PISA 2015: predictores del rendimiento en ciencias en España
Loading...
Full text at PDC
Publication date
2018
Advisors (or tutors)
Editors
Journal Title
Journal ISSN
Volume Title
Publisher
Ministerio de Educación, Formación Profesional y Deportes
Citations
Exportar
Citation
Rodríguez-Mantilla JM, Fernández-Díaz MJ, Jover G. PISA 2015: predictores del rendimiento en ciencias en España. Revista de Educación. 2018 Ab 1; 380: 75-102
Abstract
Dada la creciente expansión y uso de los resultados de los estudios de PISA sobre la evaluación de los alumnos en sus competencias científicas, matemáticas y lingüísticas, el presente trabajo tiene como objetivo analizar el efecto de un conjunto de predictores del rendimiento en Ciencias en los alumnos españoles participantes en PISA 2015. Para el estudio se ha tomado una muestra de 32.330 alumnos de 15 años de 17 Comunidades Autónomas y se han utilizado modelos jerárquico-lineales que permiten el análisis del posible efecto de los distintos predictores, contemplando el anidamiento de los datos en distintos niveles (Alumnos, Centro y Comunidad Autónoma). Como variables independientes se han seleccionado 64 predictores, algunos de ellos incluidos en los cuestionarios de alumnos y de centros de PISA 2015 y de la base de datos facilitada por el Ministerio de Educación, Cultura y Deporte (2016a), como ansiedad del alumno, relación profesor-alumno, hábitos deportivos, interés hacia la ciencia, recursos de los centros, porcentaje de alumnos extranjeros y cantidad de alumnos por profesor en cada Comunidad Autónoma, entre otros. Además, se incluyeron variables consideradas como “clásicas” en este tipo de estudios (sexo, nivel académico de los padres, titularidad y tamaño del centro, inversión económica por Comunidad Autónoma, etc.). Entre los principales resultados encontramos que 27 variables (24 de Alumno y 3 de Centro y ninguna de Comunidad Autónoma) resultaron predictores significativos del rendimiento en Ciencias, analizando la varianza explicada. El trabajo concluye con la discusión fundamentada en otros estudios coincidentes o con resultados contrarios sobre las variables que han resultado significativas y no significativas en el modelo propuesto.
Given the increasing expansion and use of the results of PISA studies on the evaluation of the scientific, mathematical and linguistic competences of the students, this paper aims to analyze the effect of a set of predictors of performance in Science in Spanish students participating in PISA 2015. For the study, a sample of 32,330 15-year-olds from 17 Autonomous Communities has been taken and hierarchical-linear models have been used that allow the analysis of the possible effect of the different predictors contemplating the nesting of the data at different levels (Students, School Center and Autonomous Community). 64 predictors were selected as independent variables, some of them included in the questionnaires of PISA 2015 students and centers and the database provided by the Ministry of Education, Culture and Sport (2016a), such as anxiety of the student, teacher-student relationship, sports habits, interest in science, resources of the centers, percentage of foreign students and number of students per teacher in each Autonomous Community, among others. In addition, variables considered as “classic” were included in this type of studies (gender, academic level of the parents, ownership and size of the center, economic investment by Autonomous Community, etc.). Among the main results we found that 27 variables (24 of Student and 3 of Center and none of Autonomous Community) were significant predictors of Science performance, analyzing the explained variance. The paper concludes with the discussion based on other coincident studies or with contrary results on the variables that have been significant and not significant in the proposed model.
Given the increasing expansion and use of the results of PISA studies on the evaluation of the scientific, mathematical and linguistic competences of the students, this paper aims to analyze the effect of a set of predictors of performance in Science in Spanish students participating in PISA 2015. For the study, a sample of 32,330 15-year-olds from 17 Autonomous Communities has been taken and hierarchical-linear models have been used that allow the analysis of the possible effect of the different predictors contemplating the nesting of the data at different levels (Students, School Center and Autonomous Community). 64 predictors were selected as independent variables, some of them included in the questionnaires of PISA 2015 students and centers and the database provided by the Ministry of Education, Culture and Sport (2016a), such as anxiety of the student, teacher-student relationship, sports habits, interest in science, resources of the centers, percentage of foreign students and number of students per teacher in each Autonomous Community, among others. In addition, variables considered as “classic” were included in this type of studies (gender, academic level of the parents, ownership and size of the center, economic investment by Autonomous Community, etc.). Among the main results we found that 27 variables (24 of Student and 3 of Center and none of Autonomous Community) were significant predictors of Science performance, analyzing the explained variance. The paper concludes with the discussion based on other coincident studies or with contrary results on the variables that have been significant and not significant in the proposed model.
