Está en la página 1de 517

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

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

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

En su mayora, los estudios sobre RA han concluido en una diversidad de


definiciones

variables

que

le

dan

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

CAPTULO 1. CONTEXTO GENERAL DEL ESTUDIO

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

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

35

para

adultos

servicios

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

1980

1985

1990

1995

2003

2004

2005

2010**

18,771.7

21,685.1

21,325.9

22,480.7

24,416.8

24,634.1

25,024.2

25,596.9

1,388.1

1,961.9

2,100.5

2,438.7

3,479.2

3,547.9

3,711.2

4,054.7

935.8

1,199,1

1252.0

1,532.8

2,354.6

2,384.9

2,445.6

2,847.4

Media
superior
Superior

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

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.

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

acreditacin

de

programas

educativos

gubernamentales, sustentado en pares acadmicos de reconocido prestigio.

42

no

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

Modelo educativo del TEC y el modelo tradicional


Tabla 2-2 Caractersticas del modelo educativo del TEC (Martn Marisa, 2002)
Modelo tradicional

Modelo educativo del Tec


Est centrado en el estudiante.

Est centrado en el profesor.

Est centrado en el proceso de


enseanza-aprendizaje.

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.

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

Campus en Mxico

22

Sedes y oficinas internacionales en el mundo

59

Carreras profesionales

39

Carreras internacionales

26

Programas de especialidades, de los cuales 16 corresponden a especialidades


mdicas

50

Programas de maestra

10

Programas de doctorado

186

Programas acadmicos de profesional acreditados por organismos nacionales, lo que


representa 91%

50

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

Datos generales
38

Programas acadmicos de profesional acreditados y/o reconocidos por organismos


internacionales

52

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

47.65%

De los alumnos recibi los beneficios de los programas de becas y apoyo financiero

29,258

Alumnos participaron en actividades de difusin cultural

41,419

Alumnos participaron en actividades deportivas

14,771

Alumnos estn registrados en actividades de liderazgo estudiantil

Profesores
8,804

Profesores

29%

Planta

71%

Ctedra

100%

De los profesores de profesional y posgrado cuentan con credenciales acadmicas


apropiadas para impartir cursos en sus respectivas reas de especialidad

Egresados
168,358

Ttulos profesionales otorgados por el Tecnolgico de Monterrey desde su fundacin

38,671

Grados acadmicos otorgados por el Tecnolgico de Monterrey desde su fundacin

Investigacin
239

Profesores son miembros del Sistema Nacional de Investigadores (SNI)

126

Ctedras de investigacin

46

Patentes solicitadas en 2008

Patentes obtuvieron su registro en 2008

89

Libros publicados

142

Captulos de libros escritos por profesores

Desarrollo social
53

Incubadoras sociales administradas por campus del Tecnolgico de Monterrey

879

Microempresas asesoradas en las incubadoras sociales

2,099

Centros comunitarios de aprendizaje apoyados por el Tecnolgico de Monterrey:


- En Mxico: 1,918
- En Estados Unidos: 150
- En otros pases: 31

51

CAPTULO 2. CONTEXTO DEL SISTEMA EDUCATIVO MEXICANO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

la

conexin

entre

rendimiento

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

Prez Serrano
(1978)

Molina Garca
y Garca
Pascual
(1984)

Martn
Rodrguez
(1985)

NIVEL

INVESTIGACIN

5 y 8
EGB

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.

EGB

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.

EGB

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.

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

Tabla 3-2 Estudios de carcter psicolgico


AUTOR

Nivel

VARIABLES/INVESTIGACIN

Avia, Roda y
Morales
(1985)

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.

Prez (1978)

5 y 8 EGB

Lpez y otros
(1986)

Bachillerato
Test
Longeot

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.

Bermdez
(1978)

No
especifica
nivel

En su estudio de ansiedad y el rendimiento en tareas


intelectuales,
obtuvo correlaciones positivas entre
motivacin y rendimiento.

Pelechado
(1977)

No
especifica
nivel

En su trabajo concluy que existe una relacin estadstica


entre inteligencia, motivacin y RA, cuya intensidad alcanza
0.60.

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

Izquierdo
(1976)

Gascn
(1984)

Teruel
(1985)

Salvador
(1985)

Nivel

INVESTIGACIN

No
especifica

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.

Ciclo inicial
EGB

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).

7 EGB

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.

Bachillerato

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.

62

CAPTULO 3. RENDIMIENTO ACADMICO

Algunas variables predictivas del rendimiento escolar son:

Variables socio-familiares (clima educativo familiar, estructura


familiar, origen social, medio sociocultural, caractersticas de la
Variables

poblacin de residencia).

Contextuales
Variables escolares (institucin escolar, profesor, alumno).

Variables

Inteligencia y aptitudes, estilos cognitivos, sexo, personalidad.

personales

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

CAPTULO 3. RENDIMIENTO ACADMICO

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)


Concepto

2001 -

2002 -

2003 -

2002

2003

2004

2000-2001

2004 -2005

% 2000 -2005

Eficiencia
terminal
Primaria
Secundaria
Bachillerato

86.3
74.9
59.3

87.7
77.7
58.8

88.2
78.4
61.1

88.7
78.8
60.1

89.7
78.8
60.1

3.9
5.2
1.3

Desercin
Primaria
Secundaria
Bachillerato
Superior

1.9
8.3
16.5
8.3

1.6
7.3
15.8
8.2

1.7
7.4
16.8
8.4

1.8
7.4
16.8
8.4

1.7
7.1
16.3
8.6

-10.5
-14.5
-1.2
3.6

Reprobacin
Primaria
Secundaria
Bachillerato

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

CAPTULO 3. RENDIMIENTO ACADMICO

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

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

(18331911)

Binet y
Simon

(1905)

William
Stern

(18711938)

Howard
Gardner

(19831993)

Nisbet y
Shucksmith

Louis Leon
Thurstone

(1987)

(18871955)

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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)

Materia

Crditos
(A)

Calif. 1
(B)

Mat 1
Mat 2
Mat 3
Mat 4
Mat 5
Mat 6
Mat 7
Mat 8
Mat 9
Mat 10
Mat 11
Total

12
9
6
6
6
6
9
6
6
6
6
78

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

Promedio aritmtico
(PA) = 8.0
Promedio Ponderado
(PP)3 = 7.8
Promedio Ajustado5
(PAJ) = 7.5
1.
2.

3.
4.

5.

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).

88

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

Tabla 4-3 Equivalencias de la medida del rendimiento acadmico por pases


PAS
Escala ETCS
(Europa) % de
estudiantes

Escala
cualitativa
internacional

NOTAS
A
10%

B
25%

C
30%

D
25%

E
10%

FX

Insuficiente
requiere de
considerable
trabajo para
pasar

Excelente

Muy bien

Bien

Satisfactorio

Suficiente

Insuficiente
requiere
de ms
trabajo
para pasar

Espaa
(numrica)
Espaa (no
numrica)

10

8-7

4-3

2-1

Matrcula
de honor

Sobresa_
liente

Notable

Aprobado

Aprobado

Suspenso

---

Alemania

1.0

1.3 - 1.7

2.0- 2.32.7

3.0 - 3.3

3.7 4.0

4.3 4.7

5.0

Austria
Blgica
Dinamarca
Finlandia

1
20
13
3

1
19 - 17
11 10
25

2
16 - 14
9
2-/2/2+

3
13 - 11
8
1.5

4
10
7
1+/1.0

5
97
6
0

--61
51
---

Francia

20
Excellent

19 16
Trs bien

15-14-13

12 11
Assez bien

10
Pasable

97
Echc 1

61

Grecia
Holanda

10
19

98
9 -8.5

7
8 7.5

6
7 6.5

5
6

Fail
5 -3

--21

Irlanda

1. Clase
Honor
(A)

2. Clase
Honor I
(A+B)

2. Clase
Honor II
(B)

3. Clase
Honor
(C)

Pass
(D)

Fail
(E)

---

Islandia

10

98

Fail

---

Italia

30
Destacado

30 -28

27 25

24 23

22 18

17 10

91

Reino Unido

A-

B+/B/B-

C/D

Fail

---

Estados
Unidos y
Canad

A+/A/A-

A+/A/A-

B+/B/B-

C+/C/C-

D+/D/D-

Fail

---

Estados
Unidos (Nuevo
Mxico)

100 -90

100 -90

89 80

79 -70

79 -70

69 60

Menos de 60

Mxico
Tecnolgico
de Monterrey

100 -90

100 -90

89 80

79 -70

79 -70

69 60

Menos de 60

91

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

CAPTULO 4. MEDIDA DEL RENDIMIENTO ACADMICO

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

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

Bloom

1972

Pelechano

1989

lvaro Page

1990

Gmez Dacal

1992

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.

100

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

Pelechano

1972

Carabaa

1987

lvaro Page

1990

Pardo Merino

1993

Orea Daz

1993

1957-1964

Atkinson
Dwek

1986

Fontaine

1988

Alonso Tapia

1991
1983
1985

Weiner

1986

Selignam

1981

Shanaham y Warberg

1985

Castejn, Navas
Sampascual

1993-1996

Shavelson y Bous

1982

Marsa Parker y Smith

1983

Byrne

1984

Shavelson y Bous

1982

Machargo

1991

Gonzlez y Touron

1992

Maruyama, Rubin y
Kingsbury

Marsh,
Smith

Parker

Villa Snchez

1981

1983

1984

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.

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.

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

Hartup

La Mare y Rubin

Pintrich y De Groot

Barne
Jimnez Hernndez
Rani George y David
Kaplan

1985

1987

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.

1990

Analiza las atribuciones que los sujetos hacen de


sus xitos y fracasos.

1993

Puede ser que no exista relacin


autoconcepto y rendimiento acadmico.

1994

Desarrolla la capacidad para funcionar con xito


dentro del grupo.

1997

entre

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.

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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.

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

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

Desempeo Acadmico
Comportamiento

Rendimiento del Estudiante

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

Resultados del aprendizaje del


alumno
1.Habilidades bsicas
2.Otros resultados cognitivos
3.Medidas no cognitivas

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

personales

del

alumno

(familiares

escolares)
Estudiante

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

Figura 5-7 bis Modelo de Rendimiento Acadmico de lvaro Page

VARIABLES

LATENTES

X1

Poblacin

Y4

Aptitud verbal

E1

Tamao poblacin

X2

Activ. padre

Y5

Razonamiento abstracto

E2

Profesin padre

X3

Estudios padre

Y6

Razonamiento numrico

E3

Estudios padres

X4

Estudios madre

Y7

Matemticas clculo

n1

Aspiraciones alumnos

n2

Aptitudes generales

Y1

Edad estudios

Y8

Matemticas.
Aplicaciones

Y2

Estudios que
quera terminar

Y9

Ortografa

n3

Rendimiento
matemticas

Y3

Profesin futura

Y10

Comprensin lectora

n4

Rendimiento lenguas

122

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

Figura 5-17 Modelo Final Explicativo del Rendimiento Escolar en el Distrito Federal

146

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

Figura 5-18 Diagrama del Modelo Medida Motivacin

150

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

CAPTULO 5. MODELOS DEL RENDIMIENTO ACADMICO

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

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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.

166

Anlisis
correlacionales
y

Estudios
diferenciales

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

su

tipologa

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

Tabla 6-2 Alumnos egresados por carrera profesional


Carrera

Frecuencia Porcentaje

Mercadotecnia
Administracin Financiera y
Contadura Pblica

158

14.0

122

10.8

Industrial y de Sistemas

94

8.3

Administracin de Empresas
Ciencias de la Comunicacin y
Medios de Informacin

89

7.9

88

7.8

Negocios Internacionales

74

6.6

Sistemas Computacionales

72

6.4

Relaciones Internacionales

62

5.5

Arquitectura y Diseo Industrial

60

5.3

Mecatrnica
Mecnico Elctricista y Mecnico
Administrador
Sistemas de Computacin
Administrativa

60

5.3

54

4.8

40

3.5

Electrnica y Comunicaciones

39

3.5

Derecho

30

2.7

Ciencias Polticas

23

2.0

Economa

23

2.0

Psicologa Organizacional

22

1.9

19
1,129

1.7
100.00

Sistemas Elctrnicos
TOTAL

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

Tabla 6-3 Muestra de alumnos por divisiones acadmicas

HUMANIDADES
INGENIERA
NEGOCIOS
TOTAL

Frecuencia

Porcentaje

Porcentaje
Vlido

Porcentaje
Acumulado

225
438
466
1129

19.9
38.8
41.3
100

19.9
38.8
41.3
100

19.9
58.7
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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

datos

sociales,

psicopedaggicos, prueba de aptitud acadmica, RA previo, calificaciones de


las materias cursadas, que integrar el expediente de los alumnos.
173

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

RENDIMIENTO
ACADMICO

Promedio ltimo semestre

DESCRIPCIN

CODIFICACIN

ESCALA

Promedio ajustado al ltimo


semestre

70-100 puntos

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

se pueden agrupar en los

siguientes apartados:

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

Tabla 6-5 Variables clasificatorias personales y sociofamiliares


VARIABLES PERSONALES Y SOCIOFAMILIARES
No. de
Variabl
e

VARIABL
ES

DESCRIPCIN

CODIFICACIN

Edad
alumno

Aos que tiene el


alumno al finalizar su
carrera.

Beca

Si el alumno tiene una


beca-financiamiento

Edad del
padre

Edad del padre

Nmero de
aos

Edad de la
madre

Edad de la madre

Nmero de
aos

Estudios
del padre

Estudios
de la
madre

Nivel mximo de
estudios del padre

Nivel mximo de
estudios de la madre

Nmero de
aos
0-100 %

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

RECODIFICACIN

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

ESCALA

Numrica

Numrica

Numrica

Numrica

Ordinal

1. Primaria a
Profesor tcnico
2. Normal superior
3. Licenciatura
4. Postgrado

Ordinal

1. Hasta 20,000
2. De 21,000 a
40,000
3. De 41,000 en
adelante

Ordinal

(Miles de pesos)

1. 5
2. 10
3. 15
4. 20
5. 25
6. 30
7. 35
8. 40
9. 45
10. 50
11. 55

Ingresos mensuales
Nivel
de la familia (en
econmico
pesos)

Sexo

El sexo que distingue


al alumno.

