Estudio por género del impacto de factores contextuales en el rendimiento matemático del alumnado español en PISA 2018

  1. Molina-Portillo, Elena 1
  2. Contreras-García, José Miguel 1
  3. David Molina Muñoz 2
  4. José Antonio Sánchez Pelegrín 1
  1. 1 Universidad de Granada
    info

    Universidad de Granada

    Granada, España

    ROR https://ror.org/04njjy449

  2. 2 Departamento de Didáctica de la Matemática, Universidad de Granada
Revista:
Revista complutense de educación

ISSN: 1130-2496,  1988-2793

Año de publicación: 2022

Volumen: 33

Número: 4

Páginas: 645-656

Tipo: Artículo

DOI: 10.5209/RCED.76428 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista complutense de educación

Resumen

El estudio PISA ha puesto de manifiesto una brecha de género en el rendimiento matemático del alumnado español. Este trabajo tiene como objetivo determinar el diferente impacto en el rendimiento en matemáticas en función del género de variables relacionadas con características de los estudiantes y de los centros educativos a los que asisten. Se considera la muestra española de la edición del año 2018 de PISA que, al presentar una estructura jerárquica, permite aplicar una metodología basada en la regresión multinivel a dos niveles. Los resultados obtenidos indican que el hecho de hablar en casa un idioma que no sea el castellano ni ninguna otra lengua cooficial y la disminución de la tasa de alumnos por profesor influyen negativamente, en exclusiva, en el rendimiento en matemáticas de los chicos, mientras que la condición de inmigrante y la titularidad pública del centro educativo afectan, también en sentido negativo, solo al desempeño matemático de las chicas. A partir de estos resultados se podrían plantear medidas específicas por género para paliar el efecto de las variables que merman el rendimiento matemático de los estudiantes en España

