autoaprendizaje, logro permanente y, por lo tanto, tienen un alto potencial y mejor rendimiento. b) Es lgico, ya que las calificaciones de un alumno son el resultado de su empeo, dedicacin y constancia en el mbito acadmico. c) No parece lgico ya que el promedio de preparatoria est influenciado por una seria de factores emocionales propios de la adolescencia y no necesariamente refleja el rendimiento del estudiante de profesional. La PAA es cientfica y mide las capacidades que tiene el estudiante para ser exitoso en la carrera elegida. d) No considero que el promedio de preparatoria sea el factor de mayor impacto ya que he tenido casos de alumnos que no obtuvieron un promedio satisfactorio en preparatoria y han sido excelentes en profesional. La PAA es el mejor indicador del potencial acadmico de un estudiante, ya que los resultados han sido congruentes con el posterior desempeo del alumno durante su carrera universitaria. e) El promedio de preparatoria est ligado con la dedicacin al estudio. La prueba de aptitud acadmica est relacionada con la capacidad de razonamiento verbal y matemtica.
450
Las respuestas estn divididas. Para algunos de los encuestados es lgico que un buen desempeo en la preparatoria implique un buen rendimiento en la carrera universitaria, porque el resultado se relaciona con hbitos de estudio, disciplina, logros, etctera.
Por otra parte, otros no estn de acuerdo porque consideran que la prueba de aptitud acadmica tiene mayor efecto por ser una prueba cientfica y predice mejor el RA. Afirmaron que tienen casos de alumnos que han tenido un mal desempeo en la preparatoria, pero han sido excelentes en su carrera, lo cual atribuyen a una motivacin y pasin por su carrera profesional.
Luego, se les present
a los directores el Modelo Estructural General del
Rendimiento Acadmico, el modelo de su rea y el de su carrera.
Pregunta 6. Despus de ver los resultados de los factores que afectan el rendimiento acadmico de sus alumnos y de ver el modelo de rendimiento de su carrera/divisin, cul es su opinin?
a) La directora asociada de la Divisin de Humanidades respondi: Me sorprendi que el promedio de preparatoria con el que vienen los alumnos es un factor importante, ya que significa compromiso, responsabilidad, buenos hbitos de estudio y buen nivel acadmico, y que en el futuro van a afectar el rendimiento acadmico del alumno en la universidad. Otro factor que me llam la atencin es la beca, que es un reconocimiento a un alumno que tiene compromiso consigo mismo y
451
aprecia tener el beneficio de una beca en una universidad como es el TEC, es un factor motivacional. Otro factor que llam mi atencin es la incidencia del idioma ingls en el rendimiento, ya que los profesores tienen materiales en ingls y les repercute en sus resultados.
Tenemos que cuidar estos factores del modelo, debemos tenerlos en cuenta para tomar acciones y contribuir a la mejora continua de la universidad. Es muy importante que haya un seguimiento de los directivos y profesores, acompaar al alumno para que venga motivado.
Sera relevante reforzar el sistema de tutoreo por parte de directivos y profesores. Me gustara ver una mejor capacitacin en los profesores para que conozcan mejor cmo ejercer ese tutoreo para que los alumnos tengan ms confianza y sientan ese apoyo durante su carrera.
Tambin debemos elevar el nivel de ingls a travs de diferentes cursos, utilizando ms el laboratorio de lenguas y motivar a los alumnos a irse de intercambio y practicar otra lengua; tambin, ofrecer ms materias en ingls en el campus.
Finalmente, creo que es muy importante revisar el modelo de admisin de los alumnos que vengan de preparatorias externas, combinando el promedio de la preparatoria con la prueba de aptitud acadmica, y pienso que hay que hacer una entrevista al alumno para ver si es apto para la carrera y para la universidad.
452
b) Por su parte, la directora de la carrera de Administracin de Empresas, al ver los resultados de estos factores coment:
Tiene
sentido
la
parte
del
promedio
de
preparatoria,
pues,
evidentemente la base de una buena prepa permite tener un buen desempeo universitario.
La cuestin de la beca afecta positivamente para tener buenos resultados en el promedio final; esto implica no tener materias reprobadas y que los alumnos se preocupen ms por su rendimiento.
Me parece interesante el modelo ya que explica los resultados positivos y negativos que el alumno debe cuidar durante su carrera profesional y que los directores de carrera debemos tomar en cuenta para ayudarlos. Me parece relevante ir monitoreando el promedio de los alumnos en el primer tercio de la carrera y cuidar a los que tengan bajo promedio; creo que un foco es el promedio, el Toefl y vigilar a los alumnos que tengan beca.
c) La directora de la carrera de Psicologa Organizacional coment: Creo que el promedio de preparatoria se relaciona con su rendimiento; me llama la atencin que el Toefl tenga impacto en el rendimiento. En cuanto a la beca, creo que incide en el rendimiento ya que los alumnos estn motivados a tener un mayor rendimiento para conservarla.
453
De acuerdo al modelo le voy a recomendar a mis alumnos que durante los primeros semestres asistan a talleres de hbitos de estudio, porque a pesar del buen promedio no traen buenos hbitos. Directores y profesores debemos darle seguimiento al alumno desde los primeros tres semestres, ya que no est tan inmerso en el ambiente profesional y tenemos que ayudarles para que mantengan un buen rendimiento acadmico.
d) El director de Comunicacin, contest: Me parece lgico que influyan las materias reprobadas, los semestres de ms, la beca y el promedio de prepa en el rendimiento final de los estudiantes. En cuanto a la diferencia con el modelo de la Escuela de Humanidades, el resultado del Toefl parece que no afecta en mi carrera, pero otra diferencia es que los semestres de ms si les afectan.
Los estudiantes que tienen beca tienden a tener un mejor rendimiento durante la carrera porque obviamente le tienen que echar ms ganas y tienen que ser ms dedicados. De acuerdo con el modelo presentado, yo creo que es importante ponerle mucha atencin al primer tercio de la carrera. Mi mayor preocupacin es matemticas y estadstica que les cuesta trabajo, entonces me parece muy lgico el resultado del modelo.
454
Creo que es importante tener ms cuidado con las materias del primer tercio de la carrera. Hemos trabajado con el Departamento de Matemticas para escoger un perfil de profesor para los alumnos de Comunicacin y Humanidades, pues esto ayudara mucho, en primer lugar, a disminuir la desercin, que es muy importante, y en segundo lugar, de acuerdo con tu modelo final, se relaciona de forma significativa con los semestres de ms.
e) La directora de la carrera de Administracin Financiera se explay: Me suena muy lgico las variables que ests comentando del modelo, porque conforme a mi experiencia he visto que los alumnos que traen un buen promedio de preparatoria siguen con la misma constancia en cuanto al trabajo. Considero que el rendimiento acadmico de un alumno va ligado a sus habilidades, sus hbitos de estudio y de trabajo, entonces me suena muy lgico el modelo que me presentaste.
Al mismo tiempo, el efecto de la variable Toefl de inicio sobre el rendimiento final tambin lo siento muy adecuado, ya que mucho de los temas vienen en ingls y aunque las materias no se den este idioma, el material que se usa a veces es en ingls, ya sea casos, libros o ejercicios.
455
Estoy proponiendo al Departamento de Contabilidad y Finanzas que algunas materias de Contabilidad se vayan dando en ingls para apoyar el proceso de desarrollo de los estudiantes y cuando deben efrentar materias ms avanzadas, los alumnos ya no tengan problemas con los tecnicismos en ingls.
Estoy insistiendo mucho a los alumnos en que ciertas materias necesitan un poco ms de cuidado, como Matemticas, Economa y Contabilidad, en las cuales necesitan un trabajo constante para tener un buen desarrollo y xito a final del semestre.
456
10.3 Conclusiones de los estudios complementarios Como resultado de los modelos que se presentaron a los directores, se destaca que les ha sorprendido la relacin del Toefl y del promedio de la preparatoria con el rendimiento acadmico. Las relaciones que les parecieron ms lgicas con el rendimiento fueron las variables beca y materias reprobadas.
Cada uno de los directores plante diferentes propuestas de acuerdo a los resultados del modelo para su carrera o rea. La mayora coincide en que deben poner mayor atencin al seguimiento de los estudiantes en el primer tercio de la carrera, as como desarrollar estrategias para darle seguimiento personalizado al alumno y contribuir a su xito escolar. Las principales propuestas fueron: a) Reforzar el programa de tutoreo en el primer tercio de la carrera para mejorar el rendimiento de los estudiantes.
b) Capacitar a los directores y profesores en un programa de coaching y tutoreo para que puedan dar un seguimiento adecuado a los alumnos, que contribuyan a su RA y en la disminucin de la desercin.
c) Reforzar la enseanza del ingls a travs de incrementar el nmero de materias, materiales y libros que se imparten o estn impresos en ese idioma. Asegurar que todos los alumnos cursen de forma regular los cursos remediales de ingls y de lengua extranjera antes de la mitad de
457
la carrera universitaria. Introducir cursos de especialidad de las carreras, por ejemplo, ingls enfocado en Negocios que incluya trminos tcnicos.
d) Trabajar con el Departamento de Matemticas para escoger un perfil de profesor para los alumnos de Comunicacin y Humanidades, ya que en las materias lgico-matemticas los estudiantes de los primeros semestres tienen problemas.
e) Recomendar a los estudiantes que asistan a cursos de hbitos de estudio, a los talleres de matemticas y actividades extraacadmicas para liberar el estrs e incrementar su calidad de vida.
f) Identificar en los primeros semestres a los alumnos que tengan bajo rendimiento y ofrecerles un programa de apoyo vinculado a sus necesidades acadmicas.
458
CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS
CAPTULO 11. CONCLUSIONES Y DISCUSIN DE RESULTADOS Este apartado tiene la finalidad de presentar un resumen significativo y crtico de los resultados que arroj esta investigacin, que estructura los dos estudios realizados terico y emprico, enfocados en la consecucin de los objetivos que se plantearon al inicio.
Como resultado de los anlisis se presenta la interpretacin de los resultados que se encontraron en el estudio emprico. Se analizarn los resultados de estudios previos y se realizarn recomendaciones pedaggicas.
Se presentarn las principales conclusiones de la investigacin, resaltando las aportaciones ms relevantes en el campo de la investigacin educativa; por ltimo, se realizarn algunas sugerencias que podran enriquecer este estudio. 11.1 Sntesis e interpretacin de los principales resultados
Al inicio de este estudio se mencion que el objetivo general era estudiar el rendimiento acadmico de estudiantes universitarios, as como proponer y validar empricamente distintos modelos que permitan predecir su rendimiento mediante la identificacin de los factores del perfil del alumno que lo afectan positivamente.
Con este propsito se ha realizado una investigacin que incorpora una perspectiva tanto terica como emprica al anlisis del problema, a partir de datos ya existentes.
459
Adems, se ha pretendido, por una parte, hacer una extensa revisin bibliogrfica del rendimiento acadmico, a travs de la cual se ha definido y delimitado el concepto del rendimiento acadmico, dado que ha sido la variable criterio de este estudio.
Identificar los factores que influyen en el rendimiento acadmico no ha sido tarea fcil, aunque ya existen muchas investigaciones que han aportado teoras y modelos que lo explican (Pelechano, 1972; Centra y Poter,1980; Biniaminov & Glasman,1981; Page,1990; Fullana,1996; Rani y Kaplan,1997;Vargas, 2000;Villegas,2001). Su complejidad hace que este tema mantenga vivo el inters de los estudiosos y que surjan nuevas lneas de investigacin que aportan modelos de rendimiento que contribuyen a mejorar los perfiles de admisin de los alumnos, realizar intervenciones psicopedaggicas y perfeccionar la educacin universitaria, de acuerdo al contexto y caractersticas de cada pas.
Desde el punto de vista terico, la aportacin de esta tesis es la revisin de modelos tradicionales y estructurales incluidos en los captulos 3, 4 y 5, que influyen en el rendimiento acadmico en forma positiva y que con base en ellos se contrasta y se fundamenta la presente investigacin. Son pocos los estudios que sobre rendimiento acadmico existen en Mxico. Sin embargo, se hizo una bsqueda exhaustiva y se incluyeron los realizados por Vargas (2001), Villegas (2001); Hernndez, Vadillo y Rivera (2008), entre otros.
460
Tambin se analiza la medida del rendimiento acadmico y las escalas para medirlo que se usan en los principales sistemas educativos de Europa, Asia, Estados Unidos y Mxico. En este apartado se incluye la medida del rendimiento acadmico del Tecnolgico de Monterrey con la finalidad de explicar la forma en que se mide el desempeo de sus estudiantes.
El modelo, que se ha contrastado empricamente, est limitado por la informacin disponible en los ficheros de Servicios Escolares del Tecnolgico de Monterrey, que ha sido recogida en formularios, cuestionarios y otros documentos que se les solicita a los alumnos y padres de familia al ingresar a sus estudios universitarios.
Se plante el estudio, se definieron cinco objetivos especficos, cuatro hiptesis que guiaron esta investigacin, la metodologa y el plan de anlisis. La muestra que sirvi como base fue recogida de dos cohortes de la generacin que concluy su carrera profesional en el ao 2007, conformada por 1,129 estudiantes de 18 carreras profesionales.
