La repetición de curso a debate: un estudio empírico a partir de PISA 2015

Abstract

La repetición de algún curso académico es una de las grandes preocupaciones del sistema educativo español, porque su tasa duplica el promedio de los países de la OCDE y la Unión Europea, lo que resulta muy costoso, y porque es una medida de calidad controvertida, ya que, lejos de lograr la nivelación pretendida, incluso aparece asociada en la investigación con el fracaso escolar. En este trabajo se pretende estudiar empíricamente el fenómeno, identificando las variables que determinan el perfil del estudiante repetidor y no repetidor y aquellos predictores que más inciden en la probabilidad de repetir. Para ello, se ha partido del cuestionario de contexto del estudiante proporcionado por el informe de PISA 2015 de la OCDE para España, que ofrece información sobre variables vinculadas con los antecedentes del estudiante, procesos y medidas no cognitivas, y que permite identificar claramente al estudiante que ha repetido algún curso en primaria y/o secundaria y al que no. Los datos se han analizado con la técnica de árboles de decisión y mediante regresión logística binaria. Los resultados muestran que las variables que mejor discriminan entre los perfiles del estudiante repetidor y del no repetidor son las aspiraciones educativas y el haber cursado una materia de ciencias el curso anterior. La principal conclusión del estudio es que la probabilidad de repetir se asocia más con variables de procesos (tiempo de aprendizaje y currículum), que, con variables vinculadas a los antecedentes del estudiante, en contra de lo que se ha venido perpetuando a través de la literatura. Esto supone un distanciamiento de las variables que tradicionalmente se han relacionado con la repetición y la aportación de evidencia empírica favorable a la apertura de una nueva perspectiva educativa, basada en el abordaje de la repetición de curso desde un enfoque menos socioeconómico y más pedagógico

¿Tiene precio el éxito académico? La relación entre inversión educativa y resultados escolares

“…Por su parte, los indicadores de recursos apenas presentan significaciones estadísticas y cuando lo hacen son magnitudes marginales y poco sistemáticas. Estos datos son compatibles las evidencias previas que señalan que, en los países más desarrollados la relación entre indicadores de recursos y resultados escolares es débil y poco consistente (Arroyo-Resino et al, 2019;Coffield, 2012;Glewwe y Lambert, 2010;Hanushek, 1986Hanushek, , 1997Jackson et al, 2016;Leuven y Oosterbeek, 2018;OECD, 2016a;Pritchett y Filmer, 1999;Vegas y Coffin, 2015).…”

“…Con respecto al segundo objetivo del estudio se observa que las correlaciones entre los indicadores de rendimiento y de recursos e inversión son, en general, muy bajas, evidencia compatible con gran parte de la investigación previa (Glewwe y Lambert, 2010;Glewwe et al, 2015;Jackson et al, 2016;Leuven y Oosterbeek, 2018;OECD, 2016a). La explicación a estos datos parece radicar en el hecho de que España se sitúa en umbrales de renta y gasto por estudiante donde la relación entre inversión y resultados escolares se diluye (Arroyo-Resino et al, 2019;Vegas y Coffin, 2015). De hecho, las diferencias en el gasto educativo entre comunidades con resultados PISA similares reafirma la idea de que el aumento del gasto en países desarrollados tiene un impacto pequeño en los logros académicos (Glewwe y Lambert, 2010).…”

“…El gasto por estudiante es otra variable muy analizada, especialmente en el último tercio del siglo XX, cuando este concepto de gasto experimentó un fuerte incrementó a nivel mundial (Hanushek et al, 2019). No obstante, la investigación educativa no encontró un efecto directo y positivo entre el aumento del gasto por estudiante y los logros académicos (Arroyo-Resino et al, 2019;Jackson et al, 2016;Vegas y Coffin, 2015). Jackson et al (2016) aluden a la dificultad analítica de separar el efecto neto de este indicador del impacto de las variables del contexto familiar y escolar, que suelen tener bastante potencia explicativa (Fernández-Alonso y Muñiz, 2019).…”

Defining the profile of students with low academic achievement: A cross-country analysis through PISA 2018 data

“…Moreover, this technique allows a more thorough study of the variables that influence low performance not only globally but also comparatively across countries. Finally, it is noteworthy that several studies have already used this technique satisfactorily to analyse PISA data (Asensio Muñoz et al, 2018;López-Martín et al, 2018;Arroyo Resino et al, 2019;She et al, 2019). For all these aspects, the multivariate decision tree technique, through the binary CART algorithm, is used here to achieve the objectives proposed in this article.…”