Description
Referencias bibliográficas:
• Alegre, A. (2013). Ansiedad ante exámenes y estrategias de aprendizaje en estudiantes de secundaria de Lima Metropolitana. Propósitos y representaciones, 1(1), 107-130.
• Ardoy, D. N., Fernández-Rodríguez, J. M., Jiménez-Pavón, D., Castillo, R., Ruiz, J. R., & Ortega, F. B. (2014). A Physical Education trial improves adolescents’ cognitive performance and academic achievement: the EDUFIT study. Scandinavian journal of medicine & science in sports, 24(1), 52-61. http://dx.doi.org/10.1111/sms.12093
• Arrebola, I. A. (2013). El abandono escolar temprano en Melilla. Diversidad cultural y educación intercultural, 6, 79-96.
• Arrebola, I. A., Barreiro, C. C., Gómez, M. D. M. O., & Chocrón, R. B. (2017). Las orientaciones de meta en el alumnado de secundaria: un análisis en un contexto multicultural. Publicaciones, 45, 83-100.
• Bolívar, A., & López, C. (2009). Las grandes cifras del fracaso y los riesgos de exclusión educativa. Profesorado. Revista de currículum y formación de profesorado, 13, 52-78.
• Camacho-Miñano, M. D. M. (2015). Impacto de la motivación intrínseca en el rendimiento académico a través de trabajos voluntarios: Un análisis empírico. Revista Complutense de Educación, 26(1), 67-80. http://dx.doi.org/10.5209/rev_RCED.2015.v26.n1.42581
• Carabaña, J. (2015). La inutilidad de PISA para las escuelas. Madrid: Catarata,
• Cordero, J. M., Manchón, C., & Simancas, R. (2012). Análisis de los condicionantes del rendimiento educativo de los alumnos españoles en PISA 2009 mediante técnicas multinivel. Presupuesto y Gasto Público, 67, 71-96.
• Choi de Mendizábal, Á., & Calero Martínez, J. (2013). Determinantes del riesgo de fracaso escolar en España en PISA-2009 y propuestas de reforma. Revista de Educación, 362, 562-593.
• Escardibul, J. O., & Calero, J. (2013). Two quality factors in the education system: teaching staff and school autonomy. The current state of research. Regional and Sectoral Economic Studies, 13(3), 5-18.
• Fernández-Cruz, F. J. (2016). Los docentes de la Generación Z y sus competencias digitales. Comunicar, 24(46), 97-105. http://dx.doi. org/10.3916/C46-2016-10
• Fernández Díaz, M. J., Rodríguez Mantilla, J. M., & Fernández Cruz, F. J. (2016). Evaluación de competencias docentes del profesorado para la detección de necesidades formativas. Bordón. Revista de pedagogía, 68(2), 85-101. http://dx.doi.org/10.13042/ Bordon.2016.68206
• Fernández-Díaz, M. J., Rodríguez-Mantilla, J. M., & Martínez-Zarzuelo, A. (2016). PISA y TALIS ¿congruencia o discrepancia? RELIEVE-Revista Electrónica de Investigación y Evaluación Educativa, 22(1), 1-16. http://dx.doi.org/10.7203/relieve.22.1.8247
• Flores, J. G. (2014). Factores asociados a la brecha regional del rendimiento español en la evaluación PISA. Revista de Investigación Educativa, 32(2), 393-410.
• Furlan, L. A. (2013). Eficacia de una intervención para disminuir la ansiedad frente a los exámenes en estudiantes universitarios argentinos. Revista colombiana de psicología, 22(1), 75-89.
• Gaviria, J.L., & Castro, M. (2004). Modelos Jerárquicos Lineales. Madrid: La Muralla.
• González, J., & Portolés, A. (2014). Actividad física extraescolar: relaciones con la motivación educativa, rendimiento académico y conductas asociadas a la salud. Revista iberoamericana de psicología del ejercicio y el deporte, 9(1), 51-65.
• Hopkins, D. (2008). Cada Escuela una Gran Escuela: El potencial del liderazgo Sistémico. Buenos Aires: Santillana.
• Inda-Caro, M., Rodríguez-Menéndez, M. D. C., & Peña-Calvo, J. V. (2010). PISA 2006: la influencia del género en los conocimientos y competencias científicas. Revista Iberoamericana de Educación, 51(2), 1-12.
• (INEE) Instituto Nacional de Evaluación Educativa (2013). PISA 2012. Informe español. Madrid: Ministerio de Educación, Cultura y Deporte.