Los anlisis que se realizaron como parte del estudio emprico permitieron ver el comportamiento de las variables en trminos descriptivos, correlacionales, diferenciales y factoriales, los cuales mostraron en forma consistente qu factores determinaron el rendimiento acadmico de los alumnos al final de su carrera universitaria, y qu variables no tienen relacin con l.
461
De los resultados que arrojaron los diferentes grficos estadsticos realizados por cada variable y en forma conjunta evidencian que los factores que influyeron en el rendimiento acadmico en orden de importancia fueron: promedio al 5to. y 3er. semestres, materias reprobadas al ltimo semestre, quinto y tercero, promedio de la preparatoria, semestres de ms, edad del alumno, beca, Toefl inicial y final y prueba de aptitud acadmica.
Las variables no significativas son: sexo, nivel socioeconmico, edad de la madre, edad del padre, tipo de preparatoria, estudios de la madre y estudios del padre. Es importante resaltar que hubo algunos hallazgos relacionados con estas variables: Se observ en forma consistente que las mujeres tienen un mejor rendimiento acadmico que los hombres. En estudios posteriores podra establecerse como hiptesis que las mujeres son ms dedicadas en sus estudios. A mayores posibilidades econmicas de los padres, ligera disminucin del rendimiento final de sus hijos, lo que puede deberse a que los alumnos sienten que ya tienen resuelta su situacin econmica y que estudiar no es lo fundamental. En cuanto a los estudios de los padres se comprob que, cada vez ms, las madres se preparan y estudian carreras profesionales, maestras y doctorados. Los hijos de padres que estudian para profesores son los que tienen promedios ms altos, tal vez debido a que conocen aspectos didcticos y pueden guiar mejor a sus hijos.
462
Aunque el tipo de preparatoria no fue una variable significativa, permiti identificar a los estudiantes que provienen de preparatorias externas y analizar esta poblacin con base en otras variables (PAA verbal y matemtica, exmenes iniciales de espaol y matemticas) y as poder llegar a un modelo explicativo del rendimiento acadmico que se incluye en los estudios complementarios
Como parte de los estudios fundamentales, los anlisis de regresin mltiple por carrera nos muestran las variables que se consideraron en cada modelo: materias reprobadas al 3er. semestre y el promedio de la preparatoria en 12 carreras, beca alumno en 7, semestres cursados de ms en 6, Toefl final en 5 y 4 en Toefl inicial; edad del alumno aparece en 4 carreras.
Con relacin al nmero de variables por carrera que fueron incorporadas al modelo, se encuentra en primer lugar Administracin Financiera con 6 variables; Mercadotecnia y Administracin de Empresas con 5. Las carreras que integraron 4 variables son: Sistemas de Cmputo, Electrnica y Comunicaciones, Mecnico Electricista y Ciencias de la Comunicacin. Las carreras con mayor poder predictivo son Electrnica y Comunicaciones con 83%, Sistemas Electrnicos con 79%, ambas por arriba del modelo general (59.6%). Las carreras que presentaron el menor poder predictivo fueron Economa, con 23%, y Arquitectura, con 39%.
463
De los resultados obtenidos por reas acadmicas debido al nmero de variables incorporadas al modelo, en primer lugar est Negocios con 6 variables, seguida por Ingeniera con 5 y Humanidades con 4. En las tres reas se presentaron las variables materias reprobadas al ltimo semestre, promedio de preparatoria y beca alumno. Con respecto a la R2 ajustada, el rea de Ingeniera presenta el mayor poder predictivo con 66.5%, le sigue Negocios, con 57.6%, y Humanidades, con 51.2%.
Con base en los anlisis anteriores podemos afirmar que los factores del modelo general que determinan el rendimiento acadmico de los alumnos de las carreras profesionales son diferentes a los que afectan a cada carrera en particular, pero en diverso grado. Por lo tanto, podemos afirmar que existen factores diferenciales del rendimiento acadmico en cada una de las carreras profesionales, y que se debe aplicar un modelo distinto a cada carrera y rea.
Respecto de los estudios causales, uno de los objetivos de nuestra investigacin fue someter a prueba el modelo de rendimiento acadmico que aqu proponemos. Partimos de un modelo causal que recoge las relaciones entre las variables que influyen en el rendimiento de los estudiantes universitarios. Se realiz el anlisis del ajuste del modelo, mediante una muestra de 1,129 estudiantes universitarios del Tecnolgico de Monterrey, Campus Ciudad de Mxico, y se verific su consistencia mediante anlisis de covarianza (AMOS).
464
Las 24 variables iniciales de esta investigacin a lo largo de los diferentes anlisis exploratorios y confirmatorios quedaron reducidas a 10 variables observadas con 28 relaciones contrastadas. En los primeros modelos se redujeron las relaciones entre variables y posteriormente se eliminaron aquellas que no eran significativas. Se validaron empricamente distintos modelos estructurales a travs del Path Anlisis, a fin de poder predecir el rendimiento de los estudiantes universitarios. Luego, con base en los anlisis de 7 modelos, se obtuvo un modelo general estadsticamente superior, segn nuestro juicio.
El modelo general RA7 definitivo que se ajust muy bien a los datos se representa en la figura 11-1. Es un modelo valioso y apropiado porque, por una parte, los valores de los indicadores de ajuste (X2, GFI, RMSEA) cumplen en forma excelente los lmites exigidos y, por la otra, la correlacin mltiple al cuadrado de la variable criterio utilizada es alta (.732). En la ltima reduccin el modelo final que logra un mejor ndice de ajuste estadstico qued con 6 variables observadas: 1exgena (promedio de la preparatoria) y 5 endgenas (beca, Toefl inicial, materias reprobadas al ltimo semestre, semestres de ms y rendimiento final).
465
Figura 11- 1 Modelo Causal General Final
e2
-.32
.18
MAT_REPULTS PROMPREP
.37 .24 .14 .13 -.12 -.13 -.65
e3
.73
BECA
.10
RTTO_ULTS
e1
.67 .17 .03 .07 .45
SEMDEMAS TOEFLFIN e5
-.05
e4
La variable que ejerce el mayor efecto directo sobre el rendimiento acadmico final es materias reprobadas con coeficiente de -0.65, lo que implica que la asociacin entre ambas variables es la gran responsable de la varianza explicada. Parece muy lgico que el factor materias reprobadas es el que ms influye en el rendimiento acadmico final; sin embargo, es importante mencionar que esta variable se relaciona con diversos factores como la actitud del alumno hacia el estudio y la materia, su motivacin por la carrera, la adaptacin al sistema educativo, la adecuacin al mtodo de trabajo del profesor, entre otras.
Lo anterior nos lleva a sealar como limitante de este trabajo la exclusin de dos tipos de macrovariables que seran fundamentales para dar una explicacin cabal de este hallazgo.
466
En segundo trmino aparece el promedio de la preparatoria que ejerce un efecto directo sobre el rendimiento final con un coeficiente de 0.24, sobre las materias reprobadas, beca y Toefl final. No se trata de concluir que si el alumno que no obtuvo un buen rendimiento en la preparatoria tampoco lo obtendr en su carrera profesional; se trata de identificar intereses, que los estudiantes conozcan sus propios intereses y motivaciones y que les permitamos probar habilidades que no saban que tenan.
El efecto de la pertenencia a la preparatoria TEC no se present de la manera ms directa, como cabra esperar. Esto es, que los estudiantes provenientes de la preparatoria TEC tuvieran promedios ms altos que los que procedan de otras instituciones. Sin embargo, el modelo seleccion diferentes variables cuando se haca para un grupo o para el otro. Adems, existe clara evidencia de que la cantidad de materias reprobadas difiere entre ambos grupos, y que es significativamente menor entre los estudiantes de la preparatoria del TEC.
Beca es la tercera variable que ejerce un efecto directo sobre el rendimiento final con un coeficiente de 0.13, sobre las materias reprobadas y semestres de ms; lo que se explica por dos razones: la primera es que se otorga a los alumnos que tienen un promedio mayor a 90; la segunda es que la necesidad econmica influye para definir el porcentaje de apoyo. A los alumnos a los que se les otorga una beca se les exige mantener un buen rendimiento en la universidad (promedio por arriba de 85).
467
Por lo anterior, no se puede afirmar que el buen rendimiento acadmico sea a causa de la beca, porque es bajo el porcentaje de alumnos que la obtiene. Los resultados de los anlisis nos indican que la variable beca se relaciona con un alto rendimiento acadmico. Los alumnos que cuentan con ella tienen una motivacin para finalizar una carrera profesional porque es una forma de crecer, tanto econmica como profesionalmente, a mediano y largo plazos. Podemos considerar la beca como un elemento preventivo del mal rendimiento acadmico, pues los que la tengan tendern a no reprobar materias para conservarla.
Aunque semestres de ms no incide directamente sobre el rendimiento acadmico final, recibe el efecto directo de materias reprobadas y, en menor medida, de beca y Toefl. Los alumnos que cursaron ms de 10 semestres en su carrera profesional, puede ser debido a diversas circunstancias: la ms comn es que reprueban materias, otra es la dificultad econmica de los padres, por tanto, los alumnos cursan menos materias; y un aspecto importante que afecta al estudiante son los cambios de carrera.
El hecho de que un estudiante permanezca ms semestres en su carrera puede ser un indicador muy claro de que perdi el inters en ella. Conforme avanza y las materias se especializan, el estudiante puede descubrir que est en una carrera que no le gusta. Por ello, se recomienda introducir materias ms especializadas en fases ms tempranas para que los estudiantes tengan contacto con su rea profesional.
468
Por su parte la variable Toefl final ejerce un efecto directo sobre el rendimiento final con un coeficiente de 0.10, sobre las materias reprobadas y semestres de ms. Dominar el idioma ingls influye en forma positiva, pero en menor medida, en el RA. En el Tecnolgico de Monterrey se exige saber leer en ingls y aprobar algunos cursos en este idioma. As mismo los muchos de los materiales y referencias de los profesores estn en el idioma ingls, por lo que los estudiantes estn en constante interaccin con este idioma, lo que confirma que el Toefl contribuye al rendimiento final del alumno.
Aunque en el modelo general edad del alumno no tuvo un efecto directo en el rendimiento acadmico final, s lo tuvo en el modelo final de la carrera de Mercadotecnia. Es decir, los alumnos ms jvenes (20-21 aos) obtienen mejores calificaciones que los que ingresan ms grandes (de 22 aos o ms), resultado que coincide con la investigacin de Thurstone (1938), que descubri que los estudiantes ms jvenes obtenan ms altas puntuaciones en los test de inteligencia.
Tambin se determin que la variable sexo es un factor que afecta el rendimiento acadmico final, pues un mejor desempeo se asocia con las mujeres. Sin embargo, no existen evidencias tericas que indiquen que ser hombre o mujer sea un factor que incida sobre el rendimiento acadmico. Sin embargo, la diferencia podra radicar en la dedicacin que las mujeres manifiestan. Si ellas consagran mayor tiempo al estudio y cumplen con el mtodo de aprendizaje sugerido por el profesor, indudablemente tendrn mejores resultados.
469
Asimismo, se comprob que estudios de los padres no es un factor que incida sobre el rendimiento acadmico final; la diferencia entre el rendimiento acadmico de los hijos de padres con estudios bsicos y los de padres que estudiaron una carrera profesional es muy escasa. Este hallazgo es contrario al de autores como Prez Serrano (1978), Molina Garca y Pascual (1984), Martn Rodrguez (1985), que afirman que los estudios de los padres y su nivel ocupacional inciden en los resultados escolares.
Por otra parte, se encontr que los hijos de padres que tienen estudios en la Escuela Normal Superior presentan un mejor rendimiento acadmico, hecho que puede atribuirse a que los padres que laboran como profesores entienden mejor la labor docente, lo cual les permite motivar a sus hijos e impulsarlos a tener mayor confianza en s mismos. De acuerdo con Pelechado (1977) y Prez Serrano (1978) existe una relacin entre motivacin y hbitos de los alumnos, los estudios del padre y el rendimiento acadmico.
470
Tabla 11-1 Cuadro comparativo de modelos causales por reas y por carreras
VARIABLES CARRERA MERCADOTECNIA FINANZAS Y CONTABILIDAD INGENIERA INDUSTRIAL C. COMUNICACIN Y MEDIOS REAS HUMANIDADES INGENIERA NEGOCIOS MODELO GENERAL FINAL
PROMEDIO PREPA BECA TOEFL INICIO MAT. REPROB. 3ER. SEM EDAD SEMESTRES DE MS
0.35 0.33 0.39 0.22
0.16 0.17 0.14 0.31
0.16 0.20 0.18 NA Toefl fin (-.29) Toefl fin (.10) Toefl fin (.10) Toefl fin (.10)
-0.35 -0.47 -0.38 -0.27 Materias Reprob. ltimo Sem ( -.70) Materias Reprob. ltimo Sem ( -.65) Materias Reprob. ltimo Sem ( -.65) Materias Reprob. ltimo Sem ( -.65)
-0.15 NA NA NA
NA Indirecta (.51) NA -0.35 Indirecta (.69) Indirecta (.68) Indirecta (.66) Indirecta (.67)
0.25 0.24 0.24 0.24
0.16 0.13 0.13 0.13
NA NA NA NA
Hiptesis 3 Existe un modelo explicativo diferenciado del rendimiento acadmico para toda la generacin y para las reas acadmicas a las que pertenecen las 18 carreras profesionales.
471
