Análisis Multinivel de Factores que Afectan el Rendimiento Escolar en Español Tercer Grado en Honduras

Autores/as

Palabras clave:

rendimiento escolar, modelo multinivel, enfoque frecuentista, enfoque bayesiano

Resumen

En este trabajo, se hace un análisis de factores que afectan el rendimiento escolar en español tercer grado en Honduras, utilizando los datos del Tercer Estudio Regional Comparativo y Explicativo (TERCE, 2013), por medio de un modelo de regresión multinivel que permite realizar análisis con estimaciones por niveles; bajo los enfoques frecuentista y bayesiano. En el enfoque frecuentista se realizan varios modelos hasta obtener el modelo final, y se elaboran las pruebas para la verificación de los supuestos de homocedasticidad, ortogonalidad y normalidad, seleccionando el mejor modelo utilizando AIC, BIC, y Log-Verosimilitud. En el enfoque Bayesiano se comparan los modelos utilizando PSIS-LOO y WAIC. Dentro de los principales hallazgos resaltamos, que las variables de mayor impacto son: clima en el aula escolar y prácticas de recreación, las variables instalaciones y servicios básicos de la escuela, indican que unas mejores características de la escuela tienen un efecto positivo y significativo sobre el rendimiento en español de los estudiantes.

Biografía del autor/a

Lesky Ibeth Rivas Martínez, Instituto Gubernamental Mixto Hibueras

Docente del Instituto Gubernamental Mixto Hibueras, con postgrado en Liderazgo Organizacional, en Eastern University ST. DAVIDS, USA. Con experiencia de 15 años como docente de educación media y 3 años en docencia universitaria. Ha realizado publicaciones de cuadernos de trabajo de lógica simbólica y matemática para la Secretaría de Educación de Honduras y participado como ponente en congresos internacionales. Actualmente estudiante de la Maestría en Matemática de la Facultad de Ciencias, Universidad Nacional Autónoma de Honduras (UNAH).

Cristian Andrés Cruz Torres, Universidad Nacional Autónoma de Honduras

Docente de la Escuela de Matemática, Departamento de Estadística Matemática, Facultad de Ciencias, Universidad Nacional Autónoma de Honduras (UNAH). Licenciado en Matemática e Ingeniería Eléctrica Industrial de la Universidad Nacional Autónoma de Honduras. Máster en Matemática del Instituto de Matemática Pura y Aplicada (IMPA, Brasil). Doctor en Estadística de la Universidad Federal de Rio de Janeiro (UFRJ, Brasil). Actualmente, Coordinador de la Maestría en Matemática con orientación en Ingeniería Matemática y Estadística Matemática de la UNAH.

Citas

Aitkin, M., y Longford, N. (1986). Statistical Modelling Issues in School Effectiveness Studies. Journal of the Royal Statistical Society. Series A (General), Vol. 149, No. 1, 1-43. doi:https://doi.org/10.2307/2981882

Bates, D., Mächler, M., Bolker, B. M., y Walker, S. (2014). Fitting linear mixed-effects models using lme4. Cornell University, Bogotá. doi:https://doi.org/10.18637/jss.v067.i01

Bickel, R. (2007). Multilevel analysis for applied research: it’s just regression!. New York: The Guilford Press.

Bürkner, P.-C. (2017). brms: An R Package for Bayesian Multilevel Models Using Stan. Journal of Statistical Software, August 2017, Volumen 80, Issue 1. doi:https://doi.org/10.18637/jss.v080.i01

Bustamante, A. M. (2015). Dirección escolar exitosa en España. [Tesis doctoral, Universidad Autónoma de Madrid]. https://repositorio.uam.es/handle/10486/666722

Fernández, V. P. (2012). Los modelos multinivel en el análisis de factores de riesgo de sibilancias recurrentes en lactantes. Enfoques frecuentista y bayesiano. [Tesis doctoral, Universidad de Murcia]. https://tesisenred.net/handle/10803/109213

