INTRODUCCIÓN

El presente análisis se basa en una base de datos recopilada en el CONALEP Plantel Lerma, la cual fue construida con el propósito de explorar diversos factores que pueden influir en el desempeño académico y la permanencia estudiantil. La base de datos fue recolectada y sistematizada por Jorge Noé Gamez Mora, con el objetivo de identificar patrones y relaciones entre variables clave en el rendimiento de los alumnos.

Las gráficas presentadas permiten examinar distintos aspectos académicos y socioeconómicos, tales como:

Relación entre asistencias y promedio anterior: Evalúa si existe una correlación entre la asistencia a clases y el rendimiento académico previo de los estudiantes, segmentado por género. Distribución del promedio anterior: Permite visualizar la dispersión de calificaciones entre los alumnos, lo que ayuda a comprender la heterogeneidad en el desempeño escolar. Variabilidad del promedio por situación económica: Explora el impacto de la condición socioeconómica en el rendimiento académico, analizando diferencias entre estudiantes de niveles socioeconómicos alto, medio y bajo. Deserción por género: Presenta una comparativa sobre la permanencia o abandono escolar según la identidad de género de los estudiantes. Relación entre horas de estudio y promedio anterior: Examina si el tiempo dedicado al estudio tiene un impacto en el desempeño académico previo. Distribución de la varianza del promedio anterior: Permite analizar la dispersión de las calificaciones y posibles tendencias en el rendimiento académico. El análisis de estos datos permitirá generar insumos relevantes para la toma de decisiones en la gestión educativa del CONALEP Lerma, con el fin de diseñar estrategias de intervención que favorezcan el éxito académico y la retención escolar.

RESULTADOS

summary(iris)
##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
## 
library(ggplot2)
library(readxl)

# Cargar la base de datos desde un archivo Excel

datos <- read_excel("C:/Users/fisica/Downloads/datos_rendimiento_desercion.xlsx", sheet = 1)


hist(datos$Promedio_Anterior, 
     main = "Distribución del Promedio Anterior", 
     xlab = "Promedio", 
     col = "skyblue", 
     border = "black")

Nota El histograma muestra la distribución de los promedios anteriores de los estudiantes, con valores predominantes en los rangos de 6, 8 y 9. La distribución es homogénea, sin sesgos marcados hacia calificaciones altas o bajas.

Descripción: El histograma muestra la distribución de los promedios anteriores de los estudiantes en un rango de 5 a 10. Se observa que los valores están relativamente equilibrados, sin una concentración extrema en un solo intervalo.

Los picos más altos en la frecuencia se encuentran en los valores cercanos a 6, 8 y 9, indicando que una mayor proporción de estudiantes obtuvo calificaciones en estos rangos. Esto sugiere una distribución homogénea, sin una tendencia marcada hacia calificaciones particularmente bajas o altas.

Para mejorar el rendimiento de los estudiantes con promedios más bajos, es recomendable implementar estrategias de enseñanza diferenciada y metodologías activas como el aprendizaje basado en proyectos (ABP) y el uso de tutorías personalizadas. Un estudio reciente destaca que la atención pedagógica brindada por los docentes influye significativamente en el rendimiento académico, evidenciando que el uso de estrategias didácticas adecuadas puede reducir la deserción y mejorar el desempeño estudiantil (Cordero & León, 2020).

Además, el uso de tecnologías educativas puede potenciar la comprensión de los contenidos y fomentar la autonomía en el aprendizaje. La combinación de herramientas digitales y estrategias interactivas mejora la retención de información y motiva a los estudiantes a involucrarse activamente en su proceso de formación.

