UNIVERSIDAD AUTONÓMA “TOMÁS FRÍAS”

FACULTAD DE CIENCIAS ECONÓMICAS FINANCIERAS Y

ADMINISTRATIVAS
CARRERA DE INGENIERÍA COMERCIAL

“TRABAJO FINAL”

“FACTORES QUE INFLUYEN EN EL RENDIMIENTO ACADÉMICO DE LOS

ESTUDIANTES DE SEXTO DE SECUNDARIA DEL COLEGIO “20 DE ENERO
B”, A TRAVÉS DEL ANÁLISIS CLÚSTER”

DOCENTE : Lic. Santiago Mamani.

ASIGNATURA : Análisis multivariado aplicado.

SIGLA : ICO – 671.

INTEGRANTES : Univ. Beymar David Quispe.

Univ. Cristian Choque Villca.

Univ. Augusto David Flores Coronado.

Univ. Osmar Luis Flores Bravo.

Univ. Maribel Cristina Cruz Daza.

01 de diciembre del 2021.

INTRODUCCIÓN

El rendimiento académico se establece como un indicador del nivel de aprendizaje

alcanzado por el estudiante, representa el nivel de eficacia en el logro de los
objetivos curriculares para las diversas asignaturas, y en nuestro país se expresa
mediante la valoración del aprendizaje en el nivel de Educación Básica y
Educación Media se expresará por medio de la Escala de Calificación de 1 a 100 y
cada calificación numérica tiene su equivalencia en un concepto que va desde que
necesita mejorar hasta excelente, de los cuales para educación media una nota
menor de 50 significa reprobación.
A nivel nacional e internacional el estudio del rendimiento académico, es un
campo de investigación que posee mucha importancia a nivel educativo debido a
que esto posibilita el diseño de políticas educativas que contribuyan a mejorar los
resultados, además permite identificar los factores más sobresalientes que
contribuyen en el rendimiento académico a nivel nacional, entre los que más
comúnmente podemos encontrar: la falta de recursos económicos, desintegración
familiar, la falta de interés de los padres o responsables, entre otros.
Considerando los aspectos mencionados anteriormente, es importante la
profundización de las investigaciones que permitan comprender el fenómeno del
rendimiento académico, así como los factores que la afectan, para luego buscar
estrategias que permitan mejorar.

De esta manera, el presente trabajo pretende estudiar y analizar, los factores que
influyen el rendimiento académico de estudiantes de sexto de secundaria del
colegio “20 de enero “B” del municipio de Ckochas del departamento de potosí”

Esta investigación cuantitativa diseñada bajo el paradigma socio crítico, tuvo como
fuentes de información datos secundarios obtenidos del colegio “20 de enero B”
del municipio de Ckochas del departamento de potosí, tomando como punto de
referencia los factores explícitos en el contexto particular donde se encuentra
ubicada la institución educativa, para establecer en qué medida cada uno de esos
factores inciden en los resultados académicos de los estudiantes objeto del
presente estudio.
PROBLEMA

¿Factores que influyen en el rendimiento académico de los estudiantes de sexto

de secundaria del colegio “20 de enero B” a través del análisis clúster?

OBJETIVOS

 OBJETIVO GENERAL

Determinar y Analizar los factores que influyen en el rendimiento académico de los

estudiantes de sexto de secundaria del colegio “20 de enero B”, a través del
análisis clúster

 OBJETIVOS ESPECIFICOS

Determinar sí el contexto socioeconómico del grupo familiar del alumno/a incide en

su rendimiento escolar.

DEFINICION DE VARIABLES

N° VARIABLES TIPOS DE VARIABLES

1 NOMBRES variable cualitativa nominal NOMBRES
Y 2 CALIFICACIONES variable cuantitativa discreta CALIFI
X1 3 EDAD variable cuantitativa discreta EDAD
X2 4 NUMERO DE FALTAS MES variable cuantitativa discreta NFM
X3 5 DISTACIA QUE RECORRE AL IR A SU COLEGIO km variable cuantitativa continua DRAC
X4 6 NUMERO DE HERMANOS variable cuantitativa discreta NDH
X2 7 GASTOS MENSUALES variable cuantitativa discreta GN
X3 8 HORAS DE ESTUDIO variable cuantitativa continua HE
X4 9 INGRESO FAMILIAR variable cuantitativa discreta IF