Los resultados de la tabla 11-1 nos permiten responder que existen semejanzas entre el modelo general y los modelos por reas acadmicas. Por tanto no existe un modelo explicativo diferenciado del rendimiento acadmico para toda la generacin y por reas acadmicas. Al analizar los modelos se puede concluir lo siguiente: Las variables observadas que se ajustaron mejor en los tres modelos de las reas acadmicas fueron las mismas que en el modelo general (promedio de preparatoria, beca, Toefl final, materias reprobadas al ltimo semestre y semestres de ms).
Los modelos de las reas de Ingeniera y Negocios coinciden con el modelo general casi en la mayora de los valores de los coeficientes, excepto en la variable semestres de ms.
El modelo del rea de humanidades tiene las mismas variables que el modelo general, pero difiere en el valor de los coeficientes.
Hiptesis 4 Existe un modelo explicativo diferenciado del rendimiento acadmico para las principales carreras profesionales. (mayor a 100 alumnos)
Los resultados de la tabla 11-1 nos permiten responder que existe un modelo explicativo diferenciado del rendimiento acadmico para las principales carreras profesionales. Al analizar los modelos se puede concluir lo siguiente:
472
Los modelos de las carreras de Mercadotecnia, Finanzas y Contabilidad, Ingeniera Industrial y Ciencias de la Comunicacin y Medios consideran distintas variables y coeficientes en comparacin que el modelo general y el modelo por reas acadmicas.
Los modelos de las carreras coinciden slo con las variables promedio de la preparatoria, beca y materias reprobadas al 3er. semestre; las dems variables son distintas, al igual que los valores.
11.2 Conclusiones finales
Adems de presentar los modelos explicativos del rendimiento acadmico universitario, este trabajo contiene otras aportaciones, como la intencin didctica en el uso del modelo AMOS para realizar anlisis de trayectorias o anlisis de covarianza. Asimismo, se presentan los criterios para conformar un modelo de ecuaciones estructurales, el proceso para reducir las variables y la interpretacin de los resultados.
Como parte de este trabajo se ha elaborado un modelo que no es ni debe ser el nico posible, y que en futuros estudios se podra considerar como punto de partida.
Adems de haber realizado el anlisis de regresin mltiple para cada carrera profesional, se llev a cabo el anlisis de covarianza para las cuatro carreras con una poblacin mayor a 90 alumnos, y se encontr que la variable con
473
mayor influencia positiva fue materias reprobadas al 3er. semestre. Con esta conclusin coincide Gonzlez (1989), quien afirma que el rendimiento de los dos primeros semestres es un buen predictor del desempeo posterior. A continuacin se presenta el resumen de los modelos por carreras profesionales.
Por lo tanto, podemos afirmar que los factores que afectan el rendimiento acadmico de los alumnos en las carreras profesionales son diferentes y en diverso grado, por lo que existe un modelo distinto para cada una de ellas.
En el marco conjunto de relaciones sistmicas entre las variables recogidas en el modelo RA7 que mejor ajusta a los datos, se especifica el coeficiente beta estandarizado (*) y se constata que:
Existe un efecto significativo de promedio de la preparatoria sobre beca
* (.37)
Existe un efecto significativo de promedio de la preparatoria sobre Toefl final (.17) Existe un efecto significativo de promedio de la preparatoria sobre materias reprobadas al ltimo semestre (-.32) Existe un efecto significativo de promedio de la preparatoria sobre rendimiento final (.24) Existe un efecto significativo de beca sobre materias reprobadas (-.12) Existe un efecto significativo de beca sobre semestres de ms (.07)
474
Existe un efecto significativo de beca sobre el rendimiento final (.13) Existe un efecto significativo de Toefl final sobre semestres de ms (-.05) Existe un efecto significativo de Toefl final sobre rendimiento final (.10) Existe un efecto significativo de Toefl final sobre materias reprobadas totales (-.13) Existe un efecto significativo de materias reprobadas sobre semestres de ms (.67) Existe un efecto significativo de materias reprobadas sobre rendimiento final (-.65).
475
11.3 Recomendaciones y valoraciones pedaggicas Con el propsito de orientar a los directores de carrera del TEC y a otros directivos de escuelas privadas sobre algunas propuestas para mejorar el desempeo de los estudiantes durante su carrera universitaria, presentamos las recomendaciones siguientes:
1. Dado que el promedio de la preparatoria tiene un efecto mayor en el rendimiento acadmico que el resultado de la prueba de aptitud acadmica, parece razonable recomendar que se redefina el sistema de admisin de alumnos externos.
2. Dado el resultado del modelo causal de preparatorias externas, parece recomendable dar seguimiento al rendimiento acadmico de los alumnos por escuelas de procedencia y considerar el pase automtico a las escuelas de excelencia, considerando un promedio de 8.5 en adelante, e incorporar en forma obligatoria una entrevista de entrada a la universidad para todos los estudiantes y sistematizarla.
3. Dado que los estudiantes de las carreras de Negocios de preparatorias externas obtienen bajas puntuaciones en la prueba de aptitudes verbales y matemticas, parece recomendable reforzar las materias relacionadas con estas tres reas, as como fortalecer los planes de estudio con actividades y materias que contribuyan a desarrollar estas habilidades. Un buen soporte para ellas puede traer como consecuencia la disminucin del nmero de materias
476
reprobadas y por ende menor desercin durante los primeros semestres de la carrera profesional.
4. Con el objeto de disminuir el abandono de los estudios en los primeros semestres de su carrera universitaria, parece razonable recomendar poner en marcha un Plan de tutoreo para todos los alumnos de primer ao donde participen los profesores, as como una entrevista del director de carrera para dar seguimiento a cada alumno durante sus primeros aos en la institucin. Los resultados que se logren debern quedar documentados en una bitcora. El mejor acompaamiento de los estudiantes en su primera etapa universitaria les permitir adaptarse mejor a sus nuevas obligaciones.
Tambin se debe capacitar a los directores y profesores en programas de coaching y tutoreo para que puedan dar seguimiento especializado a los alumnos, para as contribuir a mejorar su rendimiento acadmico y reducir la desercin. Cabe mencionar que, actualmente, en el Tecnolgico de Monterrey existe un programa llamado Plan de Ayuda Acadmica para los estudiantes que en sus dos primeros semestres estn en peligro de reprobar 3 materias o ms o tienen un promedio menor a 75.
5. Dado que 10% los alumnos que obtienen una beca la pierden durante sus primeros semestres, es conveniente supervisar su rendimiento en forma oportuna, para tomar acciones y ofrecerles asesoras.
477
6. Dado que el Toefl final se relaciona con el rendimiento acadmico final, es necesario reforzar el manejo del idioma ingls, incrementar el nmero de asignaturas que se imparten en ingls, utilizar materiales y libros en ese idioma e introducir cursos de especialidad para que los alumnos dominen los trminos tcnicos. Asegurarse que todos los alumnos asistan de forma regular los cursos de ingls y de lengua extranjera a la mitad de la carrera universitaria.
7. Es recomendable que los estudiantes concurran a talleres psicopedaggicos en el primer ao de su carrera universitaria, segn las necesidades detectadas. Pueden ser desde talleres de habilidades del pensamiento, hbitos de estudios, de organizacin de actividades, matemticas y lectura, entre otros.
478
11.4 Limitaciones del estudio
A medida que se avanzaba en el estudio se encontraron dificultades de diferente ndole para realizar los distintos anlisis. Con la finalidad de que los investigadores a los cuales les interese incursionar en el mbito del rendimiento acadmico tomen las precauciones que correspondan, se enumeran algunas de ellas:
1.
No es fcil conseguir los datos que se requieren para realizar el estudio, ni contar con las facilidades institucionales para tenerlos en tiempo y forma; en muchas ocasiones no estn registrados en forma electrnica y se encuentran en reas diferentes.
2.
Las muestras pequeas no permiten realizar todos los estudios necesarios. Por ello, desde el inicio se integraron carreras con un perfil parecido. En cuanto a los anlisis causales, slo se pudieron hacer en 5 carreras universitarias.
3.
La generalizacin de los hallazgos de este estudio es limitada debido a que su poblacin est conformada por alumnos de una escuela particular con caractersticas muy similares. Sera interesante aplicar algunos de estos estudios a universidades privadas de otros estados, de otros pases.
479
4.
El modelo contrastado empricamente est limitado por las variables disponibles en las bases de datos de sistema Banner del Tecnolgico de Monterrey. Aunque cuenta con diversas variables, stas no fueron diseadas en forma especfica para este estudios de anlisis de covarianza; sin embargo, se aprovecharon los datos existentes. Hubiera sido relevante considerar otras variables de corte psicopedaggico.
5.
Reconozco plenamente que trato de explicar el rendimiento acadmico a travs del mismo rendimiento en el pasado o de indicadores indirectos del rendimiento.
480
11.5 Lneas de investigaciones futuras
Esta parte del estudio se refiere a aspectos prospectivos y lneas de investigacin futuras abiertas por nuestro trabajo.
1. Es recomendable que estos anlisis se puedan extrapolar a otras universidades privadas de Mxico a efectos de lograr un esquema ms amplio del rendimiento acadmico. Tambin se podran explorar otros pases y otros contextos, como las universidades pblicas, y realizar comparaciones entre diferentes generaciones. Estas acciones permitirn efectuar ms investigaciones sobre el rendimiento acadmico que aporten modelos que contribuyan a entender mejor este tema.
2.
Un reto interesante sera desarrollar modelos ms complejos a partir de considerar otro tipo de variables, a saber: a) Las relacionadas con el proceso de enseanza-aprendizaje, es decir, saber qu sucede con el alumno dentro del saln de clase y el efecto que tiene el profesor en su rendimiento acadmico. b) Las vinculadas con las caractersticas de la institucin educativa, es decir, su eficacia o calidad acadmica y administrativa. c) Tests de inteligencia, hbitos de estudio, competencias y habilidades, entre otras. En el futuro, estos instrumentos permitirn considerar otras variables en investigaciones similares a la presente.
481
3.
Sera importante llevar a cabo un estudio sobre el rendimiento acadmico final con otra medida de rendimiento externa a la institucin, como la prueba del examen CENEVAL, que presentan los estudiantes mexicanos cuando finalizan su carrera. A partir del ao 2010 se han incorporado mayor nmero de carreras a esta prueba, por lo cual se podra contar con informacin ms completa sobre la mayora de ellas. En esta investigacin no se pudo considerar esta posibilidad dado que no todas las carreras profesionales presentan el examen CENEVAL.
Por lo anterior, parece razonable considerar que las universidades deben trabajar en concentrar los datos adicionales de los alumnos y robustecer los sistemas de informacin que utilizan, de tal forma que permitan dar seguimiento a los estudiantes con informacin necesaria y relevante para futuras investigaciones.
482
REFRENCIAS BIBLIOGRFICAS
REFERENCIAS BIBLIOGRFICAS ADKINS (1990). Elaboracin de Test. Trillas, p. 18, Mxico. AGUIRRE DE CARCER, I. (1984) Pruebas de Admisin y Pruebas de Admisin, un modelo de admisin compatible con el numerus clausus acadmico, en Aguirre de Carcer I. (ed.) La selectividad a debate, Madrid, Universidad Autnoma de Madrid. ALAN, M.T. (1990). Anlisis de los factores determinantes del fracaso escolar en formacin profesional. Tesis doctoral, Universidad Complutense de Madrid, Madrid. ALTAMIRA, A.A (1997). El anlisis de las trayectorias escolares como herramienta de de la actividad acadmica universitaria: Un modelo ad hoc para la Universidad Autnoma de Chiapas: el caso de la Escuela de Ingeniera Civil. Tesis de Maestra en Educacin, Universidad Autnoma de Chiapas. LVARO, PAGE (1990). Hacia un Modelo Causal del Rendimiento Acadmico. CIDE, Madrid, Espaa. ANDERSON J.C. & GERBING D.W. (1988). Structural equation modeling in practice: A review and recommended two step approach. Psychological Bulletin, 103, 411-423. ANDERSON, C. S. (1982). The search for school climate: A review of research. Review of Educational Research, 52, 368-420. ANDERSON, C. S. (1985). The investigation of school climate, en G. R. Austin y H. Garber (eds.), Research on exemplary schools, cap.6 (97-126). Academic Press, Orlando. ANDERSON, J.R. (1995) Aprendizaje y Memoria. Mxico, Editorial Trillas. ANDONI G. y LVAREZ S. (1996). Antecedentes escolares y avances en la Educacin Superior. Mxico, D.F., ANUIES. ANUIES (2000). La Educacin Superior en el Siglo XXI, Lneas Estratgicas de Desarrollo. Una propuesta de la ANUIES. Mxico. ANUIES (2004). La Educacin Superior en el Nuevo Milenio. Mxico, D.F.
483
ANUIES (2007). Retencin y Desercin en un grupo de Instituciones Mexicanas de Educacin Superior. Mxico. ARIAS, R. (1999). El anlisis multivariante en la investigacin cientfica. Madrid, La Muralla. ASTIN, A. (1993). Assessment for Excellence: The philosophy and practice of assessment and evaluation in higher education. Nueva York, , Oryx. ASTIN, A. W. (1999). Es en verdad buena la tasa de retencin en su institucin?, en Revista de Educacin Superior, vol, XXVII, nm. 111. AVIA, M.D., MARTN, J.(1985). Cambio y continuidad en la Personalidad, en M. Carretero; J. Palacios; A. Marchesi (comp. Carabaa, J.: Origen social, inteligencia y rendimiento acadmico al final de la EGB, en C. Lerena (ed. J.Educacin). BARON J. (1985). Rationality and intelligence. Cambridge University Press, Cambridge. BARRN, C. e ISUNZA, M. (2003). Currculo y formacin profesional, en: Daz Barriga, A. La investigacin curricular en Mxico. La dcada de los noventa. COMIE, Mxico.
