ESTIMACIÓN DE LA PROBABILIDAD DE EGRESO DE LOS ESTUDIANTES DE INGENIERÍA DE LA UNIVERSIDAD NACIONAL DE VILLARRICA DEL ESPÍRITU SANTO

Mario Damian Vázquez

Resumen


La gran brecha existente entre la matrícula y el egreso en la educación superior ha generado la necesidad de estimar la probabilidad de egreso de los estudiantes. Como en la Universidad Nacional de Villarrica del Espíritu Santo UNVES las carreras de ingeniería poseen esa mayor brecha, conlleva a analizar cuáles serían los factores que ayuden a identificar en el primer año de la carrera a los estudiantes con mayor o menor probabilidad de egreso de manera a implementar políticas educativas que ayuden a disminuir esa brecha existente entre la matrícula y el egreso.Para el desarrollo de la investigación se plantea la siguiente pregunta de investigación ¿Cuál es la probabilidad de egreso en base a variables académicas y demográficas de los estudiantes de ingeniería de la Universidad Nacional de Villarrica del Espíritu Santo de la república del Paraguay?, cuyo objetivo general es: Estimar la probabilidad de egreso en base a variables académicas y demográficas de los estudiantes de ingeniería de la Universidad Nacional de Villarrica del Espíritu Santo de la república del Paraguay.De este objetivo general se deducen los siguientes objetivos específicos: Analizar de manera descriptiva el egreso en base a variables académicas y demográficas de los estudiantes de ingeniería de la Universidad Nacional de Villarrica del Espíritu Santo de la república del Paraguay cohorte 2009-2018. Determinar las variables académicas que estiman la probabilidad de egreso de los estudiantes de ingeniería de la Universidad Nacional de Villarrica del Espíritu Santo de la república del Paraguay cohorte 2009-2018. Determinar las variables demográficas que estiman la probabilidad de egreso de los estudiantes de ingeniería de la Universidad Nacional de Villarrica del Espíritu Santo de la república del Paraguay cohorte 2009-2018. Determinar el modelo estadístico utilizando la regresión logística con mejor bondad de ajuste que estime la probabilidad de egreso de los estudiantes de ingeniería de la Universidad Nacional de Villarrica del Espíritu Santo de la república del Paraguay.El enfoque utilizado es el cuantitativo, el diseño es no experimental, el alcance la investigación es correlacional. Para la realización de este estudio se ha utilizado la ficha académica del estudiante de ingeniería de la UNVES, contenida en la base de datos del Centro Tecnológico de Informática y Comunicaciones CETIC dependiente de la Dirección General Académica.Entre los resultados más significativos se pueden mencionar que el sexo del estudiante, su estado civil, el tipo de ingeniería que estudia, el promedio al final del primer semestre de la carrera, la cantidad de materias aprobadas en el primer y segundo semestre de la carrera son las variables que estiman la probabilidad de egreso del estudiante de ingeniería, el modelo obtenido mediante la regresión logística de respuesta binaria tiene una excelente bondad de ajuste identificando a 8 de cada 10 estudiantes con posibles problemas de no egresar. Para la interpretación de los parámetros del modelo predictivo se utilizan los Odds Ratio (OR) de manera a cuantificar el aumento o la disminución de las chances de egreso.

Citas


Acevedo, C., & Rocha, F. (2011). Estilos de aprendizaje, género y rendimiento académico. Journal of Learning Styles, 71-84.

Arkin, H. & Colton, R. R. (1995). Tables for statisticians. New York: Barnes & Noble.

Baird, K.E., & Elías, R. (2014). Factores Asociados al Logro Académico en Paraguay: Un Análisis Multinivel.

Bisquerra, R. (2009). Metodología de la Investigación educativa. Madrid: La Muralla.

Bisquerra, R. (1989). Métodos de Investigación Educativa Barcelona: CEAC.

Bobadilla de Almada, G. & la Red Martínez, D. (2017). Detección de Perfiles de Rendimiento Académico en la Universidad Nacional del Este de Paraguay. XIX. Workshop de Investigadores en Ciencias de la Computación. Volumen 1. 1149-1153. Disponible en: http://sedici.unlp.edu.ar/handle/10915/61343

Briones, G. (2003). Métodos y Técnicas de Investigación para las Ciencias Sociales. México: Trillas.

Bunge, M. (2000). La investigación Científica. Barcelona: Siglo XXI.

Campoy, T. (2016). Metodología de la investigación científica: Manual para la elaboración de tesis y trabajos de investigación. Asunción: Librería Cervantes.

Cardona, C. (2002). Introducción a los métodos de Investigación en Educación. Madrid: EOS.

Cook, R. (1977). Detection of Infuential Observations in Linear Regression. Technometrics. Vol. 19, pp. 15-18.

Cook, R. y Weisberg, S. (1982). Residuals and Influence in Regression. Chapman and Hall, Vol. VIII. New York–London.

Di Gresia, L. (2007). Rendimiento académico universitario. Trabajo de tesis doctoral, Doctorado en Economía, Universidad Nacional de La Plata. Argentina.

Di Gresia, L., & Porto, A. (2004). Dinámica del desempeño académico. Departamento de Economía, Universidad Nacional de La Plata.

Di Gresia, L., & Porto, A., & Ripani, L. (2002). Rendimiento de los estudiantes de las Públicas Argentinas. Departamento de Economía, Universidad Nacional de La Plata. Argentina.

