“Educación en México”

Introducción

La educación siempre ha sido importante para el desarrollo, pero ha adquirido mayor relevancia en el mundo de hoy que vive profundas transformaciones, motivadas en parte por el vertiginoso avance de la ciencia y sus aplicaciones, así como por el no menos acelerado desarrollo de los medios y las tecnologías de la información. En México, más 4 millones de niños, niñas y adolescentes no asisten a la escuela, mientras que 600 mil más están en riesgo de dejarla por diversos factores como la falta de recursos, la lejanía de las escuelas y la violencia. Además, los niños y niñas que sí van a la escuela tienen un aprovechamiento bajo de los contenidos impartidos en la educación básica obligatoria.

Deserción escolar por COVID-19

Deserción escolar

Fuente: https://www.eluniversal.com.mx/cartera/por-covid-y-pobreza-9-millones-de-alumnos-dejan-la-escuela

La pandemia del COVID-19 (coronavirus) representa una amenaza para el avance de la educación en todo el mundo debido a que produce dos impactos significativos:

El cierre de los centros escolares en casi todo el mundo.
La recesión económica que se produce a partir de las medidas tendientes a controlar la pandemia.

Si no se realizan esfuerzos importantes para contrarrestar sus efectos, el cierre de escuelas provocará una pérdida de aprendizajes, un aumento en la deserción escolar (también conocida como abandono escolar) y una mayor inequidad. La crisis económica que afecta a los hogares, agravará el daño, pues vendrá acompañada de menor oferta y demanda educativa. Estos dos impactos tendrán, en conjunto, un costo a largo plazo sobre el capital humano y el bienestar.

Fuente: http://pubdocs.worldbank.org/en/143771590756983343/Covid-19-Education-Summary-esp.pdf

Antecedentes

La deserción escolar es el abandono de estudios académicos de forma temporal o definitiva. Durante muchos años, esta situación fue desestimada y normalizada en México, se ignoraba el impacto que tendría en los sectores económico, cultural y hasta de salud. En cifras, en la educación secundaria resalta la diferencia entre los ciclos escolares 2013-2014 y 2015-2016, ya que se registró un aumento en el abandono escolar del 4.1 % a 4.4 %. En nivel bachillerato en el ciclo 2015-2016 el abandono fue de 25.9% solo en el primer grado; pero en general, en este nivel, aproximadamente 700 mil estudiantes dejan la escuela cada año. El promedio en México de los estudiantes que terminan el nivel medio superior es de 68 %, y los que abandonan 32%.

Fuente: INEE, Estudio sobre las intervenciones para abatir el abandono escolar en Educación Media Superior.

Covid

Las principales causas que propician la dimisión de los estudios, son económicas (falta de recursos materiales o la necesidad de dejar las clases por un trabajo de tiempo completo) y personales (problemas de aprendizaje, desinterés y desmotivación); y sociales (desigualdad social y económica, lejanía del centro educativo y ubicación en una zona insegura).

Como resultado de las medidas de confinamiento implementadas por el gobierno mexicano tras el inicio de la pandemia por COVID-19, los niños y jóvenes mexicanos inscritos en instituciones educativas se vieron obligados a continuar sus estudios desde casa. Sin embargo, se estima que más de 2,83 millones de estudiantes abandonaron la escuela entre abril y agosto de 2020. Se calcula que alrededor de 2,53 millones de niños y adolescentes desde el nivel preescolar hasta el bachillerato abandonaron la escuela. Esto representa un 10% del total de alumnos inscritos en instituciones de nivel preescolar, primario, secundario y bachillerato. Uno de los principales motivos por los que los estudiantes deciden no continuar sus estudios está relacionado con la poca funcionalidad de las clases a distancia.

En el caso de la educación superior, que comprende las universidades y otras instituciones técnicas y de educación profesional, se estima que al menos 305.000 estudiantes dejaron de asistir a clase. Esto supone un 8% del alumnado. Según un sondeo realizado entre abril y mayo de 2020, casi dos tercios de los estudiantes universitarios encuestados en México estaban inscritos en programas con modalidad presencial.

