Contribution of machine learning to the analysis of grade repetition in Spain: A study with PISA data
DOI
10.22550/2174-0909.4014
Resumen
Introducción: La repetición de curso tiene una excesiva incidencia en España, a pesar de ser una medida controvertida. A fin de obtener evidencia que contribuya a su reducción en la educación obligatoria, el presente trabajo profundiza en el estudio de los índices de contexto de PISA 2018 más vinculados con dicho fenómeno. Método: Con la muestra de estudiantes españoles (N=35943), se utiliza un método de aprendizaje automático, para seleccionar y ordenar los predictores, y una regresión logística multinivel (estudiantes y centros), para cuantificar la contribución de cada uno. Resultados: Se obtienen las 30 variables de contexto más relevantes en cada etapa educativa, que explican el 65.5% de la varianza de la repetición en primaria y casi el 55.7% en secundaria. Conclusiones: Los principales indicadores son mayoritariamente del nivel de estudiantes, lo que sugiere la idoneidad de intervenciones psicoeducativas basadas en el apoyo individualizado más que en políticas generalizadas, y emergen medidas potencialmente más eficientes y equitativas que la repetición, centradas, por ejemplo, en la gestión del tiempo de aprendizaje o en la orientación académico-profesional, así como predictores con importancia específica diferencial en cada etapa. Metodológicamente, el estudio hace una aportación a la mejora de la especificación de los modelos predictivos.
Financiación | Funding
El artículo no ha contado con financiación ni pública ni privada.
Referencias | References
Allen, C. S., Chen, Q., Willson, V. L., & Hughes J. N. (2009). Quality of design moderates effects of grade retention on achievement: A metaanalytic, multi-Level analysis [La calidad del diseño modera los efectos de la retención de curso sobre el rendimiento: Un análisis metaanalítico multinivel]. Educational Evaluation and Policy Analysis, 31, 480–99. https://doi.org/10.3102%2F0162373709352239
Arroyo, D., Constante-Amores, A., & Asensio, I. (2019). La repetición de curso a debate: un estudio empírico a partir de PISA 2015. Educación XX1, 22(2), 69-92. https://doi.org/10.5944/educxx1.22479
Asensio, I., Carpintero, E., Expósito, E., & López, E. (2018). ¿Cuánto oro hay entre la arena? Minería de datos con los resultados de España en PISA 2015. Revista Española de Pedagogía, 76(270), 225-245. https://doi.org/10.22550/REP76-2-2018-02
Battistin, E., & Schizzerotto, A. (2019). Threat of grade retention, remedial education and student achievement: evidence from upper secondary schools in Italy [La amenaza de la permanencia en el curso, la educación de recuperación y el rendimiento de los alumnos: datos de los centros de enseñanza secundaria superior en Italia]. Empirical Economics, 56, 651-678. https://doi.org/10.1007/s00181-018-1443-6
Cameron, A. C., & Windmeijer, F. A. (1997). An R-squared measure of goodness of fit for some common nonlinear regression models [Medida R-cuadrado de la bondad de ajuste de algunos modelos habituales de regresión no lineal]. Journal of Econometrics, 77(2), 329-342.
Carabaña, J. (2013). Repetición de curso y puntuaciones PISA ¿Cuál causa cuál? En Instituto Nacional de Evaluación Educativa (Ed.), PISA 2012: Programa para la evaluación de los alumnos, informe español (volumen II: análisis secundario). INEE.
Choi, A., Gil, M., Mediavilla, M., & Valbuena, J. (2018). Predictors and effects of Grade Repetition [Predictores y efectos de la repetición de curso]. Revista de Economía Mundial, 48, 21-42.