Fernández, P., y Pértegas, S. (2002). Investigación cuantitativa y cualitativa: Investigación Cuantitativa y Cualitativa. Pp. 76-78.

Fonseca Grandón, G. R. (2018). Trayectorias de permanencia y abandono de estudios universitarios: una aproximación desde el currículum y otras variables predictoras. (Spanish). Latin American Journal of Content & Language Integrated Learning, 21(2), 239–256. Disponible en: https://doi.org/10.5294/edu.2018.21.2.4

García J, M., Alvarado I, J.; & Jiménez, A. (2000). La predicción del rendimiento académico: Regresión Lineal versus Regresión Logística. Psicothema, 12(2); 248 - 252.

García Tinisaray, D. K (2015). Construcción de un modelo para determinar el rendimiento académico de los estudiantes basado en learning analytics (análisis del aprendizaje), mediante el uso de técnicas multivariantes (Tesis Doctoral). Universidad de Sevilla. Sevilla, España.

Garzón, R., Rojas, M., del Riesgo, L., & Pinzón, M. (2010). Factores que pueden influir en el rendimiento académico de estudiantes de Bioquímica que ingresan en el programa de Medicina de la Universidad del Rosario-Colombia. Educación médica, 85-96.

Glavinich, N. (2007). Guía breve para la preparación de trabajos de investigación según el Manual de Estilo de Publicaciones de la American Psychological Association (A.P.A.). Asunción. Universidad Autónoma de Asunción.

Goberna, M.A., López M.A. y Pastor J.T. (1987). La predicción del rendimiento como criterio para el ingreso en la universidad. Revista de Educación, 283, 235-248.

Goodman, L. y Kruskal, W. (1954). Measures of Association for Cross Classifications, Journal of the American Statistical Association, Vol. 49, Nro. 268, pp. 732-764.

Hernández, S., Fernández, C., y Baptista, P. (2013). Metodología de la Investigación, Sexta Edición. México: McGraw-Hill.

Hosmer, D. y Lemeshow, S. (2000). Applied Logistic Regression, Second Edition, Addison Wesley, E.E.U.U.

House, J. D., Hurst, R.S., Keely, E.J. (1996). Relacionship between learner attitudes, prior achievement, and performance in a General Education Course: A multi-Institutional Study. International Journal of instructional media, 23, 257-271.

Hueso, A., y Cascant, Mª J. (2012). Metodología y técnicas cuantitativas de investigación. Valencia: Universidad Politécnica de Valencia.

Jiménez Fernández, C. (1987). Rendimiento académico en la universidad a distancia. Un estudio empírico sobre su evolución y predicción (II). Revista de Educación, 284, 317-347.

Kerlinger, F., y Lee, H. (2001). Investigación del comportamiento. Métodos de investigación en ciencias sociales. México: McGraw-Hill.

Krejcie, R.V. & Morgan, D. W. (1970). Determining Sample Size for Research Activities. Determining Sample Size for Research Activities. Educational and Psychological Measurement. Volume: 30 issue: 3, pp: 607-610. Disponible en: https://doi.org/10.1177/001316447003000308

Latorre, A., Rincón, D. y Arnal, J. (1996). Bases metodológicas de la investigación educativa. Barcelona: Experiencia.

Mertens, D. M. (2010). Transformative Mixed Methods Research. Qualitative Inquiry, 16(6), 469–474. Disponible en: https://doi.org/10.1177/1077800410364612

Moral, J. (2006). Predicción del rendimiento académico universitario. Recuperado en junio de 2014, de Perfiles educativos: Recuperado de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0185-26982006000300003&lng=es&tlng=es

Pantoja, A., & Alcaide, M. (2013). La variable Género y su relación con el autoconcepto y el rendimiento académico de alumnado universitario. Revista científica electrónica de Educación y Comunicación en la Sociedad del Conocimiento, 124-140.

Porto, A. & Di Gresia, L. (2000). Características y Rendimiento de estudiantes universitarios. El caso de la Facultad de Ciencias Económicas de la Universidad Nacional de La Plata. Departamento de Economía, Universidad Nacional de La Plata.

Porto, A.; Di Gresia, L., & López A, M. (2004). Mecanismos de admisión a la Universidad y rendimiento de los estudiantes. Departamento de Economía, Universidad Nacional de La Plata.

Reyes Rocabado, J. & Escobar Flores, C. (2007). Una aplicación del modelo de regresión logística en la predicción del rendimiento estudiantil. Revista Estudios Pedagógicos XXXIII, Nro 2, 101-120.

Rodríguez Fontes, R, Díaz Rodríguez, P., Moreno Lazo, M., & Bacallao Gallestey, J. (2000). Capacidad predictiva de varios indicadores de selección para el ingreso a la carrera de medicina. Educación Médica Superior, 14(2), 128-135.

Salazar, A. (2011). Modelos de respuesta discreta en R y aplicación con datos reales. Universidad de Granada, España.

Valdés, K. & González Campos, J.A. (2019). Perfil de egreso doctoral: una propuesta desde el análisis documental y las expectativas de los doctorandos. IE Revista de Investigación Educativa de La REDIECH, (18), 161.

Vélez van Meerbeke, A. & Roa G, C. (2005). Factores asociados al rendimiento académico en estudiantes de medicina. Educación Médica, 8(2).

Wilson, R.L., Hardgrave, B.C. (1995). Predicting graduate student success in an MBA program: Regression versus classification. Educational and Psychological Measurement, 55, 186-195.


Texto completo: PDF

Refbacks

  • No hay Refbacks actualmente.