BENTLER P. M. & CHOUC C. (1987). Practical issues in structural modeling. Sociological Methods and Research, 16, 78-117. BEREMSON, M. L. y LEVINED D. M. (1989). Estadstica para administracin y economa. Conceptos y aplicaciones. Interamericana, Mxico BEYOND BIAS and BARRIERS (2007). Fulfilling and Potential of Women in Academic Science and Engineering. Committee on Maximizing the Potential of Women in Academic Science and Engineering. Committee on Science, Engineering, and Public Policy. The National Academic Press. Washington, D.C.www.nap.edu. BIGGS, John (2005). Calidad del aprendizaje universitario. Ed. Narcea, Madrid, Espaa. BINET, A. & SIMON, T. (1905). Mthodes nouvelles por le diagnostic du niveau intellectuel des anormaux, en Annee Psychologique, vol. 11, pp. 191244.
484
BINIAMINOV I. y GLASSMAN N. S. (1983). Schools determinants of student achievement in secondary education, en American Education Research Journal, vol. 20, nm. 2, pp. 251-268. BLANCO, NGELES (2006). Componentes Actitudinales de la Formacin Estadstica: Un anlisis causal desde la Teora Cognitiva Social con estudiantes universitarios de psicologa. Tesis doctoral, Madrid, Espaa. BLOOM, B.S. (1971).Taxonoma de los objetivos de la educacin. El Ateneo, Mxico. BOOMSMA, A. (1982).The robustness of LISREL against small sample sizes in factor analysis models, en K. G. Jreskog & H. Wold (eds.), Systems under indirect observation: Causality, structure, prediction (Part I). Amsterdam, North-Holland. BOOMSMA, A. (1983). On the robustness of LISREL against small sample size and no normality. Amsterdam, Sociometric Research Foundation. BORING, E.G. (1960) A History of Experimental Psychology. Nueva York: Appleton Century Crofts. BRIAN F. FRENCH., JASON C. IMMEKUS and WILLIAM OAKES. (2003). A Structural Model of Engineering Students Success and Persistence, en Journal of Engineering Education (2005). BRIAN, F.; FRENCH J. y WILLIAM (2003). A structural model of engineering students success and persistence. Trabajo presentado en la 33er ASEE / IEEE frontiers in Education Conference, noviembre, Boulder, Colorado. CABRERA M. y SNCHEZ W. (2008). Hbitos de Estudio y Rendimiento Acadmico. Universidad de Guanajuato, Mxico. CCERES, S, M. (1966) Problemtica de la seleccin del alumno universitario y la aplicacin del mtodo experimental en los exmenes de ingreso. Univ. Nac. Mayor de San Marcos, Lima. CAMARENA, R. M. (1985): Reflexiones en torno al rendimiento escolar y a la eficiencia terminal, en Revista de la Educacin Superior, enero-marzo, vol.14, nm. 1, pp. 34-63, Mxico CAMPBELL, D. y STANLEY, J. (1973). Diseos Experimentales y Cuasiexperimentales en la Investigacin Social. Amorrortu, Buenos Aires..
485
CAPELLERAS I.; SEGURA, J. (2000). Factores condicionantes de la calidad de la docencia universitaria: Un anlisis emprico. Tesis doctoral, Universidad Autnoma de Barcelona, Espaa. CARABAA J. (1979). Origen social, inteligencia y rendimiento acadmico escolar. MEC, Madrid. CARVALLO, M. (2005). Anlisis de los Resultados Obtenidos en Estudios de Eficacia Escolar en Mxico, Comparados con los de Otros Pases. Revista Electrnica Iberoamericana sobre Calidad, Eficacia y Cambio en Educacin, 3(2), pp. 80-108. CASTEJN, J. L. y PREZ SNCHEZ, A. M. (1998). Un modelo CausalExplicativo sobre la influencia de las variables psicosociales en el rendimiento acadmico, en Revista Bordn. Sociedad Espaola de Pedagoga. Madrid, Espaa. CASTEJN, J.L. y PREZ SMCHEZ, A. M. (1998). Un Modelo Causalexplicativo sobre la influencia de las variables psicosociales en el rendimiento acadmico, en Revista Bordn, 50, 171-185. CASTILLO, R. (1995). Elaboracin de perfiles tipo de los alumnos universitarios como referencia para el proceso orientador en bachillerato COU. Universidad de Cantabria, Madrid. CASTRO, Flix, F. (2008), Seguimiento de Estudiantes que tienen Alto Rendimiento en el CENEVAL en el Nivel Medio Superior de la UNACAR. Ciudad del Carmen, Campeche, Mxico (2003-2006). Tesis doctoral. CELORRIO, R. (1999). Factores de influencia en el rendimiento educativo en Revista de Ciencias de la Educacin, nm. 177, pp. 1-33. CENTRA, J. A. y POTTER, D.A. (1980). School and teacher effects: an interrelational model, en Review of Educational Research, vol. 50, nm. 2, 273 -291. CHENG, Y.C. & TAM, W.M. (2007). School effectiveness and improvement in Asia: Three waves, nine trends and challenges, en T. Townsend (ed.), International handbook of school effectiveness and improvement (pp. 245268). Springer, The Netherlands.
486
CHINEN-LPEZ, M. (2006). Anlisis de los resultados de la prueba nacional de aprovechamiento en lectura en secundaria: estudio multinivel de logro y tendencias. Instituto Nacional para la Evaluacin de la Educacin, Mxico. COLEMAN, J. S. y otros (1966) Equality of educational opportunity. U.S. government printing office, Washington. COLEMAN, J.S. (1961). Social climates in high schools. Washington, DC: U.S. government Printing Office. CONAPO (2007) Consejo Nacional de Poblacin. Proyecciones de la poblacin de Mxico 2005 - 2050 COOK, TD y CAMPBELL, D.T. (1979). Quasi Experimentation, design and analysis issues for field setting. Raud Mc Nally, Chicago. CREEMERS, B.P.M., SCHEERENS, J., & REYNOLDS, D., (2000). Theory development in school effectiveness research, en Teddlie, C., & Reynolds, D. (red), The International Handbook of School Effectiveness Research. Falmer, pp. 283-29, Londres. CROMBACH, L. (1968). Psicologa Educativa. Paids, Mxico, D.F. CRONE, L.J., LANG, M.H., FRANKLIN, B.J. & HALBROOK, A.M. (1994). Composite versus component score: Consistency of school effectiveness classification, en Applied Measurement in Education, 8 (4), pp. 365-377. CUBERO, M. (1988) Validez Predictiva de los Puntajes de Admisin y Confiabilidad de la Prueba de Aptitud Acadmica. Instituto de Investigaciones Psicolgicas. Facultad de Ciencias Sociales. San Jos, Costa Rica. DAZ DE COSO (1999). Evaluacin 1998, Aguascalientes, UAA. DAZ, Barriga F. (1997). El pensamiento del adolescente y el diseo curricular en educacin media superior. Perfiles Educativos, Mxico. DAZ, Mario (2001). Evaluacin del Rendimiento en la Enseanza Superior. Secretara General de Educacin y Formacin Profesional (CIDE), Madrid, Espaa DIEZ Medrano, J. (2002). Mtodos de Anlisis Causal. Argentina.
487
DOUGLAS P. y YATES A. (1976). Evaluacin y Medida del Rendimiento Escolar. Anaya, Madrid, Espaa. ECCLES , J. y WIGFIELD, A. (1995) In the mind of the actor: the structure of adolscentes Achievement tasks values and expectancies-related beliefs, en Personality and Social Psycological Bulletins, nm. 21, pp. 215-225. EDEL NAVARRO, R. (2006). Factores asociados al rendimiento acadmico, Revista Iberoamericana de Educacin (IBSN: 166-5653). ESCUDERO, E. (1981). Selectividad y rendimiento acadmico de los universitarios: condicionantes psicolgicos y educacionales. Universidad de Zaragoza. Aragn. ESPINO, M. (1987). Estudio Psicomtrico de las relaciones entre habilidades intelectuales y rendimiento acadmico. Universidad de la Laguna, Facultad de Filosofa y Ciencias de la Educacin, Canarias. ETXEBERRIA, J. y TEJEDOR, F. (2007). Cuadernos de Estadstica: Regresin Mltiple. 2da. ed., ed. La Muralla, Madrid, Espaa. ETXEBERRIA, J., TEJEDOR, F., GARCA, E., GIL J., RODRGUEZ, G. (2000). Cuadernos de Estadstica: Anlisis Factorial. 1ra. ed., ed. La Muralla, Madrid, Espaa. EZPELETA, J. y WEISS, E. (2000). Cambiar la Escuela Rural. Evaluacin Cualitativa del Programa para Abatir el Rezago Educativo. DIE-CINVESTAV, 325 pp, Mxico,. FEND, H. (1986). Factores determinantes de los rendimientos escolares: Cul es la importancia de los maestros?, en Educacin, nm.33, pp. 49ss. FENNEMA, E. y SHERMAN, J.A. (1976) Fennema-Sherman Mathematics: Attitudes Scales: Instruments designed to measure attitudes toward the learning of mathematics by females and males, en Journal for Research in Mathematics Education, nm.57, pp. 348.364. FERNNDEZ AGUERRE, T. (2004). Distribucin del conocimiento escolar: clases sociales, escuelas y sistema educativo en Amrica Latina. Tesis de doctorado. El Colegio de Mxico, Centro de Estudios Sociolgicos, Mxico, D.F.
488
FERNNDEZ DAZ, Ma. J. y GONZLEZ GALN (1997). Desarrollo y Situacin Actual de los Estudios de Eficacia Escolar, en Revista Electrnica de Investigacin Educativa, vol. 3, nms. 1-3. FERNNDEZ Prez (2005). Evaluacin y cambio educativo: El fracaso escolar. Ediciones Morata, Madrid, Espaa. FERNNDEZ, J. (2002). Evaluacin del Rendimiento, Evaluacin del Aprendizaje. Universidad Nacional de Andaluca, Ediciones Akal, Madrid, Espaa. FERNNDEZ, M. Asensio, I. (1993) Evaluacin del clima de centros educativos, en Revista de Ciencias de la Educacin, nm. 153, pp. 69-83. FERNNDEZ, Ma., lvarez, M. Herrero, E. (2002). Modelos de Calidad. La direccin escolar ante los retos del Siglo XXI, pp. 3. Santillana. FERNNDEZ, T. y BLANCO, E. (2004). Cunto importa la escuela? El caso de Mxico en el contexto de Amrica Latina, en Revista Electrnica Iberoamericana sobre Calidad, Eficacia y Cambio en Educacin, 2(1). FERRN, M. (2001). SPSS para Windows, Anlisis Estadstico. Editorial Mc Graw- Hill Interamericana de Espaa, S.A.U., Mxico. FOURNIER, M. (1984). Algunos indicadores estadsticos del rendimiento acadmico. Instituto de Investigaciones Psicolgicas, Universidad de Costa Rica, CEMIE-OEA-MEP, vol. 22, San Jos. FRANCES K., HASANI C., y AMAURI N. (2002). Path Analysis: An introduction and Analysis of a Decade of Research, en The Journal of Educational Research, pp. 5-12. FUENTE, J. ARCHILLA, M.I. y JUSTICIA, F. (1998). Factores condicionantes de las estrategias de aprendizaje y del rendimiento acadmico en alumnos universitarios a travs de las escalas ACRA, en Revista de Educacin de la Universidad de Granada, nm. 11, pp. 193-209. FULLANA N., J. (1996 B). La prevencin del fracaso escolar: un modelo para analizar las variables que influyen en el riesgo del fracaso escolar. Bordn, vol. 48, nm.2, pp. 151-ss. GALN, M.I. y MARN, D.E. (1995). Marco terico para el estudio del rendimiento escolar. CISE, Mxico.
489
GARBANZO VARGAS, Guiselle Mara (2007). Factores asociados al rendimiento acadmico en estudiantes universitarios, una reflexin desde la calidad de la educacin superior pblica, en Educacin, ao/vol. 31, nm. 002, pp. 11-27. Universidad de Costa Rica, Ciudad Universitaria Rod, Costa Rica. GARCA-CRUZ, GUZMN Saldaa, MARTNEZ Gonzlez et all (2003). Adaptabilidad y Cohesin Familiar, Implicacin Parental en Conductas Autorregulatorias, Autoconcepto del Estudiante y Rendimiento Acadmico, en Psicotherma, l ao/vol. 15, nm. 103, Universidad de Oviedo, Espaa. GARCA, F. (1979). Paquete de auto-enseanza aprovechamiento escolar. CISE-UNAM, Mxico. de evaluacin del
GARCA, L. (1987). Rendimiento acadmico y abandono en la educacin superior a distancia. Universidad Nacional de Educacin a Distancia, Madrid. GARCA, O., PALACIOS, R. (1991). Factores condicionantes del aprendizaje en lgica matemtica. Tesis para optar el grado de magister, Universidad San Martn de Porres, Lima, Per. GARCA Ramos, J. M. (1988). Modelos exploratorios y confirmatorios en la investigacin pedaggica no experimental, en Revista de Ciencias de la Informacin, nm. 136, pp. 423-447. GARCA Ramos, J. M. (1994). Bases pedaggicas de la evaluacin. Gua prctica para educadores. Sntesis, Madrid. GARCA Ramos, J. M. (1997). Anlisis factorial confirmatorio a la validacin del constructo competencia docente del profesor universitario, En Revista Bordn, vol. 49, nm. 4, pp.361-391. GARCA Ramos, J. M. (1998). Anlisis de estructuras de covarianza en el estudio de la competencia docente del profesor universitario. Revista de Investigacin Educativa, vol. 16, nm. 1, pp. 155-184. GARCA, V. (1952). Nocin y Aspectos de Rendimiento Escolar, en Revista Bordon, nms. 25 y 26, p. 4. GARSON, G. (1992). De la Ciencia de polticas al anlisis de polticas pblicas. Veinticinco aos de progreso, en Luis F. Aguilar Villanueva (ed.), Antologa de polticas pblicas, vol. 1 (El estudio de las polticas pblicas). Miguel ngel Porra, pp. 149 -180. Archivo PDF, Mxico.
490
GAVIRIA, J., MARTNEZ-ARIAS, R. y CASTRO, M. (2004). Un estudio Multinivel sobre los factores de Eficacia Escolar en Pases en Desarrollo: El Caso de los Recursos de Brasil, en Education Policy Analysis Archives, 12 (20). GEORGE Rani y KAPLAN D. (1997). A Structural Model of Parent and Teacher Influences on Science Attitudes of Eighth Graders: Evidence from NELS: 88. Department of Educational Studies, University of Delaware, pp.93-109. GIL, M. (2005). El crecimiento de la educacin superior privada en Mxico: de lo pretendido a lo paradjico o inesperado?, en Revista de la Educacin Superior, ANUIES, vol. XXXIV, nm. 133, enero-marzo, pp. 9- 20, Mxico. GLASMAN and BINIAMOV (1981). An Empirical Test of an Inventory Model of Student Study Time, en The Journal Economic Education, vol. 19, ao 4. Autumm, 1998. GLASSMAN, S. y BINIAMINOV, I. (1981). Input-Output Analices of Schools2, en Review of Educational Research, vol. 51, nm. 4, pp. 509-539. GOLDSTEIN, H. (1979).The design and analysis of longitudinal studies. Academic Press, Londres. GMEZ, G. (1992). Centros educativos eficaces y eficientes., Promocin de publicaciones universitarias, Barcelona, Espaa. GONZLEZ M, PILAR. (1989). Aplicacin del LISREL al anlisis del rendimiento estudiantil. Facultad de Ciencias Universidad de Los Andes, Lima, Per. GONZLEZ TIRADOS (1994). Anlisis de los factores del proceso y otros factores de influencia que condicionan la calidad de las enseanzas universitarias y el rendimiento. Universidad Politcnica de Madrid, H. M., Madrid, Espaa. GONZLEZ-PINEDA, J.A (1996). Estilos cognitivos y de aprendizaje. Psicologa de la Instruccin, vol. 2: Componentes cognitivos y afectivos del aprendizaje escolar. EUB, Barcelona. GONZLEZ-PUMARIEGA. S. ROCES, C.. ALVAREZ. L. y GONZLEZ TORRES, MC (1998). Estrategias de aprendizaje, autoconcepto y aprendizaje escolar. Universidad de Oviedo, Espaa.