Constante, A., Florenciano, E., Navarro, E., & Fernández, M. (2021). Factores asociados al abandono universitario. Educación XX1, 24(1), 17-44. http://doi.org/10.5944/ educXX1.26889
Cordero, J., Manchón, C., & Simancas, R. (2014). La repetición de curso y sus factores condicionantes en España. Revista de Educación, 365, 12-37. https://doi.org/10.4438/1988-592X-RE-2014-365-263
Ferla, J., Valcke, M., & Cai, Y. (2009). Academic Self-Efficacy and Academic Self- Concept: Reconsidering Structural Relationships [Autoeficacia académica y autoconcepto académico: reconsiderando las relaciones estructurales]. Learning and Individual Differences, 19(4), 499-505. https://doi.org/10.1016/j.lindif.2009.05.004
Fernández-Lasarte, O., Ramos-Díaz, E., & Axpe Sáez, I. (2019). Rendimiento académico, apoyo social percibido e inteligencia emocional en la universidad. European Journal of Investigation in Health, 9(1), 39-49. https://doi.org/10.30552/ejihpe.v9i1.315
Fernández, L. L., González-Rodríguez, D., & Vieira, M. J. (2023). Variables que afectan la repetición en la educación obligatoria en España. Revista Electrónica de Investigación Educativa, 25, 1-15. https://doi.org/10.24320/redie.2023.25.e17.4942
García-Pérez, J., Hidalgo, M., & Robles, J. (2014). Does Grade Retention Affect Students’ Achievement? Some evidence from Spain [¿Influye la permanencia en un curso en el rendimiento de los alumnos? Algunos datos de España]. Applied Economics, 46(12), 1373-1392. https://doi.org/10.1080/00036846.2013.872761
Gaviria, J. L., & Castro, M. (2005). Modelos jerárquicos lineales. La Muralla.
González-Nuevo, C., Postigo, Á., García-Cueto, E. et al. (2023). Grade retention impact on academic self-concept: a longitudinal perspective [Impacto de la permanencia en el curso sobre el autoconcepto académico: una perspectiva longitudinal]. School Mental Health, 15, 600–610 https://doi.org/10.1007/s12310-023-09573-2
Gorostiaga, A., & Rojo-Álvarez, J. L. (2016). On the use of conventional and statistical-learning techniques for the analysis of PISA results in Spain [Sobre el uso de técnicas convencionales y de aprendizaje estadístico para el análisis de los resultados de PISA en España]. Neurocomputing, 171, 625-637.
Hattie, J. (2017). Aprendizaje visible para profesores. Maximizando el impacto en el aprendizaje. Paraninfo.
Hornstra, L., Majoor, M., & Peetsma, T. (2017). Achievement goal profiles and developments in effort and achievement in upper elementary school [Perfiles de objetivos de rendimiento y evolución del esfuerzo y el rendimiento en la escuela primaria superior]. British Journal of Educational Psychology, 87(4), 606-629. https://doi.org/10.1111/bjep.12167
Ikeda, M., & García, E. (2014). Grade repetition: a comparative study of academic and non-academic consequences [La repetición de curso: un estudio comparativo de las consecuencias académicas y no académicas]. OECD Journal: Economic Studies, (1), 269-315. http://dx.doi.org/10.1787/19952856
Jimerson, S. R. (2001). Meta-analysis of grade retention research: new directions for practice in the 21st century [Meta-análisis de la investigación sobre la retención de notas: nuevas orientaciones para la práctica en el siglo XXI]. School Psychology Review, 30, 420-437. http://dx.doi.org/10.1080/02796015.2001.12086124
Lee, V. E. (2000). Using hierarchical linear modeling to study social contexts: The case of school effects [Utilización de modelos lineales jerárquicos para estudiar contextos sociales: el caso de los efectos escolares]. Educational Psychologist, 35(2), 125-141. https://doi.org/10.1207/S15326985EP3502_6
Ley Orgánica 1/1990, de 3 de octubre, de Ordenación General del Sistema Educativo. Boletín Oficial del Estado 238, de 4 de octubre de 1990. https://www.boe.es/eli/es /lo/1990/10/03/1
