Análisis del rendimiento escolar en el sistema educativo peruano
DOI:
https://doi.org/10.57063/ricay.v2i3.54Palabras clave:
Comprensión lectora, matemáticas, niveles de logro, educación básica regularResumen
El presente trabajo evalúa el efecto de variables como sexo del estudiante, ámbito de la institución educativa, el tipo de institución educativa y la gestión de la institución educativa, sobre las probabilidades de logro en comprensión lectora y matemáticas en los estudiantes del segundo grado de primaria del sistema educativo peruano, se utilizó la metodología de los modelos Logit Ordenados, los datos corresponden a 541,422 estudiantes que rindieron la Evaluación Censal de Estudiantes (ECE, 2016), que se llevó a cabo en los 24 departamentos y Lima Metropolitana. Los resultados evidenciaron que los estudiantes mujeres presentan un mayor nivel de logro en comprensión lectora, en tanto, los estudiantes hombres, obtienen mayores niveles de logro en matemáticas. Por su parte, los estudiantes de las escuelas no estatales, rinden más en comprensión lectora y los estudiantes de las escuelas estatales, presentan un mayor logro en matemáticas. De otro lado los estudiantes de las escuelas poli-docentes presentan mayores niveles de logro en comprensión lectora y matemáticas. Se observa también, que, a pesar de mejoras en el logro educativo en los últimos años, persisten las brechas en el ámbito urbano y rural, así, los estudiantes del ámbito urbano evidencian mayores niveles de logro en comprensión lectora y matemáticas.
Citas
Asencios, R. (setiembre de 2016). Rendimiento escolar en el Perú: análisis secuencial de los resultados de la Evaluación Censal de los Estudiantes. (Documento de Trabajo 2016-005). Lima: Banco Central de Reserva del Perú‒BCRP. Recuperado de https://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2016/documento-de-trabajo-05-2016.pdf
Cameron, A., & Trivedi, P. (2005). Microeconometrics Methods and Applications. (1.ª ed.). Nueva York, Estados Unidos: Universidad de Cambridge. DOI: https://doi.org/10.1017/CBO9780511811241
Canquiz-Rincón, L., Mayorga-Sulbarán, D., & Sandoval-Fontalvo, C. (2021). Planeación didáctica para el desarrollo de la comprensión lectora. Ocnos, 20 (2), 96-106. https://doi.org/10.18239/ocnos_2021.20.2.2404 DOI: https://doi.org/10.18239/ocnos_2021.20.2.2404
Chaparro Caso López, A. A., & Gamazo, A. (2020). Estudio multinivel sobre las variables explicativas de los resultados de México en PISA 2015. Archivos Analíticos de Políticas Educativas, 28(26). https://doi.org/10.14507/epaa.28.4620 DOI: https://doi.org/10.14507/epaa.28.4620
Chávez, V., Reyes, J., Carrillo, M., & Rodriguez, A. (2020). Diferencias de género en unidades educativas rurales de Ecuador. Revista de Ciencias Sociales (RCS). 26(1), Enero-Marzo 2020, pp. 203-218. https://doi.org/10.31876/rcs.v26i1.31320 DOI: https://doi.org/10.31876/rcs.v26i1.31320
Chica, S., Galvis, D., & Ramírez, A. (2009). Determinantes del rendimiento académico en Colombia. Pruebas ICFES Saber 11°, 2009. Revista Universidad EAFIT, 46(160), 48-72. Recuperado de https://publicaciones.eafit.edu.co/index.php/revista-universidad-eafit/ article/view/754
Coleman, J. et al. (1966). Equality of Educational Opportunity. Washington, D.C.: U.S. Government Printing Office. Recuperado de https://files.eric.ed.gov/fulltext/ED012275.pdf
Gong, X.; Zhang, H. y Yao, H. (2015). The determinants of compulsory education performance of migrant children in Beijing: An analysis of two cohorts. International Journal of Educational Development 45 pp. 1–15. http://dx.doi.org/10.1016/j.ijedudev.2015.09.002 DOI: https://doi.org/10.1016/j.ijedudev.2015.09.002
Lei, H., & Cui, Y. (2016). Effects of academic emotions on achievement among mainland chinese students: A meta-analysis. Social Behavior and Personality an International Journal, 44(9), 1541–1553. https://doi.org/10.2224/sbp.2016.44.9.1541. DOI: https://doi.org/10.2224/sbp.2016.44.9.1541
McDonough, I.; Roychowdhury, P. & Dhamija, G. (2021) " Midiendo la dinámica de la brecha de rendimiento entre estudiantes de escuelas públicas y privadas durante la vida temprana en la India", Revista de Investigación Laboral, Springer, vol. 42 (1), páginas 78-122, marzo. DOI: 10.1007 / s12122-020-09307-2
Mitchell, R. (2018) Rural and remote repair: examinig workforce shortages and soltions withn rural school environments. International Online Journal of Primary Education, vol. 7(2) pp. 26-33. Recuperado de https://files.eric.ed.gov/fulltext/EJ1243616.pdf
Ministerio de Educación‒MINEDU (2015). Resultados de la evaluación Censal de Estudiantes 2014. (ECE 2014). Lima, Perú: Ministerio de Educación.
Ministerio de Educación-MINEDU. (2018b). Reporte técnico de la Evaluación Censal de Estudiantes (ECE2016) 2º grado y 4º grado de primaria (EBRyEIB), 2º grado de secundaria. Oficina de Medición de la Calidad de los Aprendizajes del Ministerio de Educación del Perú.
Miranda, L. (2008). Factores asociados al rendimiento escolar ysus implicaciones para la política educativa del Perú. Análisis de programas, procesos y resultados educativos en el Perú: contribuciones empíricas para el debte. Lima: GRADE, 2008. ISBN 978-9972-615-46-7. GREDE. Grupo de Análisis para el Desarrollo.
Organization For Economic Cooperation And Development-OECD. Trends shaping education spotlight 7: gender equality. Paris, 2015a. Available on: http://www.oecd.org/education/ceri/Spotlight7-GenderEquality.pdf, Access in: 15 Agosto 2021
Organization For Economic Cooperation And Development-OECD. What lies behind gender inequality in education? Paris, 2015b. (PISA in Focus, vol. 49). Available on: http://dx.doi. org/10.1787/5js4xffhhc30-en. Access in: 15 agosto 2021.
Rodríguez D.; Ordoñez R. & Hidalgo M. (2021). Determinantes del rendimiento académico de la educación media en el departamento de Nariño, Colombia. Lecturas de Economía, 94 pp. 87-126. http://doi.org/10.17533/udea.le.n94a341834 DOI: https://doi.org/10.17533/udea.le.n94a341834
Timarán, R.; Caicedo, J.; Hidalgo, A. Identification of Factors Associated with Academic Performance in Mathematics in the Saber 11th Tests Applying Educational Data Mining. 17th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Industry, Innovation, And Infrastructure for Sustainable Cities and Communities”, 24-26 July 2019, Jamaica. http://dx.doi.org/10.18687/LACCEI2019.1.1.297 DOI: https://doi.org/10.18687/LACCEI2019.1.1.297