V1 V2 V3 V4 V5 V6 V7 V8 V9
N.º NOMBRE CALIFI EDAD NDF DRAC NDH GM HDE IF
1 María 95 18 0 2 1 475 4 3800
2 Benito 73 18 4 1 5 365 3 2920
Marcelin
3 o 88 16 2 1 2 440 4 3520
4 María 52 17 1 1 3 260 2 2080
5 Julio 55 18 5 1 4 275 2 2200
6 Moisés 40 19 4 1 1 200 2 1600
 7 Graciela 75 19 2 1 1 375 3 3000
8 Paula 37 19 5 1 1 185 2 1480
9 Jaime 94 18 0 1 1 470 4 3760
10 Íñigo 68 18 0 1 0 340 3 2720
11 Bruno 75 17 0 1 2 375 3 3000
12 Héctor 84 19 0 1 6 420 4 3360
13 Pedro 95 18 0 1 5 475 4 3800
14 Alejandra 68 16 2 1 4 340 3 2720
15 Beatriz 65 17 2 1 1 325 3 2600
16 Pablo 74 18 0 1 2 370 3 2960
17 Guillermo 63 17 3 1 2 315 3 2520
18 Adrián 100 19 0 1 1 500 4 4000
19 Antonio 81 18 0 1 3 405 3 3240
20 Adelaida 80 19 1 2 5 400 3 3200
21 Lucía 78 18 2 1 4 390 3 3120
22 Manuel 52 17 3 1 1 260 2 2080
23 Paula 55 19 5 1 9 275 2 2200
24 Virginia 64 18 0 1 12 320 3 2560
25 Guillermo 51 16 0 1 1 255 2 2040
26 Víctor 98 17 0 1 0 490 4 3920
27 Peru 34 18 0 1 2 170 1 1360
28 Oriol 63 17 0 1 5 315 3 2520
29 Fabián 66 19 0 1 3 330 3 2640
30 Fernando 67 18 2 2 5 335 3 2680
31 Alvaré 56 19 0 1 3 280 2 2240
32 Fiona 84 16 1 1 1 420 4 3360
33 David 81 17 1 1 1 405 3 3240
34 Borja 91 18 2 1 0 455 4 3640
35 Javier 65 19 3 1 0 325 3 2600
36 Joaquín 46 19 0 1 6 230 2 1840
37 Donadl 59 19 0 2 8 295 2 2360
38 Mohamet 65 18 0 1 7 325 3 2600
39 Brayan 65 18 0 1 2 325 3 2600
40 Ibraim 49 18 0 1 4 245 2 1960
41 Miriam 71 17 0 1 1 355 3 2840
42 Miguel 68 20 0 2 0 340 3 2720
43 Álvaro 63 18 0 1 7 315 3 2520
Anastaci
44 o 89 17 0 0 4 445 4 3560
45 Evo 50 19 4 0 1 250 2 2000
46 Ramón 68 18 0 0 1 340 3 2720
47 Mario 78 19 0 3 8 390 3 3120
48 Jorge 65 16 0 0 3 325 3 2600
49 Arturo 69 17 0 0 6 345 3 2760
50 Augusto 83 18 2 0 1 415 3 3320
 51 Cristian 81 19 0 0 4 405 3 3240
52 Osmar 65 19 0 0 6 325 3 2600
53 Lina 69 19 0 2 1 345 3 2760
54 Belisario 76 18 0 1 8 380 3 3040
55 Carolina 72 16 2 3 5 360 3 2880
56 Enrrique 79 17 0 0 2 395 3 3160
57 Leonardo 71 19 1 0 7 355 3 2840
58 Dori 51 16 0 0 9 255 2 2040

CUERPO O DESARROLLO DEL ANALISIS

MATRIZ DE PROXIMIDAD. - Es una matriz simétrica, la diagonal principal está

compuesta por ceros, la diagonal inferior comprende los mismos datos que la
diagonal superior, usando el método del vecino más cercano. SE INTERPRETA
LA DISTANCIA ENTRE DOS DATOS….