491
GONZLEZ, GALN (2004). Evaluacin del Clima Escolar como factor de calidad. Ed. La Muralla, Madrid, Espaa. GONZLEZ, M. (2000). Clima Educativo Universitario. Ediciones de la Universidad Ezequiel Zamora Barinas, Barinas, Venezuela. GUTIRREZ, M. y CLEMENTE, A. (1993). Autoconcepto y conducta prosocial en la adolescencia temprana: Bases para la intervencin, en Revista de Psicologa de la Educacin, nm. 4, pp. 39-48. H. M. BLALOCK Jr. (1985). Caual Models in the Social Sciences. 2da. ed., ed. Aldine de Gruyter, Inc. Hawthorne, Nueva York. HAIR, J. F., ANDERSON, R.E., TATHAM, R.L. y BLACK, W.C. (1999). Anlisis Multivariante. 5a ed. Prentice Hall International, Madrid, Espaa. HARVEY, L. y GREEN, D. (1993). Defining Quality, en Assessment And Evaluation in Higher Education, 18 (1). HEIDBREDER, E. (1960) Seven Psychologies. Nueva York: Appleton Century Crofts. Versin en espaol: Psicologas del siglo XX. Paids, Buenos Aires. HERNNDEZ-GONZLEZ R, VADILLO-BUENO & RIVERA-LENIDES S. (2008). Eficacia educativa: Avances de un modelo para la Educacin Superior, en Magis, Revista Internacional de Investigacin en Educacin, nm. 1, pp. 63-80. HERNNDEZ-GONZLEZ, RAFAEL, RIVERA-LEONIDES, Sonia. (2007). Eficacia educativa: avances de un modelo para la educacin superior. Centro Nacional de Evaluacin para la Educacin Superior, A. C., Mxico. HERNNDEZ, MARTNEZ, DA FONSECA & RUBIO (2005). Aprendizaje, competencias y rendimiento en Educacin Superior. Ed. La Muralla, Madrid, Espaa. HERRERA, M., NIETO, S., RODRGUEZ, M. y SNCHEZ, M. (1999). Factores Implicados en el Rendimiento Acadmico de los Alumnos, en Revista de Investigacin Educativa, , vol. 17, nm. 2, pp. 413-424, Universidad de Salamanca, Espaa. HORN, R. (1990). Establecimiento de los sistemas de medicin del rendimiento acadmico en Amrica Latina: Un Anlisis de los Problemas y la Experiencia ms Reciente. The World Bank, Washington.
492
HOY, W.K. y MIKEL, C.G. (1987). Educational administration: theory, research and practice, 3a. ed.. Random House, Nueva York. INSTITUTO DE INVESTIGACIONES EDUCATIVAS (1978). El rendimiento universitario. Universidad Simn Bolvar, Coleccin Parmetros, Caracas, Venezuela. JAMES, L. A. (2007). Amos 16.0 Users Guide, SPSS Inc. Amos Development Corporation, United States of America. JEFT, J. y ABBOTT, M. (2004). Structural equation models assessing relationships among student activities, ethnicity, poverty, parents, education, and academic achievement Washington school research center. JENSEN, A. R. (1969). How much can we boost I.Q. and scholastic achievement, en Harvard Educational Review, nm. 39, pp. 1-123. JIMNEZ, M. (2000). Competencia social: intervencin preventiva en la escuela, en Infancia y Sociedad, nm. 24, pp. 21-48. JOIREMAN, J. A., & ABBOTT, M. L. (2001). Relationships between the Iowa Test of Basic Skills and the Washington Assessment of Student Learning in the State of Washington. Technical Report No. 2, Washington School Research Center. KEMBER, LEUNG y DORIS (2005). The influence of active learning experiences on the development of graduate capabilities, en Studies in Higher Education, vol. 30, nm. 2, pp. 155-170. KENT, R. (2005). Recepcin de las polticas pblicas de educacin superior: el PIFI y el PIFOP/R. Kent Serna. Asociacin Nacional de Universidades e Instituciones de Educacin Superior, Mxico. KIM, J. O., Y MUELLER, C. W. (1978). Factor Analysis, Statistical Methods and Practical Issues. Sage, Beverly Hills. KURDEK, L.A. y SINCLAIR, R.J. (1988). Adolescent adjustment in twoparent nuclear, another-custody, and stepfather families, en Journal of Consulting and Clinical Psychology, nm. 56, pp. 91-96. LASTRA, E.F. (2001). La efectividad escolar: un estudio de las escuelas primarias pblicas en una ciudad mexicana. Tesis doctoral indita, Universidad de Stanford, California.
493
LEVINE, D. U., & LEZOTTE, L. W. (1990). Unusually effective schools: A review and analysis of research and practice. The National Center for Effective Schools Research and Development, Madison, WI. LPEZ ZRATE (1996). Sobre las polticas de ingreso a las instituciones de educacin superior, en Revista de Educacin Superior. CESU/UNAM, D.F. Mxico. M. Scott DEBERARD, Glen I. SPIELMANS, Deana L. JULKA (2004). Predictors of Academic Achievement and Retention Among College Freshmen: A longitudinal study. Print a PDF version of the Wellness Card. MALO LVAREZ (2006). La educacin superior en el nuevo milenio. CENEVAL, Mxico. MARSH, H. W., PARKER, J. W. y BARNES, J. (1984). Multidimensional selfconcept; their relationship to age, sex and academic measures, en American Educational Research Jounarl, nm. 22, pp. 422-444. MARSH, V. (2007). Los estereotipos afectan al rendimiento acadmico de las mujeres. Tendencias Cientficas, Espaa. MARTN MARISA (2002). El modelo educativo del Tecnolgico de Monterrey, Mxico. MARTNEZ GONZLEZ, R. A. Y PREZ HERRERO (2004) Evaluacin e Intervencin Educativa en el campo familiar, en Revista Espaola de Orientacin y Psicopedagoga, nm. 15 (1), pp. 89-104 MARTNEZ RIZO (2000). Nueve retos para la Educacin Superior: funciones, actores y estructuras. ANUIES, Serie Ensayos, Mxico. MARTNEZ-GUERRERO, J. I. (2004). La medida de estrategias de aprendizaje en estudiantes universitarios. Tesis de doctorado, Universidad Complutense de Madrid Espaa. MARTNEZ-OTERO, VALENTN (1997) Los adolecentes ante el estudio. Causas y consecuencias del Rendimiento Acadmico. Fundamentos, Madrid, Espaa.
494
MARTNEZ, J. (2007). Tres Aristas de un Tringulo: Bajo Rendimiento Acadmico, Fracaso y Desercin Escolar, un Centro: El Adolescente. Universidad Autnoma del Estado de Hidalgo, Revista Cientfica Electrnica de Psicologa, ICSA-UAEH, No.2 MARTNEZ, JSE (2004). La medida de estrategias de aprendizaje en estudiantes universitarios. Tesis doctoral, Universidad Complutense, Madrid. MARTNEZ, N. (2006). Mxico. Peridico El Universal MARUM, E. (2001). Perfiles educativo. UNAM, vol. XXIII. MCKEOWN, B.F. & THOMAS, D. (1988) Q. Methodology. New Bury Park, Sage, C.A. MELLA, ORLANDO y ORTZ, IVN (1999). Rendimiento Escolar. Influencias diferenciales de factores internos y externos, en Revista de Estudios Latinoamericanos, 1er. trimestre, ao/vol. XXIX, nm. 001, pp. 69-92. Centro de Estudios Educativos. Distrito Federal, Mxico. MORA J. L. (2004). Hacia un programa integral de autoevaluacin: El Perfil del Alumno de Nuevo Ingreso en una Universidad Pblica. Tesis de maestra, Universidad Anhuac, Facultad de Educacin,Mxico. MUOZ IZQUIERDO C. et al. (1979). Diagnstico y marco conceptual para la planeacin integral de la educacin en Mxico. Educacin y desarrollo dependiente en Amrica Latina. Ed. Guernika. MUOZ, C. y RODRGUEZ, P. (1976). Factores determinantes de los niveles de rendimiento escolar asociados con diferentes caractersticas socioeconmicas de los educandos. CEE-ECIEL, Mxico. MURILLO, F.J. (Coord.) (2007). Investigacin Iberoamericana sobre Eficacia Escolar. Convenio Andrs Bello, Bogot. NADERI, ABDULLAH, AIZAN, SHARIR, KUMAR (2009) Journal of American Science 2009; 5(5):101-112]. (ISSN: 1545-1003). NARCEA S. A. DE KERLINGER, F. N. (1979). Enfoque conceptual de la investigacin del comportamiento. Ed. Madrid, Espaa. Interamericana, ed. 1985, Mxico..
495
NORIEGA, C., LAVIN, S., MARTNEZ, F. y SCHMELKES, S (1997). La calidad de la educacin primaria: un estudio de caso. Fondo de Cultura Econmica, Mxico. NUNNALLY, JC. (1978) Psychometric Theory. McGraw-Hill, Nueva York. NEZ RINCN, CARLOS ENRIQUE (2007). El Path Analysis aplicado al hecho educativo. Universidad de Tchira, Venezuela. NUTTAL, D. et all (1989) Differential Schol Effectivennes, en International Journal of Educational Research, nm. 13 (7), pp. 769-776. ONCNS, F. (2007). Las estrategias de aprendizaje en adolescentes de educacin secundaria y su relacin con el rendimiento acadmico. I.E.S, taca, Zaragoza, Espaa. ORDEN, Arturo., De la (1982). La evaluacin educativa. Docencia. Buenos Aires, Argentina. ORDEN, Arturo., De la (1999). Los modelos jerrquicos lineales y su aplicacin a la investigacin educativa, en Revista de Investigacin Educativa, vol. 17, nm.2, pp. 425-428. ORLANDO M. & JUAN ORTIZ, (1999). Rendimiento Escolar: Influencias diferenciales de factores externos e internos, en Revista Latinoamericana de Estudios Educativos, 1er. trimestre, ao/vol. XXIX, nm. 001, pp. 69-92. Centro de Estudios Educativos. D.F. Mxico. PACHECO, B. y CABALLERO, A. (1972). El diagnstico del rendimiento escolar a travs de las pruebas pedaggicas. Madrid: INAPP PAGE, lvaro (1990). Hacia un modelo causal del rendimiento acadmico. Centro de Publicaciones del Ministerio de Educacin y Ciencia, CIDE, Madrid, Espaa. PARKERSON, et al (1984). Exploring Casual Models of Educational Achievement, en Journal of Educational Psychology, vol. 76, nm. 4, pp. 638-646. PARKERSON, Jo Ann, LOMAX, Richard, G., SHILLER, Diane, WALBERG, Herbert J. (1983). Exploring Causal Models of Education Achievement, en Journal of Educational Psychology, vol. 76, nm. 4, pp. 638-646.
496
PASCARELLA, E.T. (1984). Collage environmental influences on students educational aspirations, en Journal of Higher Education, vol. 55, nm.6, pp. 751-771. PELECHANO, V. (dir.) (1977). Personalidad, inteligencia, motivacin y rendimiento acadmico en BUP. ICE Universidad de la Laguna, Tenerife, Espaa. PREZ SERRANO, G. (1978). Definicin del rendimiento escolar y su relacin con el nivel socio-cultural. Tesis doctoral, Universidad Complutense, Madrid. PREZ, G. (1981). Origen Social y Rendimiento Escolar. Centro de Investigaciones Sociolgicas, Madrid, Espaa. PITA, M. y CORENGIA, A. (2005), Rendimiento acadmico en la universidad, en V Coloquio Internacional sobre Gestin Universitaria en Amrica del Sur, Mar del Plata, Argentina. PLATA, J. (1969). La comprobacin objetiva del rendimiento escolar. Magisterio Espaol, Madrid. PORCEL, Eduardo Adolfo; DAPOZO, Gladis Noem; LPEZ, Mara Victoria (2010). Prediccin del rendimiento acadmico de alumnos de primer ao de la FACENA (UNNE) en funcin de su caracterizacin socioeducativa. REDIE, vol. 12, nm. 2, pp. 1-21, Universidad Autnoma de Baja California, Ensenada, Mxico PORREA, M. A. (2002), La calidad de la educacin en Mxico: perspectivas, anlisis y evaluacin. Ed. Porra, Mxico. QUEZADA, R. (1991). Gua para evaluar el aprendizaje terico y prctico. Editorial Limusa, Mxico. RANDALL y RICHARD (1996). A beginners guide to structural equation modeling. Lawrence Erlbaum associates, Inc., New Jersey. RAUDENBUSH, S. W. (1988). Educational applications of hierarchical linear models: A review, en Journal of Educational Statistics, 13, 85-l 16. RAVE y KAPLAN (1997). A structural model of parent and teacher influences on science attitudes of eighth graders: evidence from NECS: 88 obtund of department of studios educationalist. Universidad of Delaware, Network, USA.
497
REPARAZ, A. (1986) La prediccin del Rendimiento Acadmico en el Curso de Orientacin Universitaria.. Facultad de Filosofa y Letras, Universidad de Navarra, Navarra. REYNOLDS, Arthur J., WALBERG, Herbert J. (1991). A structural model of science achievement and attitude: An extension to high school, en Journal of Educational Psychology, vol 84(3), sep. 1992, pp. 371-382. REYNOLDS, A. y WALBERG, H.J. (1992). A Structural Model of High School Mathematics Outcomes, en Journal of Educational Research, vol.85, nm. 3, pp. 150-158. RIVERA-LENIDES S. & HERNNDEZ-GONZLEZ R. (2007). Anlisis de la eficacia y la cultura escolar en el subsistema de universidades tecnolgicas de Mxico: Hacia un modelo de desarrollo docente, en REICE Revista Electrnica Iberoamericana de investigacin sobre la Calidad. Eficacia y Cambio en Educacin, vol. 5, nm. 5e. pp. 115-123 RODRGUEZ ESPINAR, S. Modelos de investigacin sobre el rendimiento acadmico. Problemtica y tendencias, en Revista de Investigacin Educativa, 6 (1985), pp. 284-303. RODRGUEZ GMEZ, ROBERTO (2004). La Educacin Superior Transnacional en Mxico: El Caso Sylvan- Universidad del Valle de Mxico. Educacin Soc., Campinas, vol. 25, num. 88, pp. 1044-1068, especial. ROSNER, B. (1979). The anlisis of longitudinal data in epidemiologic studies. J Chron Dis; 32: 163-73. ROWELL, J., CHERYLLYNN, P. y LEONARD D. (2003). Longitudinal relations between childrens exposure to T.V. violence and their aggressive and violent behavior in young adult hood: 1977 1992, en Developmental Psychology, vol. 39, nm. 2, pp. 201-221. RUIZ CULLAR, G. (1999). Un acercamiento a la calidad de la Educacin Primaria en Aguascalientes desde la perspectiva de la efectividad escolar. Universidad Autnoma de Aguascalientes, Aguascalientes. RUTTER, M., MAUGHAN, B., MORTIMORE, P. & OUSTON, J. y SMITH, A. (1979). Fifteen thousand hours: Secondary schools and their effects on children. Harvard University Press, Cambridge, MA.
498
