BÚSQUEDA DEL PERFIL DOCENTE DE UNA UNIVERSIDAD

NACIONAL ARGENTINA
VIGNERA1, M. L. ;BATTO2, M.; STRANGI3, G.; ALCARAZ4, G.; STRANGI5, E;
BASSO6, M.; NEGRI7, G.
1 Ing. en Alimentos. Univ. Nac. de Luján, División Estadística. Dto. Cs. Básicas. UNNOBA. Dto. Cs. Bs y
Experimentales.
2 Lic. en Estadística. Univ. Nac. de Luján, División Estadística. Dto. Cs. Básicas. UNTREF
3 Esp. en Defensa. Lic. en Cs. Políticas. Investigador Independiente
4 Ayud. Alumna Ing. En Alimentos. Univ. Nac. de Luján, División Estadística. Dto. Cs. Básicas
5 Lic. en Psicología. Investigadora de UNNOBA
6 Alumno Ing. Industrial. PIR. Univ. Nac. de Luján, División Estadística. Dto. Cs. Básicas
7 Mgter. en Metodología de la Inv. Científica. Univ. Nac. de Luján, División Estadística. Dto. Cs. Básicas.
UNNOBA. Dto. Cs. Bs y Experimentales.

lauravig@argentina.com

RESUMEN

En una serie histórica que abarca casi una década, se ha recopilado información acerca de la
planta docente de una Universidad Nacional Argentina; la Universidad Nacional de Luján.
Partiendo de variables de tipo cualitativo y cuantitativo, y aplicando metodología estadística
se pretende: tanto ampliar el conocimiento sobre las características de la población de
docentes como encontrar relaciones entre distintas variables que permitan elaborar un perfil
de la planta docente de este ámbito académico.
Se relevaron variables pertinentes para caracterizar a la persona, tales como sexo,
Departamento Académico en el cual desarrolla sus actividades, antigüedad docente,
antigüedad en la universidad, título de grado y/o posgrado alcanzado, dedicación (carga
horaria) con la que se desenvuelve, estado civil de la persona, cantidad de hijos a cargo, y
edad, entre otras. Si bien son muchas las variables, y sin duda, habría muchas más, en esta
investigación se pretende determinar cuáles de ellas son las más influyentes al momento de
caracterizar a la población en estudio.

Palabras clave: Datos categóricos – perfil – asociación - correspondencias - dimensión

INTRODUCCIÓN

En la actualidad la abundancia de información y el fácil acceso a ella, ha hecho que las

técnicas multivariantes sean cada vez más utilizadas para investigar y extraer conclusiones
acerca de grandes conjuntos de datos. En una serie histórica que abarca casi una década, se ha
recopilado información acerca de la planta docente de una Universidad Nacional Argentina; la

1
Universidad Nacional de Luján. Relevamiento que refiere al trabajo interdisciplinario
“Contribución al conocimiento de las relaciones socioprofesionales de la planta docente rentada de la
Univ. Nacional de Luján” (C. Lagunas; G. Negri; 2001). En este trabajo se ha decidido centrar el
análisis sobre la conformación docente de la universidad del año 2010.

OBJETIVO
El objetivo de este trabajo es establecer la relación existente entre las variables mencionadas,
a través de un análisis exploratorio de los datos. Y con el fin de hallar aquellas variables que
verdaderamente contribuyen a establecer un perfil del docente de esta universidad.

MATERIAL Y MÉTODO
En este trabajo se relevaron variables pertinentes para caracterizar a la persona, tales como
sexo, Departamento Académico en el cual desarrolla sus actividades, antigüedad docente,
antigüedad en la universidad, título de grado y/o posgrado alcanzado, dedicación (carga
horaria) con la que se desenvuelve, estado civil de la persona y edad, entre otras. Si bien son
muchas las variables, y sin duda, habría muchas más, en esta investigación se pretende
determinar cuáles de ellas son las más influyentes al momento de caracterizar a la población
en estudio.
Una técnica multivariante adecuada para analizar los datos que se presentan en esta ocasión es
el Escalamiento Multimensional o Escalamiento Óptimo, también llamado Análisis de
Correspondencias Múltiples. Ésta es una técnica que trata de representar en un espacio
geométrico de escasas dimensiones las proximidades existentes entre un conjunto de objetos,
sujetos o estímulos. Su propósito es transformar semejanzas entre casos, en distancias capaces
de ser representadas en un espacio multidimensional. Es decir, si dos objetos son
considerados similares serán ubicados en el gráfico de modo que la distancia entre ellos sea
más pequeña que la distancia que pueda haber entre cualquier otro par de objetos.
Las relaciones entre las variables se representan en un número pequeño de dimensiones
(digamos, dos o tres) con tanta frecuencia como sea posible. Esto permite describir las
estructuras o patrones de las relaciones que serían extremadamente difícil de descubrir con su
riqueza y complejidad original.
En vez de interpretar las estimaciones de los parámetros, la interpretación de los resultados
del escalamiento óptimo muchas veces se basa en representaciones gráficas.