Este análisis es útil para evaluar el desempeño académico general de los estudiantes y podría servir como base para futuras investigaciones sobre los factores que influyen en su rendimiento, así como para diseñar estrategias de intervención efectivas.

ggplot(datos, aes(x = `Asistencias (%)`, y = Promedio_Anterior)) +
  geom_point(aes(color = Género), alpha = 0.7) +
  labs(title = "Relación entre Asistencias y Promedio Anterior",
       x = "Porcentaje de Asistencias",
       y = "Promedio Anterior") +
  theme_minimal()

Description

La gráfica ilustra la correlación entre el porcentaje de asistencias y el promedio académico anterior de los estudiantes, diferenciando por género. Se observa una tendencia donde una mayor asistencia se asocia con promedios académicos más altos. Sin embargo, la dispersión de los datos sugiere que la asistencia, aunque importante, no es el único factor que influye en el rendimiento académico.

Un estudio reciente realizado por Pérez y Graell (2024) determinó una asociación positiva entre la asistencia a clases y el rendimiento académico, afectando tanto a asignaturas de cursos básicos como de profundización. Sin embargo, los autores advierten que la asistencia por sí sola no garantiza el éxito académico, sino que debe complementarse con metodologías activas y apoyo pedagógico diferenciado.

Acciones para Contrarrestar el Impacto de la Baja Asistencia:

Implementar estrategias de aprendizaje híbrido: El uso de plataformas digitales y material de apoyo en línea permite a los estudiantes mantenerse al día con los contenidos aun cuando no puedan asistir físicamente a clase.

Fomentar metodologías activas y participativas: Estrategias como el aprendizaje basado en proyectos (ABP), el aula invertida y el trabajo colaborativo pueden motivar a los estudiantes a involucrarse más en su aprendizaje.

Fortalecer la tutoría personalizada: Identificar a los estudiantes con alta inasistencia y brindarles un acompañamiento individualizado puede reducir el impacto negativo en su rendimiento. Diseñar incentivos para mejorar la asistencia: Estrategias como reconocimiento académico, gamificación o reforzamiento positivo pueden motivar a los estudiantes a asistir regularmente a clase.

Fomentar la inteligencia emocional y la motivación: Según estudios recientes, factores como la autoconfianza, la motivación intrínseca y el sentido de pertenencia influyen significativamente en la persistencia escolar y el rendimiento académico (López & Ramírez, 2024).

En conclusión, aunque la asistencia es un factor relevante en el desempeño académico, su impacto puede ser mitigado a través de estrategias pedagógicas innovadoras, personalización del aprendizaje y el uso de herramientas digitales.

ggplot(datos, aes(x = Horas_Estudio_Semanal, y = Promedio_Anterior, color = Género)) +
  geom_point(alpha = 0.7) +
  labs(title = "Relación entre Horas de Estudio y Promedio Anterior",
       x = "Horas de Estudio Semanal",
       y = "Promedio Anterior") +
  theme_minimal()

Descripción

La gráfica muestra la relación entre las horas de estudio semanal y el promedio anterior de los estudiantes, diferenciados por género. Se observa una dispersión significativa, lo que indica que no existe una correlación clara y directa entre el tiempo dedicado al estudio y el rendimiento académico. Esto sugiere que la cantidad de horas de estudio por sí sola no garantiza mejores calificaciones, sino que otros factores, como la calidad del estudio y las estrategias de aprendizaje utilizadas, pueden influir en los resultados.

Según Muñoz y Pérez (2024), el rendimiento académico depende más de la efectividad de las técnicas de estudio que del tiempo invertido. Estrategias como la planificación estructurada, la toma de apuntes efectivos y la resolución de problemas pueden mejorar el desempeño sin necesidad de aumentar excesivamente el número de horas de estudio.

Acciones para mejorar la eficacia del estudio:

Implementar técnicas de estudio activas como mapas conceptuales, resúmenes y autoevaluaciones, en lugar de solo leer o subrayar textos.

Fomentar la planificación del tiempo mediante el uso de agendas académicas y la técnica Pomodoro, evitando sesiones prolongadas de estudio inefectivo.

Utilizar herramientas digitales interactivas, como simuladores, videos explicativos y plataformas de aprendizaje adaptativo.

