Palabras clave
pruebas Saber 11
desempeño en matemáticas
metodología CRISP-DM
minería de datos
RStudio y WEKA
cluster analysis
Saber 11 test
mathematics performance
CRISP-DM methodology
data mining
RStudio and WEKA
Resumen
El presente artículo tiene como objetivo caracterizar a los estudiantes del departamento de Nariño (Colombia) según el puntaje logrado en matemáticas en la prueba Saber 11, periodo 2021-B. Esta investigación fue descriptiva-correlacional, de enfoque cuantitativo y diseño no experimental. Se utilizó la metodología Cross Industry Standard Process for Data Mining (CRISP-DM). Se trabajó con los datos libres facilitados por el Instituto Colombiano para la Evaluación de la Educación (Icfes). El análisis de la información se realizó con WEKA 3.9.6 y RStudio. Los resultados evidenciaron que las personas con desempeño bajo en Matemáticas eran mujeres, mayores de 22 años, adscritas a grupos étnicos, residían en municipios cercanos a Tumaco y sus alrededores, cuyos padres tenían baja escolaridad, no contaban con computadora ni internet en casa. En contraste, los estudiantes con desempeño avanzado eran hombres, menores de 18 años, sin etnia, cuyos padres eran profesionales, habitaban en Pasto y sus alrededores, tenían internet y computadora en casa. Se encontró también alta correlación positiva entre las pruebas de Lectura crítica, Ciencias naturales, Sociales y ciudadanas, y Matemáticas.
Characteristics of students from Nariño in the Saber 11 test according to performance in mathematics
Abstract
The objective of this article is to characterize the students of the department of Nariño (Colombia) according to the score achieved in mathematics in the test Saber 11 period 2021-B. This research was descriptive-correlational, with a quantitative approach and non-experimental design. The Cross Industry Standard Process for Data Mining (CRISP-DM) methodology was used. This research worked with free data provided by the Colombian Institute for the Evaluation of the Quality of Education (Icfes). The data analysis was carried out with WEKA 3.9.6 and RStudio. The results showed that people with low performance in Mathematics were women, over 22 years old, affiliated with ethnic groups, they resided in municipalities near Tumaco and its surroundings, had parents with low education, they didn’t have a computer or internet at home. In contrast, students with advanced performance were men, under 18 years old, without ethnicity, their parents worked as professionals, they lived in Pasto and its sorroundings, they had internet and computer at home. A high positive correlation was also found between the test of critical Reading, natural, social and citizen Sciences, and Mathematics.
Citas
Álvaro, M., Bueno, M., Calleja, J., Cerdán, J., Echeverría, M., García, C., Gaviria, J., Gómez, C., Jiménez, S., López, B., Martín-Javato, L., Mínguez, A., Sánchez, A., & Trillo, C. (1990). Hacia un modelo causal del rendimiento académico. Ministerio de Educación y Ciencia. https://www.researchgate.net/profile/Carmuca-Gomez-Bueno-2/publication/39127951_Hacia_un_modelo_causal_del_rendimiento_academico/links/586cbb5308ae6eb871bb8000/Hacia-un-modelo-causal-del-rendimiento-academico.pdf
Banchero, S. (2015). Bases de Datos Masivas (11088). Departamento de Ciencias Básicas. Calidad del agrupamiento: Coeficiente de Silueta. Universidad Nacional de Lujan. http://www.labredes.unlu.edu.ar/sites/www.labredes.unlu.edu.ar/files/site/data/bdm/coeficiente-silueta.pdf
Beltrán, B. (s. f.). Minería de datos. Benemérita Universidad Autónoma de Puebla. http://bbeltran.cs.buap.mx/NotasMD.pdf
Benjumea, R., & Amado, M. (2020). Establecimiento de estándares de desempeño: descripción de niveles y puntos de corte. Instituto Colombiano para la Evaluación de la Educación. https://www.icfes.gov.co/documents/39286/443287/Niveles+de+desempe%C3%B1o.pdf