Objetivos

Se pretende analizar como es que la pandemia por Covid-19 ha afectado la educación en Sonora, asi como los motivos que influyeron en la deserción escolar durante el ciclo 2020-2021 y cual nivel educativo fue el más afectado por esta situación. Tambien como es que seria la disponibilidad para asistir a clases presenciales si el gobierno lo permite en el ciclo escolar actual.

Teoría

La educación es un derecho humano esencial que posibilita el ejercicio de los demás derechos. La educación promueve la libertad y la autonomía personal. Gracias a ella, es posible mejorar las condiciones sociales, económicas y culturales de un país; está demostrado que el incremento de la escolaridad de la población se asocia con el mejoramiento de la productividad, la movilidad social, la reducción de la pobreza, la construcción de la ciudadanía y la identidad y, en definitiva, con el fortalecimiento de la cohesión social. El Estado mexicano tiene la obligación de garantizar condiciones suficientes para asegurar, sin discriminación alguna, el derecho de todas las personas a recibir una educación de calidad.

Educación en México

Metodología

Datos obtenidos de: https://inegi.org.mx/temas/educacion/

Descarga de este código

xfun::embed_file("ProyectoFinal.Rmd")

Download ProyectoFinal.Rmd

Importación de datos

setwd("~/estadistica")
library(readxl)
library(tidyverse)

## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --

## v ggplot2 3.3.3     v purrr   0.3.4
## v tibble  3.0.5     v dplyr   1.0.4
## v tidyr   1.1.2     v stringr 1.4.0
## v readr   1.4.0     v forcats 0.5.1

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

library(prettydoc)
library(readr)
library(DT)
library(pacman)
p_load("base64enc","htmltools","mime","xfun","prettydoc","readr","knitr","DT","dplyr","ggplot2","plotly","gganimate","gifski","scales", "MASS", "class")

Descarga de datos

tasa <- read.csv("EducacionTasa.csv") #Datos que se usaran como antecedentes (1990-2017)
xfun::embed_file("EducacionTasa.csv") #Descarga de datos

Download EducacionTasa.csv

mex.ab <- read_excel("aband.mex.xlsx") #Abandono escolar en México (2019-2020)
xfun::embed_file("aband.mex.xlsx") #Descarga de datos

Download aband.mex.xlsx

son.ab <- read_excel("abandono.xlsx") #Abandono escolar en Sonora (2019-2020)
xfun::embed_file("abandono.xlsx") #Descarga de datos

Download abandono.xlsx

Tabla de datos: Antecedentes de educación (1990-2017)

datatable(tasa)

Hipótesis

Se comenzara tomando como antecedentes los datos sobre la tasa de educación en México durante el periodo 1990-2017, para asi determinar si en ese periodo la tasa de alumnos inscritos en los diferentes niveles escolares aumento año con año, ya que, se podria suponer que conforme pasan los años, hay más acceso a la educación.

A continuación se presentara una hipótesis en donde se determinara en base a los datos otorgados un analisis de correlacion, significancia, normalidad y regresion lineal, determinaremos si la hipótesis realizada es correcta.

Análisis de correlación

pairs(x = tasa, lower.panel = NULL)

cor(x = tasa, method = "pearson")

##              periodo preescolar  primaria secundaria
## periodo    1.0000000  0.9692545 0.4297579  0.9786243
## preescolar 0.9692545  1.0000000 0.3423277  0.9575203
## primaria   0.4297579  0.3423277 1.0000000  0.3965081
## secundaria 0.9786243  0.9575203 0.3965081  1.0000000

Interpretación: Como se puede observar, los datos tienen una correlación alta, a excepción de la primeria, que es la que más varía.