1. Mujer
2. Hombre

Ordinal

Tipo de
bachillerat
o

El tipo de escuela
preparatoria

1. Preparatoria
TEC
2. Preparatoria
No TEC

Ordinal

178

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

Tabla 6-6 Variables de rendimiento previo


VARIABLES DE RENDIMIENTO PREVIO
No. de
Variable

VARIABLES
ACADMICAS

Nota del
bachillerato

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

DESCRIPCIN

CODIFICACIN

RECODIFICACIN

1. 70 a 79
2. 80 a 85
3. 86 a 89
4. 90 a 95
5. 96 a 100

ESCALA

Rendimiento final
obtenido en los
estudios de
preparatoria
(Registro en la SEP)

Puntuacin
70-100

Puntuacin total de la
Prueba de Aptitud
Acadmica

Puntuacin
0-1600

Numrica

Puntuacin de la
Prueba de Aptitud
Acadmica en el rea
matemtica

Puntuacin
0-800

Numrica

Puntuacin de la
Prueba de Aptitud
Acadmica den el rea
de Espaol

Puntuacin
0-800

Numrica

Nota del examen inicial


de Expresin Verbal

10-100 de
calificacin

Numrica

Nota del examen inicial


de Matemticas.

10-100 de
calificacin

Numrica

Puntuacin del examen Puntuacin


de ingls Toefl
200-677

179

Puntuacin
1. 200 a 450
2. 450 a 550
3. 551 a 677

Numrica

Numrica

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

Tabla 6-7 Variables de rendimiento durante su carrera universitaria


VARIABLES DE RENDIMIENTO DURANTE SU CARRERA UNIVERSITARIA
1

Nota del promedio


al 3er. semestre

Rendimiento al 3er.
semestre

Puntuacin
70-100

Materias
reprobadas al 3er.
semestre

No. de materias
reprobadas al 3er.
semestre

Total de materias
reprobadas al 3er.
semestre

Notas del
promedio al 5
semestre

Rendimiento al 5o.
semestre

Puntuacin
70-100

Materias
reprobadas al 5
semestre

No. de materias
reprobadas al 5
semestre

Total de materias
reprobadas al 5.
semestre

Materias
reprobadas al 9no.
semestre

Total de materias
Materias reprobadas
reprobadas al
al ltimo semestre
ltimo semestre.

Semestres
cursados de ms

Semestres
Semestres cursados
cursados de ms
durante su carrera
despus del
profesional
dcimo semestre

Examen Toefl final

Puntuacin del
examen de ingls
toefl

Puntuacin
200-677

180

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

Puntuacin
1. 200 a 450
2. 450 a 550
3. 551 a 677

Numrica

Numrica

Numrica

Numrica

Numrica

Numrica

Numrica

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

las puntuaciones

proporcionan.

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

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

rutinarios que requieren

simples

problemas

discernimiento e inventiva.

190

matemticos

no

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

NIVEL DE CAPACITACIN

PUNTUACIN

677 (mx.)

300 (mx.)

600

250

550

213

500

173

310 (mn.)

40 (mn.)

192

Avanzado
Bueno
Bajo

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

personales

(motivacionales,

cognoscitivas

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

CAPTULO 6. PLANTEAMIENTO DEL ESTUDIO Y METODOLOGA

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

CAPTULO 7. ESTUDIOS PREVIOS

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

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

158
122
94
89

83
84
85
85

4.62
5.51
5.05
4.73

88
74
72
62
60
60
54
40
39
30
23
23
22
19
1,129

85
84
85
86
85
84
82
84
82
83
84
83
86
83
84

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

TOTAL

196

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Figura 7-2 Normal esperada del rendimiento acadmico final

Figura 7-3 Distribucin normal de los alumnos por rendimiento acadmico

198

CAPTULO 7. ESTUDIOS PREVIOS

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

%
14.0
8.3
7.9
7.8
7.4

Negocios Internacionales
Sistemas Computacionales
Relaciones Internacionales
Arquitectura
Mecatrnica

83
82
85
85
83

83
83
85
84
83

84
85
86
85
84

74
72
62
60
60

6.6
6.4
5.5
5.3
5.3

Mecnico Elctricista
Sistemas de Computacin y
Administracin
Electrnica y Comunicaciones
Contabilidad y Finanzas
Derecho
Ciencias Polticas
Economa
Psicologa Organizacional
Sistemas Elctrnicos
TOTAL

80

80

82

54

4.8

82
81
84
82
84
84
85
82
83

83
81
84
83
84
83
85
82
83

84
82
83
83
84
83
86
83
84

199

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

CAPTULO 7. ESTUDIOS PREVIOS

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.

Semestre
5o.

Semestre
timo

NEGOCIOS

466

83.6

83.2

84.0

INGENIERIA

438

82.6

82.7

83.9

HUMANIDADES

225

84.7

84.7

85.2

TOTAL

1129

83.4

83.3

84.2

REA

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

Generacin

Alumnos
(nuevo
ingreso)

Bajas
acadmicas

Bajas
Otras
causas

Transferencias

Eficiencia
Terminal
(9 semestres)

1999
2000

1338
1211

84
42

201
205

25
40

43.36%
43.95%

Generacin

8
Semestres

9
Semestres

10
Semestres

11
Semestres

12
Semestres

Graduados

1999

.3%

9.6%

27.2%

15.4%

7.0%

66.97%

2000

.8%

22.7

26.6%

50.29%

200

CAPTULO 7. ESTUDIOS PREVIOS

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

Humanidades y C. Sociales total


Ingeniera y Arquitectura

Ingeniera y Arquitectura total


Negocios

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

Negocios total
Gran total

201

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-6 Medias de la edad de los alumnos por carrera y rendimiento acadmico
RANGOS DE EDAD
Menos 22 aos

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

23 a 24 aos

Ms de 25 aos

PROM

PROM

PROM

N Total

91
85
87
87
89
88
89
89

5
23
19
15
5
15
21
8

86
82
85
83
85
85
82
86

73
56
61
56
77
65
63
63

81
76
81
78
79
79
77
83

22
21
20
30
18
19
16
29

60
39
94
54
60
72
19
89

87

20

85

57

80

23

122

88
88
87
88
90
88
92
89

9
22
10
10
15
22
5
19

86
84
86
84
84
85
88
85

66
52
53
64
62
39
55
61

83
77
80
80
81
81
83
83

25
26
37
26
23
39
41
19

88
23
30
158
74
23
22
62

87
88

28
14

85
85

40
61

81
80

33
25

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

CAPTULO 7. ESTUDIOS PREVIOS

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
Administracin de Empresas
Administracin
Financiera/Contabilidad

52

%
58

60

Arquitectura/Diseo Industrial
Ciencias de la
Comunicacin/Medios

CARRERA

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

37

%
42

Prom

86

84

89

49

87

62

51

82

122

34

57

86

26

43

84

60

50
13
13
8
6

57
57
43
35
15

85
84
84
86
78

38
10
17
15
33

43
43
57
65
85

86
85
83
82
82

88
23
30
23
39

35

37

86

59

63

84

94

5
10
95
40
18
45
10

9
17
60
54
82
73
14

79
87
84
87
87
86
85

49
50
63
34
4
17
62

91
83
40
46
18
27
86

82
84
82
82
81
86
85

54
60
158
74
22
62
72

14
5
513

35
26
45

86
86
85

26
14
616

65
74
55

83
82
83

40
19
1,129

Fem

Prom Masc

205

CAPTULO 7. ESTUDIOS PREVIOS

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

Edad
Padre

156

51

156

55

121
92
84

52
52
53

121
92
84

55
55
56

Ciencias de la Comunicacin/
Medios de Informacin

84

52

83

55

Negocios Internacionales
Sistemas Computacionales
Relaciones Internacionales
Mecatrnica
Arquitectura/Diseo
Industrial
Mecnico
Elctricista/Administrador

73
72
61
59
57
53

52
52
51
52
52
53

73
72
57
59
57
53

55
55
54
56
56
55

Sistemas de Computacin
Administrativa
Electrnica y Comunicaciones
Derecho
Psicologa Organizacional
Economa
Ciencias Polticas

40
39
27
22
22
19

50
51
52
53
53
50

40
39
26
19
22
21

53
54
54
56
56
54

Sistemas Elctrnicos

18

50

18

54

1099

52

1092

55

CARRERA
Mercadotecnia
Administracin
Financiera/Contabilidad
Industrial y de Sistemas
Administracin de Empresas

TOTAL

206

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-9 Distribucin de los estudios de los padres por carreras


ESTUDIOS DE LOS PADRES POR NIVEL EDUCATIVO (%)
ESTUDIOS PADRE
Carrera

Primaria P. Normal
Tcnico Superior

ESTUDIOS MADRE

Lic.

Posg.

Primaria / Normal
Tcnico Superior

Lic.

Posg.

Mercadotecnia

147

14

52

25

38

16

39

Administracin Financiera/Contabilidad

110

15

15

52

18

25

15

43

17

Administracin de Empresas

86

15

10

55

20

47

13

34

Industrial y de Sistemas

80

18

10

38

34

44

35

16

Ciencias de la Comunicacin/Medios

72

22

19

42

16

42

21

28

10

Sistemas Computacionales

68

21

60

13

37

15

38

10

Negocios Internacionales

57

21

11

63

35

11

44

11

Mecnico Elctricista/Administrador

54

22

50

26

46

41

Relaciones Internacionales

41

10

15

58

18

29

22

37

12

Arquitectura/Diseo Industrial

40

40

25

23

13

53

23

15

10

Mecatrnica

40

28

25

45

55

18

25

Electrnica y Comunicaciones

36

11

61

22

31

22

36

11

Derecho

27

11

52

30

33

15

48

Ciencias Polticas

18

22

17

44

17

28

39

22

11

Sistemas Elctrnicos

18

17

11

50

22

33

56

Sistemas de Computacin Administrativa

18

22

17

44

17

39

22

33

Psicologa Organizacional

17

24

47

29

47

24

24

Economa

16

38

50

31

31

31

945

18

12

50

20

39

15

36

11

TOTAL

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

Prepa Externa
Promedio
N
Prepa

56
50
45
38
36
29
29
24
24
22

80
82
81
85
81
82
81
86
81
83

102
72
43
56
38
33
31
36
64
49

82
83
80
86
84
85
85
88
83
86

20
17
15
14
13
11
10
8
461

82
82
84
81
80
78
86
79
82

20
37
8
25
17
12
9
14
666

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

CAPTULO 7. ESTUDIOS PREVIOS

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

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 %

Beca
0%

Mercadotecnia
Administracin
Financiera/Contabilidad

158

114

82

29

85

15

86

44

28

122

87

17
17

89

83

16
21

88

94

89
56

83

Industrial y de Sistemas

87

33
38

27
40

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

90
88
74
71
62
60
60
54

65
61
53
38
40
40
34
38

84
84
83
82
84
85
82
80

15
11
12
14
17
10
15
7

87
88
88
87
89
85
85
84

10
16
9
19
5
10
11
9

91
88
88
89
87
87
89
87

25
27
21
33
22
20
26
16

28
31
28
46
35
33
43
30

40
39
30
23
23

23
25
22
13
17

81
80
84
82
82

9
10
4
7
2

87
85
81
87
84

8
4
4
3
4

89
86
85
87
86

17
14
8
10
6

43
36
27
43
26

22
15
19
11
1129 754

85
80
83

2
5
206

91
84
86

5
3
169

87
90
88

7
8
375

32
42
33

CARRERA

Psicologa Organizacional
Sistemas Elctrnicos
TOTAL

211

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-12 Distribucin de alumnos por carrera y nivel econmico (en pesos)

RENDIMIENTO POR NIVEL SOCIO-ECONMICO EN FUNCIN DE LA CARRERA

LPO
LRI
LCC-LMI
LSC
IIS
LAE
IMT
LIN
ARQ-LDI
ISC
LAF-CPF
LPL
LED
LEC
LEM
ISE
IME-IMA
IEC
TOTAL

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

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

CAPTULO 7. ESTUDIOS PREVIOS

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

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

RENDIMIENTO
FINAL
PAA TOTAL PAA VERB PAA MATE

84
82
85
85
82
83
83
84
85

1377
1372
1363
1348
1342
1339
1334
1334
1329

656
646
649
650
627
635
642
656
644

721
726
714
697
714
705
693
679
685

84
84
84
83
86
85
83
86
85
84

1322
1318
1311
1302
1290
1290
1288
1285
1271
1321

627
631
637
636
645
625
634
644
621
638

695
687
674
666
645
664
655
641
650
683

214

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-14 Distribucin de alumnos en los exmenes iniciales


matemticas y espaol

Examen
Mate

Examen
Espaol

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

41
17
11
13
32
27
23
56
37
34
38
6

80
96
79
81
80
78
87
84
81
88
84
83

81
76
85
80
83
82
84
81
78
79
82
85

Sistemas de Computacin
Administrativa

18

82

83

67
62
7
99
34
622

82
83
87
80
81
83

81
81
87
79
81
81

CARRERA

Administracin Financiera/Contabilidad
Administracin de Empresas
Economa
Mercadotecnia
Negocios Internacionales
TOTAL