HISTORIAL DE CONGLOMERACIÓN
Etapa Clúster combinado Coeficientes Primera aparición del Etapa
clúster de etapa siguiente
Clúster 1 Clúster 2 Clúster 1 Clúster 2
1 10 46 2,000 0 0 7
2 38 52 3,000 0 0 17
3 19 51 3,000 0 0 10
4 28 43 5,000 0 0 14
5 39 48 6,000 0 0 11
6 15 35 6,000 0 0 11
7 10 42 6,500 1 0 16
8 4 22 8,000 0 0 30
9 7 11 9,000 0 0 22
10 19 33 9,750 3 0 28
11 15 39 11,500 6 5 17
12 1 13 17,000 0 0 25
13 21 47 25,000 0 0 31
14 17 28 25,250 0 4 34
15 5 23 26,000 0 0 33
16 10 14 27,125 7 0 24
17 15 38 27,625 11 2 23
18 49 53 33,000 0 0 24
19 12 32 35,000 0 0 27
20 41 57 42,000 0 0 36
 21 25 58 65,000 0 0 30
22 7 16 1627,250 9 0 37
23 15 29 1628,531 17 0 35
24 10 49 1629,156 16 18 41
25 1 9 1630,250 12 0 48
26 3 44 1636,000 0 0 42
27 12 50 1636,750 19 0 47
28 19 20 1636,938 10 0 38
29 2 55 1638,000 0 0 36
30 4 25 1640,250 8 21 40
31 21 56 1649,250 13 0 38
32 40 45 1653,000 0 0 40
33 5 31 1663,500 15 0 45
34 17 24 1692,813 14 0 46
35 15 30 3665,258 23 0 41
36 2 41 3669,000 29 20 44
37 7 54 3697,813 22 0 44
38 19 21 6504,734 28 31 47
39 18 26 6509,000 0 0 48
40 4 40 6510,063 30 32 49
41 10 15 8234,490 24 35 46
42 3 34 10175,000 26 0 51
43 6 8 14635,000 0 0 50
44 2 7 19921,203 36 37 52
45 5 37 19936,375 33 0 53
46 10 17 24435,578 41 34 53
47 12 19 26019,652 27 38 52
48 1 18 32928,813 25 39 51
49 4 36 32940,141 40 0 54
50 6 27 32949,750 43 0 54
51 1 3 79677,016 48 42 55
52 2 12 104066,913 44 47 55
53 5 10 109002,023 45 46 56
54 4 6 234155,598 49 50 56
55 1 2 403356,654 51 52 57
56 4 5 592803,299 54 53 57
57 1 4 1833305,845 55 56 0
HISTORIAL DE CONGLOMERADOS
Para poder realizar todo el proceso y desarrollo del análisis clúster conforme a la
base de datos que se está desarrollando, el programa determinó 57 distintas
etapas donde clasificó los diferentes grupos.

 En una primera etapa, se fue identificando el estudiante 10 con el

estudiante 46, bajo una distancia de 2,000 la misma que se volverá a
repetir en una etapa 7, con el estudiante 42.
 En una segunda etapa, se fue identificando el estudiante 38 con el
estudiante 52, bajo una distancia de 3,000 la misma que se volverá a
repetir en una etapa 17, con el estudiante 15.
 En una tercera etapa, se fue identificando el estudiante 19 con el
estudiante 51, bajo una distancia de 3,000 la misma que se volverá a
repetir en una etapa 10, con el estudiante 33.
 En una cuarta etapa, se fue identificando el estudiante 28 con el estudiante
43, bajo una distancia de 5,000 la misma que se volverá a repetir en una
etapa 14, con el estudiante 17.
 En una quinta etapa, se fue identificando el estudiante 39 con el estudiante
48, bajo una distancia de 6,000 la misma que se volverá a repetir en una
etapa 11, con el estudiante 15.

DENDROGRAMA QUE UTILIZA UNA VINCULACION ÚNICA

La grafica que se aprecia a continuación es la gráfica realizada por el programa

usando la distancia del euclidiana al cuadrado, y usando el método por el vecino
más cercano.

Se pude hacer una mejor interpretación de nuestro dendrograma, por lo tanto,

haremos nuestra respectiva interpretación tomando en cuenta como distancia de
10 aproximadamente.
 CLUSTER 4 CLUSTER 3 CLUSTER 1 CLUSTER 2