Blanco, V. (2015). Análisis del Desempeño Académico del Examen de Estado para el Ingreso a la Educación Superior Aplicando Minería de Datos [Tesis de maestría, Universidad Nacional de Colombia]. Repositorio Universidad Nacional. https://repositorio.unal.edu.co/bitstream/handle/unal/55900/39004913.2015.pdf?sequence=1&isAllowed=y
Clavijo, J., & Granada, H. (2016). Una técnica de clasificación con variables categóricas. Ciencia en Desarrollo, 7(1), 15-20. https://doi.org/10.19053/01217488.4226
Collazos, A., Quintero, M., & Trujillo, K. (2021). Determinantes del rendimiento académico de la prueba Saber 11 en Colombia duante el periodo 2014-2019. Panorama, 15(29), 103-126. https://doi.org/10.15765/pnrm.v15i29.1723
Corrales, A., Dussán, L., Borbón, J., & Córdoba, C. (2020). Informe Nacional de Resultados para Colombia - PISA 2018. Instituto Colombiano para la Evaluación de la Educación. https://www.icfes.gov.co/documents/39286/1125661/Informe_nacional_resultados_PISA_2018
Delors, J. (1996). Los cuatro pilares de la educación. En J. Delors, La educación encierra un tesoro. Informe a la UNESCO de la Comisión Internacional sobre la educación para el siglo XXI (pp. 91-103). Santillana; UNESCO. https://uom.uib.cat/digitalAssets/221/221918_9.pdf
Edel, R. (2003). El rendimiento académico: concepto, investigación y desarrollo. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 1(2), 1-16. https://www.redalyc.org/pdf/551/55110208.pdf
Fernandes, M. (2010). Resultados de Colombia en TIMSS 2007. Resumen ejecutivo. Instituto Colombiano para la Evaluación de la Educación. https://alfrobayo.files.wordpress.com/2011/05/informe-ejecutivo-timss.pdf
Hair, J., Anderson, R., Tatham, R., & Black, W. (1999). Análisis multivariante (5ª ed.) (Trad. A. Otero). Prentice Hall Iberia.
Instituto Colombiano para la Evaluación de la Educación. (2019). Marco de referencia de la prueba de matemáticas Saber 11°. https://www.icfes.gov.co/documents/39286/1252696/Marco+de+referencia+-+Prueba+de+matem%C3%A1ticas+saber+11.pdf/3e0af7cc-5628-8571-f9a4-2b69204cc5d4?version=1.3&t=1662407200164
Junca, G. (2019). Desempeño académico en las pruebas Saber 11. Panorama Económico, 27(1), 8-38. https://dialnet.unirioja.es/servlet/articulo?codigo=7456221
Lopez, A. (2013). Alineación entre las evaluaciones externas y los estándares académicos: el caso de la prueba Saber de Matemáticas en Colombia. RELIEVE. Revista Electrónica de Investigación y Evaluación Educativa, 19(2), 1-16. https://www.redalyc.org/pdf/916/91631052003.pdf
Medina, F., & Galván, M. (2007). Imputación de datos: teoría y práctica. Comisión Económica para América Latina y el Caribe. https://repositorio.cepal.org/handle/11362/4755
Ministerio de Educación Nacional. (2006). Estándares Básicos de Competencias en Lenguaje, Matemáticas, Ciencias y Ciudadanas. Guía sobre lo que los estudiantes deben saber y saber hacer con lo que aprenden. https://www.mineducacion.gov.co/1621/articles-340021_recurso_1.pdf
Decreto 1290. Por el cual se reglamenta la evaluación del aprendizaje y promoción de los estudiantes de los niveles de educación básica y media. Diario Oficial, año 144, no. 47322. (2009). https://www.mineducacion.gov.co/1621/articles-187765_archivo_pdf_decreto_1290.pdf
Mullis, I., Martin, M., & Foy, P. (2008). TIMSS 2007 International Mathematics Report: Findings from IEA’s Trends in International mathematics and Science Study at the Fourth and Eighth Grades. TIMSS & PIRLS International Study Center. https://timss.bc.edu/timss2007/pdf/timss2007_internationalmathematicsreport.pdf
Oviedo, A., & Jiménez, J. (2019). Minería de datos educativos: Análisis del desempeño de estudiantes de ingeniería en las pruebas SABER-PRO. Revista Politécnica, 15(29), 128-140. https://doi.org/10.33571/rpolitec.v15n29a10