Finch, W. H., Bolin, J., y Kelley, K. (2014). Multilevel Modeling Using R. Boca Ratón, FL 33487-2742: Taylor and Francis Group. doi:https://doi.org/10.1201/9781351062268

Gelman, A., y Pardoe, I. (2012). Bayesian Measures of Explained Variance and Pooling in Multilevel (Hierarchical) Models. Technometrics, 241-251. doi:https://doi.org/10.1198/004017005000000517

Hox, J., Moerbeek, M., y Schoot, R. V. (2018). Multilevel analysis techniques and applications. New York: Taylor & Francis Group. https://lccn.loc.gov/2017013032

Johnson, R., y Wichern, D. (2007). Applied Multivariate Statistical Analysis. Prentice Hall. https://libgen.li/file.php?md5=43c0d654a6ec0d23aa6697c7619daf27

Jurado, J. C. (2013). Análisis multinivel del rendimiento escolar en matemáticas para cuarto grado de Educación Básica Primaria en Colombia. Sociedad y Economía No. 25, 205-236. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1657-63572013000200010

McElreath, R. (2020). Statistical Rethinking A Bayesian Course with Examples in R and Stan. Columbia: Taylor & Francis Group. Obtenido de https://xcelab.net/rm/statistical-rethinking/

Nalborczyk, L., Batailler, C., Loevenbruck, H., Vilain, A., y Bürkner, P. (2019). An Introduction to Bayesian Multilevel Models Using brms: A Case Study of Gender Effects on Vowel Variability in Standard Indonesian. University Grenoble Alpes. Obtenido de https://osf.io/dpzcb/

Secretaría de Educación. (1999). Carta/acuerdo entre la Secretaría de Educación y la UNESCO. Honduras.

Seghouane, A. K., y Amari, S. I. (2007). The AIC Criterion and Symmetrizing the Kullback–Leibler Divergence. IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 18, NO. 1. doi:10.1109/TNN.2006.882813

Stringfield, S., Reynolds, D., Creemers, B., Nesselrodt, P., Schanffer, E., y Teddlie, C. (1994). A model of elementary school effects. Advances in School Effectiveness Research and Practice, 153-187.

Team, R. C. (2020). R: A Language and Environment for Statistical Computing. https://www.R-project.org/

Torrecilla, J. M. (2008). Los modelos multinivel como herramienta para la investigación educativa. Revista Internacional de Investigación en Educación, vol. 1, núm. 1, julio-diciembre, 45-62. http://www.redalyc.org/articulo.oa?id=281021687004

UNESCO. (2000). Situación y tendencias 2000 Evaluación del aprovechamiento escolar. Foro consultivo internacional sobre educación para todos.

UNESCO. (2007). Informe de seguimiento de la educación para todos en el mundo. Paris: Fortemps.

UNESCO. (2016). Tercer estudio comparativo y explicativo: reporte técnico. Oficina regional de educación para América Latina y el Caribe. https://unesdoc.unesco.org/ark:/48223/pf0000247123

Vehtari, A., Gelman, A., Simpson, D., Carpenter, B., y Bürkner, P.-C. (2021). Rank-Normalization, Folding, and Localization: An Improved R^ for Assessing Convergence of MCMC (with Discussion). Bayesian Analysis (2021) 16, Number 2, 667–718. doi:https://doi.org/10.1214/20-BA1221

Velez, E., Schiefelbein, E., y Valenzuela, J. (1994). Factores que Afectan el Rendimiento Académico en la Educación. Revista latinoamericana de Innovaciones Educativas. Argentina, No. 17. https://core.ac.uk/download/pdf/143614621.pdf

Descargas

Publicado

07-12-2022

Cómo citar

Rivas Martínez, L. I., & Cruz Torres, C. A. (2022). Análisis Multinivel de Factores que Afectan el Rendimiento Escolar en Español Tercer Grado en Honduras. Paradigma: Revista De Investigación Educativa, 29(48), 93–119. Recuperado a partir de https://iniees.vrip.upnfm.edu.hn/ojs/index.php/Paradigma/article/view/171

Número

Sección

Artículos