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

CAPTULO 7. ESTUDIOS PREVIOS

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

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

70-79

80-85

86-89

90-95

96-100

60
94
19
72
23
62
39

10
11
16
21
17
23
28

35
39
37
33
43
39
33

10
13
11
8
22
10
13

28
28
26
26
9
24
13

17
10
11
11
9
5
13

40
60

35
23

25
37

15
18

20
22

5
0

122
74
89
54
22
23
158

34
30
26
26
41
39
33

32
36
40
35
14
39
41

8
18
8
17
14
9
7

17
11
20
20
27
4
16

8
5
6
2
5
9
3

88
30
1129

45
37
313

33
50
409

5
10
121

15
3
215

2
0
71

217

CAPTULO 7. ESTUDIOS PREVIOS

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

TOEFL IN TOEFL FIN

Mecatrnica
Sistemas Computacionales

532
531

580
579

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

530
533
531
533
528
523
510
533
514
507
519
517
505
507
502
507
518

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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
Sistemas Elctricista/Administrador
de Computacin
Administrativa
Electrnica y Comunicaciones
Derecho
Economa
Ciencias Polticas
Psicologa Organizacional
Sistemas Elctrnicos
TOTAL

Mat Rep Mat Rep Mat Rep


3er. Sem 5o. Sem 9o. Sem

158

1.9

2.9

3.6

122
94
89
88
74
72
62
60
60
54
40
39
30
23
23
22
19
1,129

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

2.1
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

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

CAPTULO 7. ESTUDIOS PREVIOS

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

1-2

Mercadotecnia
Administracin
Financiera/Contabilidad
Industrial
y de
Ciencias de
la Sistemas
Comunicacin/
Medios de Informacin
Negocios Internacionales
Sistemas Computacionales
Administracin de Empresas
Relaciones Internacionales
Mecatrnica
Arquitectura/Diseo Industrial
Mecnico Elctricista/Administrador
Derecho

158

96

38

18

122
94
88
74
72
89
62
60
60
54
30

81
55
52
52
50
49
40
33
32
30
23

28
26
26
17
11
32
14
19
17
12
3

5
9
7
2
5
6
5
5
9
6
1

8
4
3
3
6
2
3
3
2
6
3

Electrnica y Comunicaciones
Sistemas de Computacin
Administrativa
Economa
Sistemas Elctrnicos
Ciencias Polticas
Psicologa Organizacional
TOTAL

39

21

12

40
23
19
23
22
1129

19
18
15
14
14
694

12
2
2
6
1
278

4
0
2
3
4
93

5
3
0
0
3
64

221

3 - 4 5 o ms

CAPTULO 7. ESTUDIOS PREVIOS

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

CARRERA

PORCENTAJE

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

Est
Sexo Pad
Masc Lic

Est
Mad
Lic

Alum
Prepa Beca
Ext
Alum

Mercadotecnia
Administracin
Financiera/Contabilidad

158

24.1

55

51

41

1302

80

79

81

507

555

3.6

0.9

40

52

39

65

28

122

23.8

55

52

36

1318

82

81

82

514

560

2.8

0.8

51

52

43

59

27

Industrial y de Sistemas

94

23.7

55

52

38

1363

84

81

86

533

572

3.8

0.9

63

38

35

60

40

Administracin de Empresas
Ciencias de la Comunicacin/
Medios de Informacin

89

23.9

56

53

41

1290

83

81

82

502

542

3.0

0.9

42

55

34

73

28

88

24.0

55

52

31

1271

80

81

81

533

563

2.4

0.9

43

42

28

49

31

Negocios Internacionales

74

23.7

55

52

37

1311

81

81

82

528

570

2.9

0.6

46

63

44

51

28

Sistemas Computacionales

72

23.6

55

52

33

1348

84

82

85

531

579

3.5

0.9

86

60

38

69

46

Relaciones Internacionales

62

23.7

54

51

35

1290

80

83

84

530

575

2.1

0.8

27

58

37

53

35

Arquitectura/Diseo Industrial

60

24.0

56

52

36

1329

78

82

83

519

555

3.2

1.1

43

23

15

52

33

Mecatrnica
Mecnico
Elctricista/Administrador

60

23.8

56

52

28

1377

88

79

87

532

580

3.9

1.0

83

45

25

60

43

54

24.1

55

53

33

1372

81

78

82

510

563

5.3

1.4

91

50

41

69

30

Sistemas de Computacin
Administrativa

40

24.0

53

50

34

1322

82

83

83

505

543

4.3

1.5

65

44

33

50

43

Electrnica y Comunicaciones

39

23.6

54

51

33

1342

87

84

84

523

566

4.6

1.2

85

61

36

64

36

Derecho

30

24.5

54

52

43

1288

96

76

79

507

532

3.9

0.9

57

52

48

57

27

Ciencias Polticas

23

24.2

54

50

35

1334

79

85

81

517

552

2.9

0.7

43

44

22

52

43

Economa

23

23.7

56

53

38

1334

87

87

84

531

573

3.1

1.0

65

38

31

35

26

Psicologa Organizacional

22

24.5

56

53

36

1285

81

80

82

507

543

2.9

1.6

18

47

24

64

32

Sistemas Elctrnicos

19

23.4

54

50

34

1339

83

85

86

533

575

4.5

0.6

74

50

56

47

42

1129 23.9

55

52

36

1321

83

81

83

518

560

3.4

1.0

55

50

36

59

33

TOTAL

222

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-20 Correlacin entre el rendimiento acadmico y las carreras profesionales

Edad
Alum Sexo

CARRERAS

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

Arquitectura/Diseo

Electrnica y Comunicaciones -0.51 0.29 0.49 0.19

0.00 0.00

0.37 0.36

-0.35 -0.24

-0.15 -0.27 0.17 0.31

Industrial y de Sistemas
Mecnico
Elctricista/Administrador

-0.41 -0.14 0.38 -0.04 -0.11

-0.15 0.06

-0.16 -0.12 0.29 0.31

-0.53 0.21 0.48 0.21

-0.06 -0.28

0.10 0.05

0.34 0.40

Mecatrnica

-0.48 -0.22 0.44 -0.25 -0.07

0.01

0.08

-0.43 0.00

0.24 0.30

Sistemas Computacionales

-0.51 -0.03 0.55 0.17

0.13

0.06

-0.23

-0.03 -0.21 0.47 0.42

Sistemas Elctrnicos

-0.55 -0.31 0.67 0.06

0.15

-0.53 -0.21

-0.09 0.03

0.29 0.23

Administracin de Empresas
Administracin
Financiera/Contabilidad
Ciencias de la
Comunicacin/Medios

-0.38 -0.22 0.48 0.02

-0.01

-0.10 0.01

-0.30 0.01

0.25 0.29

-0.19 -0.40 0.48 -0.29 -0.36

0.02

-0.01

-0.42 0.08

0.19 0.20

-0.33 0.08 0.33 -0.04 0.07

-0.02 -0.08

-0.18 0.35

0.29 0.28

Economa

-0.75 -0.40 0.23 0.21

0.26

0.16

0.10 0.02

0.53 0.50

Derecho

-0.59 -0.13 0.01 0.38

-0.16

-0.29 -0.31

-0.06 -0.13 0.16 0.02

Mercadotecnia

-0.40 -0.20 0.34 0.11

0.02

-0.07 -0.05

0.03 -0.03 0.26 0.28

Negocios Internacionales

-0.48 -0.50 0.34 0.01

-0.11

-0.13 -0.09

-0.23 0.00

Ciencias Polticas

-0.40 0.12 0.49 -0.32 -0.30

-0.29 -0.11

-0.15 -0.14 0.25 0.22

Psicologa Organizacional

-0.57 -0.54 0.24 0.23

0.37

-0.11 -0.02

0.20 -0.39 0.54 0.55

Relaciones Internacionales
Sistemas de Computacin
Administrativa

-0.39 0.00 0.36 -0.12 0.12

-0.27 -0.16

-0.19 0.41

0.41 0.40

-0.52 -0.34 0.63 -0.30 -0.39

-0.27 -0.36

-0.38 0.34

0.04 0.09

0.31

0.03

0.23 0.20

-0.48 -0.17 0.39 -0.01 -0.02 -0.14 -0.12 -0.13 0.00 0.29 0.30

TOTAL

CARRERAS

0.01

-0.13 -0.26

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

0.04 -0.03 0.11 0.21 0.35

0.79

0.92

-0.50

-0.71

-0.82

-0.57

Electrnica y Comunicaciones 0.69

0.07 -0.13 0.23 0.22 0.23

0.92

0.95

-0.79

-0.85

-0.89

-0.64

Industrial y de Sistemas
Mecnico
Elctricista/Administrador

0.65

0.20 0.23 0.09 0.01 0.00

0.85

0.93

-0.60

-0.70

-0.73

-0.46

0.38

0.35 0.22 0.37 0.37 0.18

0.92

0.97

-0.80

-0.84

-0.85

-0.62

Mecatrnica

0.63

0.11 0.11 0.09 0.35 0.16

0.94

0.98

-0.74

-0.85

-0.84

-0.65

Sistemas Computacionales

0.65

0.33 0.24 0.30 0.35 0.26

0.88

0.97

-0.77

-0.80

-0.82

-0.62

Sistemas Elctrnicos

0.77

0.36 0.17 0.37 0.43 0.42

0.95

0.97

-0.76

-0.83

-0.88

-0.68

Administracin de Empresas
Administracin
Financiera/Contabilidad
Ciencias de la
Comunicacin/Medios

0.53

0.38 0.25 0.38 0.44 0.48

0.89

0.96

-0.53

-0.69

-0.77

-0.62

0.63

0.19 0.27 0.04 0.34 0.48

0.90

0.97

-0.69

-0.80

-0.83

-0.44

0.44

0.31 0.15 0.36 0.48 0.48

0.83

0.92

-0.55

-0.68

-0.75

-0.50

Economa

0.67

0.29 0.29 0.17 0.41 0.53

0.92

0.98

-0.77

-0.83

-0.82

-0.71

Derecho

0.52

0.18 0.04 0.18 0.28 0.18

0.76

0.90

-0.63

-0.78

-0.81

-0.60

Mercadotecnia

0.62

0.35 0.36 0.17 0.27 0.28

0.87

0.95

-0.62

-0.73

-0.78

-0.54

Negocios Internacionales

0.68

0.18 0.11 0.18 0.38 0.35

0.88

0.97

-0.77

-0.82

-0.86

-0.63

Ciencias Polticas

0.44

0.24 0.32 0.08 0.05 -0.14

0.75

0.92

-0.60

-0.77

-0.83

-0.61

Psicologa Organizacional

0.29

0.45 0.39 0.32 0.28 0.60

0.89

0.97

-0.69

-0.72

-0.75

-0.49

Relaciones Internacionales
Sistemas de Computacin
Administrativa

0.51

0.27 0.26 0.22 0.37 0.49

0.90

0.96

-0.66

-0.76

-0.77

-0.52

0.59

-0.05 0.11 -0.15 0.39 0.41

0.88

0.95

-0.67

-0.69

-0.79

-0.55

Arquitectura/Diseo

TOTAL

0.57

0.24 0.19 0.19 0.31

228

0.32

0.87

0.95

-0.68

-0.77

-0.81

-0.58

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

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

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

**. La correlacin es signif icativ a al niv el 0,01 (bilateral).


*. La correlacin es signif icante al niv el 0,05 (bilateral).

231

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

Promedio prepa

Puntuacin de exmen
de admisin
Puntuacin de ex
admisin v erbal

Puntuacin de ex
admisin matemtico
Beca alumno

Examen matemticas

Examen espaol

Semestres dems

Toefl inicio

Toefl f inal

667

667

667

667

667

667

.175**
.000
667
.386**
.000
1128
.367**
.000
624
.369**
.000
445
-.483**
.000
1129
.255**
.000
1128
.237**
.000
1119

.189**
.000
667
.396**
.000
1128
.404**
.000
624
.366**
.000
445
-.522**
.000
1129
.265**
.000
1128
.249**
.000
1119

.196**
.000
667
.390**
.000
1128
.423**
.000
624
.321**
.000
445
-.547**
.000
1129
.287**
.000
1128
.279**
.000
1119

-.176**
.000
667
-.233**
.000
1128
-.302**
.000
624
-.246**
.000
445
.576**
.000
1129
-.197**
.000
1128
-.190**
.000
1119

-.198**
.000
667
-.246**
.000
1128
-.325**
.000
624
-.239**
.000
445
.642**
.000
1129
-.217**
.000
1128
-.198**
.000
1119

-.191**
.000
667
-.247**
.000
1128
-.315**
.000
624
-.213**
.000
445
.686**
.000
1129
-.214**
.000
1128
-.193**
.000
1119

**

**

**

**

**

**

**. La correlacin es signif icativ a al niv el 0,01 (bilateral).

Tabla 7-23 Correlacin entre las variables


rendimiento acadmico al ltimo semestre

durante la carrera universitaria y el

Correlati ons

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
ltimo
semestre
1

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

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

CAPTULO 7. ESTUDIOS PREVIOS

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
Correlacionesa

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

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-25 Correlacin de las variables durante su carrera universitaria con el rendimiento
acadmico final en los distintos semestres medidos
Correlacionesa

Promedio prepa

Puntuacin de exmen
de admisin
Puntuacin de ex
admisin v erbal

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

Puntuacin ex de
admisin matemtico
Beca alumno

Examen matemticas

Examen espaol

Semest res dems

Toef l inicio

Toef l f inal

119

119

119

119

119

119

.275**
.002
119
.291**
.000
225
.220*
.019
114
.329**
.005
70
-.440**
.000
225
.356**
.000
225
.296**
.000
222

.257**
.005
119
.303**
.000
225
.253**
.007
114
.454**
.000
70
-.450**
.000
225
.326**
.000
225
.284**
.000
222

.254**
.005
119
.291**
.000
225
.309**
.001
114
.388**
.001
70
-.500**
.000
225
.333**
.000
225
.315**
.000
222

-.306**
.001
119
-.106
.112
225
-.205*
.028
114
-.103
.394
70
.600**
.000
225
-.344**
.000
225
-.320**
.000
222

-.338**
.000
119
-.094
.159
225
-.269**
.004
114
-.150
.214
70
.666**
.000
225
-.364**
.000
225
-.334**
.000
222

-.315**
.000
119
-.097
.147
225
-.261**
.005
114
-.160
.187
70
.701**
.000
225
-.363**
.000
225
-.324**
.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

CAPTULO 7. ESTUDIOS PREVIOS

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.