Referencias bibliográficas

  • Amini, C. y Commander, S. (2011). Educational scores: how does Russia fare? Journal of Comparative Economics, 40(3), 508-527. https://doi.org/10.1016/j.jce.2012.02.006
  • Andréu, J. (2011). El análisis multinivel: una revisión actualizada en el ámbito sociológico. Metodología de Encuestas, 13, 161–176.
  • Blanco-Blanco, A., López Martín, E. y Ruiz de Miguel, C. (2014). Aportaciones de los modelos jerárquico-lineales multivariados a la investigación educativa sobre el rendimiento. Un ejemplo con datos del alumnado español en PISA 2009. Revista de Educación, 365, 122-149.
  • Calero, J. y Escardíbul, J. O. (2007). Evaluación de los servicios educativos: el rendimiento en los centros públicos y privados medido en PISA-2003. Hacienda Pública Española/Revista de Economía Pública, 183, 33-66.
  • Calero, J. y Escardíbul, J. O. (2014). Recursos escolares y resultados de la educación. Reflexiones sobre el sistema educativo español. Fundación Ramón Areces.
  • Choi, Á. (2018). De padres a hijos: expectativas y rendimiento académico en España. Presupuesto y Gasto Público, 90, 13-31.
  • Choi, Á. y Calero, J. (2012). Rendimiento académico y titularidad de centro en España. Profesorado. Revista de currículum y formación del profesorado, 16(3), 31-57.
  • Choi, Á., Gil, M., Mediavilla, M. y Valbuena, J. (2018). Predictores y efectos de la repetición de curso. Revista de Economía Mundial, 48, 21-42. https://doi.org/10.33776/rem.v0i48.3882
  • Cordero, J. M., Crespo, E. y Pedraja, F. (2013). Rendimiento educativo y determinantes según PISA: Una revisión de la literatura en España. Revista de Educación, 363, 273-297. https://doi.org/10.4438/1988-592X-RE-2011-362-161
  • Córdoba, L. G., García, V., Luengo, L. M., Vizuete, M. y Feu, S. (2011). Determinantes socioculturales: su relación con el rendimiento académico en alumnos de Enseñanza Secundaria Obligatoria. Revista de Investigación Educativa, 29(1), 83-96.
  • Escardíbul, J. O. (2008). Los determinantes del rendimiento educativo en España. Un análisis a partir de la evaluación de PISA-2006. Investigaciones de Economía de la Educación, 3, 153-161.
  • Fajardo, F., Maestre, M., Felipe, E., León, B. y Polo, M. I. (2017). Análisis del rendimiento académico de los alumnos de Educación Secundaria Obligatoria según las variables familiares. Educación XX1, 20(1), 209-232. https://doi.org/10.5944/educXX1.17509
  • Feskens, R., Van Oort, F. y Sluijter, C. (2019). Equity within the European Union education systems: a study based on PISA 2015. Journal of Supranational Policies of Education, 9, 117 – 136. http://doi.org/10.15366/jospoe2019.9.004
  • Gamazo, A., Martínez-Abad, F., Olmos-Migueláñez, S. y Rodríguez-Conde, M. J. (2018). Evaluación de factores relacionados con la eficacia escolar en PISA 2015. Un análisis multinivel. Revista de Educación, 379, 56-84. http://doi.org/10.4438/1988-592X-RE-2017-379-369
  • García, J. I., Hidalgo, M. y Robles, J. A. (2014). Does grade retention affect students’ achievement? Some evidence from Spain. Applied Economics, 46, 1373-1392. https://doi.org/10.1080/00036846.2013.872761
  • García, R. y Jiménez, C. (2018). Relación entre repetición de curso, rendimiento académico e igualdad en educación. Educación, Política y Sociedad, 4(1), 84-108.
  • Gaviria, J. L. y Castro, M. (2005). Modelos Jerárquicos Lineales. La Muralla.
  • González, A. y de la Rica, S. (2016). Gender Gap in PISA Test Scores: The Impact of Social Norms and the Mother’s Transmission of Role Attitudes. Estudios de Economía Aplicada, 34(1), 79-108.
  • Hox, J. (2002). Multilevel Analysis: Techniques and applications. Lawrence Erlbaum Associates.
  • Ikeda, M. y García, E. (2014). Grade repetition. A comparative study of academic and non-academic consequences. OCDE Journal: Economic Studies, 8(1). https://doi.org/10.1787/eco_studies-2013-5k3w65mx3hnx
  • Inda-Caro, M., Rodríguez-Menéndez, C. y Peña-Calvo, V. (2010). PISA 2006: la influencia del género en los conocimientos y competencias científicas. Revista Iberoamericana De Educación, 51(2), 1-12. https://doi.org/10.35362/rie5121836
  • Ismail, N.A. y Awang, H. (2008). Differentials in mathematics achievement among eighth-grade students in Malaysia. International Journal of Science and Mathematics Education, 6(3), 559-571. https://doi.org/10.1007/s10763-007-9109-4
  • Lara, A. M., Rueda, M. y Molina-Muñoz, D. (2019). Identifying the factors influencing mathematical literacy in several Spanish regions. South African Journal of Education, 39(S2), 1-13.