Diagrama de dispersión para preescolar

data("tasa")

## Warning in data("tasa"): data set 'tasa' not found

#Se emplea el log del precio porque mejora la linealidad
ggplot(data = tasa, aes(x = periodo, y = preescolar)) + 
  geom_point(colour = "red4") +
  ggtitle("Diagrama de dispersión") +
  theme_bw() +
  theme(plot.title = element_text(hjust = 0.5))

Interpretación: En este gráfico podemos observar que la tasa de preescolar, mayormente aumenta conforme aumenta el período

Diagrama de dispersión para primaria

data("tasa")

## Warning in data("tasa"): data set 'tasa' not found

#Se emplea el log del precio porque mejora la linealidad
ggplot(data = tasa, aes(x = periodo, y = primaria)) + 
  geom_point(colour = "red4") +
  ggtitle("Diagrama de dispersión") +
  theme_bw() +
  theme(plot.title = element_text(hjust = 0.5))

Interpretación: En este caso, la tasa de educación en primaria, es muy cambiante conforme pasan los años, y los datos se encuentran más dispersos

Diagrama de dispersión para secundaria

data("tasa")

## Warning in data("tasa"): data set 'tasa' not found

#Se emplea el log del precio porque mejora la linealidad
ggplot(data = tasa, aes(x = periodo, y = secundaria)) + 
  geom_point(colour = "red4") +
  ggtitle("Diagrama de dispersión") +
  theme_bw() +
  theme(plot.title = element_text(hjust = 0.5))

Interpretación: Hablando de secundaria, los datos están un poco más uniformes, y van aumentando conforme pasan los años

Regresión lineal simple

El objetivo de un modelo de regresión es tratar de explicar la relación que existe entre una variable dependiente y un conjunto de variables independientes. En un modelo de regresión lineal simple tratamos de explicar la relación que existe entre la variable respuesta Y y una única variable explicativa X.

Preescolar

modelo_lineal <- lm(periodo ~ preescolar, tasa)
summary(modelo_lineal)

## 
## Call:
## lm(formula = periodo ~ preescolar, data = tasa)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.6066 -0.8491 -0.1697  1.6563  3.3913 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 1966.4766     1.8841 1043.75   <2e-16 ***
## preescolar     0.6408     0.0319   20.09   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.063 on 26 degrees of freedom
## Multiple R-squared:  0.9395, Adjusted R-squared:  0.9371 
## F-statistic: 403.4 on 1 and 26 DF,  p-value: < 2.2e-16

ggplot(data = tasa, mapping = aes(x = periodo, y = preescolar)) +
  geom_point(color = "firebrick", size = 2) +
  labs(title  =  'Periodo ~  Preescolar', x  =  'Periodo') +
  geom_smooth(method = "lm", se = FALSE, color = "black") +
  theme_bw() +
  theme(plot.title = element_text(hjust = 0.5))

## `geom_smooth()` using formula 'y ~ x'

Primaria

modelo_lineal <- lm(periodo ~ primaria, tasa)
summary(modelo_lineal)

## 
## Call:
## lm(formula = periodo ~ primaria, data = tasa)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -9.5512 -6.1197 -0.6804  6.5138 14.1202 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 1622.952    156.811  10.350 1.03e-10 ***
## primaria       3.854      1.588   2.427   0.0225 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 7.569 on 26 degrees of freedom
## Multiple R-squared:  0.1847, Adjusted R-squared:  0.1533 
## F-statistic:  5.89 on 1 and 26 DF,  p-value: 0.02246

ggplot(data = tasa, mapping = aes(x = periodo, y = primaria)) +
  geom_point(color = "firebrick", size = 2) +
  labs(title  =  'Periodo ~  Primaria', x  =  'Periodo') +
  geom_smooth(method = "lm", se = FALSE, color = "black") +
  theme_bw() +
  theme(plot.title = element_text(hjust = 0.5))

## `geom_smooth()` using formula 'y ~ x'

Secundaria

modelo_lineal <- lm(periodo ~ secundaria, tasa)
summary(modelo_lineal)