Tabla 7-26 Correlacin de las variables clasificatorias con el rendimiento acadmico en


los distintos semestres medidos
Correlacionesa

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

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-27 Correlacin de las variables durante su carrera universitaria con el


rendimiento acadmico en los distintos semestres medidos
Correlacionesa

Promedio prepa

Puntuacin de exmen
de admisin
Puntuacin de ex
admisin v erbal

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

Puntuacin de ex
admisin matemtico
Beca alumno

Examen matemticas

Examen espaol

Semest res dems

Toef l inicio

Toef l f inal

**

264

264

264

264

264

264

.167**
.007
264
.430**
.000
437
.332**
.000
240
.284**
.000
199
-.509**
.000
438
.232**
.000
437
.232**
.000
436

.193**
.002
264
.450**
.000
437
.340**
.000
240
.228**
.001
199
-.555**
.000
438
.257**
.000
437
.271**
.000
436

.192**
.002
264
.442**
.000
437
.368**
.000
240
.216**
.002
199
-.565**
.000
438
.293**
.000
437
.306**
.000
436

-.197**
.001
264
-.310**
.000
437
-.304**
.000
240
-.239**
.001
199
.572**
.000
438
-.204**
.000
437
-.216**
.000
436

-.205**
.001
264
-.320**
.000
437
-.295**
.000
240
-.178*
.012
199
.636**
.000
438
-.223**
.000
437
-.225**
.000
436

-.210**
.001
264
-.314**
.000
437
-.280**
.000
240
-.158*
.026
199
.688**
.000
438
-.216**
.000
437
-.219**
.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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-28 Correlacin de las variables clasificatorias con el rendimiento acadmico en


los distintos semestres medidos
Correlacionesa

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

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
Correlacionesa

Prom edio prepa

Puntuacin de exmen
de admisin
Puntuacin de ex
admisin v erbal

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

Puntuacin de ex
admisin matemtico
Beca alumno

Examen m atemticas

Examen espaol

Semest res dems

Toef l inicio

Toef l f inal

**

284

284

284

284

284

284

.260**
.000
284
.420**
.000
466
.520**
.000
270
.506**
.000
176
-.473**
.000
466
.249**
.000
466
.250**
.000
461

.260**
.000
284
.409**
.000
466
.568**
.000
270
.498**
.000
176
-.526**
.000
466
.250**
.000
466
.237**
.000
461

.244**
.000
284
.396**
.000
466
.545**
.000
270
.409**
.000
176
-.559**
.000
466
.259**
.000
466
.252**
.000
461

-.227**
.000
284
-.249**
.000
466
-.397**
.000
270
-.343**
.000
176
.567**
.000
466
-.152**
.001
466
-.147**
.001
461

-.249**
.000
284
-.268**
.000
466
-.424**
.000
270
-.367**
.000
176
.641**
.000
466
-.170**
.000
466
-.150**
.001
461

-.242**
.000
284
-.271**
.000
466
-.414**
.000
270
-.306**
.000
176
.682**
.000
466
-.168**
.000
466
-.143**
.002
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

**

**

**

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

Between Groups
Within Groups
Total

Sum of
Squares
1298.500
27795.813
29094.313

df
1
1127
1128

242

Mean Square
1298.500
24.664

F
52.649

Sig.
.000

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
6329.264
22765.049
29094.313

df
2
1126
1128

Mean Square
3164.632
20.218

244

F
156.528

Sig.
.000

CAPTULO 7. ESTUDIOS PREVIOS

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
a,b

Schef f e

Edad en 3 grupos por IO


25 aos o mas
23 a 24 aos
hasta 22 aos
Sig.

Subset f or alpha = .05


1
2
3
80.47
84.88
87.88
1.000
1.000
1.000

N
278
692
159

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-33 Comparacin mltiple entre grupos de edad de los alumnos


Multi ple Comparisons
Dependent Variable: Promedio ltimo semestre
Schef f e

(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

Mean
Dif f erence
(I-J)
St d.
2.996*
7.403*
-2.996*
4.407*
-7.403*
-4.407*

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


ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
4656.201
24437.522
29093.723

df
2
1125
1127

Mean Square
2328.100
21.722

F
107.176

Sig.
.000

La prueba de Scheffe contrasta el promedio de cada grupo con los restantes


para ver qu diferencias resultan significativas.
247

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-35 Pruebas post-hoc de Scheffe para los grupos de beca


Promedio l timo semestre
a,b

Schef f e

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-36 Comparacin mltiple entre grupos por beca


Multiple Comparisons
Dependent Variable: Promedio ltimo semestre
Schef fe

(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

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

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-37 Anlisis de varianza de rendimiento final para las categoras del nivel
socioeconmico.
ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
6329.264
22765.049
29094.313

df
2
1126
1128

Mean Square
3164.632
20.218

F
156.528

Sig.
.000

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
Promedio l timo semestre
a,b

Schef f e

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-39 Comparacin mltiple entre grupos por nivel socio-econmico


Multi ple Comparisons
Dependent Variable: Promedio ltimo semestre
Schef f e

(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

Mean
Dif f erence
(I-J)
1.707*
2.076*
-1.707*
.369
-2.076*
-.369

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

CAPTULO 7. ESTUDIOS PREVIOS

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
PRIMARIA HASTA
PROFESIONAL TECNICO
NORMAL SUPERIOR
LICENCIATURA
POSGRADO
Total

Mean

St d. Dev iation

84.24

172

5.060

85.46
84.45
83.75
84.39

110
471
191
944

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
ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
211.154
24100.070
24311.223

df
3
940
943

Mean Square
70.385
25.638

F
2.745

Sig.
.042

En la tabla 7-42 la prueba de Scheffe muestra que slo entre el grupo de


posgrado y normal superior existen diferencias significativas.

254

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-42 Pruebas post-hoc de Scheffe para los grupos


de estudios de los padres
Promedio ltimo semestre
a,b

Schef f e

Estudios padre en 4
categoras
POSGRADO
PRIMARIA HASTA
PROFESIONAL TECNICO
LICENCIATURA
NORMAL SUPERIOR
Sig.

N
191

Subset f or alpha = .05


1
2
83.75

172

84.24

84.24

471
110

84.45

84.45
85.46
.158

.630

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

CAPTULO 7. ESTUDIOS PREVIOS

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

(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

Mean
Dif f erence
(I-J)
-1.220
-.206
.497

St d. Error
.618
.451
.532

Sig.
.274
.976
.832

1.220

.618

.274

-.51

2.95

1.014
1.717*

.536
.606

.312
.046

-.49
.02

2.52
3.41

.206

.451

.976

-1.06

1.47

-1.014
.703

.536
.434

.312
.454

-2.52
-.51

.49
1.92

-.497

.532

.832

-1.99

.99

-1.717*
-.703

.606
.434

.046
.454

-3.41
-1.92

-.02
.51

95% Conf idence Interv al


Lower Bound
Upper Bound
-2.95
.51
-1.47
1.06
-.99
1.99

*. 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
PRIMARIA HASTA
PROFESIONAL TECNICO
NORMAL SUPERIOR
LICENCIATURA
POSGRADO
Total

Mean

St d. Dev iation

84.55

365

4.979

83.97
84.66
83.39
84.38

139
340
101
945

5.045
5.137
5.206
5.079

256

CAPTULO 7. ESTUDIOS PREVIOS

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


ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
159.243
24192.557
24351.800

df
3
941
944

Mean Square
53.081
25.709

F
2.065

Sig.
.103

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

CAPTULO 7. ESTUDIOS PREVIOS

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
categoras
36 3
-49
aos
50 a 59 aos
60 o mas aos
Total

Mean
85.17
84.14
83.93
84.25

258

N
155
723
214
1092

Std. Dev iat ion


4.905
5.058
5.162
5.067

CAPTULO 7. ESTUDIOS PREVIOS

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


ANOVA
Promedio ltimo semestre
Sum of
Squares
161.866
27850.968
28012.834

Between Groups
Within Groups
Total

df

Mean Square
80.933
25.575

2
1089
1091

F
3.165

Sig.
.043

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
Promedio ltimo semestre
a,b

Schef f e

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

Means f or groups in homogeneous subsets are display ed.


a. Uses Harmonic Mean Sample Size = 239.853.
b. The group sizes are unequal. The harmonic mean of the
group sizes is used. Ty pe I error lev els are not
guaranteed.

259

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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
categor
36 3
-45
aos as
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

CAPTULO 7. ESTUDIOS PREVIOS

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


ANOVA
Promedio ltimo semestre
Sum of
Squares
187.118
27776.588
27963.706

Between Groups
Within Groups
Total

df

Mean Square
93.559
25.344

2
1096
1098

F
3.692

Sig.
.025

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
Promedio ltimo semestre
a,b

Schef f e

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-54. Anlisis de varianza de rendimiento final por el nivel de Toefl


en tres grupos
ANOVA
Promedio ltimo semestre
Sum of
Squares
1662.794
27342.194
29004.988

Between Groups
Within Groups
Total

df
2
1125
1127

Mean Square
831.397
24.304

F
34.208

Sig.
.000

7-55 Prueba post-hoc de Scheffe en tres grupos por nivel de Toefl


Promedio ltimo semestre
a,b

Schef f e

Toef l tres grupos


200-450
451-550
551-700
Sig.

Subset f or alpha = .05


1
2
3
82.33
83.82
85.85
1.000
1.000
1.000

N
175
597
356

Means f or groups in homogeneous subsets are display ed.


a. Uses Harmonic Mean Sample Size = 294.166.
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 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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-56 Comparacin mltiple entre grupos de nivel de Toefl inicial


Multi ple Comparisons
Dependent Variable: Promedio ltimo semestre
Schef f e

(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

Mean
Dif f erence
(I-J)
St d.
-1.485*
-3.515*
1.485*
-2.030*
3.515*
2.030*

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

CAPTULO 7. ESTUDIOS PREVIOS

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.
ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
102.441
28822.977
28925.417

df
1
1125
1126

Mean Square
102.441
25.620

F
3.998

Sig.
.046

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

CAPTULO 7. ESTUDIOS PREVIOS

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

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

CAPTULO 7. ESTUDIOS PREVIOS

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


ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
5521.183
22663.236
28184.419

df
2
1082
1084

Mean Square
2760.591
20.946

270

F
131.798

Sig.
.000

CAPTULO 7. ESTUDIOS PREVIOS

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
Promedio ltimo semestre
a,b

Schef f e

promedio de
prepa en 3 grupos
69-79
80-89
90-100
Sig.

Subset f or alpha = .05


1
2
3
80.90
84.26
87.10
1.000
1.000
1.000

N
286
513
286

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

CAPTULO 7. ESTUDIOS PREVIOS

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

(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

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

*. The mean diff erence is signif icant at the .05 lev el.

272

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

CAPTULO 7. ESTUDIOS PREVIOS

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


ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
17895.042
11199.271
29094.313

df
2
1126
1128

Mean Square
8947.521
9.946

F
899.604

Tabla 7-64 Pruebas post-hoc de Scheffe del rendimiento


al 3er. semestre por grupos
Promedio l timo semestre
a,b

Schef f e

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

Sig.
.000

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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
ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
20684.257
8410.056
29094.313

df
2
1126
1128

Mean Square
10342.129
7.469

F
1384.680

Sig.
.000

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-66 Pruebas post-hoc de Scheffe del rendimiento


al 5to. semestre por grupos
Promed io ltimo semestre
a,b,c

Schef f e

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-67 Comparacin mltiple del promedio al 5to. semestre


Multiple Comparisons
Dependent Variable: Promedio ltimo semestre
Schef fe

(I) RRTO5S3G
1.00
2.00
3.00

(J) RRTO5S3G
2.00
3.00
1.00
3.00
1.00
2.00

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

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

CAPTULO 7. ESTUDIOS PREVIOS

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

Between Groups
Within Groups
Total

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
a,b

Schef fe

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-70 Comparacin mltiple de materias reprobadas al 3er. semestre


Multiple Comparisons
Dependent Variable: Promedio ltimo semestre
Schef fe

(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

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

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.

En la tabla 7-71 de resultados del anlisis de varianza se presenta un valor de


la prueba F de 763.902, 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.

280

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-71 Anlisis de varianza por materias reprobadas al 5to. semestre


ANOVA
Promedio ltimo semestre
Sum of
Squares
16749.698
12344.615
29094.313

Between Groups
Within Groups
Total

df
2
1126
1128

Mean Square
8374.849
10.963

F
763.902

Sig.
.000

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
Promedio ltimo semestre
a,b

Schef f e

Materias reprobadas
5to 3 grupos
4+
1-3
0
Sig.

Subset f or alpha = .05


1
2
3
78.98
84.02
88.39
1.000
1.000
1.000

N
333
361
435

Means f or groups in homogeneous subsets are display ed.


a. Uses Harmonic Mean Sample Size = 371.658.
b. The group sizes are unequal. The harmonic mean of the group
sizes is used. Ty pe I error lev els are not guaranteed.

281

CAPTULO 7. ESTUDIOS PREVIOS

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

(I) Materias reprobadas


5to 3 grupos
0
1-3
4+

(J) Materias reprobadas


5to 3 grupos
1-3
4+
0
4+
0
1-3

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

Based on observ ed means.


*. The mean dif ference is significant at the .05 lev el.

282

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

CAPTULO 7. ESTUDIOS PREVIOS

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


ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
17679.220
11415.092
29094.313

df
2
1126
1128

Mean Square
8839.610
10.138

F
871.951

Sig.
.000

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-75 Pruebas post-hoc de Scheffe, materias


suspendidas al ltimo semestre
Promedio ltimo semestre
a,b

Schef f e
Materias Reprobadas
en 3 Grupos ltimo
semestre
4+
1-3
0
Sig.

N
384
349
396

Subset f or alpha = .05


1
2
3
79.24
84.55
88.75
1.000
1.000
1.000

Means f or groups in homogeneous subsets are display ed.


a. Uses Harmonic Mean Sample Size = 375.246.
b. The group sizes are unequal. The harmonic mean of the group
sizes is used. Ty pe I error lev els are not guaranteed.