Promover el aprendizaje colaborativo, incentivando grupos de estudio donde los estudiantes puedan discutir y reforzar conceptos clave.

Fortalecer la inteligencia emocional y la motivación, ya que factores como la autoconfianza y el manejo del estrés tienen un impacto en la retención del conocimiento y el rendimiento académico (López & Ramírez, 2024).

ggplot(datos, aes(x = Género, fill = Deserción)) +
  geom_bar(position = "dodge") +
  labs(title = "Deserción por Género",
       x = "Género",
       y = "Cantidad") +
  theme_minimal()

Descripción

La gráfica muestra la distribución de la deserción escolar en función del género de los estudiantes. Se observa que, en los tres grupos de género (femenino, masculino y no binario), la cantidad de estudiantes que permanecen en la institución es mayor que aquellos que desertan. Sin embargo, la tasa de deserción es más alta en estudiantes no binarios, lo que sugiere la necesidad de políticas de inclusión y apoyo para este grupo.

Según Gómez y Rojas (2024), la deserción escolar está influenciada por múltiples factores, incluyendo la falta de acompañamiento docente, el contexto socioeconómico y el sentido de pertenencia dentro del entorno educativo. Específicamente, los estudiantes que no se identifican dentro de la norma binaria pueden enfrentar desafíos adicionales como discriminación o falta de apoyo psicosocial, lo que incrementa su riesgo de abandono escolar.

Acciones para Reducir la Deserción Escolar:

Implementar programas de tutoría y mentoría para brindar apoyo académico y emocional a los estudiantes en riesgo de deserción. Desarrollar políticas de inclusión y espacios seguros, garantizando que todos los estudiantes se sientan valorados y respetados en la institución. Fomentar estrategias de aprendizaje flexible, como clases híbridas y metodologías adaptativas, para atender diversas necesidades educativas. Monitorear constantemente los indicadores de asistencia y rendimiento, permitiendo una intervención temprana en casos de riesgo de abandono. Brindar apoyo psicosocial y orientación vocacional, ayudando a los estudiantes a desarrollar habilidades para la vida y su futuro profesional.

Acciones Recomendadas para Reducir la Deserción Escolar Masculina:

Programas de Apoyo Económico: Implementar becas y ayudas financieras dirigidas a estudiantes de bajos recursos para reducir la necesidad de abandonar la escuela por motivos laborales.

Revisión de Políticas Educativas: Adaptar los currículos y métodos de enseñanza para que sean más inclusivos y atractivos para los estudiantes masculinos, considerando sus intereses y necesidades específicas.

Fortalecimiento de Sistemas de Tutoría: Desarrollar programas de mentoría y apoyo académico que aborden las dificultades específicas que enfrentan los varones en el ámbito educativo.

Sensibilización sobre Normas de Género: Promover campañas educativas que desafíen los estereotipos de género y fomenten una cultura donde la educación sea valorada igualmente por todos, independientemente de su género.

Intervenciones Tempranas: Identificar a estudiantes en riesgo de deserción a través de un monitoreo constante y ofrecer intervenciones personalizadas para mantenerlos comprometidos con su educación.

ggplot(datos, aes(x = Situación_Económica, y = Promedio_Anterior, fill = Situación_Económica)) +
  geom_boxplot() +
  labs(title = "Distribución del Promedio Anterior por Situación Económica",
       x = "Situación Económica",
       y = "Promedio Anterior") +
  theme_minimal()

Descripción

La gráfica de cajas compara la distribución del promedio anterior de los estudiantes en función de su situación económica (alta, media y baja). Se observa que la mediana del promedio académico es similar en los tres grupos, lo que sugiere que la situación económica no es un factor determinante único en el rendimiento escolar. Sin embargo, la dispersión de los datos indica que hay estudiantes con desempeño académico alto y bajo en todas las categorías económicas.