## 
## Call:
## lm(formula = periodo ~ secundaria, data = tasa)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -2.586 -1.415  0.039  1.036  4.669 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 1.958e+03  1.899e+00 1031.21   <2e-16 ***
## secundaria  6.422e-01  2.647e-02   24.26   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.724 on 26 degrees of freedom
## Multiple R-squared:  0.9577, Adjusted R-squared:  0.9561 
## F-statistic: 588.7 on 1 and 26 DF,  p-value: < 2.2e-16

ggplot(data = tasa, mapping = aes(x = periodo, y = secundaria)) +
  geom_point(color = "firebrick", size = 2) +
  labs(title  =  'Periodo ~  Secundaria', x  =  'Periodo') +
  geom_smooth(method = "lm", se = FALSE, color = "black") +
  theme_bw() +
  theme(plot.title = element_text(hjust = 0.5))

## `geom_smooth()` using formula 'y ~ x'

Normalidad

Las pruebas de normalidad más formales son las pruebas de Shapiro-Wilk y de Kolmogorov-Smirnov (Dalgaard 2008; Zar 2010). En las pruebas de normalidad se busca aceptar la H0 dado que la mayoría de los métodos estadísticos es necesaria la suposición de la distribución normal de la variable de interés. Púes siendo así es posible conocer los parámetros que describen por completo (la media, su desviación estándar). Un valor de P≥ 0.05 en los tests de normalidad indican que no hay prueba suficiente para rechazar la normalidad de la variable.

par(mfrow = c(1, 2))
hist(tasa$preescolar, breaks = 10, main = "", xlab = "Preescolar", border = "darkred")
hist(tasa$primaria, breaks = 10, main = "", xlab = "Primaria",
     border = "blue")

qqnorm(tasa$preescolar, main = "Preescolar", col = "darkred")
qqline(tasa$preescolar)

qqnorm(tasa$primaria, main = "Primaria", col = "darkred")
qqline(tasa$primaria)

qqnorm(tasa$secundaria, main = "Secundaria", col = "darkred")
qqline(tasa$secundaria)

Comprobación de hipótesis

Valor de significancia: P>0.05

Preescolar

shapiro.test(tasa$preescolar)

## 
##  Shapiro-Wilk normality test
## 
## data:  tasa$preescolar
## W = 0.85964, p-value = 0.001472

Primaria

shapiro.test(tasa$primaria)

## 
##  Shapiro-Wilk normality test
## 
## data:  tasa$primaria
## W = 0.9491, p-value = 0.1881

Secundaria

shapiro.test(tasa$secundaria)

## 
##  Shapiro-Wilk normality test
## 
## data:  tasa$secundaria
## W = 0.92022, p-value = 0.03513

Interpretación: En base a las gráficas y las pruebas realizadas, nos podemos dar cuenta que a nivel primaria, los datos se encuentran más dispersos al pasar los años, en cambio, en secundaria, conforme pasan los años, la tasa aumenta.

Gráficas sobre la tasa de educación en el periodo 2019-2020

Como resultado de las medidas de confinamiento implementadas por el gobierno mexicano tras el inicio de la pandemia por COVID-19 en 2020, millones de niños se vieron obligados a seguir sus estudios desde casa. Además, a pesar de las alternativas proporcionadas por las instituciones escolares, una gran cantidad de niños abandonaron la escuela. Se estimó que la deserción escolar superó los 2,5 millones de estudiantes desde el nivel preescolar a bachillerato entre abril y agosto de ese mismo año. Esto representa un 10% del total de alumnos de nivel preescolar, primario, secundario y bachillerato. En el caso de la educación superior, el 8% de los estudiantes dejaron de asistir a las clases.-Publicado por J. Mendoza, 22 ene. 2021

Fuente: https://es.statista.com/estadisticas/1196796/desercion-escolar-nivel-educativo-covid-mexico/