2
La propuesta es encontrar un nuevo espacio de menor dimensión, a partir de las variables
originales. Debido al carácter cualitativo de las variables resulta adecuado realizar el análisis a
través del método de análisis de correspondencias múltiples o escalamiento óptimo.
El escalamiento óptimo asigna valores numéricos a los objetos o casos, y por lo tanto a las
categorías, con el fin de cuantificarlos. De tal modo que en el subespacio hallado las
categorías estén separadas unas de otras tanto como sea posible y, a su vez, dentro de cada
categoría los sujetos u objetos estén lo más próximos unos a otros.
De este modo al proyectar la nube de puntos en dicho subespacio cada variable se encuentra
representada. La distancia entre las variables da idea de la importancia de cada una de ellas
dentro del conjunto de las originales. Importancia que se ve reflejada por el peso de cada
variable en cada una de las dimensiones del subespacio.
A través de sucesivas iteraciones, y utilizando el procedimiento de Alternancia de Mínimos
Cuadrados para la estimación de los parámetros del modelo, el proceso genera para cada
objeto o sujeto de la muestra una cantidad de puntuaciones equivalente al número de
dimensiones de la solución. Las puntuaciones en cada dimensión son los centroides de cada
categoría en cada dimensión. Si las dimensiones son más de una, como es el caso nuestro, el
procedimiento trata de maximizar la distancia entre categorías.
Las variables que se tuvieron en cuenta en el análisis son variables de tipo cualitativo por
naturaleza algunas, y aquellas que eran cuantitativas fueron categorizadas. Entonces,
asumiendo que el conjunto de variables tiene sus categorías cuantificadas, y de distinto modo
para cada dimensión, se obtiene un análisis de homogeneidad.
A continuación se muestran las variables que se tienen en cuenta en el análisis y el modo en
que fueron categorizadas junto con los casos implicados en cada categoría. Tabla 1.

3
Tabla 1. Categorización de las variables.

Recuento
SEXO Femenino 716
Masculino 676
EDAD 25 años o menos 49
26 a 31 años 109
32 a 45 años 443
46 a 65 años 655
66 ó más años 136
ESTADO Soltero/a 458
CIVIL Casado/a 677
Divorciado/a 146
Viudo/a 16
Conviviente 32
CARGO Prof Adjunto 394
Prof Asociado 52
Prof Titular 68
JTP 357
Ay. Primera 392
Ay. Segunda 129
DEDICACION Ad Honorem 148
Simple o más 622
Semi o más 349
Exclusivo o más 273
ANTIGÜEDAD 5 años o menos 275
6 a 10 años 200
11 a 20 años 387
21 años o más 530
TITULOS Grado 846
Posgrado 184
Doctorado 99
UNIDAD Cs. Básicas 377
ACADÉMICA Educación 184
Cs Sociales 615
Tecnología 216

Para las variables tratadas como nominales u ordinales, el rango de las categorías no afecta a
los resultados. Para las variables nominales, es importante sólo la etiqueta y no el valor
asociado con dicha etiqueta. Para las variables ordinales, se conserva el orden de las
categorías en las cuantificaciones; los propios valores de las categorías no son importantes.
Todos los esquemas de codificación que produzcan el mismo orden de categorías tendrán
resultados idénticos.
Aunque muchos esquemas de codificación de una variable son funcionalmente equivalentes,
se prefieren aquellos esquemas con pequeñas diferencias entre los códigos, ya que los códigos

4
afectan a la cantidad de resultados que genera un procedimiento. Todas las categorías
codificadas con valores entre 1 y el máximo definido por el usuario son válidas. Si alguna de
estas categorías está vacía, las cuantificaciones correspondientes serán valores perdidos por el
sistema o 0, dependiendo del procedimiento.