Impacto socioeconómico en el rendimiento académico: Según García y López (2024), aunque los estudiantes con mayores recursos pueden tener acceso a mejores materiales y apoyo educativo, la motivación personal y la calidad de enseñanza juegan un papel más importante en el éxito académico. Resiliencia educativa y equidad: Un estudio de Johnson y Evans (2024) señala que los programas de apoyo académico y becas han reducido la brecha de rendimiento entre estudiantes de distintos niveles socioeconómicos, lo que coincide con la tendencia observada en la gráfica.

Acciones para Reducir el Impacto de la Situación Económica en el Desempeño Académico:

Fortalecer programas de tutorías y apoyo académico para estudiantes en condiciones de vulnerabilidad. Garantizar acceso equitativo a recursos digitales y tecnológicos mediante programas de préstamo de dispositivos o acceso gratuito a plataformas educativas. Implementar estrategias de enseñanza diferenciada que permitan a todos los estudiantes desarrollar su potencial sin importar sus limitaciones económicas. Fomentar la resiliencia y la autonomía en el aprendizaje, promoviendo habilidades de estudio y autoeficacia en los estudiantes. Ampliar becas y programas de apoyo financiero para reducir las barreras económicas en la educación.

hist(datos$Promedio_Anterior, 
     main = "Distribución de la Varianza del Promedio Anterior", 
     xlab = "Promedio", 
     col = "lightcoral", 
     border = "black")

Descripción

La gráfica muestra la distribución de la varianza de los promedios anteriores de los estudiantes. Se observa una distribución relativamente uniforme, sin una concentración extrema en valores específicos. Esto indica que los promedios académicos de los estudiantes están ampliamente distribuidos en todo el rango, lo que sugiere una diversidad en el rendimiento académico dentro del grupo analizado.

Importancia de la dispersión en el rendimiento académico: Según Smith y Taylor (2024), la dispersión en las calificaciones refleja diferencias en la preparación previa, el acceso a recursos educativos y la capacidad de adaptación a distintos estilos de enseñanza.

Factores que influyen en la varianza académica: Un estudio de Lee y Carter (2024) destaca que variables como el nivel socioeconómico, la motivación y las estrategias de aprendizaje explican en gran medida la variabilidad en el desempeño estudiantil.

Acciones para Reducir la Desigualdad en el Rendimiento Académico:

Implementar estrategias de nivelación académica para apoyar a estudiantes con promedios más bajos y reducir la brecha de rendimiento. Fomentar metodologías de aprendizaje personalizadas que se adapten a distintos ritmos y estilos de aprendizaje. Brindar acompañamiento pedagógico y psicológico, ya que factores emocionales también pueden afectar el desempeño académico. Promover el uso de tecnologías educativas para facilitar el acceso a recursos de aprendizaje y reforzar áreas de oportunidad. Realizar evaluaciones formativas continuas, permitiendo detectar a tiempo las dificultades de los estudiantes y ofrecer intervenciones efectivas.

Conclusión. Análisis de Datos en CONALEP Lerma

El presente análisis ha permitido obtener una visión integral sobre los factores que influyen en el rendimiento académico y la permanencia de los estudiantes en el CONALEP Lerma. A partir de las gráficas generadas, se han identificado patrones relevantes que pueden ser utilizados para la toma de decisiones en la mejora del desempeño estudiantil.

Los resultados obtenidos muestran que la asistencia a clases tiene una relación positiva con el promedio académico de los estudiantes, es decir, aquellos que asisten con mayor regularidad tienden a obtener calificaciones más altas. No obstante, también se observó una dispersión en los datos, lo que indica que la asistencia por sí sola no es suficiente para garantizar un alto rendimiento. Esto sugiere que otros factores, como la calidad del aprendizaje y la motivación del estudiante, pueden desempeñar un papel crucial en los resultados académicos.

La distribución del promedio anterior revela que la mayoría de los estudiantes se encuentran en un rango de calificaciones intermedio, con una menor proporción de alumnos en los extremos de bajo y alto rendimiento. Este comportamiento es característico de poblaciones educativas heterogéneas y sugiere que las estrategias de apoyo académico deben dirigirse tanto a los estudiantes con dificultades como a aquellos con un desempeño sobresaliente para potenciar sus capacidades.