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-76 Comparacin mltipleMulti


de ple
materias
reprobadas al ltimo semestre
Comparisons
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

95% Conf idence Interv al


Lower Bound
Upper Bound
3.64
4.75
8.97
10.05
-4.75
-3.64
4.75
5.87
-10.05
-8.97
-5.87
-4.75

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.

En la tabla 7-77 de resultados del anlisis de varianza se presenta un valor de


la prueba F de 235.652, 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 7-77 Anlisis de varianza de rendimiento final por semestres de ms


ANOVA
Promedio ltimo semestre

Between Groups
Within Groups
Total

Sum of
Squares
8591.263
20343.225
28934.488

df
2
1116
1118

285

Mean Square
4295.631
18.229

F
235.652

Sig.
.000

CAPTULO 7. ESTUDIOS PREVIOS

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


Promedio ltimo semestre
a,b

Schef f e

Semestres dems
en tres grupos
13+
11-12
9-10
Sig.

Subset f or alpha = .05


1
2
3
79.23
81.77
86.32
1.000
1.000
1.000

N
157
278
684

Means f or groups in homogeneous subsets are display ed.


a. Uses Harmonic Mean Sample Size = 262.501.
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 7-21 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

CAPTULO 7. ESTUDIOS PREVIOS

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

(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

Mean
Dif f erence
(I-J)
St d.
4.554*
7.085*
-4.554*
2.532*
-7.085*
-2.532*

*. The mean dif f erence is signif icant at the .05 lev el.

287

Error
.304
.378
.304
.426
.378
.426

Sig.
.000
.000
.000
.000
.000
.000

95% Conf idence Interv al


Lower Bound
Upper Bound
3.81
5.30
6.16
8.01
-5.30
-3.81
1.49
3.58
-8.01
-6.16
-3.58
-1.49

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

independientes.

296

mxima

estadsticamente

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-86 ndices de KMO (Kaiser-Meyer-Olkin)

1.0

KMO

>

0.90

Excelentes

0.90

KMO

>

0.80

Buenos

0.80

KMO

>

0.70

Aceptables

0.70

KMO

>

0.60

Regulares

0.60

KMO

>

0.50

Malos

KMO

>

0.50

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-88 Total de varianza explicada


Total Variance Explained

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

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

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-90 Inversa de la matriz de correlaciones y test de esfericidad


KMO and Bartl ett's Testa
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.

Tabla 7-91 Total de varianza explicada


Total Variance Explaineda

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-93 Inversa de la matriz de correlaciones y test de esfericidad


KMO and Bartl ett's Testa
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.

Tabla 7-94 Total de varianza explicada


Total Variance Explaineda

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

Tabla 7-96 Inversa de la matriz de correlaciones y test de esfericidad


KMO and Bartlett's Testa
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.

Tabla 7-97 Total de varianza explicada


Total Variance Explaineda

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

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

Peso
Factorial Comunalidad

FACTOR 1

TEM

Peso
Factorial Comunalidad

FACTOR 1

TEM

Peso
Factorial Comunalidad

FACTOR 1

Materias reprobadas ltimo sem

0.872

0.814

Materias reprob ltimo sem

0.885

0.832

Materias repr ltimo sem

0.881

0.818

Semestres de ms

0.840

0.845

Semestres de ms

0.868

0.787

Semestres de ms

0.822

0.709

Promedio 3er. Sem

-0.793

0.827

Edad alumno

0.812

0.750

Promedio ltimo sem

-0.801

0.849

Promedio ltimo sem

-0.789

0.858

Promedio ltimo sem

-0.772

0.847

Promedio 3er sem

-0.740

0.807

Edad alumno

0.644

0.597

Promedio 3er sem

-0.751

0.795

Edad alumno

0.673

0.569

FACTOR 2

FACTOR 2

FACTOR 2

Toefl final

0.911

0.874

Beca alumno

0.802

0.694

Beca alumno

0.835

0.714

Toefl inicio

0.887

0.860

Nivel econmico

-0.773

0.641

Nivel econmico

-0.745

0.614

Promedio prepa

0.502

0.493

Promedio prepa

0.555

0.560

FACTOR 3
Nivel econmico

-0.885

0.819

FACTOR 3

Beca alumno

0.785

0.749

Toefl final

0.937

0.893

Toefl final

0.926

0.872

Toefl inicio

0.916

0.884

Toefl inicio

0.906

0.858

FACTOR 4

FACTOR 3

Edad padre

0.865

0.794

FACTOR 4

FACTOR 4

Edad madre

0.836

0.750

Edad madre

0.902

0.826

Edad madre

0.914

0.837

Promedio prepa

0.916

0.889

Edad padre

0.900

0.830

Edad padre

0.884

0.797

310

CAPTULO 7. ESTUDIOS PREVIOS

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

CAPTULO 7. ESTUDIOS PREVIOS

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

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

RA 3
RA 5
Semestres
0.950
Estud.
Padres
-0.018

Promedio
preparatoria

Edad
Padres
-0.69

0.556

Semestres
de ms

Nivel
Socio Econ
-0.148

RENDIMIENTO
ACADMICO FINAL

-0.547

Sexo
-0.211

Edad
Alumno
-0.415
Beca
0.390

Examen
Toefl
0.287

312

PAA
0.270

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

Edad
Alum

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

Arquitectura/Diseo

-0.61

0.10

0.37

0.36

0.52

0.79

0.92

-0.71 -0.82

-0.57

0.04

Electrnica y Comunicaciones

-0.51

0.49

0.17

0.31

0.69

0.92

0.95

-0.85 -0.89

-0.64

0.07

Industrial y de Sistemas
Mecnico
Elctricista/Administrador

-0.41

0.38

0.29

0.31

0.65

0.85

0.93

-0.70 -0.73

-0.46

0.20

-0.53

0.48

0.34

0.40

0.38

0.92

0.97

-0.84 -0.85

-0.62

0.35

Mecatrnica

-0.48

0.44

0.24

0.30

0.63

0.94

0.98

-0.85 -0.84

-0.65

0.11

Sistemas Computacionales

-0.51

0.55

0.47

0.42

0.65

0.88

0.97

-0.80 -0.82

-0.62

0.33

Sistemas Elctrnicos

-0.55

0.67

0.29

0.23

0.77

0.95

0.97

-0.83 -0.88

-0.68

0.37

Administracin de Empresas
Administracin
Financiera/Contabilidad
Ciencias de la
Comunicacin/Medios

-0.39

0.48

0.25

0.29

0.53

0.89

0.96

-0.69 -0.77

-0.62

0.38

-0.25

0.46

0.19

0.24

0.63

0.90

0.96

-0.77 -0.83

-0.48

0.15

-0.33

0.33

0.29

0.29

0.44

0.83

0.92

-0.68 -0.75

-0.50

0.31

Economa

-0.75

0.23

0.53

0.50

0.67

0.92

0.98

-0.83 -0.82

-0.71

0.30

Derecho

-0.59

0.01

0.16

0.02

0.52

0.76

0.90

-0.78 -0.81

-0.60

0.18

Mercadotecnia

-0.40

0.34

0.26

0.28

0.62

0.87

0.95

-0.73 -0.78

-0.54

0.35

Negocios Internacionales

-0.48

0.34

0.23

0.20

0.68

0.88

0.97

-0.82 -0.86

-0.63

0.20

Ciencias Polticas

-0.40

0.49

0.25

0.22

0.44

0.75

0.92

-0.77 -0.83

-0.61

0.24

Psicologa Organizacional

-0.57

0.24

0.54

0.55

0.29

0.89

0.97

-0.72 -0.75

-0.49

0.44

Relaciones Internacionales
Sistemas de Computacin
Administrativa

-0.39

0.36

0.41

0.40

0.51

0.90

0.96

-0.76 -0.77

-0.52

0.28

-0.52

0.63

0.04

0.09

0.59

0.88

0.95

-0.69 -0.79

-0.55 -0.05

-0.48

0.39

0.29

0.30

0.57

0.87

0.95

-0.77 -0.81

-0.58

TOTAL

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

Model
1

R
.901a

R Square
.811

Adjusted
R Square
.808

St d. Error of
the Estimate
2.201

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


ANOVAb
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


Coefficientsa

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

Standardized
Coeff icients
Beta
-.042
-.015
-.030
-.007
-.021
.051
.012
.117
-.034
.048
.798

t
9.593
-2.173
-.959
-1.754
-.425
-1.054
2.596
.673
6.238
-2.134
2.587
31.139

Sig.
.000
.030
.338
.080
.671
.292
.010
.501
.000
.033
.010
.000

Collinearity Statistics
Tolerance
VIF
.572
.912
.755
.767
.565
.557
.725
.614
.839
.630
.327

1.749
1.096
1.324
1.303
1.770
1.797
1.379
1.630
1.192
1.587
3.055

.197

.048

.102

4.117

.000

.351

2.846

3.35E-005
.005
-.371

.002
.002
.074

.000
.056
-.107

.019
2.375
-4.998

.985
.018
.000

.378
.386
.469

2.644
2.588
2.134

a. Dependent Variable: Promedio ltimo semestre

323

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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, SEMESTRES DE MAS
d. Predictors: (Constant), Promedio 3er. semest re,
Prom edio prepa, SEMESTRES DE MAS, Mat erias
reprobadas 3er. semestre
e. Predictors: (Constant), Promedio 3er. semest re,
Prom edio prepa, SEMESTRES DE MAS, Mat erias
reprobadas 3er. semestre, Toef l f inal
f . Predictors: (Constant), Promedio 3er. semest re,
Prom edio prepa, SEMESTRES DE MAS, Mat erias
reprobadas 3er. semestre, Toef l f inal, Beca alumno
g. Predictors: (Constant), Promedio 3er. semest re,
Prom edio prepa, SEMESTRES DE MAS, Mat erias
reprobadas 3er. semestre, Toef l f inal, Beca alumno,
Prepa Tec/ No Tec

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-6 Anlisis de varianza de la generacin con el mtodo Stepwise


ANOVAh
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

F
3131.239

Sig.
.000a

8909.017
5.286

1685.276

.000b

6000.800
5.085

1180.058

.000c

4523.033
4.990

906.427

.000d

3628.630
4.938

734.820

.000e

3029.518
4.905

617.587

.000f

2600.187
4.884

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi ci entsa

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

St andardized
Coef f icients
Beta
.882
.814
.131
.759
.141
-.103
.823
.137
-.138

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

Sig.
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.731
.731

1.368
1.368

.577
.725
.764

1.733
1.380
1.309

.364
.722
.621

2.751
1.385
1.611

.203

.048

.105

4.241

.000

.361

2.769

19.506
.658
.089
-.470

1.651
.020
.012
.065

.813
.132
-.135

11.814
32.832
7.556
-7.197

.000
.000
.000
.000

.358
.717
.620

2.797
1.394
1.614

.200

.048

.104

4.203

.000

.361

2.770

.004
21.054
.646
.081
-.478

.001
1.748
.021
.012
.065

.049

.001
.000
.000
.000
.000

.925

1.082

.797
.120
-.138

3.214
12.047
31.436
6.674
-7.347

.338
.672
.618

2.955
1.489
1.618

.194

.048

.100

4.084

.000

.360

2.776

.005
.008
21.103
.648
.086
-.450

.001
.003
1.744
.021
.012
.066

.050
.044

.001
.009
.000
.000
.000
.000

.924
.772

1.082
1.296

.800
.127
-.130

3.274
2.631
12.101
31.574
6.976
-6.791

.338
.651
.595

2.961
1.537
1.682

.202

.048

.104

4.241

.000

.358

2.790

.004
.008
-.357

.001
.003
.160

.049
.044
-.035

3.173
2.599
-2.226

.002
.009
.026

.922
.771
.896

1.084
1.296
1.116

a. Dependent Variable: Promedio ltimo semestre

327

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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,
SEMESTRES DE MAS
e. Pr edictor s: (Constant), Materias r epr obadas 3er .
semestre, Promedio prepa, Beca alumno,
SEMESTRES DE MAS, Toef l inicio
f . Pr edictor s: (Constant), Materias r epr obadas 3er .
semestre, Promedio prepa, Beca alumno,
SEMESTRES DE MAS, Toef l inicio, Sexo
g. Pr edictor s: (Constant), Materias r epr obadas 3er .
semestre, Promedio prepa, Beca alumno,
SEMESTRES 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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-9 Anlisis de varianza para la generacin con el mtodo Stepwise


ANOVAh
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
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

F
607.413

Sig.
.000a

6047.136
11.710

516.392

.000b

4192.461
11.181

374.973

.000c

3265.681
10.647

306.713

.000d

2669.579
10.338

258.225

.000e

2240.961
10.240

218.855

.000f

1928.237
10.192

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-10 Coeficientes del modelo general con el mtodo Stepwise