Tasa de abandono escolar en México (2019-2020)

ggplotly(ggplot(mex.ab, aes(fill=Nivel, y=Tasa, x=Entidad))+
  geom_bar(position="dodge", stat="identity")+
  labs(x="Entidad", y="Tasa de abandono (%)", title="Tasa de abandono escolar en México (2019-2020)", subtitle="Fuente: SEP")+
      theme(axis.text.x = element_text(angle=90,hjust=1),axis.text.y =element_text(size = 6)))

Distribución de la tasa de abandono para los distinstos niveles escolares en México (2019-2020)

ggplot(mex.ab) + 
  geom_histogram(bins = 50, aes(x = Tasa, fill = Nivel), color = 'black') + 
  facet_grid(Nivel~., scales = 'free') +
  xlab("Tasa de abandono") + 
  ylab("Frecuencia") + 
  ggtitle("Distribución de la Tasa de abandono para los distintos Niveles escolares") +
  theme_minimal()

Tasa de abandono escolar en Sonora (2019-2020)

ggplotly(ggplot(son.ab, aes(fill=Nivel, y=Tasa, x=Entidad))+
  geom_bar(position="dodge", stat="identity")+
  labs(x="Entidad", y="Tasa de abandono (%)", title="Tasa de abandono escolar en Sonora (2019-2020)", subtitle="Fuente: SEP")+
      theme(axis.text.x = element_text(angle=90,hjust=1),axis.text.y =element_text(size = 6)))

Es el porcentaje de alumnos que abandonan la escuela de un nivel educativo, respecto a la matrícula de inicio de cursos del mismo nivel. Es el porcentaje de alumnos que abandonan las actividades escolares durante el ciclo escolar y al finalizar éste, respecto al total de alumnos inscritos en el ciclo escolar. Cuando el indicador es positivo es probable que la deserción sólo ocurra a un grado de un ciclo determinado; en ocasiones el porcentaje puede resultar negativo, debido a que durante el ciclo escolar en estudio existieron más alumnos que se inscribieron como ‘’altas’’ que los que enunciaron como ‘’bajas’’ escolares. Los datos que se presentan en ceros no son absolutos, sino no significativos.

El nivel educativo Media superior incluye Profesional técnico y Bachillerato; el Superior incluye licenciatura en Educación Normal, Universitaria y Tecnológica, y excluye Posgrado.

Fuente: SEP. Principales Cifras del Sistema Educativo Nacional 2019-2020 (versión bolsillo). http://www.planeacion.sep.gob.mx/estadisticaeindicadores.aspx (Consulta: 07 de octubre de 2020).

Población inscrita y no inscrita según motivos

Según el estudio, 8.8 millones de alumnos registrados en el ciclo 2019-2020 están ausentes en el periodo actual, lo que habla de un nivel de deserción más que preocupante y al cual hay varias situaciones que podrían explicarlo.

A continuación se presenta la distribución porcentual de la población según condición de inscripción en el ciclo escolar 2020–2021.

Fuente: INEGI. Encuesta para la Medición del Impacto COVID-19 en la Educación https://www.inegi.org.mx/contenidos/investigacion/ecovided/2020/doc/ecovid_ed_2020_presentacion_resultados.pdf

13 a 15 años (Secundaria)

proporciones <- c(89, 4.8, 1.1, 0.6, 4.5) 
etiquetas <- c("89%", "4.8%", "1.1%", "0.6%", "4.5%")
pie(proporciones,labels = etiquetas,
    col=rainbow(length(etiquetas)),
    main="Distribución porcentual de la población de 13 a 15 años")

legend("bottomlef", c("Inscrito", "COVID-19", "Falta de dinero/recursos", "Tenia que trabajar", "Otra razón"), cex = 0.7,
       fill = rainbow(length(proporciones)))