SNCHEZ, C. (1986). Predictores del rendimiento acadmico. Facultad de Psicologa, Universidad Autnoma de Madrid, Madrid. SCHEERENS, J. (1992). Effective schooling: research, theory and practice. Cassell, Londres. SCHMELKES, S., MARTNEZ, F. NORIEGA, M.C. y LAVN, S. (1996). The Quality of Primary Education in Mexico: A Study of Five Zones. International Institute for Educational Planning, Pars, Francia. SECADA, F., (1952). Factores de Personalidad y Rendimiento Escolar, en Revista Espaola de Pedagoga, nm. 40, pp. 77-85, 1952. SECRETARA DE EDUCACIN PBLICA (2007). Estadstica Bsica del sistema Educativo Nacional fin de cursos 2005-2006. Mxico. SECRETARA DE EDUCACIN PBLICA. (2001). Programa Nacional de Educacin 2001-2006. Mxico. SECRETARA DE EDUCACIN PBLICA. Unidad de Planeacin y Polticas Educativas, Direccin General de Planeacin y Programacin, principales cifras, Ciclo Escolar 2006 2012. SIGAL, V. (1992) Consideraciones sobre el Ingreso Irrestricto a la Universidad. Cintefor, Montevideo. SPERMAN, C. (1904). General Intelligence Objetively Determined and Measured, en American Journal of Psychology, vol. 15, 2001-293. STANLEY, J.C. y BENBOW, C.P. (1983). La teora de las Inteligencias mltiples. Fondo de Cultura Econmica, Mxico. TEDDLIE, C., & STRINGFIELD, S. (1985). A differential analysis of effectiveness in middle and lower SES schools, en Journal of Classroom Interaction, 20(2), 38-44. TEJEDOR, GONZLEZ y GARCA (2008). Estrategias atencionales y rendimiento acadmico en estudiantes de secundaria, Revista Latinoamericana de Psicologa, vol.40, nm.1, p.123-132. ISSN 0120-0534. THE COLLEGE BOARD. (2003). Prueba de Aptitud Acadmica. Puerto Rico
499
THORNDIKE, R.L. y HAGEN, E. P. (1996). Medicin y evaluacin en psicologa y educacin. Trillas, Mxico. THURTONE, L. L. (1938). Primary Press, Chicago, Estados Unidos. Mental Abilities. University of Chicago
THURTONE, L. L. & ADKINS, D. C. (1939). The Psychological Examination Educational Record, vol. 20, 263-300. TINTO, V. (1987). Leaving college: Rethinking the causes and cures of student attrition. University of Chicago Press, Chicago, Estados Unidos. TONCONI QUISPE, J. (2009). Factores que influyen en el rendimiento acadmico y la desercin de los estudiantes de la facultad de ingeniera econmica de la Universidad del Altiplano, Per. TOURN, J. (1985). La prediccin del rendimiento acadmico: procedimientos, resultados e implicaciones, en Revista Espaola de Pedagoga, nm. 43 (169-170), pp. 473-496. TROWER, P. y VINCENT, L. (1995). The value added national Project technical report, secondary. School curriculum and assessment authority. Londres. UGARRIZA, N. (1998). Evaluacin del rendimiento acadmico, En Revista de la Unidad de Postgrado de Educacin, Universidad Nacional Mayor de San Marcos ao 1, nm. 1, Lima, Per. UNESCO (1998). Conferencia Mundial para la Educacin Superior, la educacin superior en el siglo XXI: Visin y accin Marco de Accin prioritaria para el cambio y el desarrollo de la Educacin Superior. UNESCO, Pars. VALLE, A. et al. (1996). Una aproximacin terica al concepto de metas acadmicas y su relacin con la motivacin escolar. Universidad de La Corua, Universidad de Oviedo, Psicothema, vol. 8, nm. 1, pp. 45-61, ISSN 0214 - 9915 CODEN PSOTEG. VAN DER LINDEN, W. & HAMBLETON, R. (1997) Handbook of Modern tem Response Theory. Springer, Nueva York. VARGAS, Javier (2001). Factores diferenciales del rendimiento acadmico en educacin superior. Tesis doctoral, Universidad Complutense de Madrid. Espaa.
500
VILLA, N. y PACHECO, V. (2002). Articulacin y reorientacin del sistema de educacin superior para la formacin de nuevos investigadores en Mxico. Universidad Nacional Autnoma de Mxico (UNAM), en Revista Iberoamericana de Educacin (ISSN: 1681-5653) 6, Mxico. VILLEGAS, C. (2001). Hacia un modelo de rendimiento escolar en educacin primaria en el Distrito Federal, Mxico: factores que influyen en matemticas y espaol. Tesis doctoral, Universidad Complutense de Madrid, Facultad de Educacin, Madrid, Espaa. WONG, M. (1971). Validez predictiva del examen de admisin. Universidad de Costa Rica. San Jos. YOUNG, J.W. (1991). Improving the prediction of college performance of ethnic minorities using the IRT-based GPA, en Applied Measurement in education, vol.4, nm.3, pp. 229-239. ZIMMERMAN, J. (1996). Developing self-regulated learners: beyond achievement to self-efficacy. American Psychological Association, Washington, DC. ZORRILLA, M. (2003) La investigacin sobre eficacia escolar en Mxico. Estado del Arte, en Murillo (ed.), La Investigacin sobre Eficacia Escolar en Iberoamrica. Revisin internacional del estado del arte. Bogot: CAB/CIDE.
501
PGINAS WEB REVISADAS ANUIES (2007), Anuario Estadstico 2007, consultado en: http://www.anuies.mx/servicios/d_estrategicos/documentos_estrategicos/21/sX XI.pdf (Recuperado el 15 de julio de 2008) BENTEZ, M.; GIMENEZ, M. y OSICKA R. (2000). Las asignaturas pendientes y el rendimiento acadmico: existe alguna relacin?. En www. Recuperado: http//fai.unne.edu.ar/links/LAS%2...20EL%20rendimiento%20academico.htlml
CABALLERO, A., HERNNDEZ-PIZARRO y CABALLERO M. (2007). Fundamentacin psicodidctica de una propuesta de intervencin diagnsticaorientadora para los docentes en el bachillerato. Revista Tendencias Pedaggicas Vol. 12, pp. 171-226. Mxico, consultado: http://www.uam.es/departamentos/stamaria/didteo/revista/n_12%20tendencias/ cap127.pdf. CASTEJN, C. (2006). Evaluacin del rendimiento en los centros educativos: identificacin factores y eficacia, Estudios sobre eficacia escolar en Iberoamrica, consultado en: http://books.google.com.mx/books?id=vCAtIZsxDNwC&pg=PA61&lpg=PA61 CASCN I. (2000) Anlisis de las calificaciones escolares como criterio de rendimiento acadmico. Documento Recuperado: http://www.usal.es/~inico/investigacion/jornadas/jornada2/comun/c17.html.
COLLAGE BOARD . Puerto Rico (Prueba de Aptitud Acadmica) http://oprla.collegeboard.com/ptorico/pr/program/paa.html DEBERARD, M. SCOTT. SPIELMANS, GLEN I. JULKA, DEANA L.(2004, Marzo 1). Predictors of academic achievement and retention among college freshmen: a longitudinal study. Retrieved Septiembre 29, 2011, from Free Patents Online: http://www.freepatentsonline.com/article/College-StudentJournal/115034777.html INSTITUTO NACIONAL PARA LA EVALUACIN DE LA EDUCACIN. Proyecto de Creacin, Decreto, Estatuto Orgnico, Plan Maestro de Desarrollo 2004-2012. Mxico. Consultado en: www.inee.edu.mx
502
ITESM. Instituto Tecnolgico y de Estudios Superiores de Monterrey. Consultado: http://www.itesm.mx MOUCHARD, T. (1985). Estudio comparativo entre el examen de admisin a la Universidad de Lima y una prueba de aptitud acadmica as como la relacin que existe entre ellos y el rendimiento acadmico. Recuperado de: http//www.inpeau.ufsc.br/coloquio07/anais/TRABAJOIRIQUIN.pdf OCDE. First Results from PISA 2003. Executive Summary. Consultado: http://www.oecd.org/dataoecd/1/63/34002454.pdf PARI y MIRTHA (2007), Asertividad, necesidades cognitivas y rendimiento acadmico en estudiantes del VII y VIII ciclo de la E.A.P. de Comunicacin Social e Ingeniera de Sistemas . Recuperado de: http://biblioteca.universia.net/irARecurso.do?page=http%3A%2F%2Fwww.cyb PLAN NACIONAL DE DESARROLLO 2006 -2012.Consultado: http://pnd.presidencia.gob.mx/ PORCEL, E., DAPOZO, G. Y LPEZ, M. (2010). Prediccin del rendimiento acadmico de alumnos de primer ao de la FACENA (UNNE) en funcin de su caracterizacin socioeducativa. Revista Electrnica de Investigacin Educativa, 12(2). Consultado el 1 de agosto de 2011 en: http://redie.uabc.mx/vol12no2/contenido-porcel dapozo.html PRESIDENCIA DE LA REPBLICA MEXICANA. Plan Nacional de Desarrollo 2007-2012. Mxico D. F. Recuperado de: http://pnd.presidencia.gob.mx/ UNIVERSIDAD DE SALAMANCA (1992), Rendimiento Acadmico de los Alumnos. Recuperado de: http://www.universia.es/portada/actualidad/noticia_actualidad.jsp?noticia=5861 7 Teora de Ecuaciones Estructurales http://www.selene.uab.es/jmasson/informacion/teoriaecuaciones MARSH, V. (2007, Junio 29). Los estereotipos afectan al rendimiento acadmico de las mujeres. Retrieved September 29, 2011, from Tendencias Sociales: http://www.tendencias21.net/Los-estereotipos-afectan-al-rendimientoacademico-de-las-mujeres_a1652.html
503
Medida del rendimeimnto acadmico.Consultado el 01-11-2010 http://www.dgb.sep.gob.mx/tramites/revalidacion/Estruc_sist_edu/EstudESTADOS_UNIDOS.pdf http://ec.europa.eu/education/lifelong-learning-policy/doc48_en.htm http://www.profesionales.usb.ve/carreras/TABLA_EQ.pdf http://www.ince.mec.es/pub/index.htm Espaa http://www.dgb.sep.gob.mx/tramites/revalidacion/Estruc_sist_edu/EstudESTADOS_UNIDOS.pdf
La informacin que se incluye a continuacin ha sido recogida de la pgina web del Ministerio de Educacin y CulturaTomado de: http://www.spainexchange.com/es/estudiante_info/sistema_educativo.php http://ec.europa.eu/education/lifelong-learning-policy/doc/ects/guide_es.pdf
504
ANEXOS
ANEXOS
Los anexos se encuentran en un documento que est al final de la tesis en un archivo informtico.
1. SOLICITUD DE ADMISIN A LA UNIVERSIDAD (EJEMPLO) 3. EXMENES INICIALES (EJEMPLO) 3.1 PRUEBA DE MATEMTICAS 3.2 PRUEBA DE ESPAOL 4. MODELO DE LA PRUEBA TOEFL (EJEMPLO) 5. RESULTADOS ESTADSTICOS DE LOS MODELOS CAUSALES DE LA GENERACIN. 5.1 MODELO GENERAL DE RENDIMIENTO ACADMICO RA1 5.2 MODELO GENERAL DE RENDIMIENTO ACADMICO RA2 5.3 MODELO GENERAL DE RENDIMIENTO ACADMICO RA3 5.4 MODELO GENERAL DE RENDIMIENTO ACADMICO RA4 5.5 MODELO GENERAL DE RENDIMIENTO ACADMICO RA5 5.6 MODELO GENERAL DE RENDIMIENTO ACADMICO RA6 5.7 MODELO GENERAL DE RENDIMIENTO ACADMICO RA7 6. RESULTADOS ESTADSTICOS DE LOS MODELOS CAUSALES DE RENDIMIENTO ACADMICO POR REAS ACADMICAS. 6.1 MODELO DE HUMANIDADES 6.2 MODELO DE INGENIERA 6.3 MODELO DE NEGOCIOS 7. RESULTADOS ESTADSTICOS DE LOS MODELOS CAUSALES POR CARRERAS PROFESIONALES 7.1 MODELO DE MERCADOTECNIA 7.2 MODELO DE FINANZAS Y CONTABILIDAD 7.3 MODELO DE INGENIERIA INDUSTRIAL Y DE SISTEMAS 7.4 MODELO DE CIENCIAS DE LA COMUNICACIN Y MEDIOS DE INFORMACIN 8. MODELOS COMPLEMENTARIOS 8.1 MODELO DE RENDIMIENTO ACADMICO PREPA NO TEC 8.2 MODELO DE RENDIMIENTO ACADMICO PREPA TEC
505
TABLAS
TABLAS
TABLA 2-1 ALUMNOS MATRICULADOS POR NIVEL EDUCATIVO 1980-2010 TABLA 2-2 CARACTERSTICAS DEL MODELO EDUCATIVO DEL TEC (MARTN MARISA, 2002) TABLA 3 -1 ESTUDIOS DE CARCTER SOCIOLGICO (CELORRIO, 1999) TABLA 3-2 ESTUDIOS DE CARCTER PSICOLGICO TABLA 3-3 ESTUDIOS DEL RENDIMIENTO ACADMICO CON ENFOQUE PEDAGGICO TABLA 3-4 INDICADORES DE RENDIMIENTO ESCOLAR (2000/2005) TABLA 4-1 RESUMEN DE CONTRIBUCIONES SOBRE LA MEDIDA DEL RENDIMIENTO ACADMICO TABLA 4-2 CLCULO DEL PROMEDIO AJUSTADO (PAJ) TABLA 4-3 EQUIVALENCIAS DE LA MEDIDA DEL RENDIMIENTO ACADMICO POR PASES TABLA 5-1 INVESTIGACIONES SOBRE RENDIMIENTO ACADMICO TABLA 6-1 HIPTESIS Y METODOLOGA DE ANLISIS PROPUESTA TABLA 6-2 ALUMNOS EGRESADOS POR CARRERA PROFESIONAL TABLA 6-3 MUESTRA DE ALUMNOS POR DIVISIONES ACADMICAS TABLA 6-4 VARIABLE DEPENDIENTE O CRITERIO TABLA 6-5 VARIABLES CLASIFICATORIAS PERSONALES Y SOCIO-FAMILIARES TABLA 6-6 VARIABLES DE RENDIMIENTO PREVIO TABLA 6-7 VARIABLES DE RENDIMIENTO DURANTE SU CARRERA UNIVERSITARIA TABLA 6-8 EVALUACIN DE LA MEDIDA DEL EXAMEN TOEFL TABLA 7-1 PROMEDIO AJUSTADOS Y DESVIACIONES TPICAS POR CARRERA TABLA 7-2 PROMEDIO AJUSTADO POR CARRERAS DEL 3RO., 5TO. Y 9NO. SEMESTRES TABLA 7-3 DISTRIBUCIN DE ALUMNOS POR REAS POR PROMEDIO AL 3RO., 5TO. Y 9NO. SEMESTRES TABLA 7-4 EFICIENCIA TERMINAL GLOBAL DE LAS GENERACIONES QUE INGRESARON EN 1999-2000 TABLA 7-5 DESERCIN POR CARRERAS PROFESIONALES PERODO 2004-2005 TABLA 7-6 MEDIAS DE LA EDAD DE LOS ALUMNOS POR CARRERA Y RENDIMIENTO ACADMICO TABLA 7-7 DISTRIBUCIN DE LOS ALUMNOS POR CARRERA, SEXO Y RENDIMIENTO TABLA 7-8 DISTRIBUCIN DE LA EDAD DE LOS PADRES POR CARRERAS TABLA 7-9 DISTRIBUCIN DE LOS ESTUDIOS DE LOS PADRES POR CARRERAS TABLA 7-10 DISTRIBUCIN TIPO DE PREPARATORIA POR CARRERAS TABLA 7-11 DISTRIBUCIN DE ALUMNOS POR CARRERA Y BECA TABLA 7-12 DISTRIBUCIN DE ALUMNOS POR CARRERA Y NIVEL ECONMICO TABLA 7-13 DISTRIBUCIN DE ALUMNOS POR PAA Y CARRERAS TABLA 7-14 DISTRIBUCIN DE ALUMNOS EN LOS EXMENES INICIALES DE MATEMTICAS Y ESPAOL
507
TABLAS
TABLA 7-15 DISTRIBUCIN DE ALUMNOS POR CARRERA Y PROMEDIO DE LA PREPARATORIA TABLA 7-16 DISTRIBUCIN DE ALUMNOS POR TOEFL DE INICIO Y FINAL TABLA 7-17 DISTRIBUCIN DE ALUMNOS POR MATERIAS REPROBADAS AL 3RO., 5TO. Y 9NO. SEMESTRES TABLA 7-18 DISTRIBUCIN DE ALUMNOS POR SEMESTRES DE MS TABLA 7-19 RESUMEN DE LAS CARACTERSTICAS DE LA GENERACIN TABLA 7-20 CORRELACIN ENTRE EL RENDIMIENTO ACADMICO Y LAS CARRERAS PROFESIONALES TABLA 7-21 CORRELACIN ENTRE LAS VARIABLES CLASIFICATORIAS Y EL RENDIMIENTO ACADMICO EN LOS DISTINTOS SEMESTRES MEDIDOS TABLA 7-22 CORRELACIN ENTRE LAS VARIABLES CLASIFICATORIAS, DE RENDIMIENTO INICIAL Y RENDIMIENTO DURANTE LA CARRERA UNIVERSITARIA TABLA 7-23 CORRELACIN ENTRE LAS VARIABLES DURANTE LA CARRERA UNIVERSITARIA Y EL RENDIMIENTO ACADMICO AL LTIMO SEMESTRE TABLA 7-24 CORRELACIN DE LAS VARIABLES CLASIFICATORIAS CON EL RENDIMIENTO ACADMICO EN LOS DISTINTOS SEMESTRES MEDIDOS TABLA 7-25 CORRELACIN DE LAS VARIABLES DURANTE SU CARRERA UNIVERSITARIA CON EL RENDIMIENTO ACADMICO FINAL EN LOS DISTINTOS SEMESTRES MEDIDOS TABLA 7-26 CORRELACIN DE LAS VARIABLES CLASIFICATORIAS CON EL RENDIMIENTO ACADMICO EN LOS DISTINTOS SEMESTRES MEDIDOS TABLA 7-27 CORRELACIN DE LAS VARIABLES DURANTE SU CARRERA UNIVERSITARIA CON EL RENDIMIENTO ACADMICO EN LOS DISTINTOS SEMESTRES MEDIDOS TABLA 7-28 CORRELACIN DE LAS VARIABLES CLASIFICATORIAS CON EL RENDIMIENTO ACADMICO EN LOS DISTINTOS SEMESTRES MEDIDOS TABLA 7-29 CORRELACIN DE LAS VARIABLES DE RENDIMIENTO DURANTE LOS ESTUDIOS UNIVERSITARIOS CON EL RENDIMIENTO ACADMICO FINAL TABLA 7-30 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL EN FUNCIN DEL SEXO TABLA 7-31 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR 3 CATEGORAS DE EDAD TABLA 7-32 PRUEBAS POST-HOC DE SCHEFFE PARA LOS 3 GRUPOS DE EDAD DE ALUMNOS TABLA 7-33 COMPARACIN MLTIPLE ENTRE GRUPOS DE EDAD DE LOS ALUMNOS TABLA 7-34 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL EN 3 CATEGORAS DE BECA TABLA 7-35 PRUEBAS POST-HOC DE SCHEFFE PARA LOS GRUPOS DE BECA TABLA 7-36 COMPARACIN MLTIPLE ENTRE GRUPOS POR BECA TABLA 7-37 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL PARA LAS CATEGORAS DEL NIVEL SOCIOECONMICO. TABLA 7-38 PRUEBAS POST-HOC DE SCHEFFE PARA LOS GRUPOS DE NIVEL SOCIOECONMICO
508
TABLAS