Coeffi ci entsa

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

St andardized
Coef f icients
Beta
-.636

t
556.419

Sig.
.000

-24.646

.000

46.347

.000

-1.230

.050

64.533

1.392

-.983

.047

-.509

-21.042

.260
67.349

.016
1.426

.385

15.920
47.217

-.947

.046

-.490

.219
.029
67.303

.017
.004
1.392

.324
.162

-.722

.056

.220
.030
-.645
63.443

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.890

1.124

.000
.000

.890

1.124

-20.595

.000

.877

1.140

12.767
6.573
48.351

.000
.000
.000

.771
.817

1.297
1.225

-.374

-12.922

.000

.565

1.769

.017
.004
.096
1.556

.327
.168
-.186

13.193
6.974
-6.752
40.773

.000
.000
.000
.000

.771
.816
.623

1.297
1.226
1.606

-.709

.055

-.367

-12.856

.000

.564

1.772

.211
.030
-.572
.009
64.707

.017
.004
.095
.002
1.602

.312
.170
-.165
.117

12.727
7.163
-6.009
5.252
40.402

.000
.000
.000
.000
.000

.761
.815
.609
.926

1.313
1.226
1.641
1.080

-.694

.055

-.359

-12.601

.000

.560

1.786

.206
.030
-.559
.009
-.678
63.515

.017
.004
.095
.002
.219
1.683

.305
.172
-.161
.121
-.067

12.415
7.291
-5.899
5.459
-3.092
37.740

.000
.000
.000
.000
.002
.000

.754
.815
.608
.922
.960

1.327
1.228
1.644
1.084
1.042

-.685

.055

-.354

-12.433

.000

.557

1.795

.202
.030
-.576
.005
-.761
.007

.017
.004
.095
.003
.222
.003

.299
.171
-.166
.063
-.076
.077

12.153
7.232
-6.074
1.873
-3.430
2.256

.000
.000
.000
.061
.001
.024

.746
.814
.604
.395
.934
.392

1.340
1.229
1.655
2.534
1.071
2.549

a. Dependent Variable: Promedio ltimo semestre

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi ci entsa,b

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

1.000

.943
.943

1.061
1.061

.928
.942
.984

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summaryd
Model
1
2
3

R
.639a
.724b
.747c

R Square
.408
.523
.558

Adjusted
R Square
.400
.511
.540

St d. Error of
the Estimate
4.039
3.648
3.535

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta

.454

t
8.295
7.187
10.050
4.971

Sig.
.000
.000
.000
.000

.639

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.772

1.295

-.720

.170

-.387

-4.238

.000

.772

1.295

52.885
.298

6.137
.064

.416

8.618
4.631

.000
.000

.749

1.336

-.710

.165

-.382

-4.310

.000

.772

1.296

.015

.006

.191

2.405

.019

.955

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta
-.797

t
133.736

Sig.
.000

-7.693

.000

-1.471

.191

83.315

.626

133.008

.000

-1.368

.161

-.741

-8.507

.059
83.683

.015
.569

.352

-1.118

.164

.061
-.876
78.517

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.975

1.026

4.034
146.953

.000
.000

.975

1.026

-.606

-6.811

.000

.741

1.350

.013
.281
1.925

.363
-.274

4.676
-3.118
40.785

.000
.004
.000

.973
.759

1.028
1.318

-.955

.160

-.517

-5.964

.000

.642

1.557

.057
-1.157
2.850

.012
.274
1.023

.336
-.362
.216

4.716
-4.215
2.786

.000
.000
.009

.955
.656
.803

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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.
Model Summarye
Model
1
2
3
4

R
.796a
.834b
.852c
.864d

R Square
.634
.696
.726
.747

Adjusted
R Square
.627
.684
.709
.726

St d. Error of
the Estimate
2.976
2.741
2.629
2.550

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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.
Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta
-.796

t
154.203

Sig.
.000

-9.405

.000

15.038

.000

-1.004

.107

70.637

4.697

-.946

.100

-.751

-9.465

.178
71.183

.056
4.512

.252

-.866

.102

.162
.031
61.839

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.967

1.034

3.182
15.778

.003
.000

.967

1.034

-.687

-8.503

.000

.856

1.168

.054
.013
6.374

.229
.187

2.988
2.313
9.702

.004
.025
.000

.951
.855

1.052
1.169

-.795

.105

-.631

-7.576

.000

.759

1.317

.160
.031
.016

.053
.013
.008

.227
.187
.157

3.046
2.379
2.017

.004
.021
.049

.950
.855
.868

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summaryd
Model
1
2
3

R
.757a
.809b
.839c

R Square
.572
.654
.703

Adjusted
R Square
.561
.635
.678

St d. Error of
the Estimate
4.114
3.749
3.523

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

La tabla de ANOVA presenta el valor de F que corresponde a una probabilidad


de 48.537. 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.

344

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta

t
114.037

Sig.
.000

-.757

-7.036

.000

-1.582

.225

67.478

6.967

9.685

.000

-1.553

.205

-.743

-7.573

.035
47.656

.012
10.541

.287

-1.284

.223

.034
.225

.011
.094

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.998

1.002

2.925
4.521

.006
.000

.998

1.002

-.614

-5.762

.000

.746

1.340

.277
.256

2.999
2.399

.005
.022

.996
.745

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summarye
Model
1
2
3
4

R
.774a
.838b
.861c
.872d

R Square
.600
.703
.741
.760

Adjusted
R Square
.593
.693
.729
.745

St d. Error of
the Estimate
3.530
3.066
2.883
2.798

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

La tabla de ANOVA presenta el valor de F que corresponde a una probabilidad


de 85.239. 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.

346

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-22 Coeficientes del modelo de regresin para Sistemas Computacionales


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta
-.774

t
162.750

Sig.
.000

-9.789

.000

13.331

.000

-1.455

.149

65.425

4.908

-1.127

.147

-.600

-7.669

.260
68.392

.056
4.717

.365

-.950

.150

.207
.044
62.991

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.772

1.296

4.673
14.498

.000
.000

.772

1.296

-.505

-6.332

.000

.655

1.526

.055
.014
5.191

.291
.244

3.758
3.040
12.135

.000
.003
.000

.695
.646

1.439
1.547

-.843

.153

-.449

-5.495

.000

.590

1.696

.196
.044
.012

.054
.014
.005

.275
.246
.153

3.647
3.161
2.206

.001
.002
.031

.689
.646
.821

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8.24 Coeficientes del modelo de regresin para Sistemas Electrnicos


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta
.862
.778
-.287

t
2.611
6.596
3.501
6.541
-2.410

Sig.
.020
.000
.004
.000
.030

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.914
.914

1.094
1.094

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summaryc
Model
1
2

R
.805a
.895b

R Square
.648
.801

Adjusted
R Square
.626
.774

St d. Error of
the Estimate
2.887
2.242

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta
-.805

t
102.256

Sig.
.000

-5.428

.000

7.177

.000

-1.266

.233

59.451

8.284

-.950

.204

-.604

-4.665

.332

.098

.440

3.394

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.791

1.264

.004

.791

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summarye
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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi ci entsa,b

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

1.000

.963
.963

1.039
1.039

.941
.870
.866

1.062
1.150
1.155

.797
.861
.854
.829

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summaryg
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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Contadura Pblica y Finanzas
Coeffi ci entsa,b
Model
1

(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

Unstandardized
Coef f icients
B
St d. Error
86.809
.480
-2.200

.232

61.293

4.020

-1.590

.219

.301
60.229

.047
3.847

-1.065
.316
-1.030
54.261

St andardized
Coef f icients
Beta
-.683

t
180.881

Sig.
.000

-9.501

.000

15.248

.000

-.494

-7.266

.434

6.381
15.657

.261

-.331

.045
.309
4.510

.455
-.249

-1.014

.256

.322
-.948
.011
57.808

.044
.303
.004
4.781

-.980
.266
-.952
.012
.027
56.091

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.809

1.237

.000
.000

.809

1.237

-4.077

.000

.516

1.938

6.985
-3.339
12.030

.000
.001
.000

.801
.612

1.248
1.634

-.315

-3.957

.000

.512

1.952

.463
-.229
.140

7.271
-3.124
2.395
12.090

.000
.002
.018
.000

.798
.604
.953

1.252
1.655
1.049

.253

-.304

-3.874

.000

.510

1.960

.052
.299
.004
.014
4.783

.384
-.230
.153
.141

5.163
-3.185
2.651
2.009
11.727

.000
.002
.009
.047
.000

.570
.604
.940
.636

1.754
1.655
1.064
1.572

-1.031

.250

-.320

-4.119

.000

.505

1.980

.245
-.983
.014
.028
1.399

.052
.295
.005
.013
.689

.353
-.237
.186
.145
.121

4.731
-3.334
3.142
2.097
2.030

.000
.001
.002
.039
.045

.547
.603
.871
.635
.859

1.827
1.659
1.148
1.574
1.164

a. Dependent Variable: Promedio ltimo semestre


b. CARRERA = LAF-CPF

355

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

a. Predictors: (Constant), Promedio prepa


b. CARRERA = LEC

356

Std. Error of
the Estimate
3.431

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coefficientsa,b

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta
.604
.423

t
14.818
9.053
17.827
6.489

Sig.
.000
.000
.000
.000

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.815

1.227

-.773

.120

-.420

-6.446

.000

.815

1.227

57.722
.256

3.822
.041

.398

15.102
6.228

.000
.000

.802

1.247

-.761

.117

-.414

-6.523

.000

.814

1.228

.013
59.011
.223

.004
3.766
.042

.176

.003
.000
.000

.974

1.027

.347

3.035
15.669
5.317

.736

1.359

-.722

.115

-.392

-6.281

.000

.802

1.247

.014
.030
70.523
.213

.004
.011
5.535
.041

.201
.166

.001
.007
.000
.000

.950
.851

1.052
1.175

.332

3.494
2.743
12.741
5.187

.731

1.369

-.645

.116

-.351

-5.584

.000

.756

1.322

.013
.031
-.436

.004
.011
.157

.189
.173
-.161

3.361
2.915
-2.783

.001
.004
.006

.945
.850
.897

1.058
1.177
1.114

a. Dependent Variable: Promedio ltimo semestre


b. CARRERA = LEM

359

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summaryc
Model
1
2

R
.725a
.816b

R Square
.525
.666

Adjusted
R Square
.517
.654

St d. Error of
the Estimate
3.365
2.848

a. Predictors: (Constant), Materias reprobadas 3er.


semestre
b. Predictors: (Constant), Materias reprobadas 3er.
semestre, Promedio prepa
c. CARRERA = LIN

360

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta
-.725

t
168.833

Sig.
.000

-7.804

.000

-2.032

.260

62.172

5.333

11.658

.000

-1.574

.240

-.561

-6.548

.297

.062

.409

4.773

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.841

1.190

.000

.841

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summarye
Model
1
2
3
4

R
.559a
.676b
.747c
.769d

R Square
.312
.457
.558
.592

Adjusted
R Square
.301
.439
.536
.564

St d. Error of
the Estimate
3.891
3.485
3.171
3.073

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

La tabla de ANOVA presenta el valor de F que corresponde a una probabilidad


de 46.637. 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.

362

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Coeffi ci entsa,b

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

.197

85.598

.563

-1.055

.176

.063
85.690

.016
.513

-.603
.082
-1.240
82.592

St andardized
Coef f icients
Beta
-.559

t
158.269

Sig.
.000

-5.304

.000

152.043

.000

-.564

-5.983

.381

4.037
167.107

.201

-.323

.015
.335
1.491

.495
-.416

-.582

.196

.086
-1.316
.630

.015
.326
.286

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

1.000

1.000

.000
.000

1.000

1.000

-2.994

.004

.633

1.579

5.427
-3.701
55.396

.000
.000
.000

.886
.583

1.129
1.715

-.312

-2.978

.004

.632

1.582

.522
-.442
.186

5.852
-4.030
2.203

.000
.000
.031

.868
.576
.976

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summaryc
Model
1
2

R
.742a
.844b

R Square
.551
.712

Adjusted
R Square
.530
.683

St d. Error of
the Estimate
3.105
2.550

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-40 Resumen del modelo de regresin para Derecho


Coefficientsa,b

Model
1
2

Unstandardized
Coeff icients
B
Std. Error
33.357
10.162
.651
.128
47.037
9.295
.495
.115

(Constant)
Promedio prepa
(Constant)
Promedio prepa
Materias reprobadas
3er. semestre

-.833

Standardized
Coeff icients
Beta

.565

t
3.283
5.076
5.060
4.308

Sig.
.004
.000
.000
.000

-.438

-3.339

.003

.742

.249

Collinearity Statistics
Tolerance
VIF
1.000

1.000

.837

1.195

.837

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


Model Summaryd

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi cientsa,b

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

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.999
.999

1.001
1.001

.939
.908
.863

1.064
1.101
1.159

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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.


Coefficientsa,b

Model
1

(Constant)
Toefl f inal

Unstandardized
Coeff icients
B
Std. Error
52.106
11.797
.065
.021

Standardized
Coeff icients
Beta
.696

a. Dependent Variable: Promedio ltimo semestre


b. CARRERA = LPO

367

t
4.417
3.069

Sig.
.001
.012

Collinearity Statistics
Tolerance
VIF
1.000

1.000

CAPTULO 8. ESTUDIOS PREDICTIVOS

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
Model Summaryc
Model
1
2

R
.613a
.720b

R Square
.376
.519

Adjusted
R Square
.357
.489

St d. Error of
the Estimate
3.577
3.188

a. Predictors: (Constant), Materias reprobadas 3er.


semestre
b. Predictors: (Constant), Materias reprobadas 3er.
semestre, Toef l f inal
c. CARRERA = LRI

368

CAPTULO 8. ESTUDIOS PREDICTIVOS

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


Coeffi ci entsa,b

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

.266

70.146

5.337

-1.117

.238

.028

.009

St andardized
Coef f icients
Beta
-.613

t
118.386

Sig.
.000

-4.456

.000

13.143

.000

-.577

-4.690

.380

3.089

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.991

1.009

.004

.991

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total

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

F
69.126

Sig.
.000a

707.748
11.772

60.123

.000b

517.255
10.901

47.450

.000c

408.853
10.389

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-49 Resumen del modelo de regresin para el rea de Humanidades


Coeffi ci entsa,b

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

.125

66.981

3.362

-.934

.114

.242
69.850

St andardized
Coef f icients
Beta
-.568

t
240.196

Sig.
.000

-8.314

.000

19.923

.000

-.510

-8.194

.041
3.336

.368

-.918

.110

.199
.041
69.537

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.975

1.025

5.911
20.941

.000
.000

.975

1.025

-.501

-8.356

.000

.974

1.027

.041
.012
3.258

.304
.220

4.845
3.536
21.343

.000
.001
.000

.892
.908

1.121
1.101

-.655

.142

-.358

-4.622

.000

.557

1.794

.204
.048
-.671

.040
.012
.236

.310
.257
-.219

5.068
4.138
-2.838

.000
.000
.005

.891
.868
.562

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-51 ANOVA del rea de Ingeniera