Peña, J. (2022, 6 de febrero). Saber y Pisa medirán golpe de la pandemia en el aprendizaje. Portafolio. https://www.portafolio.co/tendencias/educacion-pruebas-saber-y-pisa-mediran-golpe-de-la-pandemia-en-el-aprendizaje-561408
Peña, Y., & González, J. (2022). Modelo de predicción de los resultados de la prueba icfes saber 11 en el área de matemáticas a partir de variables socioeconómicas. Studies in Engineering and Exact Sciences, 3(1), 52-68. https://doi.org/10.54021/seesv3n1-006
Pérez-Gutiérrez, B. R. (2020). Comparación de técnicas de minería de datos para identificar indicios de deserción estudiantil, a partir del desempeño académico. Revista UIS Ingenierías, 19(1), 193-204. https://doi.org/10.18273/revuin.v19n1-2020018
Piñeros, L., & Rodríguez, A. (1998). Los insumos escolares en la educación secundaria y su efecto sobre el rendimiento académico de los estudiantes (Human Development Department. LCSHD Paper series, 36). The World Bank, Latin America and the Caribbean Regional Office. https://documents1.worldbank.org/curated/en/872971468031567258/pdf/multi-page.pdf
Rendón, E., Zepeda, R., Barrueta, E., & Abundez, I. M. (2015). El algoritmo de agrupamiento K-Modas: Un caso de estudio. Revista de Tecnología e Innovación, 2(5), 929-941. https://www.ecorfan.org/bolivia/researchjournals/Tecnologia_e_innovacion/vol2num5/Tecnologia_e_Innovacion_Vol2_Num5_2.pdf
Riquelme, J., Ruiz, R., & Gilbert, K. (2006). Minería de Datos: Conceptos y Tendencias. Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, 10(29), 11-18. https://www.redalyc.org/pdf/925/92502902.pdf
Rodríguez, S. (1985). Modelos de investigación sobre el rendimiento académico. Problemática y tendencias. Revista Investigación Educativa, 3(6), 284-303. https://digitum.um.es/digitum/bitstream/10201/97141/1/Ponencia_11_V3%20N6%201985.pdf
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, 87-126. https://doi.org/10.17533/udea.le.n94a341834
Sanabria, L., Pérez, M., & Riascos, L. (2020). Pruebas de evaluación Saber y PISA en la Educación Obligatoria de Colombia. Educatio Siglo XXI, 38(3), 231-254. https://doi.org/10.6018/educatio.452891
Santillana. (2017). DBA Derechos Básicos de Aprendizaje. Ruta Maestra, 18. https://rutamaestra.santillana.com.co/dba-derechos-basicos-de-aprendizaje/
Solano, L. (2015). Rendimiento académico de los estudiantes de secundaria obligatoria y su relación con las aptitudes mentales y las actitudes ante el estudio [Tesis de doctorado, Universidad Nacional de Educación a Distancia]. Redined. Red de información educativa. http://hdl.handle.net/11162/161183
Timarán-Pereira, R., Caicedo-Zambrano, J., & Hidalgo-Troya, A. (2019). Árboles de decisión para predecir factores asociados al desempeño académico de estudiantes de bachillerato en las pruebas Saber 11°. Revista de Investigación, Desarrollo e Innovación, 9(2), 363-378. https://doi.org/10.19053/20278306.v9.n2.2019.9184
Tobón, S. (2013). Formación integral y competencias. Pensamiento complejo, currículo, didáctica y evaluación (4ª ed.). ECOE.
Tobón, S., Pimienta, J., & García, J. (2010). Secuencias didácticas: Aprendizaje y evaluación de competencias (1a ed.). Pearson Educación.
Vargas, W. (2014). Mineria de datos y extracción del conocimiento. Universidad Católica Los Ángeles Chimbote. https://www.academia.edu/9407662/Miner%C3%ADa_de_Datos
Wirth, R., & Hipp, J. (2000). CRISP-DM: Towards a Standard Process Model for Data Mining. https://cs.unibo.it/~danilo.montesi/CBD/Beatriz/10.1.1.198.5133.pdf
Zhexue, H. (1998). Extensions to the k-Means Algorithm for Clustering Large Data Sets with Categorical Values. Data Mining and Knowledge Discovery, 2(3), 283-304. https://doi.org/10.1023/A:1009769707641
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2024 Jorge Andrés Suárez, Hernán Abdón García