Para hacer una mejor interpretación de nuestro dendrograma y realizar nuestra

respectiva interpretación tomamos en cuenta como distancia de 5
aproximadamente, tendremos 4 clústeres.
1. el primer clúster, está conformada por, María 1, Marcelino 3, Jaime 9,
Pedro13, Adrián 18, Víctor 26, Borja 34, Anastasia 44.
2. en el segundo clúster está conformada por, Benito 2, Graciela 7, Bruno 11,
Héctor 12, Pablo 16, Antonio 19, Adelaida 20, Lucia 21, Fiona 32, David 33,
Mirian 41, Mario 47, Augusto 50, Cristian 51, Belisario 54, Carolina 55,
Enrique 56, Leonardo 57.
3. En el tercer clúster está conformada por, María 4, Moisés 6, Paula 8, Juan
22, Guillermo 25, Peru 27, Joaquín 36, Ibrahim 40, Evo 45, Dori 58.
4. En el cuarto clúster está conformada por, Julia 5, Iñigo 10, Alejandro 14,
Beatriz 15, Guillermo 17, Paula 23, Virginia 24, Oriol 28, Fabián 29,
Fernando 30, Alvares 31, Javier 35, Donald 37, Mohamet 38, Erayan 39,
Miguel 42, Álvaro 43, Ramón 46, Jorge 48, Arturo 49, Osmar 52, Lina 53.
 Clúster de pertenencia
clúster 1 Caso clúster 2 Caso clúster 3 Caso clúster 4 Caso
1 1: María 2 2: Benito 3 4: María 4 5: Julia
1 3: Marcelin 2 7: Graciela 3 6: Moisés 4 10: Íñigo
1 9: Jaime 2 11: Bruno 3 8: Paula 4 14: Alejandr
1 13: Pedro 2 12: Héctor 3 22: Manuel 4 15: Beatriz
1 18: Adrián 2 16: Pablo 3 25: Guillerm 4 17: Guillerm
1 26: Víctor 2 19: Antonio 3 27: Peru 4 23: Paula
1 34: Borja 2 20: Adelaida 3 36: Joaquín 4 24: Virginia
1 44: Anastacia 2 21: Lucía 3 40: Ibraim 4 28: Oriol
2 32: Fiona 3 45: Evo 4 29: Fabián
2 33: David 3 58: Dori 4 30: Fernando
2 41: Miriam 4 31: Alvaré
2 47: Mario 4 35: Javier
2 50: Augusto 4 37: Donadl
2 51: Cristian 4 38: Mohamet
2 54: Belisari 4 39: Brayan
2 55: Carolina 4 42: Miguel
2 56: Enrrique 4 43: Álvaro
2 57: Leonardo 4 46: Ramón
4 48: Jorge
4 49: Arturo
4 52: Osmar
4 53: Lina

Clúster de pertenencia
Caso 4 clústeres
CALIFI 1
EDAD 2
NDFM 2
DRAC 2
NDH 2
GM 3
HDE 2
IF 4
INTERPRETACION
Bajo una distancia aproximada de 5, se ha podido determinar 4 distintos clústeres:

Para hacer una mejor interpretación de nuestro dendrograma y realizar nuestra

respectiva interpretación tomamos tanto los datos como las variables que las
relacionan en ese clúster, nos arroja 4 clústeres distintos las cuales son:
 1. El primer clúster, está conformada por, María 1, Marcelino 3, Jaime 9,
Pedro13, Adrián 18, Víctor 26, Borja 34, Anastasia 44, donde está
identificando a todos aquellos que tienen las mismas características de
calificaciones, por lo tanto, los 8 datos tienen relación en esta característica.
2. En el segundo clúster está conformada por, Benito 2, Graciela 7, Bruno 11,
Héctor 12, Pablo 16, Antonio 19, Adelaida 20, Lucia 21, Fiona 32, David 33,
Mirian 41, Mario 47, Augusto 50, Cristian 51, Belisario 54, Carolina 55,
Enrique 56, Leonardo 57, este segundo clúster está integrada por 18 datos
que están unidos por la variable edad, numero de faltas mes, distancia que
recurre al colegio, numero de hermanos y horas de estudio.
3. En el tercer clúster está conformada por, María 4, Moisés 6, Paula 8, Juan
22, Guillermo 25, Peru 27, Joaquín 36, Ibrahim 40, Evo 45, Dori 58, en este
tercer clúster están siendo identificados todos aquellos casos que tienen
relación con la variable de gasto mensual y lo integran 10 datos.
4. En el cuarto clúster está conformada por, Julia 5, Iñigo 10, Alejandro 14,
Beatriz 15, Guillermo 17, Paula 23, Virginia 24, Oriol 28, Fabián 29,
Fernando 30, Alvares 31, Javier 35, Donald 37, Mohamet 38, Erayan 39,
Miguel 42, Álvaro 43, Ramón 46, Jorge 48, Arturo 49, Osmar 52, Lina 53,
mismos datos son 22 que están unidos por la variable ingreso familiar.

CONCLUCIONES FINALES

Analizando los datos secundarios obtenidos del colegio 20 de enero ¨B¨ del
municipio de Cochas del departamento de Potosí, podemos concluir según los
resultados obtenidos mediante el método clúster:

Que el factor que más influye en el rendimiento académico es el ingreso familiar

que tiene cada estudiante, ya que mientras mayores ingresos económicos tengan,
mayor tiempo podrán dedicarle al estudio, por lo tanto, tendrán menores faltas en
el colegio y tendrán mejor rendimiento académico.Otro factor que también influye
en el rendimiento académico del estudiante es el número de hermanos, mientras
más sea la cantidad de hermanos, menores serán los gastos mensuales que
tendrán para invertir en sus estudios.