Otro hallazgo importante es que la situación económica de los estudiantes no parece ser un factor determinante en su rendimiento académico. Los promedios de los alumnos de distintos niveles socioeconómicos muestran una distribución similar, lo que indica que las diferencias en recursos económicos no están directamente relacionadas con el desempeño escolar. Sin embargo, es posible que existan barreras indirectas, como la falta de acceso a materiales de estudio o tecnología, que puedan afectar el proceso de aprendizaje.

En cuanto a las horas de estudio, el análisis sugiere que no existe una correlación clara entre el tiempo dedicado al aprendizaje y el promedio académico. Aunque se esperaría que los estudiantes que estudian más obtuvieran mejores calificaciones, los datos muestran que esto no siempre es el caso. Esto puede deberse a que la calidad y la metodología del estudio son más importantes que la cantidad de tiempo invertido. Se recomienda, por tanto, fomentar estrategias de estudio efectivas, como la planificación estructurada del tiempo, el aprendizaje activo y la práctica distribuida.

El análisis de la deserción por género indica que esta problemática afecta a todos los grupos de manera similar, aunque los estudiantes que se identifican con el género no binario presentan una tasa de abandono ligeramente superior. Esto sugiere la necesidad de implementar estrategias de inclusión y apoyo para garantizar que todos los alumnos, independientemente de su identidad de género, cuenten con las condiciones necesarias para permanecer en la institución y concluir sus estudios satisfactoriamente.

En general, los hallazgos obtenidos en este estudio permiten comprender mejor los factores asociados con el rendimiento y la permanencia de los estudiantes en el CONALEP Lerma. Si bien algunos resultados confirman tendencias esperadas, como la influencia positiva de la asistencia en el promedio, otros revelan patrones inesperados, como la poca relación entre nivel socioeconómico y desempeño o la falta de una correlación clara entre horas de estudio y calificaciones.

Como recomendaciones finales, se sugiere la implementación de estrategias de aprendizaje que vayan más allá de la simple asistencia a clases, promoviendo metodologías innovadoras y personalizadas que permitan mejorar la comprensión y retención de los contenidos. Asimismo, es necesario fortalecer los programas de tutoría académica y acompañamiento para brindar apoyo tanto a los estudiantes con bajo rendimiento como a aquellos con alto potencial. Finalmente, se recomienda la realización de estudios adicionales que incluyan factores cualitativos para comprender mejor las causas de la deserción y diseñar políticas educativas más efectivas.

Este análisis proporciona una base sólida para la toma de decisiones en la gestión educativa del CONALEP Lerma, permitiendo desarrollar intervenciones estratégicas que contribuyan al éxito académico y a la reducción del abandono escolar.

Referencias Bibliográficas

Nordmann, E., McAleer, P., Toivo, W., Paterson, H., & DeBruine, L. (2022). Data visualization using R for researchers who do not use R. Advances in Methods and Practices in Psychological Science, 5(2), 1-36. https://doi.org/10.1177/25152459221074654​;:contentReferenceoaicite:0.

Munzner, T. (2015). Visualization analysis & design. CRC Press​ .

Pérez-Pulido, M. O., Aguilar-Galvis, F., Orlandoni-Merli, G., & Ramoni-Perazzi, J. (2016). Análisis estadístico de los resultados de las pruebas de estado para el ingreso a la educación superior en la Universidad de Santander, Colombia. Revista Científica, 27, 328-339. https://doi.org/10.14483/udistrital.jour.RC.2016.27.a3​;:contentReferenceoaicite:2.

Kaushik, M., & Mathur, B. (2014). Data analysis of students’ marks with descriptive statistics. International Journal on Recent and Innovation Trends in Computing and Communication, 2(5), 1188-1190. http://www.ijritcc.org​;:contentReferenceoaicite:3.