RESULTADOS Y DISCUSIÓN

En el análisis que se detalla a continuación se ha pretendido explicar nuestro caso estudio,

reduciendo nuestro espacio de variables total a sólo dos dimensiones.

Tabla 2. Resumen del modelo

Varianza explicada
Alfa de Total
Dimensión Cronbach (Autovalores) Inercia
1 ,818 3,521 ,440
2 ,656 2,349 ,294
Total 5,870 ,734
Media ,753a 2,935 ,367
a. El Alfa de Cronbach Promedio está basado en
los autovalores promedio.

La inercia indica la proporción de la varianza de los datos explicada por cada una de las
dimensiones. Se observa que hay un 73% de la variabilidad de los datos explicada por las
dimensiones incluidas en nuestro modelo. Es posible dividir la inercia total en componentes
que se pueden atribuir a cada dimensión, es decir, se puede evaluar la inercia mostrada por
una determinada dimensión comparándola con la inercia total. Por ejemplo, la primera
dimensión muestra un 60% (0,440/0,734) de la inercia total, mientras que la segunda
dimensión muestra un 40% (0,294/0,734).Se observa que hay un 73% de la variabilidad de los
datos explicada por las dimensiones incluidas en nuestro modelo, 44% explicada por la
primera dimensión y 29% explicada por la segunda. Tabla 2.El coeficiente Alfa de Cronbach
mide la fiabilidad de la escala de medida y es una media ponderada de las correlaciones entre
las variables. Su valor máximo es 1, por cuanto más se aproxime el valor obtenido a 1, mayor
resulta la fiabilidad de la escala. En esta oportunidad, se ha obtenido un valor promedio de 0,7
aproximadamente el cual puede considerarse elevado. Este coeficiente está basado en los
autovalores.

5
Tabla 3. Medidas de discriminación por variable.

Dimensión
1 2 Media
SEXO ,001 ,011 ,006
EDAD ,826 ,595 ,710
ESTADO CIVIL ,458 ,038 ,248
CARGO ,834 ,611 ,723
DEDICACION ,437 ,345 ,391
ANTIGÜEDAD ,770 ,461 ,616
TITULOS ,113 ,197 ,155
UNIDAD ACADÉMICA ,083 ,091 ,087
Total activo 3,521 2,349 2,935

En la tabla de medidas de discriminación por variable en cada dimensión y el gráfico, que

responde a las medidas de discriminación obtenidas, se observa que Edad de la persona, cargo
que ocupa y la antigüedad son tres variables que están mayormente relacionadas con la
dimensión 1. Tabla 3. Estas tres variables se encuentran próximas en el gráfico, lo que indica
que existe algún patrón de relación entre ellas, diferenciándose en un grupo. Dedicación
aparece relacionada con ambas dimensiones, y no parece compartir características con
ninguna de las otras variables. En un grupo aparte se encuentran el resto de las variables,
aunque Estado Civil aparece un tanto alejada de este grupo, relacionada mayormente con la
dimensión 1 y muy poco con la 2. Tipo de Título y Unidad Académica parecen estar
relacionadas. Aunque tipo de títulos no parece relacionado con la antigüedad, cargo y edad.
Por último Sexo, con puntuaciones muy bajas para ambas dimensiones, no se encuentra
relacionada con ninguna de las dos. Observando el gráfico, esta variable se encuentra muy
cercana al punto de origen. Gráfico 1.

6
Gráfico 1. Medidas de discriminación

7
Gráfico 2. Diagrama conjunto de puntos de categorías

Diagrama conjunto de puntos de categorías

ANTIGÜEDAD
CARGO
DEDICACION
6 a 10 años antig EDAD
ESTADO CIVIL
1 32 a 45 años SEXO
11 a 20 años antig Ay. Primera TITULOS
JTP Grado
Simple o más UNIDAD ACADÉMICA
Semi o más Cs Sociales
Conviviente Soltero/a
Dimensión 2

Casado/a Femenino
0 26 a 31 años
Masculino
Educación Tecnología
Posgrado 46 a 65 años
Prof Adjunto
Divorciado/a Cs. Básicas 5 años o menos antig
Viudo/a 21 años o más antig
-1 66 ó más años Exclusivo o más Ad Honorem
Doctorado
Prof Asociado Ay. Segunda

Prof Titular

-2
25 años o menos

-1 0 1 2 3
Dimensión 1
Normalización principal por variable.