16 a 18 años (Preparatoria)

proporciones <- c(63.1, 6.8, 5.6, 4.4, 20.1) 
etiquetas <- c("63.1%", "6.8%", "5.6%", "4.4%", "20.1%")
pie(proporciones,labels = etiquetas,
    col=rainbow(length(etiquetas)),
    main="Distribución porcentual de la población de 16 a 18 años")

legend("bottomlef", c("Inscrito", "COVID-19", "Falta de dinero/recursos", "Tenia que trabajar", "Otra razón"), cex = 0.7,
       fill = rainbow(length(proporciones)))

19 a 24 años (Universidad)

proporciones <- c(36.1, 5.2, 12.5, 13.1, 37.7) 
etiquetas <- c("36.1%", "5.2%", "12.5%", "13.1%", "37.7%")
pie(proporciones,labels = etiquetas,
    col=rainbow(length(etiquetas)),
    main="Distribución porcentual de la población de 19 a 24 años")

legend("bottomlef", c("Inscrito", "COVID-19", "Falta de dinero/recursos", "Tenia que trabajar", "Otra razón"), cex = 0.7,
       fill = rainbow(length(proporciones)))

Del total de los 2.3 millones de No inscritos por COVID-19: 615 mil personas mencionaron que las clases son poco funcionales; 584 mil porque alguno de los padres se quedaron sin empleo, y 581 mil por carecer de computadora u otros dispositivo. Cabe señalar que en la opción Otro también se mencionó motivos económicos por situación de pandemia.

Como era de suponerse, la mayor deserción se dio entre los alumnos de escuelas públicas en el ciclo 2020-2021, en comparación con miembros de instituciones privadas que ya no continuaron, seguramente porque sus familias tuvieron que cambiar de estilo de vida al verse golpeadas de algún modo por la crisis económica.

Adquirir equipo adicional, así como invertir recursos en servicios de los que anteriormente no se disponía o hasta para acondicionar espacios especiales dentro de los hogares, fueron gastos extraordinarios para los que algunas familias no estuvieron preparadas o que la pérdida del empleo de alguno de sus miembros de sostén no les permitió sortear, con el consiguiente abandono de los estudios para los menores en edad escolar.

Asimismo, la necesidad de trabajar o la carencia de recursos —indispensable para poder seguir los cursos a distancia— explican la alta deserción registrada en el ciclo, aunque también se suma el descrédito que alumnos y padres de familia dan a las clases virtuales, a las que muchos califican como poco funcionales.

Fuente: https://www.eluniversal.com.mx/opinion/editorial-el-universal/covid-golpe-la-educación

Regreso a clases presenciales en agosto 2021

Gracias a un descenso en los casos de Covid-19 en la entidad el debate sobre el regreso a clases se ha retomado, pero muchos coinciden en priorizar la seguridad. Desde los primeros indicios de que los contagios de Covid-19 comienzan a amainar en el país, el debate sobre el regreso a clases presenciales vuelve a la mesa de discusión con fuertes opiniones en ambos lados. Uno de los principales argumentos para el regreso a clases presenciales, en el momento en que sea posible, es que el sistema de clases a distancia no ha dado los resultados que se esperaban por las autoridades al inicio de la contingencia, distando todavía en calidad de las aulas reales.

Fuente: https://www.elsoldehermosillo.com.mx/local/regresar-a-clases-presenciales-el-debate-en-sonora-6590213.html

Disponibilidad para asistir a clases presenciales

A continuación se presentara la distribución porcentual de la población inscrita en el ciclo escolar 2020-2021 por disponibilidad para asistir a clases presenciales si el gobierno lo permite en el ciclo escolar actual, por grupos de edad.