Lopes, J., Oliveira, C. y Costa, P. (2022). Determinantes escolares y de los estudiantes en el rendimiento lector: un análisis multinivel con estudiantes portugueses. Revista de Psicodidáctica, 27, 29-37. http://doi.org/10.1016/j.psicod.2021.05.001
López, E., Expósito, E., Carpintero, E., & Asensio, I. (2018). ¿Qué nos dice PISA sobre la enseñanza y el aprendizaje de las ciencias? Una aproximación a través de árboles de decisión. Revista de Educación, 382, 133-161. http://doi.org/10.4438/1988-592X-RE-2018-382-395
López, F., & García, I. (2020). A vueltas con la equidad en educación: una aproximación empírica en la perspectiva de las consecuencias. Universidad Camilo José Cela. http://hdl.handle.net/20.500.12020/901
López Rupérez, F., García García, I., & Expósito-Casas, E. (2021). La repetición de curso y la graduación en Educación Secundaria Obligatoria en España. Análisis empíricos y recomendaciones políticas. Revista de Educación, (394). https://doi.org/10.4438/1988-592X-RE-2021-394-510
Marsh, H. W., Parker, P. D., & Pekrun, R. (2018). Three Paradoxical Effects on Academic Self-Concept Across Countries, Schools, and Students [Tres efectos paradójicos en el autoconcepto académico de países, escuelas y estudiantes]. European Psychologist, 24(3), 231-242. https://doi.org/10.1027/1016-9040/a000332
Mathys, C., Véronneau, M., & Lecocq, A. (2019). Grade retention at the transition to secondary school: using propensity score matching to identify consequences on psychosocial adjustment [Retención escolar en la transición a la enseñanza secundaria: utilización del emparejamiento de puntuaciones de propensión para identificar las consecuencias en el ajuste psicosocial]. Journal of Early Adolescence, 39(1), 97-133. https://doi.org/10.1177/0272431617735651
Nieto-Isidro, S., & Martínez-Abad, F. (2023). Repetición de curso y su relación con variables socioeconómicas y educativas en España. Revista de Educación, 1(402), 207–236. https://doi.org/10.4438/1988-592X-RE-2023-402-600
Ministerio de Educación y Formación Profesional. (2019). PISA 2018. Programa para la Evaluación Internacional de los Estudiantes. Informe español. Vol. I. https://www.educacionyfp.gob.es/inee/evaluaciones-internacionales/pisa/pisa-2018/pisa-2018-informes-es.html
Ministerio de Educación y Formación Profesional. (2022). Sistema Estatal de Indicadores de la Educación 2022. https://www.educacionyfp.gob.es/inee/indicadores/sistema-estatal/ultima-edicion.html
Niemi, H. (2015). Teacher professional development in Finland: Towards a more holistic approach [Desarrollo profesional del profesorado en Finlandia: Hacia un enfoque más holístico]. Psychology, Society and Education, 7(3), 279-294. http://dx.doi.org/10.25115/psye.v7i3.519
OECD (2019). PISA 2018 assessment and analytical framework [Evaluación y marco analítico de PISA 2018]. OECD publishing https://doi.org/10.1787/b25efab8-en
OECD (2020). PISA 2018 Results (Volume VI) Are Students Ready to Thrive in an Interconnected World? [Resultados PISA 2018 (Volumen VI) ¿Están preparados los estudiantes para prosperar en un mundo interconectado?]. OECD publishing. https://www.oecd.org/publications/pisa-2018-results-volume-vi-d5f68679-en.htm
Pardo, M., & Ruiz, M. (2013). Análisis de Datos en Ciencias Sociales y de la Salud III. Síntesis
Peixoto, F., Monteiro, V., Mata, L., Sanches, C., Pipa, J., & Navas, L. (2016). “To be or not to be retained… That’s the question!” Retention, self-esteem, self-concept, achievement goals, and grades ["Ser o no ser retenido... ¡Esa es la cuestión!" Retención, autoestima, autoconcepto, objetivos de rendimiento y calificaciones]. Frontiers in Psychology, 7, (1550). https://doi.org/10.3389/fpsyg.2016.01550
Raschka, S. (2015). Python machine learning [Aprendizaje automático en Python]. Packt publishing ltd.