TABLA 7-39 COMPARACIN MLTIPLE ENTRE GRUPOS POR NIVEL SOCIOECONMICO TABLA 7-40 MEDIA DEL RENDIMIENTO FINAL Y ESTUDIOS DE LOS PADRES TABLA 7-41 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR ESTUDIOS DEL PADRE TABLA 7-42 PRUEBAS POST-HOC DE SCHEFFE PARA LOS GRUPOS DE ESTUDIOS DE LOS PADRES TABLA 7-43 COMPARACIN MLTIPLE ENTRE GRUPOS POR ESTUDIOS DE LOS PADRES TABLA 7-44 MEDIA DEL RENDIMIENTO FINAL Y ESTUDIOS DE LA MADRE TABLA 7-45 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR ESTUDIOS DE LA MADRE TABLA 7-46 RENDIMIENTO FINAL EN TRES GRUPOS POR EDAD DEL PADRE TABLA 7-47 ANLISIS DE VARIANZA POR EDAD DEL PADRE TABLA 7-48 PRUEBAS POST-HOC DE SCHEFFE PARA LOS GRUPOS DE EDAD DEL PADRE TABLA 7-49 COMPARACIN DE LOS GRUPOS DE EDAD DEL PADRE TABLA 7-50 RENDIMIENTO FINAL EN TRES GRUPOS POR EDAD DE LA MADRE TABLA 7-51 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR EDAD DE LA MADRE TABLA 7-52 PRUEBAS POST-HOC DE SCHEFFE PARA LOS GRUPOS DE EDAD DE LA MADRE TABLA 7-53 COMPARACIN MLTIPLE ENTRE GRUPOS DE EDAD DE LA MADRE TABLA 7-54. ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR EL NIVEL DE TOEFL EN TRES GRUPOS TABLA 7-55 PRUEBA POST-HOC DE SCHEFFE EN TRES GRUPOS POR NIVEL DE TOEFL TABLA 7-56 COMPARACIN MLTIPLE ENTRE GRUPOS DE NIVEL DE TOEFL INICIAL TABLA 7-57 RENDIMIENTO FINAL EN DOS GRUPOS POR EL TIPO DE PREPARATORIA TABLA 7-58 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL PARA DOS CATEGORAS DE TIPO DE PREPARATORIA. TABLA 7-59 RENDIMIENTO FINAL EN TRES GRUPOS POR ESTUDIOS DE PREPARATORIA TABLA 7-60 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR EL RENDIMIENTO DE PREPARATORIA TABLA 7-61 PRUEBAS POST-HOC DE SCHEFFE POR GRUPOS DE RENDIMIENTO DE LA PREPARATORIA TABLA 7-62 COMPARACIN MLTIPLE DEL RENDIMIENTO DE PREPARATORIA EN TRES GRUPOS TABLA 7-63 ANLISIS DE VARIANZA DEL RENDIMIENTO AL 3ER. SEMESTRE TABLA 7-64 PRUEBAS POST-HOC DE SCHEFFE DEL RENDIMIENTO AL 3ER. SEMESTRE POR GRUPOS TABLA 7-65 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR EL RENDIMIENTO AL 5TO. SEMESTRE
509
TABLAS
TABLA 7-66 PRUEBAS POST-HOC DE SCHEFFE DEL RENDIMIENTO AL 5TO. SEMESTRE POR GRUPOS TABLA 7-67 COMPARACIN MLTIPLE DEL PROMEDIO AL 5TO. SEMESTRE TABLA 7-68 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR MATERIAS REPROBADAS AL 5TO. SEMESTRE. TABLA 7-69 PRUEBAS POST-HOC DE SCHEFFE DE MATERIAS REPROBADAS AL 3ER. SEMESTRE TABLA 7-70 COMPARACIN MLTIPLE DE MATERIAS REPROBADAS AL 3ER. SEMESTRE TABLA 7-71 ANLISIS DE VARIANZA POR MATERIAS REPROBADAS AL 5TO. SEMESTRE TABLA 7-72 PRUEBAS POST-HOC DE SCHEFFE DE MATERIAS REPROBADAS AL 5 SEMESTRE TABLA 7-73 COMPARACIN MLTIPLE DE MATERIAS REPROBADAS AL 5TO. SEMESTRE TABLA 7-74 ANLISIS DE VARIANZA POR MATERIAS REPROBADAS AL LTIMO SEMESTRE TABLA 7-75 PRUEBAS POST-HOC DE SCHEFFE, MATERIAS SUSPENDIDAS AL LTIMO SEMESTRE TABLA 7-76 COMPARACIN MLTIPLE DE MATERIAS REPROBADAS AL LTIMO SEMESTRE TABLA 7-77 ANLISIS DE VARIANZA DE RENDIMIENTO FINAL POR SEMESTRES DE MS TABLA 7-78 PRUEBAS POST-HOC DE SCHEFFE DE SEMESTRES DE MS TABLA 7-79 COMPARACIN MLTIPLE DE SEMESTRES DE MS TABLA 7-80 TEST DE EFECTOS ESPECIALES DE SEMESTRES DE MS TABLA 7-81 COMPARACIN MLTIPLE DE SEMESTRES DE MS TABLA 7-82 MATRIZ DE COMPONENTES ROTADOS (VARIMAX) TABLA 7-83 MATRIZ DE COMPONENTES ROTADOS (OBLIMN) TABLA 7-84 MATRIZ DE TRANSFORMACIN DE LAS COMPONENTES TABLA 7-85 MATRIZ DE CORRELACIN DE COMPONENTES TABLA 7-86 NDICES DE KMO (KAISER-MEYER-OLKIN) TABLA 7-87 INVERSA DE LA MATRIZ DE CORRELACIONES Y TEST DE ESFERICIDAD TABLA 7-88 TOTAL DE VARIANZA EXPLICADA TABLA 7-89 PESO FACTORIAL Y COMUNALIDAD CON 12 VARIABLES TABLA 7-90 INVERSA DE LA MATRIZ DE CORRELACIONES Y TEST DE ESFERICIDAD TABLA 7-91 TOTAL DE VARIANZA EXPLICADA TABLA 7-92 COMPONENTES PRINCIPALES PARA HUMANIDADES CON 12 VARIABLES TABLA 7-93 INVERSA DE LA MATRIZ DE CORRELACIONES Y TEST DE ESFERICIDAD TABLA 7-94 TOTAL DE VARIANZA EXPLICADA TABLA 7-95 COMPONENTES PRINCIPALES REA DE INGENIERA CON 12 VARIABLES
510
TABLAS
TABLA 7-96 INVERSA DE LA MATRIZ DE CORRELACIONES Y TEST DE ESFERICIDAD TABLA 7-97 TOTAL DE VARIANZA EXPLICADA TABLA 7-98 COMPONENTES PRINCIPALES REA DE NEGOCIOS PARA 12 VARIABLES TABLA 7-99 RESUMEN DE COMPONENTES PRINCIPALES POR REAS ACADMICAS TABLA 7-100 RESUMEN DE LA RELACIN ENTRE EL RENDIMIENTO FINAL Y LAS VARIABLES CLASIFICATORIAS, DE RENDIMIENTO INICIAL Y RENDIMIENTO DURANTE LA CARRERA UNIVERSITARIA. TABLA 8-1 ANLISIS CORRELACIONAL POR VARIABLES Y POR CARRERA TABLA 8-2 RESUMEN DEL MODELO DE REGRESIN PARA LA GENERACIN CON EL MTODO ENTER TABLA 8-3 ANLISIS DE VARIANZA DE LA GENERACIN CON EL MTODO ENTER TABLA 8-4 COEFICIENTES DEL MODELO GENERAL CON EL MTODO ENTER TABLA 8-5 RESUMEN DEL MODELO DE REGRESIN DE LA GENERACIN CON EL MTODO STEPWISE TABLA 8-6 ANLISIS DE VARIANZA DE LA GENERACIN CON EL MTODO STEPWISE TABLA 8-7 COEFICIENTES DEL MODELO GENERAL CON EL MTODO STEPWISE TABLA 8-8 RESUMEN DEL MODELO GENERAL DE REGRESIN CON EL MTODO STEPWISE TABLA 8-9 ANLISIS DE VARIANZA PARA LA GENERACIN CON EL MTODOSTEPWISE TABLA 8-10 COEFICIENTES DEL MODELO GENERAL CON EL MTODO STEPWISE TABLA 8-11 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE ARQUITECTURA/DISEO INDUSTRIAL TABLA 8-12 COEFICIENTES DEL MODELO DE REGRESIN PARA ARQUITECTURA TABLA 8-13 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE INDUSTRIAL Y DE SISTEMAS TABLA 8-14 COEFICIENTES DEL MODELO DE REGRESIN PARA INDUSTRIAL Y DE SISTEMAS TABLA 8-15 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA ELECTRNICA Y COMUNICACIONES TABLA 8-16 COEFICIENTES DEL MODELO DE REGRESIN PARA ELECTRNICA Y COMUNICACIONES TABLA 8-17 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE MECNICO ELECTRICISTA/ MECNICO ADMINISTRADOR. TABLA 8-18 COEFICIENTES DEL MODELO DE REGRESIN PARA MECNICO ELECTRICISTA/MECNICO ADMINISTRADOR. TABLA 8-19 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE MECATRNICA TABLA 8-20 COEFICIENTES DEL MODELO DE REGRESIN PARA MECATRNICA
511
TABLAS
TABLA 8-21 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE SISTEMAS COMPUTACIONALES TABLA 8-22 COEFICIENTES DEL MODELO DE REGRESIN PARA SISTEMAS COMPUTACIONALES TABLA 8.23 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE SISTEMAS ELECTRNICOS TABLA 8.24 COEFICIENTES DEL MODELO DE REGRESIN PARA SISTEMAS ELECTRNICOS TABLA 8-25 RESUMEN DEL MODELO DE REGRESIN DE SISTEMAS DE COMPUTACIN ADMINISTRATIVA TABLA 8-26 COEFICIENTES DEL MODELO DE REGRESIN PARA SISTEMAS DE CMPUTO ADMINISTRATIVO TABLA 8-27 RESUMEN DEL MODELO DE REGRESIN PARA ADMINISTRACIN DE EMPRESAS TABLAS 8-28 COEFICIENTES DEL MODELO DE REGRESIN PARA ADMINISTRACIN DE EMPRESAS TABLA 8-29 RESUMEN DEL MODELO DE REGRESIN DE ADMINISTRACIN FINANCIERA / CONTABILIDAD TABLA 8-30 COEFICIENTES DEL MODELO DE REGRESIN PARA ADMINISTRACIN FINANCIERA Y CONTADURA PBLICA Y FINANZAS TABLA 8-31 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE ECONOMA TABLAS 8-32 COEFICIENTES DEL MODELO DE REGRESIN PARA ECONOMA TABLA 8-33 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE MERCADOTECNIA TABLA 8-34 RESUMEN DEL MODELO DE REGRESIN PARA MERCADOTECNIA TABLA 8.35 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE NEGOCIOS INTERNACIONALES TABLA 8-36 COEFICIENTES DEL MODELO DE REGRESIN PARA NEGOCIOS INTERNACIONALES TABLA 8-37 RESUMEN DEL MODELO DE REGRESIN DE CIENCIAS DE LA COMUNICACIN/MEDIOS TABLAS 8-38 RESUMEN DEL MODELO DE REGRESIN PARA COMUNICACIN/MEDIOS DE INFORMACIN TABLA 8-39 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE DERECHO TABLA 8-40 RESUMEN DEL MODELO DE REGRESIN PARA DERECHO TABLA 8-41 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE CIENCIAS POLTICAS TABLA 8-42 RESUMEN DEL MODELO DE REGRESIN PARA CIENCIA POLTICA TABLA 8-43 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE PSICOLOGA ORGANIZACIONAL TABLA 8-44 RESUMEN DEL MODELO DE REGRESIN PARA PSICOLOGA ORGANIZACIONAL. TABLA 8-45 RESUMEN DEL MODELO DE REGRESIN DE LA CARRERA DE RELACIONES INTERNACIONALES
512
TABLAS
TABLA 8-46 RESUMEN DEL MODELO DE REGRESIN PARA RELACIONES INTERNACIONALES TABLA 8-47 RESUMEN DEL MODELO DE REGRESIN DEL REA DE HUMANIDADES TABLA 8-48 DE ANOVA DEL REA DE HUMANIDADES TABLA 8-49 RESUMEN DEL MODELO DE REGRESIN PARA EL REA DE HUMANIDADES TABLA 8-50 RESUMEN DEL MODELO DE REGRESIN DE INGENIERA TABLA 8-51 ANOVA DEL REA DE INGENIERA TABLAS 8-52 RESUMEN DEL MODELO DE REGRESIN PARA INGENIERA TABLA 8-53 RESUMEN DEL MODELO DE REGRESIN DE NEGOCIOS TABLA 8-54 ANOVA DE NEGOCIOS TABLAS 8-55 RESUMEN DEL MODELO DE REGRESIN PARA NEGOCIOS TABLA 8-56 RESUMEN DEL MODELO DE REGRESIN DE PREPARATORIA NO TEC TABLA 8-57 ANOVA DE PREPARATORIA NO TEC TABLAS 8-58 RESUMEN DEL MODELO DE REGRESIN PARA PREPARATORIA NO TEC TABLA 8-59 RESUMEN DEL MODELO DE REGRESIN DE PREPARATORIA TEC TABLA 8-60 DE ANOVA DE PREPARATORIA TEC TABLAS 8-61 RESUMEN DEL MODELO DE REGRESIN PARA PREPARATORIA TEC TABLA 8-62 RESUMEN DE LOS MODELOS DE REGRESIN POR CARRERAS UNIVERSITARIAS TABLA 8-63 MODELOS DE REGRESIN POR DIVISIONES ACADMICAS TABLA 8-64RESUMEN DE LOS MODELOS DE REGRESIN POR CARRERA TABLA 9-1 NDICES DE BONDAD DE AJUSTE DEL MODELO RA1 TABLA 9-2 NDICES DE BONDAD DE AJUSTE DEL MODELO RA2 TABLA 9-3 NDICES DE BONDAD DE AJUSTE DEL MODELO RA3 TABLA 9-4 NDICES DE BONDAD DE AJUSTE DEL MODELO RA4 TABLA 9-5 NDICES DE BONDAD DE AJUSTE DEL MODELO INICIAL RA5 TABLA 9-6 NDICES DE BONDAD DE AJUSTE DEL MODELO RA6 TABLA 9-7 NDICES DE BONDAD DE AJUSTE DEL MODELO GENERAL RA7 TABLA 9-8 ANLISIS COMPARATIVO DEL NIVEL DE AJUSTE DE LOS MODELOS GENERALES TABLA 9-9 RESUMEN DE PARMETROS TABLA 9-10 COEFICIENTES DE REGRESIN TABLA 9-11 CORRELACIN MLTIPLE AL CUADRADO TABLA 9-12 EFECTOS TOTALES TABLA 9-13 EFECTOS DIRECTOS TABLA 9-14 EFECTOS INDIRECTOS TABLA 9-15 NDICE DE BONDAD DE AJUSTE (CMIN) TABLA 9-16 NDICE DE AJUSTE (NFI/CFI) TABLA 9-17 ERROR DE APROXIMACIN CUADRTICO MEDIO (RMSEA) TABLA 9-18 NDICES DE BONDAD DE AJUSTE DEL MODELO DE HUMANIDADES TABLA 9-19 NDICES DE BONDAD DE AJUSTE DEL MODELO DE INGENIERA TABLA 9-20 NDICES DE BONDAD DE AJUSTE DEL MODELO DE NEGOCIOS 513
TABLAS
TABLA 9-21COMPARATIVO DEL NIVEL DE AJUSTE DE LOS MODELOS POR REAS TABLA 9-22 NDICES DE PRECISIN DE AJUSTE DEL MODELO DE MERCADOTECNIA TABLA 9-23 NDICES DE BONDAD DE AJUSTE DEL MODELO DE FINANZAS Y CONTABILIDAD TABLA 9-24 NDICES DE BONDAD DE AJUSTE DEL MODELO DE INGENIERA INDUSTRIAL TABLA 9-25 NDICES DE BONDAD DE AJUSTE DEL MODELO DE CIENCIAS DE LA COMUNICACIN TABLA 9-26 ANLISIS COMPARATIVO DEL NIVEL DE AJUSTE DE LOS MODELOS POR CARRERAS PROFESIONALES. TABLA 10-1 NDICES DE BONDAD DE AJUSTE DEL MODELO DE PREPARATORIA NO TEC TABLA 10-2 NDICES DE BONDAD DE AJUSTE DEL MODELO DE PREPARATORIA TEC TABLA 11-1 CUADRO COMPARATIVO DE MODELOS CAUSALES POR REAS Y POR CARRERAS.
514
FIGURAS
FIGURAS
FIGURA 5.1 MODELO DE VARIABLES DE LA ESCUELA Y LOS PROFESORES QUE INFLUYEN EN EL APRENDIZAJE DE LOS ESTUDIANTES. FIGURA 5-2 MODELO ESTRUCTURAL DE VARIABLES ENTRADASSALIDAS DE ESCUELA FIGURA 5-3 BINIAMINOV, ISRAEL Y GLASMAN, NAFTALY FIGURA 5-4 MODELO DE FULLANA FIGURA 5-5 MODELOS CAUSALES DE PARKERSON, LOMAS, SCHILLER Y WALBERG FIGURA 5-6 MODELO DE RENDIMIENTO EN CIENCIA, GONZLEZ FIGURA 5-7 MODELO DE RENDIMIENTO ACADMICO DE LVARO PAGE FIGURA 5-8 MODELO DE REYNOLDS Y WALBERG FIGURA 5-9 MODELO DE CASTEJN Y PREZ FIGURA 5-10 MODELO DE ABBOT Y JOIREMANS FIGURA 5-11 MODELO DE FRENCH, IMMEKUS Y OAKES FIGURA 5-12 MODELO DE COMPONENTES ACTITUDINALES DE LA FORMACIN ESTADSTICA DEL CONSUMIDOR FIGURA 5-13 MODELO DE COMPONENTES ACTITUDINALES DE LA FORMACIN ESTADSTICA DEL PRODUCTOR FIGURA 5-14 MODELO DE NEZ RINCN FIGURA 5-15 MODELO ESTRUCTURAL DE MELLA Y ORTIZ FIGURA 5-16 MODELO DE FACTORES DIFERENCIALES DEL RENDIMIENTO ACADMICO FIGURA 5-17 MODELO FINAL EXPLICATIVO DEL RENDIMIENTO ESCOLAR EN EL DISTRITO FEDERAL FIGURA 5-18 DIAGRAMA DEL MODELO MEDIDA MOTIVACIN FIGURA 7-1 DISTRIBUCIN DE LOS ALUMNOS POR PROFESIN FIGURA 7-2 NORMAL ESPERADA DEL RENDIMIENTO ACADMICO FIGURA 7-3 DISTRIBUCIN NORMAL DE LOS ALUMNOS POR RENDIMIENTO ACADMICO FIGURA 7-4 RENDIMIENTO FINAL POR CARRERAS EN FUNCIN DEL SEXO FIGURA 7-5 DIAGRAMA DE MEDIAS POR SEXO FIGURA 7-6 DIAGRAMA DE MEDIAS DE LAS 3 CATEGORAS DE EDAD FIGURA 7-7 DIAGRAMA DE MEDIAS POR BECA DE LOS TRES GRUPOS FIGURA 7-8 DIAGRAMA DE MEDIAS POR NIVEL SOCIO-ECONMICO EN TRES GRUPOS FIGURA 7-9 DIAGRAMA DE MEDIAS POR ESTUDIOS DE LOS PADRES EN CUATRO GRUPOS FIGURA 7-10 DIAGRAMA DE MEDIAS POR ESTUDIOS DE LA MADRE EN CUATRO GRUPOS FIGURA 7-11 DIAGRAMA DE LAS MEDIAS POR EDAD DEL PADRE FIGURA 7-12 DIAGRAMA DE LAS MEDIAS POR EDAD DE LA MADRE FIGURA 7-13 DIAGRAMA DE LAS MEDIAS POR NIVEL DE TOEFL INICIAL FIGURA 7-14 DIAGRAMA DE LAS MEDIAS POR TIPO DE PREPARATORIA
515
FIGURAS
FIGURA 7-15 DIAGRAMA DE MEDIAS POR EL RENDIMIENTO DE PREPARATORIA EN TRES GRUPOS FIGURA 7-16 DIAGRAMA DE MEDIAS POR RENDIMIENTO AL 3ER SEMESTRE POR GRUPOS FIGURA 7-17 DIAGRAMA DE MEDIAS POR EL RENDIMIENTO AL 5TO. SEMESTRE POR GRUPOS FIGURA 7-18 DIAGRAMA DE LAS MEDIAS POR PROMEDIO DE 3ER. SEMESTRE FIGURA 7-19 DIAGRAMA DE LAS MEDIAS POR MATERIAS REPROBADAS AL 5TO. SEMESTRE FIGURA 7-20 DIAGRAMA DE LAS MEDIAS POR MATERIAS SUSPENDIDAS AL LTIMO SEMESTRE FIGURA 7-21 DIAGRAMA DE LAS MEDIAS DE TRES GRUPOS POR SEMESTRES CURSADOS FIGURA 8-1 RESIDUALES ESTANDARIZADOS DEL MODELO GENERAL FIGURA 8-2 NORMALIDAD DE LOS RESIDUALES DEL MODELO GENERAL FIGURA 9-1 DIAGRAMA DE TRAYECTORIAS DE LOS FACTORES DEL RENDIMIENTO ACADMICO FIGURA 9-2 MODELO GENERAL RA1 FIGURA 9-3 MODELO GENERAL RA2 FIGURA 9-4 MODELO GENERAL RA3 FIGURA 9-5 MODELO GENERAL RA4 FIGURA 9-6 MODELO GENERAL RA5 FIGURA 9-7 MODELO GENERAL RA6 FIGURA 9-8 MODELO GENERAL RA7 FIGURA 9-9 MODELO ESCUELA DE HUMANIDADES FIGURA 9-10 MODELO ESCUELA DE INGENIERA FIGURA 9-11 MODELO ESCUELA DE NEGOCIOS FIGURA 9-12 MODELO DE MERCADOTECNIA FIGURA 9-13 MODELO DE FINANZAS Y CONTABILIDAD FIGURA 9-14 MODELO DE INGENIERA INDUSTRIAL FIGURA 9-15 MODELO DE CIENCIAS DE LA COMUNICACIN Y MEDIOS DE INFORMACIN. FIGURA 10-1 MODELO DE PREPARATORIA NO TEC FIGURA 10-2 MODELO DE PREPARATORIA TEC FIGURA 11- 1 MODELO CAUSAL GENERAL FINAL
516