ANOVAf,g
Model
1

Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total

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

F
337.854

Sig.
.000a

2995.838
11.338

264.231

.000b

2092.283
10.530

198.694

.000c

1617.926
9.985

162.038

.000d

1320.106
9.632

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tablas 8-52 Resumen del modelo de regresin para Ingeniera


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta
-.705

t
339.163

Sig.
.000

-18.381

.000

26.547

.000

-1.262

.069

63.599

2.396

-.979

.067

-.547

-14.557

.267
65.933

.027
2.352

.369

-.904

.066

.228
.033
58.273

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.815

1.226

9.810
28.033

.000
.000

.815

1.226

-.505

-13.624

.000

.777

1.286

.027
.006
2.873

.315
.189

8.353
5.204
20.287

.000
.000
.000

.754
.815

1.327
1.227

-.861

.065

-.482

-13.187

.000

.760

1.315

.218
.031
.015
58.983

.027
.006
.003
2.828

.301
.177
.146

8.166
5.019
4.418
20.857

.000
.000
.000
.000

.748
.811
.931

1.337
1.234
1.074

-.706

.077

-.395

-9.177

.000

.529

1.891

.215
.032
.014
-.471

.026
.006
.003
.129

.297
.182
.139
-.145

8.207
5.245
4.282
-3.657

.000
.000
.000
.000

.747
.809
.928
.624

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-54 ANOVA de Negocios


ANOVAg,h
Model
1

Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total

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

F
234.213

Sig.
.000a

2437.447
11.587

210.368

.000b

1745.618
10.713

162.947

.000c

1337.091
10.461

127.819

.000d

1095.650
10.162

107.823

.000e

925.109
10.005

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tablas 8-55 Resumen del modelo de regresin para Negocios


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta

.450
-.246

t
23.527
15.304
28.579
14.900
-10.878
29.574
12.224
-5.861

Sig.
.000
.000
.000
.000
.000
.000
.000
.000

.606
.530
-.387

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.961
.961

1.041
1.041

.828
.639

1.207
1.565

-.588

.101

-.262

-5.813

.000

.553

1.808

63.438
.268
-.964

2.153
.026
.164

.403
-.244

29.461
10.311
-5.884

.000
.000
.000

.717
.639

1.395
1.565

-.567

.100

-.253

-5.667

.000

.551

1.815

.022
59.457
.260
-.859

.007
2.397
.026
.164

.120

.001
.000
.000
.000

.813

1.230

.392
-.217

3.265
24.810
10.126
-5.234

.712
.618

1.405
1.617

-.566

.099

-.252

-5.735

.000

.551

1.815

.023
.009
60.516
.256
-.854

.007
.002
2.410
.026
.163

.130
.121

.000
.000
.000
.000
.000

.808
.937

1.237
1.067

.386
-.216

3.585
3.575
25.107
10.032
-5.248

.709
.618

1.410
1.617

-.581

.098

-.259

-5.926

.000

.549

1.821

.022
.010
-.282

.007
.003
.105

.123
.140
-.090

3.396
4.081
-2.690

.001
.000
.007

.803
.897
.940

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-57 ANOVA de Preparatoria No TEC


ANOVAh,i
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
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

F
192.354

Sig.
.000a

1760.956
12.589

139.876

.000b

1269.017
11.797

107.570

.000c

1018.756
11.050

92.193

.000d

839.692
10.722

78.318

.000e

707.718
10.613

66.686

.000f

613.762
10.497

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tablas 8-58 Resumen del modelo de regresin para preparatoria No TEC


Coeffi cientsa,b

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

St andardized
Coef f icients
Beta

Sig.
.000

-13.869

.000

32.222

.000

-.911

.066

69.138

2.146

-.770

.064

-.505

-12.076

.190
75.741

.025
2.473

.315

-.537

.078

.186
-.611
77.787

.024
.124
2.430

-.470

Collinearity Statistics
Tolerance
VI F
1.000

1.000

.000

.914

1.094

7.519
30.621

.000
.000

.914

1.094

-.352

-6.884

.000

.574

1.743

.309
-.246

7.611
-4.916
32.015

.000
.000
.000

.913
.600

1.095
1.665

.077

-.309

-6.139

.000

.556

1.799

.156
-.637
.034
72.449

.024
.120
.007
2.864

.258
-.256
.198

6.376
-5.290
4.924
25.295

.000
.000
.000
.000

.855
.599
.872

1.169
1.668
1.146

-.448

.076

-.294

-5.916

.000

.552

1.812

.148
-.616
.029
.071
75.968

.024
.119
.007
.021
3.297

.245
-.248
.167
.134

6.120
-5.186
4.127
3.393
23.044

.000
.000
.000
.001
.000

.848
.598
.830
.876

1.180
1.673
1.205
1.142

-.435

.076

-.285

-5.744

.000

.548

1.825

.152
-.657
.031
.083

.024
.120
.007
.022

.252
-.264
.180
.157

6.300
-5.489
4.409
3.850

.000
.000
.000
.000

.842
.582
.813
.815

1.187
1.719
1.230
1.228

-.085

.833

1.201

-.007

.003

72.996

3.550

-.425

.075

.153
-.653
.031
.085

-.598

t
316.315

-2.123

.034

20.563

.000

-.279

-5.636

.000

.546

1.832

.024
.119
.007
.022

.253
-.263
.182
.160

6.357
-5.484
4.489
3.955

.000
.000
.000
.000

.842
.582
.812
.813

1.187
1.719
1.231
1.229

-.008

.003

-.111

-2.655

.008

.769

1.300

.007

.003

.084

2.183

.030

.907

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

Model
1
2
3
4
5
6

Prepa
Tec/No Tec =
Prepa TEC
(Selected)
.689a
.798b
.805c
.811d
.816e
.822f

Change Statistics
Prepa Tec/No
Tec ~= Prepa
TEC
(Unselected)

.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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total
Regression
Residual
Total

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

F
309.472

Sig.
.000a

2496.073
8.344

299.135

.000b

1692.485
8.118

208.487

.000c

1287.749
7.925

162.493

.000d

1044.269
7.740

134.914

.000e

881.646
7.560

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tablas 8-61 Resumen del modelo de regresin para Preparatoria TEC


Coeffi ci entsa,b

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

St andardized
Coef f icients
Beta

Sig.
.000
.000
.000
.000

Zero-order

.506

t
15.829
17.592
22.520
14.131

.689

-.442

-12.332

.000

-.651

.000
.000

.689

Correlations
Part ial

.689

.689

Part

Collinearity Statistics
Tolerance
VI F

.689

1.000

1.000

.608

.461

.829

1.206

-.555

-.402

.829

1.206

-1.042

.084

53.615
.398

2.339
.028

.504

22.925
14.244

.689

.611

.458

.828

1.207

-.915

.092

-.388

-9.944

.000

-.651

-.475

-.320

.680

1.472

-.623
54.857
.400

.192
2.346
.028

-.118

.001
.000
.000

-.406

-.173

-.104

.783

1.277

.506

-3.242
23.379
14.470

.689

.618

.460

.828

1.207

-.886

.091

-.376

-9.683

.000

-.651

-.465

-.308

.672

1.488

-.603
-.935
57.387
.364

.190
.307
2.466
.030

-.114
-.098

.002
.002
.000
.000

-.406
-.181

-.170
-.163

-.101
-.097

.782
.980

1.279
1.021

.461

-3.175
-3.046
23.270
12.271

.689

.555

.386

.700

1.429

-.866

.091

-.367

-9.559

.000

-.651

-.461

-.300

.668

1.496

-.641
-.923
.019
54.890
.336

.188
.303
.006
2.574
.031

-.121
-.097
.106

.001
.003
.003
.000
.000

-.406
-.181
.400

-.182
-.163
.162

-.107
-.096
.095

.778
.979
.801

1.285
1.021
1.248

.425

-3.408
-3.043
3.015
21.320
10.906

.689

.511

.339

.635

1.576

-.831

.090

-.352

-9.198

.000

-.651

-.448

-.286

.657

1.522

-.696
-1.113
.020
.009

.187
.306
.006
.003

-.132
-.117
.112
.103

-3.724
-3.633
3.226
3.011

.000
.000
.001
.003

-.406
-.181
.400
.319

-.199
-.194
.173
.162

-.116
-.113
.100
.094

.771
.938
.798
.824

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

variables

son:

Sistemas

de

Cmputo,

Electrnica

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

Tabla 8-62 Resumen de los modelos de regresin por carreras universitarias

R2

Cte.

Electrnica y Comunicaciones

39

0.831

78.52

Sistemas Electrnicos

19

0.793

61.29

Sist. Cmputo y Administracin

71

0.774

59.45

Ciencias Polticas

23

0.766

114.17

Sistemas Computacionales

40

0.745

Mecnico Electricista/Administrador

54

Administracin Financiera/
Contabilidad

CARRERAS

Mat Rep Prom Toefl Toefl


Sem 3o Prepa inicio final
-0.955

0.057

0.332

62.99

-0.843

0.196

0.012

0.044

0.726

61.84

-0.795

0.160

0.016

0.031

0.064

0.683

56.09

-1.031

0.245

30

0.683

47.04

-0.833

0.495

Mecatrnica

60

0.678

47.66

-1.284

0.225

Negocios Internacionales

74

0.654

62.17

-1.574

0.297

Mercadotecnia

158

0.570

70.52

-0.645

0.213

Ciencias de Comunicacin/Medios

88

0.564

82.59

-0.582

Administracin de Empresas

90

0.552

88.57

Industrial y de Sistemas

94

0.540

52.89

-0.710

Relaciones Internacionales

62

0.489

70.15

-1.117

22

0.434

52.11

60

0.392

84.83

23

0.230

58.71

1129 0.596

63.52

Economa
Modelo General

-1.160
-1.38

-0.950

122

Arquitectura/Diseo

2.850

0.630

Derecho

Psicolog Organizacional

Beca
Estud Estud Sem Prepa Edad Edad
Sexo
Alum
Madre Padre De ms proc Alum Madre

-1.039

0.014

0.028

-0.983

1.40

0.034

0.013

0.031

-0.44

0.086
0.217
0.298

-2.40

0.028

0.630

-1.316

0.040

-1.505

0.87

0.015

0.065
-1.963

-0.282

0.303
-0.685

0.202

13

13

Influencia Variables en el Modelo (N)

0.005 0.007
5

0.03

-0.76

-0.576
1

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

R2

Cte.

Mat Rep
3er Sem

Prom
Prepa

INGENIERA

343

0.665

58.983

-0.706

0.215

NEGOCIOS

404

0.576

60.616

-0.581

0.256

HUMANIDADES

146

0.512

69.537

-0.655

0.204

MODELO GENERAL

893

0.596

63.52

-0.685

0.202

Influencia Variables (N)

387

Toefl Toefl Beca


inicio final alumno Sexo
0.014
0.01

Estud
Madre

0.032

-0.471

0.022

-0.282

0.048
0.005 0.007
2

Sem de
ms

-0.854
-0.671

0.03

-0.761

-0.576
1

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

R2

Ajustada

Prueba F

Electrnica y Comunicaciones

39

83.1

76.49

Sistemas Electrnicos

19

79.3

46.27

Sist. Cmputo y Administracin

71

77.4

39.18

Ciencias Polticas

23
40

76.6

36.13

Sistemas Computacionales

74.5

85.24

Mecnico Electricista/Administrador
Administracin Financiera/
Contabilidad
Derecho

54

72.6

85.13

122

68.3

129.20

30

68.3

38.17

Mecatrnica

60

67.8

48.54

Negocios Internacionales

74

65.4

71.46
78.70

Ciencias de Comunicacin/Medios

158
88

57.0
56.4

46.64

Administracin de Empresas

90

55.2

55.75

Industrial y de Sistemas

94

54.0

38.25

Relaciones Internacionales

62

48.9

26.12

Psicolog Organizacional

22

43.4

10.53

Arquitectura/Diseo

60

39.2

40.29

23

23.0

6.12

1129

59.6

532.43

Mercadotecnia

Economa
Modelo General

389

CAPTULO 8. ESTUDIOS PREDICTIVOS

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

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

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

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

Figura 9-1 Diagrama de trayectorias de los factores del rendimiento acadmico

En el modelo se consideraron 10 variables:


EDAD ALUMNO

Edad del alumno

PROMPREP

Promedio de la preparatoria

BECA

Beca

TOEFL_IN

Toefl inicial

RTTO_S3

Rendimiento al 3er. semestre

TOEFLFIN

Toefl final

MAT_REP3S

Materias reprobadas al 3er. semestre

MAT_REPULTS

Materias reprobadas al ltimo semestre

SEMDEMAS

Semestres de ms

RTTO_ULTS

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

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

Rendimiento al ltimo semestre

MAT_REPULTS

Materias reprobadas al ltimo semestre

RTTO_S3

Rendimiento al 3er. semestre

SEMDEMAS

Semestres de ms

EDAD_A

Edad alumno

TOEFLFIN

Toefl final

MAT_REP3

Materias reprobadas al tercer semestre

Variables observadas exgenas

PROMPREP

Promedio de la preparatoria

BECA

Beca del alumno

TOEFL_IN

Toefl inicial

399

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

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

<4

Si

CMIN = .90
Si

< 0.08

RMSEA = 0.281
No

> .95

NFI = .850

> .95

CFI = .850

No

ndice de ajuste
comparativo

No

401

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

Figura 9-3 Modelo General RA2

Tabla 9-2 ndices de bondad de ajuste del Modelo RA2

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

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

<4

Si

CMIN = 58.8
No

< 0.08

RMSEA = 0.226
No

> .95

NFI = .849

> .95

CFI = .851

No

ndice de ajuste
comparativo

No

403

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

Figura 9-4 Modelo General RA3

Tabla 9-3 ndices de bondad de ajuste del Modelo RA3

MODELO RA3
Medidas de ajuste
absoluto

9 Variables:3 exgenas y 6 endgenas


Nivel ajuste
aceptable

Estadstico verosimilitud
chi cuadrado

> 0.05

ndice bondad de ajuste


CMIN
Error de aproximacin
cuadrtico medio
Medidas de ajuste
incremental
ndice de ajuste normado