Rhodes, J., Thomas, J. M., & Liles, A. R. (2018). Predictors of Grade Retention among Children in an Elementary School Truancy Intervention [Factores que predicen la permanencia en el colegio de los niños que participan en una intervención contra el absentismo escolar en la escuela primaria]. Journal of At-Risk Issues, 21(1), 1-10.
Rivero, G. (2011). Análisis de datos incompletos en Ciencias Sociales. CIS.
Rodríguez, D. (2022). Repetición de curso, rendimiento académico y variables motivacionales en Educación Secundaria Obligatoria: un estudio longitudinal. Psicothema, 34(3), 429-436. https://doi.org/10.7334/psicothema2021.582
Rosenthal, R., & Rosnow, R. L. (2008). Essentials of behavioral research: Methods and data analysis [Fundamentos de la investigación conductual: Métodos y análisis de datos]. McGraw-Hill
Sarkar, D., Bali, R., & Sharma, T. (2018). Practical machine learning with Python. A Problem-Solvers Guide To Building Real-World Intelligent Systems [Aprendizaje automático práctico con Python. Guía de resolución de problemas para crear sistemas inteligentes reales]. Apress
Schwerdt, G., West, M. R., & Winters, M. A. (2017). The effects of testbased retention on student outcomes over time: Regression discontinuity evidence from Florida [Los efectos de la retención basada en exámenes sobre los resultados de los estudiantes a lo largo del tiempo: Pruebas de regresión discontinua en Florida]. Journal of Public Economics, 152, 154-169. https://doi.org/10.1016/j.jpubeco.2017.06.004
Seabra, D. A., & Ferrao, M. E. (2016). Repetência e indisciplina: evidências de Brasil e Portugal no PISA 2012 [Repetición e indisciplina: datos de Brasil y Portugal en PISA 2012]. Cadernos de Pesquisa, 46(161), 614-636. https://doi.org/10.1590/198053143669
Tapia, J. G., & Álvarez, C. A. (2022). La repetición de curso en Educación Secundaria en clave organizacional. Avances en Supervisión Educativa, (38). https://doi.org/10.23824/ase.v0i38.772
Valbuena, J., Mediavilla, M., Choi, Á., & Gil, M. (2021). Effects of grade retention policies: A literature review of empirical studies applying causal inference [Efectos de las políticas de retención de notas: Una revisión bibliográfica de estudios empíricos que aplican la inferencia causal]. Journal of Economic Surveys, 35(2), 408–451. https://doi.org/10.1111/joes.12406
Van Canegem, T., Van Houtte, M., & Demanet, J. (2021). Grade retention and academic self‐concept: A multilevel analysis of the effects of schools’ retention composition [Retención escolar y autoconcepto académico: Un análisis multinivel de los efectos de la composición de la retención escolar]. British Educational Research Journal, 47(5), 1340-1360. https://doi.org/10.1002/berj.3729
Warren, J. R., Hoffman, E., & Andrew, M. (2014). Patterns and trends in grade retention rates in the United States, 1995–2010 [Patrones y tendencias de las tasas de retención escolar en Estados Unidos, 1995-2010]. Educational Researcher, 43, 433-443 https://dx.doi.org/10.3102/0013189X14563599
Citación recomendada | Recommended citation
Constante-Amores, A., Arroyo-Resino, D., Sánchez-Munilla, M., y Asensio-Muñoz, I. (2024). Contribución del machine learning al análisis de la repetición escolar en España: un estudio con datos PISA [Contribution of machine learning to the analysis of grade repetition in Spain: A study based on PISA data]. Revista Española de Pedagogía, 82 (289), 539-562. https://doi.org/10.22550/2174-0909.4014
Licencia Creative Commons | Creative Commons License
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Included in
Educational Assessment, Evaluation, and Research Commons, Elementary Education Commons, Secondary Education Commons
Palabras clave | Keywords
PISA, repetición escolar, aprendizaje automático, variables de contexto, regresión logística multinivel, educación obligatoria / PISA, grade repetition, context variables, machine learning, multilevel logistic regression, compulsory education.
