Published December 1, 2021 | Version v1
Book chapter Open

Caracterización del rendimiento académico de escolares de cuarto de educación primaria, España (Characterization of the academic performance of students in the fourth year of primary education, Spain)

  • 1. Universidad de la República
  • 2. Universidad Católica del Uruguay
  • 3. Universidad Veracruzana

Description

ABSTRACT. In Spain, the Ministerio de Educación (Education Ministry) applies a test, at national level, known as the Evaluación General de Diagnóstico (EDG). This test measures the schoolchildren academic performance in basic competences as linguistic communication, mathematics, knowledge and interaction with the physical world, and social-civic competence. In this research, the information collected in 2009 from 25295 fourth-year primary school students was used, with the objective of proposing a reliable measure of general academic performance, which collects the scores of the four aforementioned competencies and allows us tu es-
tablishing a schoolchildren classification, based on this measure. For this, a latent class analysis was applied that was verified by means of a quadratic discriminant analysis with 90 % coinciding cases and a CHAID analysis with 92.7 % coinciding
cases. The results show that a classification with three latent classes is sufficient to explain the general academic performance. Thus, 32 % of schoolchildren in the sample were classified as having high academic performance, characterized by mainly
presenting high values in the 4 competencies, although schoolchildren with average values in linguistic and mathematical communication were also detected; 51 % with an average academic performance, characterized by having a medium level of
the four competences; and 17 % with low academic performance, characterized by presenting low values in three competencies and average records in mathematics.
Finally, it is detected that the highest proportion of schoolchildren in private schools report a high level of achievement, while the highest proportion of schoolchildren in public schools report an average academic performance. Furthermore, the highest
proportion of schoolchildren who do not repeat have a high academic performance, while the highest proportion of schoolchildren who repeat report a low academic performance.

 

RESUMEN

En España, el Ministerio de Educación aplica a nivel nacional una prueba conocida como Evaluación General de Diagnóstico (EDG). Dicha prueba mide el rendimiento académico de escolares en las competencias básicas de comu-
nicación lingüı́stica, matemática, conocimiento e interacción con el mundo fı́sico, y competencia social-ciudadana. Para fines de esta investigación se utilizó la información, recabada en el año 2009, de 25295 escolares de cuarto año de primaria, con
el propósito de proponer una medida fiable del rendimiento académico general, que recoja los puntajes de las cuatro competencias mencionadas y permita clasificar a los escolares en función de dicha medida. Para ello, se aplicó un análisis de clases
latentes que fue verificado por un análisis discriminante cuadrático con un 90 % de casos coincidentes y un análisis CHAID con un 92.7 % de casos coincidentes. Los resultados muestran que una clasificación con tres clases latentes es suficiente para
explicar el rendimiento académico general. Ası́, 32 % de los escolares de la muestra fueron clasificados con un rendimiento académico alto, caracterizado por presentar valores mayoritariamente altos en las 4 competencias, aunque se detectan también
escolares con valores medios en comunicación lingüı́stica y matemática; un 51 % con un rendimiento académico medio, caracterizado por presentan un nivel medio de todas las cuatro competencias; y un 17 % con un rendimiento académico bajo,
caracterizado por presentar valores bajos en tres competencias y registros medios en matemáticas. Por último, se detecta que la mayor proporción de escolares en escuelas privadas reportan un nivel de rendimiento alto, mientras que la mayor pro-
porción de escolares en escuelas públicas reportan un rendimiento académico medio.

Además, la mayor proporción de escolares no repetidores cuenta con un rendimiento académico alto, mientras que la mayor proporción de escolares repetidores reportan un rendimiento académico bajo.

 

Files

EPyAA 2021_cap2.pdf

Files (303.0 kB)

Name Size Download all
md5:c18a6271ad689487117394e8d87a70fc
303.0 kB Preview Download

Additional details

References

  • Agresti, A. Categorical data analysis. Wiley-Interscience, Hoboken, N., 2013.
  • Álvarez-Vaz, R. & Vernazza, E. Probabilidad, Estadı́stica y sus Aplicacio- nes, Benemérita Universidad de Puebla, México. Capı́tulo 3. Primera Edición 2019. ISBN: 978-607-525-589-7, 2019.
  • Linzer,D. y Lewis, J.. poLCA: An R Package for Polytomous Variable Latent Class Analysis Journal of Statistical Software, 42(10), 1-29. URL http://www.jstatsoft.org/v42/i10/, 2011.
  • Ghassabeth, A.G., Rudzick, F. & Moghaddam, H.A.Fast incremen- tal LDA feature extraction, Pattern recognition, 48(6), 1999-2012. doi: 10.1016/j.patcog.2014.12.012, 2015.
  • Hagenaars, J.Applied latent class analysis. Cambridge University Press, Cambridge New York, 2002.
  • IBM Corp. Released 2017. IBM SPSS Statistics for Windows, Version 25.0 Armonk, NY: IBM Corp., 2017.
  • Instituto de Evaluación (España). Evaluación general de diagnóstico 2009, 2010.
  • Witten, J. y Tibshirani, T. An Introduction to Statistical Learning with Applications in R., En Allen, G., De Veaux, R., Nugent, R. (Ed. De la serie), Springer Text in Statistics: Cap.4. Clasificación (pp.138-151). doi: 10.1007/978- 1-4614-7138-7, 2013.
  • Kass, G.V. An Exploratory Technique for Investigating Large Quantities of Categorical Data, Applied Statistics, Vol. 29, No. 2., pp. 119-127, 1980.
  • Montes, J. y Castro, B., & González, M., Niveles de estrés y rendimiento académico en estudiantes de la carrera de Psicologı́a del Centro Universitario de Los Altos, Revista de Educación y Desarrollo, 77-82, 2007.
  • Morgan, J. & Sonquist, J., Problems in the Analysis of Survey Data, and a Proposal, Journal of the American Statistical Association, 58:302, 415-434, DOI: 10.1080/01621459.1963.10500855, 1963
  • R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria, 2019.