<4

Medida del ndice

X2= 871.5 P= >0.05


Nivel de sig. 0.000
GL 14
CMIN = 62.2

Aceptabilidad

Si
No

< 0.08

RMSEA = 0.233
No

> .95

NFI = .878

> .95

CFI = .880

No
ndice de ajuste
comparativo

No

405

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

Figura 9-5 Modelo General RA4

Tabla 9-4 ndices de bondad de ajuste del Modelo RA4

MODELO RA4

8 Variables: 3 exgenas y 5 endgenas

Medidas de ajuste
absoluto

Nivel ajuste
aceptable

Medida del ndice

Estadstico verosimilitud
chi cuadrado

> 0.05

X2= 98.3 P= > 0.05


Nivel de sig. 0.000
GL = 11
CMIN = 8.9

ndice bondad de ajuste


CMIN
Error de aproximacin
cuadrtico medio

<4

Aceptabilidad

Si
No

< 0.08

RMSEA = 0.08
Si

Medidas de ajuste
incremental
ndice de ajuste normado

> .95

NFI = .981
Si

ndice de ajuste
comparativo

> .95

CFI = .983
Si

407

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

Figura 9-6 Modelo General RA5

Tabla 9-5 ndices de bondad de ajuste del Modelo Inicial RA5

MODELO RA5
Medidas de ajuste
absoluto
Estadstico verosimilitud
chi cuadrado

ndice bondad de ajuste


CMIN
Error de aproximacin
cuadrtico medio
Medidas de ajuste
incremental

7 Variables: 3 exgenas y 4 endgenas


Nivel ajuste
Medida del ndice Aceptabiaceptable
lidad
> 0.05

<4

X2= 35.7 P= > 0.05


Nivel sig. 0.000
GL =6

Si

CMIN = 5.8
No

< 0.08

RMSEA = .066
Si

ndice de ajuste normado

> .95

NFI = .992

ndice de ajuste
comparativo

> .95

CFI = .993

Si

Si

409

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

Figura 9-7 Modelo General RA6

Tabla 9-6 ndices de bondad de ajuste del Modelo RA6

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

NFI = .968
Si

> .95

CFI = .969
Si

411

CAPTULO 9. ESTUDIOS CAUSALES

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

Beca del alumno

TOEFLFIN

Toefl final

MAT_REPULTS

Materias reprobadas al ltimo semestre

SEMDEMAS

Semestres de ms

RTTO_ULTS

Rendimiento al ltimo semestre

412

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

Figura 9-8 Modelo General RA7

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

<4

X2= 2.6 P= > 0.05


Nivel sig. 0.45
GL=3
CMIN = .88

Si
Si

< 0.08

RMSEA = 0.00
Si

> .95

NFI = .999
Si

> .95

CFI = 1.00
Si

414

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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


SUBMODELO
VARIABLES

TIPO DE
VARIABLES

CHI**2

GL

CFI

NFI

10

3 Exgenas
7 Endgenas

1170.1

0.00

13

0.850

0.850

0.281

10

3 Exgenas
7 Endgenas

35.7

0.00

0.993

0.992

RA3

3 Exgenas
6 Endgenas

206.3

0.00

0.945

RA4

3 Exgenas
5 Endgenas

98.3

0.00

11

RA5

3 Exgenas
4 Endgenas

35.7

0.00

RA6

2 Exgenas
5 Endgenas

124.7

1 Exgenas
5 Endgenas

2.6

MODELOS

RA1
RA2

RA7

RMSEA CMIN

PCFI

FMIN

ECVI

0.90

0.201

1.037

1.130

0.066

5.80

0.309

1.043

1.123

0.943

0.139

22.90

0.274

0.773

0.844

0.980

0.980

0.080

8.90

0.301

0.089

0.146

0.990

0.990

0.070

5.80

0.213

0.032

0.083

0.00

0.970

0.970

0.120

18.00

0.242

0.110

0.160

0.45

1.00

0.990

0.000

0.900

0.143

0.002

0.045

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

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

TOEFLFIN
.000
.000
-.010
-.001
.009

BECA
.000
.000
-.018
.004
.024

MAT_REPULTS
.000
.000
.000
.254
-.765

TOEFLFIN
.000
.000
.000
-.003
.008

BECA
.000
.000
.000
-.005
.014

MAT_REPULTS
.000
.000
.000
.000
.000

Tabla 9-13 Efectos directos

TOEFLFIN
BECA
MAT_REPULTS
SEMDEMAS
RTTO_ULTS

PROMPREP
1.297
1.405
-.187
.000
.164

Tabla 9-14 Efectos indirectos

TOEFLFIN
BECA
MAT_REPULTS
SEMDEMAS
RTTO_ULTS

PROMPREP
.000
.000
-.039
-.053
.219

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

419

DF
3
0
21

P
.449

CMIN/DF
.882

.000

122.801

CAPTULO 9. ESTUDIOS CAUSALES

Tabla 9-16 ndice de ajuste (NFI/CFI)

Model
Default model
Saturated model
Independence model

NFI
Delta1
.999
1.000
.000

RFI
rho1
.993

IFI
Delta2
1.000
1.000
.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

Edad del alumno

PROMPREP

Promedio de la preparatoria

BECA

Beca

TOEFL_IN

Toefl inicial

RTTO_S3

Rendimiento al 3er. semestre

TOEFLFIN

Toefl final

MAT_REP3S

Materias reprobadas al tercer semestre

MAT_REPULTS

Materias reprobadas al ltimo semestre

SEMDEMAS

Semestres de ms

RTTO_ULTS

Rendimiento al ltimo semestre

420

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

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

ndice bondad de ajuste


CMIN
Error de aproximacin
cuadrtico medio
Medidas de ajuste
incremental
ndice de ajuste normado

<4

CMIN = 1.047

< 0.08

RMSEA = 0.15

Si
No

> .95

NFI = .984

> .95

CFI = .999

Si

ndice de ajuste
comparativo

Si

422

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

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

6 Variables: 1 exgenas y 5 endgenas


Nivel ajuste Medida del ndice
Aceptabiliaceptable
dad
X2= 7.183 P= > 0.05
Nivel de sig. 0.127

> 0.05

Si

ndice bondad de ajuste


CMIN
Error de aproximacin
cuadrtico medio

CMIN = 1.79

<4

Si
RMSEA = 0.027

< 0.08

Si

Medidas de ajuste
incremental
ndice de ajuste normado

> .95

NFI = .997
Si

ndice de ajuste
comparativo

> .95

CFI = .999
Si

424

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 9. ESTUDIOS CAUSALES

Figura 9-11 Modelo Escuela de Negocios

Tabla 9-20 ndices de bondad de ajuste del Modelo de Negocios

MODELO NEGOCIOS
Medidas de ajuste
absoluto

6 Variables: 1 exgena y 5 endgenas


Nivel ajuste
aceptable

Estadstico
verosimilitud Chi
cuadrado
ndice bondad de
ajuste CMIN

> 0.05

Error de aproximacin
cuadrtico medio

< 0.08

Medidas de ajuste
incremental
ndice de ajuste
normado
ndice de ajuste
comparativo

Medida del ndice

Aceptabilidad

X2= 9.991 P= > 0.05


Nivel de sig.: 0.075
Si

<4

CMIN = 1.9
Si
RMSEA = 0.046
Si

> .95

NFI = .991
Si

> .95

CFI = .995
Si

426

CAPTULO 9. ESTUDIOS CAUSALES

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

SUBMODELO TIPO DE
VARIABLES VARIABLES CHI**2

GL

CFI

NFI

RMSEA CMIN

PCFI

FMIN

ECVI

1 Exgenas
5 Endgenas

7.3

0.40

0.999

0.984

0.15

1.05

0.333

0.033

0.211

INGENIERA

1 Exgenas
5 Endgenas

7.2

0.13

0.999

0.997

0.07

1.79

0.19

0.006

0.047

NEGOCIOS

1 Exgenas
5 Endgenas

10.0

0.08

0.995

0.991

0.05

1.90

0.237

0.021

0.116

MODELO GENERAL

1 Exgenas
5 Endgenas

2.6

0.45

1.00

0.990

0.000

0.900

0.143

0.002

0.045

HUMANIDADES

427

CAPTULO 9. ESTUDIOS CAUSALES

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).

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 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

CAPTULO 9. ESTUDIOS CAUSALES

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

ndice bondad de ajuste


CMIN
Error de aproximacin
cuadrtico
medio
Medidas de ajuste
incremental

6 Variables: 1 exgena y 5 endgenas


Nivel ajuste
aceptable
> 0.05

<4

Medida del ndice


X2= 13.08 P= 0>.05
Nivel de sig. 0.219
Gl =10

Aceptabilidad

Si

CMIN = 1.3
Si

< 0.08

RMSEA = .031
Si

ndice de ajuste normado

> .95

NFI = .97

ndice de ajuste
comparativo

> .95

CFI = .97

Si

Si

429

CAPTULO 9. ESTUDIOS CAUSALES

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).

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 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

CAPTULO 9. ESTUDIOS CAUSALES

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

Estadstico
verosimilitud chi
cuadrado

> 0.05

ndice bondad de
ajuste CMIN

<4

Error de aproximacin
cuadrtico medio
Medidas de ajuste
incremental

Medida del ndice

Aceptabilidad

X2= 13.08 P= > 0.05


Nivel de sig. 0.219
Gl =10
Si
CMIN = 1.9
Si

< 0.08

RMSEA = .09
Si

ndice de ajuste
normado

> .95

ndice de ajuste
comparativo

> .95

NFI = .94
No
CFI = .97
Si
431

CAPTULO 9. ESTUDIOS CAUSALES

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).

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


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

CAPTULO 9. ESTUDIOS CAUSALES

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

ndice bondad de ajuste


CMIN
Error de aproximacin
cuadrtico medio

5 Variables: 1 exgena y 4 endgenas


Nivel ajuste
aceptable
> 0.05

<4

Medida del ndice


X2= 6.46 P= > 0.05
Nivel sig. 0.373
Gl= 6

Aceptabilidad

Si

CMIN = 1.07
Si

< 0.08

RMSEA = 0.018
Si

Medidas de ajuste
incremental
ndice de ajuste normado

> .95

NFI = .98

ndice de Ajuste
Comparativo

> .95

CFI = .99

Si

Si

433

CAPTULO 9. ESTUDIOS CAUSALES

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.

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


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

CAPTULO 9. ESTUDIOS CAUSALES

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

5 Variables: 1 exgena y 4 endgenas


Nivel ajuste
aceptable

Estadstico
verosimilitud chi
cuadrado

> 0.05

ndice bondad de
ajuste CMIN

<4

Error de aproximacin
cuadrtico medio
Medidas de ajuste
incremental
ndice de ajuste
normado
ndice de ajuste
comparativo

Medida del ndice


X2= 11.08 P= > 0.05
Nivel sig. 0.679
Gl= 14

Aceptabilidad

Si

CMIN = .7
Si

< 0.08

RMSEA = .0000
Si

> .95

NFI = .97

Si

> .95

CFI = 1.0

Si

435

CAPTULO 9. ESTUDIOS CAUSALES

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

SUBMODELO
TIPO DE
VARIABLES VARIABLES

CHI**2

GL

CFI

NFI

RMSEA

CMIN

PCFI

FMIN

ECVI

MERCADOTECNIA

1 Exgenas
5 Endgenas

13

0.22

10

0.97

0.97

0.08

1.3

0.331

0.042

0.322

FINANZAS Y
CONTABILIDAD

1 Exgenas
5 Endgenas

13

0.22

10

0.97

0.94

0.09

1.9

0.516

0.131

0.445

INGENIERA
INDUSTRIAL

1 Exgenas
4 Endgenas

6.5

0.37

0.99

0.98

0.02

1.07

0.300

0.026

0.298

COMUNICACIN Y
M. INFORMACIN

1 Exgenas
4 Endgenas

11

0.68

14

0.97

0.00

0.7

0.333

0.045

0.373

MODELO
GENERAL

1 Exgenas
5 Endgenas

2.6

0.45

1.00

0.990

0.000

0.900

0.143

0.002

0.045

436

CAPTULO 9. ESTUDIOS CAUSALES

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

Medidas de ajuste
absoluto

Nivel ajuste
aceptable

Medida del ndice

Estadstico
verosimilitud chi
cuadrado

> 0.05

X2= 186.3 P= > 0.05


Nivel de sig. 0.000
Gl= 17

Si

CMIN = 10.9

No

RMSEA = .09

Si

NFI = .953

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

Aceptabilidad

CFI = .957
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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

Tabla 10-2 ndices de bondad de ajuste del Modelo de Preparatoria TEC

Modelo: Preparatoria TEC


(N= 461)
Medidas de ajuste absoluto

Estadstico verosimilitud chi


cuadrado

7 Variables: 2 exgena y 5 endgenas


Nivel
Medida del
ajuste
ndice
aceptable
X2= 5.9
P= .549
> 0.05
Gl= 7

Aceptabilidad

No
ndice bondad de ajuste CMIN

<4

CMIN = 1.426

Error de aproximacin
cuadrtico medio

< 0.08

RMSEA = 0.00

Si

Si

Medidas de ajuste
incremental
ndice de ajuste normado

> .95

NFI = .995

Si

ndice de ajuste comparativo

> .95

CFI = 1.0

Si

443

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 10. ESTUDIOS COMPLEMENTARIOS

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

Figura 11- 1 Modelo Causal General Final


.18

e2
-.32

MAT_REPULTS
-.12

PROMPREP

-.13
.37

-.65
.24

e3
.73

.14
.13

RTTO_ULTS

BECA
.10

e1
.67
.03

.17

.45

.07

SEMDEMAS
TOEFLFIN

-.05

e4

e5

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

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

CAPTULO 11 CONCLUSIONES Y DISCUSIN DE RESULTADOS

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 l