1. Presentación del trabajo

Column {data-width= 300}

Introducción

  • OBJETO DE ANÁLISIS:

Se ha evidenciado que los mejores desempeños en matemáticas de los estudiantes de cuarto grado de primaria durante el año 2022, se encuentran principalmente en aquellos que estudian en áreas urbanas, en colegios polidocentes y en colegios no estatales. Los estudiantes en estas categorías tienen mayores probabilidades de alcanzar un nivel satisfactorio en comparación con aquellos en áreas rurales, colegios unidocentes y estatales. Esto refleja una brecha que existe entre la calidad de educación privada y estatal del país. Existe evidencia que señala que el rendimiento escolar se explica principalmente por dos factores. El primero hace referencia a características intrínsecas del estudiante como los hábitos y aptitudes de estudio, condiciones socioeconómicas y el contexto familiar. El segundo factor guarda relación con características que son ajenas al estudiante –como la infraestructura del centro de estudios y la plana docente– y depende de la adecuada implementación y ejecución de las políticas públicas (INSTITUTO PERUANO DE ECONOMÍA, 2018).

  • PREGUNTA DE INVESTIGACIÓN:

¿Cuáles son los factores que influyen en el desempeño satisfactorio en matemáticas de los estudiantes de cuarto grado de primaria en el año 2022?

  • JUSTIFICACIÓN:

El tema elegido es relevante debido a que revelan profundas disparidades educativas y señala áreas críticas para intervención y mejora en el sistema educativo peruano. La disparidad encontrada no solo refleja inequidades en el acceso a recursos educativos y calidad de enseñanza, sino que también tiene implicaciones significativas en el desarrollo futuro de los estudiantes y en la equidad educativa del país. La investigación en este campo es esencial para evaluar la efectividad de las políticas públicas implementadas para cerrar estas brechas educativas. Analizar cómo estas políticas impactan en el desempeño académico puede proporcionar valiosos insights sobre qué estrategias son más efectivas y dónde se deben realizar ajustes para optimizar los resultados educativos a nivel nacional.

Finalmente, comprender los factores que contribuyen al desempeño satisfactorio en matemáticas no solo es relevante desde una perspectiva académica, sino que también tiene implicaciones prácticas significativas. Identificar y abordar las causas subyacentes de las diferencias observadas puede conducir a intervenciones más efectivas y dirigidas, promoviendo así un sistema educativo más inclusivo, equitativo y capaz de preparar a todos los estudiantes para enfrentar los desafíos del siglo XXI.

  • HIPÓTESIS:

Los estudiantes de cuarto grado de primaria durante el año 2022 que asistieron a colegios privados ubicados en zonas urbanas, con múltiples docentes por grado y por asignatura, tienen una mayor probabilidad de alcanzar un desempeño satisfactorio en matemáticas en comparación con los estudiantes que asisten a colegios públicos en zonas rurales, con un solo profesor para varios grados.

1. VARIABLE CENTRAL

{data-width=500}

GRÁFICO DE BARRAS DE NIVEL DE DESEMPEÑO EN MATEMÁTICAS

Column {data-width=500}

Tabla de frecuencias

Tabla de Frecuencias de nivel del desempeño de los alumnos del 4to de primaria durante el 2022
Categoría Frecuencia.Var1 Frecuencia.Freq Proporción.Var1 Proporción.Freq
Previo al inicio, Inicio y En proceso 0 91936 0 0.758
Satisfactorio 1 29393 1 0.242

Medidas de Resumen

Media: 0.24 
Desviación Estándar: 0.43 
Total de Observaciones: 121329

2. CORRELACIÓN: variables independientes con variable dependiente

{data-width=500}

Variable Sexo

Variable Área

Variable Cáracterística_IE

Variable Gestión_IE

{data-width=500}

Variable Sexo


    Pearson's Chi-squared test with Yates' continuity correction

data:  tabla_contingencia_sexo
X-squared = 265.93, df = 1, p-value < 2.2e-16

INTERPRETACIÓN: Dado que el valor p es muy pequeño, se concluye que hay una asociación significativa entre la variable dependiente y la variable independiente sexo. En otras palabras, el sexo está asociado de manera significativa con la variable en cuestión. Esto significa que el sexo tiene un efecto significativo con el nivel de desempeño.

Variable Área


    Pearson's Chi-squared test with Yates' continuity correction

data:  tabla_contingencia_area
X-squared = 2995.4, df = 1, p-value < 2.2e-16

INTERPRETACIÓN: Dado que el valor p es muy pequeño, se concluye que hay una asociación significativa entre la variable dependiente y la variable independiente Área. En otras palabras, el área donde vive y estudian los alumno del 4to de primaria, está asociado de manera significativa con la variable en cuestión. El alto valor de chi-cuadrado y el valor p muy bajo indican que las diferencias observadas en la relación no es un resultado del azar, sino que reflejan una verdadera asociación entre las variables.

Variable Característica


    Pearson's Chi-squared test with Yates' continuity correction

data:  tabla_contingencia_caracteristica
X-squared = 1797.1, df = 1, p-value < 2.2e-16

INTERPRETACIÓN: El resultado indica que hay una asociación estadísticamente significativa entre las variables representadas. Esto quiere decir que existe una relación significativa entre la estructura organizativa del colegio al que pertenecen los alumnos y su nivel de desempeño.

Variable Gestión


    Pearson's Chi-squared test with Yates' continuity correction

data:  tabla_contingencia_gestion
X-squared = 2145.2, df = 1, p-value < 2.2e-16

INTERPRETACIÓN: El resultado sugiere que hay una asociación estadísticamente significativa entre las variables representadas. Esto quiere decir que hay una relación signficativa entre la naturaleza administrativa del colegio al que pertencen los alumnos y su resultado en el nivel de desempeño.

3. REGRESIÓN

{data-width=350}

Tabla de Contingencia

Tabla de Contingencia: ‘Área’ y ‘Nivel de desempeño’
Rural Urbano Sum
Previo al Inicio, Inicio y En proceso 24946 66990 91936
Satisfactorio 3413 25980 29393
Sum 28359 92970 121329

Probabilidad-Urbano

Probabilidad de que se obtenga el nivel satisfactorio en la zona urbana

[1] 3413/28359
[1] 0.1203498

Odds-Urbano

Odds de que salga el zona urbana

[1] 3413/24946
[1] 0.1368155

{data-width=350}

Probabilidad-Rural

[1] 866/3099
[1] 0.279445

Odds-Rural

[1] 0.3878191

{data-width=650}

Regresión Logistica

Regresión Logística
Desempeño
(Intercept) -2.481***
(0.029)
Sexo 0.232***
(0.014)
Gestión_IE 0.540***
(0.016)
Característica_IE 0.598***
(0.032)
Área 0.688***
(0.023)
Num.Obs. 121329
AIC 129365.1
BIC 129413.7
Log.Lik. -64677.570
F 1073.301
RMSE 0.42
+ p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001

Normalidad

Efectos marginales

            factor    AME     SE       z      p  lower  upper
              Área 0.1215 0.0040 30.3423 0.0000 0.1136 0.1293
 Característica_IE 0.1056 0.0057 18.5431 0.0000 0.0944 0.1167
        Gestión_IE 0.0954 0.0029 33.3303 0.0000 0.0898 0.1010
              Sexo 0.0409 0.0024 16.9917 0.0000 0.0362 0.0457

4. CLUSTERIZACIÓN

{data-width=500}

BOXPLOT ESTANDARIZADO

DENOGRAMA AGNES

SILHOUTTE AGNES

DENOGRAMA DIANA

SILHOUTTE DIANA