  • Lozano, A. (2003). Factores personales, familiares y académicos que afectan al fracaso escolar en la Educación Secundaria. Electronic Journal of Research in Educational Psychology, 1(1), 43–66.
  • Marques, H., Marcenaro, Ó. y López, L. A. (2016). Gender, institutions and educational achievement: a cross-country comparison, DEA Working Papers 78, Universitat de les Illes Balears, Departament d’Economía Aplicada. https://dea.uib.es/digitalAssets/376/376379_w78.pdf
  • Marsh, H. W., Pekrun, R., Parker, P. D., Murayama, K., Guo, J., Dicke, T. y Lichtenfeld, S. (2017). Long-term positive effects of repeating a year in school: six-year longitudinal study of self-beliefs, anxiety, social relations, school grades, and test scores. Journal of Educational Psychology, 109(3), 425-438. https://doi.org/10.1037/edu0000144
  • Martínez-Arias, R. (2006). La metodología de los estudios PISA. Revista de Educación, nº extraordinario 2006, 111–119.
  • Martínez-García, J. S. (2012). Fracaso escolar y comunidades autónomas. En M. de Puelles (Ed.). El fracaso escolar en el Estado de las Autonomías (pp. 79-110). Wolters Kluwer.
  • Martínez-Otero, V. (2009). Investigación y reflexión sobre condicionantes del fracaso escolar. Revista Latinoamericana de Estudios Educativos (México), 39(1-2), 11-38.
  • McCullagh, P. y Nelder, J. A. (1989) Generalized Linear Models. (2ª ed.). Chapman and Hall.
  • Ministerio de Educación, Cultura y Deporte. (2017). PIRLS 2016. Estudio internacional de progreso en comprensión lectora. Informe español. https://www.educacionyfp.gob.es/inee/evaluaciones-internacionales/pirls/pirls-2016.html
  • Ministerio de Educación y Formación Profesional. (2019). PISA 2018. Programa para la evaluación internacional de los estudiantes. Informe español.https://www.educacionyfp.gob.es/inee/evaluaciones-internacionales/pisa/pisa-2018/pisa-2018-informes-es.html
  • Ministerio de Educación y Formación Profesional. (2020a). TIMSS 2019. Estudio internacional de tendencias en matemáticas y ciencias. Informe español.https://www.educacionyfp.gob.es/inee/evaluaciones-internacionales/timss/timss-2019.html
  • Ministerio de Educación y Formación Profesional. (2020b). PISA 2018. La organización escolar. Informe español. Resumen ejecutivo. https://www.educacionyfp.gob.es/dam/jcr:03be5461-2c86-4663-a052-c224c3f8b617/pisa2018-oe-resumenejecutivo.pdf
  • Miralles, M. J., Castejón, J. L., Pérez, A. M. y Gilar, R. (2012). El análisis de los efectos de la escuela sobre el rendimiento académico en matemáticas: un análisis multinivel con datos de PISA 2003. Revista de Psicología y Educación, 7(1), 83-110.
  • Ng, K. T., Lay, Y. F., Areepattamannil, S., Treagust, D. y Chandrasegaran, A. L. (2012). Relationship between affect and achievement in science and mathematics in Malaysia and Singapore. Research in Science & Technological Education, 30(3), 225-237. https://doi.org/10.1080/02635143.2012.708655
  • OCDE. (2019a). PISA 2018 Results (Volume I): What Students Know and Can Do. OECD Publishing.
  • OCDE. (2019b). PISA 2018 Database. https://www.oecd.org/pisa/data/
  • Rasch, G. (1960). Probabilistic models for some intelligence and attainment tests. Danish Institute for Educational Research.
  • Rodríguez, D. y Guzmán, R. (2019). Rendimiento académico y factores sociofamiliares de riesgo. Variables personales que moderan su influencia. Perfiles educativos, 41(164), 118-134. https://doi.org/10.22201/iisue.24486167e.2019.164.58925
  • Sánchez-Cantalejo, E. y Ocaña-Riola, R. (1999). Los modelos multinivel o la importancia de la jerarquía. Gaceta Sanitaria, 13(5), 391-398. https://doi.org/10.1016/S0213-9111(99)71390-7
  • Sánchez-Lissen, E. (2018). El salario del profesorado y el tamaño de la clase: dos indicadores sugerentes para una reforma educativa de calidad. Revista Complutense de Educación, 29(1), 199–213. https://doi.org/10.5209/RCED.52193
  • Snijders, T. A. B. y Berkhof, J. (2007). Diagnostic checks for multilevel studies. En de Leeuw, J. y Meijer, E. (Eds.). Handbook of multilevel analysis. Springer.
  • Snijders, T. A. B. y Bosker, R. J. (1999). Multilevel analysis. An introduction to basic and advanced multilevel modelling. Sage Publications.
  • Uttley, J. (2019). Power Analysis, Sample Size, and Assessment of Statistical Assumptions—Improving the Evidential Value of Lighting Research, LEUKOS, 15(2-3), 143-162. https://doi.org/10.1080/15502724.2018.1533851
  • Wu, M. L. y Adams, R. J. (2002). Plausible Values: Why they are important. Comunicación presentada en el International Objective Measurement Workshop, New Orleans.
Fuente de los datos: Dialnet