En el gráfico 2 se observan relaciones entre categorías acorde con su cercanía. Cs. Básicas se
observa más próximo a posgrados y doctorados. Profesor adjunto, divorciado, profesor
asociado y titular asociado con edades mayores y dedicaciones exclusivas o más. Personas
más jóvenes, con 5 años o menos de antigüedad con ayudantes de segunda o adhonorem.
Ayudantes de primera y JTP se encuentran próximos a personas que poseen títulos de grado,
que tienen entre 11 y 20 años de antigüedad docente, de entre 32 a 45 años y que poseen una
dedicación simple o semiexclusiva. Aunque no se observa mayor relación con el estado civil
de la persona y el sexo. Profesores adjuntos aparecen relacionados con poseedores de títulos
de posgrado, con dedicación exclusiva o más, entre 46 a 65 años y 21 años de antigüedad en
docencia. Profesores asociados o titulares son afines a un título de doctorado con edad de 66

8
años o más y con antigüedad en docencia de 21 años ó más. Ayudantes de segunda con
dedicación ad honorem siendo personas de 25 años o menos.

Gráfico 3. Medidas de discriminación para el Departamento de Cs. Básicas

9
Gráfico 4. Diagrama conjunto de puntos de categorías para el Departamento de Cs.
Básicas

Diagrama conjunto de puntos de categorías

ANTIGÜEDAD
CARGO
Viudo/a
2 DEDICACION
EDAD
25 años o menos ESTADO CIVIL
Prof Titular
SEXO
Ad Honorem Prof Asociado TITULOS
1 Divorciado/a 66 ó más años
Ay. Segunda
Doctorado Posgrado
5 años o menos antig
Dimensión 2

Prof Adjunto Exclusivo o más

46 a 65 años 21 años o más antig
Femenino Conviviente
0 26 a 31 años Masculino JTP
Casado/a
Soltero/a
Simple o más Semi o más
Grado
Ay. Primera
-1 11 a 20 años antig
32 a 45 años

6 a 10 años antig

-2
-2 -1 0 1 2
Dimensión 1
Normalización principal por variable.

También aquí se observan relaciones de personas jóvenes con cargos adhonorem. Personas de
mayor edad con cargos de profesores y mayor antigüedad docente.

10
Gráfico 5. Medidas de discriminación para el Departamento de Educación

En este caso la antigüedad no parece tan relacionada con la edad y el cargo. Estando ésta
fuertemente relacionada con la dimensión 1.

11
Gráfico 6. Diagrama conjunto de puntos de categorías para el Departamento de
Educación

Diagrama conjunto de puntos de categorías

ANTIGÜEDAD
CARGO
DEDICACION
EDAD
ESTADO CIVIL
SEXO
3
Ad Honorem TITULOS

Prof Titular
2 25 años o menos 66 ó más años
Prof Asociado
Dimensión 2

Divorciado/a
1 5 años o menos antig Doctorado
26 a 31 años Exclusivo o más Prof Adjunto
Viudo/a
6 a 10 años antigMasculino
Posgrado
Ay. Segunda 21 años o más antig Femenino
0 Simple o másSoltero/a
Grado
11 a 20 años antig Casado/a
Ay. Primera 46 a 65 años JTP
-1 Semi o más
32 a 45 años Conviviente

-2
-5 -4 -3 -2 -1 0 1
Dimensión 1
Normalización principal por variable.

Algunas relaciones que se observan en el gráfico anterior son profesores titulares, adhonorem
de edades mayores, profesores asociados, divorciados con títulos de doctorado relacionados
más con sexo masculino. Títulos de grado, posgrado asociados con mujeres casadas o en
pareja más jóvenes.

12
Gráfico 7. Medidas de discriminación para el Departamento de Cs. Sociales

Para este departamento el cargo aparece menos relacionado con edad, dedicación y
antigüedad que en los otros.

13
Gráfico 8. Diagrama conjunto de puntos de categorías para el Departamento de Cs.
Sociales

Diagrama conjunto de puntos de categorías

ANTIGÜEDAD
CARGO
5 DEDICACION
25 años o menos
EDAD
ESTADO CIVIL
SEXO
4
Ay. Segunda TITULOS

3
Dimensión 2

2 Ad Honorem
Prof Titular
66 ó más años
Prof Asociado
Doctorado
1 Exclusivo o más 5 años o menos antig
21 años o más antig
Viudo/a Divorciado/a
Masculino
Posgrado Conviviente Soltero/a 26 a 31 años
Prof Adjunto
0 Femenino
46 a 65 años
Semi o más Casado/a Grado Ay. Primera
11 a 20 años antig 32 a 45 años
JTP 6 a 10 años antig
Simple o más
-1
-2 -1 0 1 2 3 4
Dimensión 1
Normalización principal por variable.