Fuente: INEGI. Encuesta para la Medición del Impacto COVID-19 en la Educación https://www.inegi.org.mx/contenidos/investigacion/ecovided/2020/doc/ecovid_ed_2020_presentacion_resultados.pdf

13 a 19 años

proporciones <- c(64.1, 15.4, 20.6) 
etiquetas <- c("64.1%", "15.4%", "20.6%")
pie(proporciones,labels = etiquetas,
    col=rainbow(length(etiquetas)),
    main="Distribución porcentual de la población de 13 a 19 años")

legend("bottomlef", c("Mucha disponibilidad", "Algo de disponibilidad", "Poca o nada disponiblidad"), cex = 0.7,
       fill = rainbow(length(proporciones)))

19 a 29 años

proporciones <- c(55.9, 16.1, 28) 
etiquetas <- c("55.9%", "16.1%", "28%")
pie(proporciones,labels = etiquetas,
    col=rainbow(length(etiquetas)),
    main="Distribución porcentual de la población de 19 a 29 años")

legend("bottomlef", c("Mucha disponibilidad", "Algo de disponibilidad", "Poca o nada disponiblidad"), cex = 0.7,
       fill = rainbow(length(proporciones)))

Conclusión

Se determino mediante las gráficas obtenidas anteriormente que el nivel educativo donde hubo mayo deserción escolar en México durante el ciclo escolar 2019-2020 fue el nivel Superior, y en segundo lugar el nivel educativo Media Superior. Uno de los principales factores es el impacto de la COVID-19 en el índice de educación, en donde esulta necesario identificar las consecuencias que tendrá la pandemia en el sector educativo, con el fin de reformular acciones que puedan contribuir a enfrentar de mejor manera otras emergencias.

Uno de los impactos que puede causar la deserción escolar en México son las consecuencias sociales por deserción escolar,por ejemplo, se pueden suscitar: menor probabilidad de participar en actividades cívicas, vivir en gran medida de la beneficencia y asistencia pública, ganar menor sueldo y contribuir menos a la economía del país, baja productividad laboral y vulnerabilidad social (desempleo, delincuencia, consumo de sustancias tóxicas, problemas de salud como depresión y ansiedad). Una de las acciones propuestas a tomar es que cada institución cree proyectos de apoyo para que los estudiantes concluyan exitosamente su carrera; y ponerle la atención necesaria la comunidad estudiantil, con programas como becas, tutorías, material didáctico, recursos dentro de la escuela como biblioteca, salón de informática o laboratorios especializados, así como también atender la salud mental.

Referencias

Statista. (2021, 31 marzo). México: deserción escolar durante la pandemia de COVID-19, por nivel. https://es.statista.com/estadisticas/1196796/desercion-escolar-nivel-educativo-covid-mexico/

Por Covid y pobreza, 9 millones de alumnos dejan la escuela. (2021, 24 marzo). El Universal. https://www.eluniversal.com.mx/cartera/por-covid-y-pobreza-9-millones-de-alumnos-dejan-la-escuela

Geografia, E. D. N. I. Y. (s. f.). Caracteristicas educativas de la población. INEGI. https://inegi.org.mx/temas/educacion/

DGPPYEE-SEP. (s. f.). SEP. http://www.planeacion.sep.gob.mx/estadisticaeindicadores.aspx

Educación en México

EQUIPO 6: Angélica Payán Serna, Karen Gutiérrez Velásquez y Andrea Higuera Chávez

20/05/2021

“Educación en México”

Introducción

Antecedentes

Objetivos

Teoría

Metodología

Descarga de este código

Importación de datos

Descarga de datos

Tabla de datos: Antecedentes de educación (1990-2017)

Hipótesis

Análisis de correlación

Regresión lineal simple

Normalidad

Comprobación de hipótesis

Gráficas sobre la tasa de educación en el periodo 2019-2020

Tasa de abandono escolar en México (2019-2020)

Distribución de la tasa de abandono para los distinstos niveles escolares en México (2019-2020)

Tasa de abandono escolar en Sonora (2019-2020)

Población inscrita y no inscrita según motivos

13 a 15 años (Secundaria)

16 a 18 años (Preparatoria)

19 a 24 años (Universidad)

Regreso a clases presenciales en agosto 2021

Disponibilidad para asistir a clases presenciales

Conclusión

Referencias