• Izquierdo, D. (2016). ¿Qué hacen los directores de centros escolares? Las prácticas de dirección en España a partir de los estudios internacionales PISA y TALIS. Revista Complutense de Educación, 27(3), 1193. http:// dx.doi.org/10.5209/rev_RCED.2016.v27.n3.47610
• Jover, G.; Prats, E. & Villamor, P. (2017). Educational Policy in Spain. Between political bias and international evidence. En M.Y. Eryaman, & B. Schneider. (Eds.), Evidence and Public Good in Educational Policy, Research and Practice. Heidelberg, Dordrecht, London, New York: Springer.
• Klug, J., Krause, N., Schober, B., Finsterwald, M., & Spiel, C. (2014). How do teachers promote their students’ lifelong learning in class? Development and first application of the LLL Interview. Teaching and Teacher Education, 17, 119-129. http://dx.doi.org/10.1016/j. tate.2013.09.004
• Lens, W., Matos, L., & Vansteenkiste, M. (2008). El profesor como fuente de motivación de los estudiantes: Hablando del qué y del porqué del aprendizaje de los estudiantes. Revista Digital de Investigación en Docencia Universitaria, 4(1), 1–9. http://dx.doi.org/10.19083/ridu.4.9
• Lieury, A., & Fenouillet, F. (2016). Motivación y éxito escolar. Buenos Aires: Fondo de Cultura Económica.
• Martínez, M. L., Reverte, G. M., & Manzano, M. M. P. (2016). El fracaso escolar en España y sus regiones: Disparidades territoriales. Revista de estudios regionales, 107, 121-155.
• Mediavilla, M., & Escardíbul, J. O. (2015). ¿Son las TIC un factor clave en la adquisición de competencias? Un análisis con evaluaciones por ordenador. Hacienda Pública Española, 212, 67.
• Ministerio de Educación, Cultura y Deporte (2016a). Las cifras de la educación en España. Estadísticas e indicadores. 2016. Madrid: Secretaría General Técnica.
• Ministerio de Educación, Cultura y Deporte (2016b). PISA 2015. Programa para la Evaluación Internacional de los Alumnos. Informe Español. Madrid: Secretaría General Técnica.
• Moledo, M. L., Rego, M. A. S., & Otero, A. G. (2012). Inmigración y educación. ¿Influye el nivel educativo de los padres en el rendimiento académico de los hijos?. Teoría de la Educación. Revista Interuniversitaria, 24(2), 129-148.
• OCDE (2013). PISA 2012 results: What makes a school successful (volume IV): Resources, policies and practice. Paris: OECD Publishing.
• OCDE (2016). PISA 2015. Resultados clave. París: OECD Publishing.
• Pongratz, L. (2013). La reforma educativa como estrategia gubernamental. Profesorado. Revista de Currículum y Formación del Profesorado, 17(2), 141-152.
• Rodríguez Mantilla, J. M., & Fernández Díaz, M. J. (2015). Diseño y validación de un instrumento de medida del clima en centros de Educación Secundaria. Educación XX1, 18(1), 71-98. http://dx.doi. org/10.5944/educxx1.18.1.12312
• Rodríguez, C. C., Delgado, P. S., & Bakieva, M. (2011). Actividades extraescolares y rendimiento académico: diferencias en autoconcepto y género. Revista de Investigación Educativa, 29(2), 447-465.
• Ruiz de Miguel, C. (2009). Las escuelas eficaces: un estudio multinivel de factores explicativos del rendimiento escolar en el área de matemáticas. Revista de educación, 348, 355-376.
• Ruiz-Ariza, A., Ruiz, J. R., de la Torre-Cruz, M., Latorre-Román, P., & MartínezLópez, E. J. (2016). Influencia del nivel de atracción hacia la actividad física en el rendimiento académico de los adolescentes. Revista Latinoamericana de Psicología, 48(1), 42-50.
• Snijders, T. A., & Bosker, R. (2012). Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling. London: Sage Publishers.
• Stacey, K. (2015). The international assessment of mathematical literacy: PISA 2012 framework and items. In Selected Regular Lectures from the 12th International Congress on Mathematical Education (pp. 771790). Switzerland: Springer International Publishing.
• Van Ewijk, R., & Sleegers, P. (2010). The effect of peer socioeconomic status on student achievement: A meta-analysis, Educational Research Review, 5(2), 134-150. http://dx.doi.org/10.1016/j.edurev.2010.02.001
• Villar, A. (2013). Rendimiento, esfuerzo y productividad: análisis de los resultados en matemáticas de los estudiantes españoles según PISA (2012). PISA, 118-139.
• Wheater, R. (2013). Achievement of 15 year olds in England: PISA 2012 national report (OECD Programme for International Student Assessment). England: National Foundation for Educational Research.