14
Gráfico 9. Medidas de discriminación para el Departamento de Tecnología

15
Gráfico 10. Diagrama conjunto de puntos de categorías para el Departamento de
Tecnología.

Diagrama conjunto de puntos de categorías

ANTIGÜEDAD
3 CARGO
DEDICACION
25 años o menos
EDAD
ESTADO CIVIL
2 SEXO
TITULOS
Ay. Segunda
Viudo/a
Dimensión 2

26 a 31 años Prof Titular

1 66 ó más años
21 años o más antig Prof Adjunto
Ad Honorem Doctorado
5 años o menos antig
Prof Asociado Divorciado/a
Soltero/a 46 a 65 años Posgrado
Masculino Exclusivo o más
0 Femenino
Simple o más Conviviente
Casado/a
Grado JTP
Semi o más
32 a 45 años 11 a 20 años antig
-1
Ay. Primera
6 a 10 años antig

-2
-3 -2 -1 0 1
Dimensión 1
Normalización principal por variable.

CONCLUSIONES

En estudios anteriores realizados con anterioridad por este mismo equipo de trabajo, ¿Está
equitativamente distribuido el poder en esta universidad? El caso de la Univ. Nacional de
Luján – Argentina, referente a la composición de la planta docente distribuida según cargos,
se manifestó una predominancia neta del sexo masculino en el Departamento de Ciencias
Básicas, mientras que en el Departamento de Ciencias Sociales las mujeres fueron las que
prevalecían. En los Departamentos de Educación y Tecnología la relación varón/mujer
también demostraron escasez de mujeres en los cargos de mayor jerarquía. De este análisis se
pudo concluir que, exceptuando las características propias del Departamento de Educación,
donde la relación resulta favorable a las mujeres, son los varones los que estarían en mejores

16
condiciones de alcanzar los cargos docentes de mayor jerarquía que consecuentemente serían
la plataforma para acceder a los cargos de la conducción universitaria. En cierto modo la
intención de este trabajo fue establecer una continuidad con este análisis aplicando técnicas
multivariantes, las cuales se consideraron apropiadas para el análisis.
En general las relaciones que se observaron fueron concordancias entre antigüedad docente
alta, cargos de mayor jerarquía y personas de mayor edad, junto con elevada proporción de
poseedores de títulos de posgrado. Sin embargo el género no fue una buena variable
discriminatoria, que era lo que se esperó en un principio.
No obstante consideramos que esta técnica, que es cada vez más utilizada para investigar y
extraer conclusiones acerca de grandes conjuntos de datos, puede resultar muy útil para
futuros análisis.

BIBLIOGRAFÍA

 Box, G.; Hunter, W.; Hunter, J. (1999) Estadística para investigadores. Editorial
Reverte S.A.
 Cuadras, C.M. 2010. Nuevos Métodos de Análisis Multivariante. Barcelona: CMC
Editions. Documento en línea: 2010. Disponible en
http://www.ub.edu/stat/personal/cuadras/metodos.pdf, 15 de febrero de 2011.
 Johnson Dallas, E. (2000) – Métodos Multivariados Aplicados al Análisis de Datos.
Internacional Thomson Editores.
 Johnson, Richard & Dean Wichern. (1998). Applied multivariate statistical analysis.
Prentice-Hall. New Jersey. 816 pp.
 Manual del usuario del sistema básico de IBM SPSS Statistics 17.

 Peña, D. 2002. Análisis de Datos Multivariantes. Madrid: Mc Graw Hills/

Interamericana de España.
 Ravindra, Khattree and Dayanand, N. Naik. (1999). “Applied multivariate statistics
with SAS software”. 2nd edition. SAS Institute Inc.
 Samaja, Juan., (2002) Epistemología y metodología. Elementos para una teoría de la
investigación científica, EUDEBA, 2° Edición, Bs. As.

17
 Stewart James, 2000-06.Calculo Multivariable International Thomson EditoresI SBN:
9687529520 
 Publicaciones científicas correspondientes.

18