Tesis Rendim Acad, Eval - Sist Edu .

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Tesis Rendim Acad, Eval - Sist Edu .

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD COMPLUTENSE DE MADRID FACULTAD DE EDUCACIN

Departamento de Mtodos de Investigacin y Diagnstico en Educacin

MEMORIA PARA OPTAR AL GRADO DE DOCTOR PRESENTADA POR

Martha Patricia Guzmn Brito

Director Jos Manuel Garca Ramos

Martha Patricia Guzmn Brito, 2012

UNIVERSIDAD COMPLUTENSE DE MADRID

Departamento de Mtodos de Investigacin y Diagnstico en Educacin (MIDE)

MARTHA PATRICIA GUZMN BRITO

UNIVERSIDAD COMPLUTENSE DE MADRID

Departamento de Mtodos de Investigacin y Diagnstico en Educacin (MIDE)

Autora: Martha Patricia Guzmn Brito

Director: Dr. Jos Manuel Garca Ramos

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO ........... 35

CAPTULO 3. RENDIMIENTO ACADMICO .................................................. 53

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO .......................... 77

4.3.3 Medida del rendimiento en Mxico ......................................................................................... 94

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO ...................... 99

CAPTULO 7. ESTUDIOS PREVIOS ............................................................. 195

CAPTULO 8. ESTUDIOS PREDICTIVOS..................................................... 313

CAPTULO 9. ESTUDIOS CAUSALES ......................................................... 391

10. ESTUDIOS COMPLEMENTARIOS ......................................................... 439

11. CONCLUSIONES Y DISCUSIN DE RESULTADOS ............................. 459

PARTE I. PLANTEAMIENTO GENERAL DE LA INVESTIGACIN Y MARCO TERICO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

desempeo acadmico, entre otras.

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

estructurales (anlisis causal).

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

1.5 Estructura general de la investigacin

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

Tabla 2-1 Alumnos matriculados por nivel educativo 1980-2010

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

servicios de capacitacin para el trabajo cubren el restante 4.1%. En cuanto al

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

Figura 2-1. Gasto en educacin en Mxico 2008 2010

1/ Cifras en miles de millones de pesos.

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

gubernamentales, sustentado en pares acadmicos de reconocido prestigio.

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO