Tipología influyente en el rendimiento académico de alumnos universitarios

DOI: https://doi.org/10.31908/19098367.3710
Palabras clave: clasificación, clúster, discriminación, factores, rendimiento, alumnos

Resumen

El presente trabajo aborda un informe estadístico centrado en caracterizar el rendimiento académico de alumnos universitarios, a partir de la determinación de variables asociadas, aplicando técnicas estadísticas del Análisis Multivariado. Los análisis efectuados se basan en datos provenientes de una encuesta realizada en el año 2015, a los alumnos de la Facultad de Ciencias Exactas Físicas y Naturales, de la Facultad de Filosofía, Humanidades y Artes de la Universidad Nacional de San Juan, Argentina. Mediante un Análisis Factorial de Correspondencias Múltiples, Análisis de Conglomerados y Análisis de Discriminación Logística, se pudieron identifi car tipologías de alumnos y variables infl uyentes que diferencian a los alumnos según su rendimiento. Los resultados aportan herramientas que permiten realizar un válido diagnóstico para orientar de manera efectiva las intervenciones que realice la institución educativa.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor

Susana B. Ruiz, FCEFN - UNSJ

Profesora de Enseñanza Media y Superior en Matemática (1988), Especialista en Docencia Universitaria (1999) de la UNSJ. Magister en Estadística Aplicada (2011) de la Universidad Nacional de Córdoba (Argentina). Desde el año 2016 es profesora Titular Exclusiva en asignaturas del Área de Matemática, del Departamento de Geofísica y Astronomía de la Facultad de CEFyN de la UNSJ. Por extensión cumple tareas docentes en la Cátedra de Teorías de Autómatas y Computabilidad del Dpto. de Informática, y tareas de investigación en el Instituto de Informática de la FCEFyN de la UNSJ. Ponentes en congresos nacionales e internacionales y artículos en revistas en las temáticas: experiencias didácticas a nivel superior, estadística aplicada, estimación de transformaciones con datos contaminados y aplicaciones de Lógica Difusa. Actualmente investigadora en las temáticas: Educación. Estadística aplicada a datos de encuestas. Inteligencia computacional utilizando Lógica Difusa. Minería de Datos.

Myriam Beatriz Herrera, FCEFN - UNSJ

Profesora de Matemática, Magíster (2000) y Doctor en Cs Matemáticas, en la Universidad Nacional de San Luis. (2007). Desde el año 1988 es docente Profesora Adjunta Exclusiva en las asignaturas Probabilidades y Estadísticas y Matemática Básica y desde 2014 Profesora Titular Exclusiva, en el Departamento de Informática de la UNSJ. Ha publicado trabajos en revistas especializadas. Ponente en congresos nacionales e internacionales. Orienta cursos referidos a educación en estadística, estadística teórica y sus aplicaciones. Autora de libros en el área estadística. Investigaciones en: Reconocimiento de patrones. Procesamiento Estadístico de Imágenes y Estadística Espacial. Minería de datos.

María R. Romagnano, FCEFN - UNSJ

Docente/Investigador de la Universidad Nacional de San Juan, Argentina. Licenciada en Sistemas de Información en el año 2002, en la Universidad Nacional de San Juan. Magister en Informática en el año 2010 de la Universidad de la Matanza. Actualmente es doctoranda del Doctorado en Ingeniería de la Universidad Nacional de Cuyo. Desde el año 2017 es coordinadora titular del Gabinete de Sistemas de Información del Instituto de Informática. Sus intereses en investigación abarcan las áreas de Inteligencia Artificial e Ingeniería de Software.

Lilian Adriana Mallea, FFHA – UNSJ

Profesora Titular Exclusiva desde el año 2000, en la cátedra Probabilidades y Estadística del Departamento de Matemática-FFHA. Magister (2000) y Doctor en Cs Matemáticas (2007), de la Universidad Nacional de San Luis. Ha publicado trabajos en revistas especializadas, nacionales e internacionales, y ha dictado numerosos cursos en congresos, abordando temáticas referidas a educación en estadística, estadística teórica y sus aplicaciones. Autora de libros en el área estadística. Investigaciones en: Procesos Estocásticos. Procesamiento Estadístico de Imágenes, Estadística Espacial y Minería de datos.

María Inés Lund, FCEFN - UNSJ

Licenciada en Informática (1991), Especialista en Sistemas de Información para Intranets (2002), Magister en Informática (2012). Becaria de investigación de CONICET y Consultora profesional externa. En el año 1991 ingresó como profesora en la UNSJ y desde 2005 es Profesora Adjunto Exclusivo en el Instituto de Informática con extensión a la docencia universitaria. Es Directora de la carrera Licenciatura en Sistemas de Información del Dpto de Informática desde el año 2012 y Coordinadora del Gabinete de Ingeniería de Software del Inst de Informática desde el año 2002. Dirige proyectos de investigación, becarios de investigación, alumnos tesistas de grado y posgrado. Ha realizado presentaciones en congresos nacionales e internacionales, y ha publicado artículos en revistas especializadas.

Citas

Torrado-Fonseca, M. M., Berlanga-Silvente, V. “Revista d’innovació i recerca en educació.,” Rev. d’Innovació i Recer. en Educ., vol. 6, no. 2, pp. 150–166, 2013.

Peña, D. Análisis de datos multivariantes. McGraw-Hill/Interamericana, 2002, 515p.

Escudero Escorza, T. “La evaluación y mejora de la enseñanza en la Universidad: otra perspectiva,” En Revista de Investigación Educativa, vol. 18, no. 2, 2000, pp. 405–416.

Bertaut, M.V., Valls, J.M. “Manual de introducción a los métodos factoriales y clasificación con SPAD.” Barcelona, Servei d’Estadística Universitat Autònoma de Barcelona, p. 68.

Díaz, M.P., Demétrio, C.G.B. “Introducción a los modelos lineales generalizados: su aplicación en las Ciencias Biológicas”. SCREEN Editorial, 1998.

Nelder, J.A., Wedderburn, R.W.M. “Generalized Linear Models,” Source J. R. Stat. Soc. Ser. A J. R. Stat. Soc. A, vol. 135, no. 3, pp. 370–384, 1972.

Chambers, J., Hastie, T., Pregibon, D. “Statistical Models in S,” in Compstat, Heidelberg: Physica-Verlag HD, 1990, pp. 317–321.

Richard, R.A., Johnson, A., Wichern, D.W. Applied multivariate statistical analysis. Pearson Prentice Hall, 2007.

Publicado
2018-06-30
Cómo citar
Ruiz, S., Herrera, M., Romagnano, M., Mallea, L., & Lund, M. (2018). Tipología influyente en el rendimiento académico de alumnos universitarios. Entre Ciencia E Ingeniería, 12(23), 109-116. https://doi.org/10.31908/19098367.3710
Número
Vol. 12 Núm. 23 (2018)
Sección
Artículos