Evaluación de factores relacionados con la eficacia escolar en PISA 2015. Un análisis multinivel

  1. Adriana Gamazo 1
  2. Fernando Martínez-Abad 1
  3. Susana Olmos-Miguelanez 1
  4. María José Rodríguez-Conde 1
  1. 1 Universidad de Salamanca
    info

    Universidad de Salamanca

    Salamanca, España

    ROR https://ror.org/02f40zc51

Revista:
Revista de educación

ISSN: 0034-8082

Año de publicación: 2018

Título del ejemplar: PISA y TIMSS (I)

Número: 379

Páginas: 56-84

Tipo: Artículo

DOI: 10.4438/1988-592X-RE-2017-379-369 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de educación

Resumen

El estudio de la eficacia escolar ha ganado relevancia en las últimas décadas. La disponibilidad de datos relativos tanto al rendimiento del alumnado como a las características socio-económicas, demográficas, organizativas y educativas de los alumnos y los centros ha permitido la proliferación de estudios sobre la relación de todo tipo de variables con el rendimiento, y sobre las prácticas que resultan fundamentales para poder ofrecer una educación equitativa y de calidad. La presente investigación se centra en el estudio de la eficacia escolar, utilizando para ello la aplicación de modelos jerárquicos lineales (multinivel) con los datos de rendimiento de matemáticas, lectura y ciencias de la muestra española de PISA 2015 con el objetivo de determinar qué factores contextuales tienen más efecto en el rendimiento de los estudiantes. El género, el nivel socioeconómico, el curso, la repetición de curso y los cambios de escuela, junto con el nivel socio-económico medio del centro, son las variables que aparecen como relevantes consistentemente en los tres modelos realizados. Dicha información se utiliza para realizar una selección de centros de alta y baja eficacia basada en la diferencia entre la puntuación observada de los centros y su puntuación esperada en función de los factores contextuales relevantes. A partir de esta selección, se realiza un estudio de los factores no contextuales a nivel de estudiante y de centro que se encuentran relacionados con la eficacia de los centros. No se encuentran relaciones significativas con las variables del nivel de centro, aunque sí con algunas a nivel de estudiante (clima de disciplina, auto-eficacia, apoyo emocional parental o nivel de injusticia del profesorado).

€ Ver financiación

Información de financiación

Este trabajo de investigación está financiado a través del proyecto de excelencia I+D+i EDU2015-64524-P (Ministerio de Economía y Competitividad/Fondos FEDER).

Financiadores

Referencias bibliográficas

  • Aitkin, M., y Longford, N. (1986). Statistical modelling issues in school effectiveness studies. Journal of the Royal Statistical Society. Series A (General), 149(1), 1-43.
  • Aksu, G., y Güzeller, C. O. (2016). Classification of PISA 2012 Mathematical Literacy Scores Using Decision-Tree Method: Turkey Sampling. Egitim ve Bilim, 41(185), 101-122.
  • Blanco-Blanco, Á., López Martín, E., y Ruiz de Miguel, C. (2014). Aportaciones de los modelos jerárquico-lineales multivariados a la investigación educativa sobre el rendimiento. Un ejemplo con datos del alumnado español en PISA 2009. Revista de Educación, 365, 122-149.
  • Brookover, W.B., Beady, C., Flood, P., Schewitzer, J. y Wisenbaker, J. (1979). School social systems and student achievement: schools can make a difference. New York: Praeger.
  • Castro, M., y Lizasoain, L. (2012). Las técnicas de modelización estadística en la investigación educativa: Minería de datos, modelos de ecuaciones estructurales y modelos jerárquicos lineales. Revista Española de Pedagogía, 70, 131–148.
  • Choi, A., y Calero, J. (2013). Determinantes del riesgo de fracaso escolar en España en PISA-2009 y propuestas de reforma. Revista De Educación, 362, 562-593.
  • Coleman, J. S. (1966). Equality of educational opportunity (Vol. 2). Washington, DC: US Department of Health, Education, and Welfare, Office of Education.
  • Cordero Ferrera, J. M., Manchón López, C. y Simancas Rodríguez, R. (2014). La repetición de curso y sus factores condicionantes en España. Repetition and explanatory factors in Spain. Revista de Educación, 365, 12-37.
  • Creswell, J. W. (2015). Revisiting mixed methods and advancing scientific practices. En Hesse-Biber, S. N., y Johnson, R. B. (Eds.) The Oxford handbook of multimethod and mixed methods research inquiry. (pp. 57-71). Oxford: Oxford University Press.
  • De la Orden. A. y Jornet, J. M. (2012). La utilidad de las evaluaciones de sistemas educativos: el valor de la consideración del contexto. Bordón, 64(2), 69-88.
  • Demir, I, Kılıç, S., y Ünal, H. (2010). Effects of students’ and schools’ characteristics on mathematics achievement: Findings from PISA 2006. Procedia-Social and Behavioral Sciences, 2(2), 3099-3103.
  • Ehmke, T., Drechsel, B., y Carstensen, C. H. (2008). Klassenwiederholen in PISA-I-plus: Was lernen sitzenbleiber in mathematik dazu? Zeitschrift Für Erziehungswissenschaft, 11(3), 368-387.
  • Gamazo, A., Olmos-Migueláñez, S., y Martínez-Abad, F. (2016, November). Multilevel models for the assessment of school effectiveness using PISA scores. In Proceedings of the Fourth International Conference on Technological Ecosystems for Enhancing Multiculturality (pp. 1161-1166). ACM.
  • Hayes, A. F. (2006). A primer on multilevel modeling. Human Communication Research, 32(4), 385-410.
  • Joaristi, L., Lizasoain, L., y Azpillaga, V. (2014). Detección y caracterización de los centros escolares de alta eficacia de la Comunidad Autónoma del País Vasco mediante Modelos Transversales Contextualizados y Modelos Jerárquicos. Estudios sobre Educación, 27, 37-61.
  • Jornet, J. M., González-Such, J., y Perales, M. J. (2012). Diseño de cuestionarios de contexto para la evaluación de sistemas educativos: optimización de la medida de constructos complejos. Bordón, 64(2), 89-110.
  • Karakolidis, A., Pitsia, V., & Emvalotis, A. (2016). Examining students’ achievement in mathematics: A multilevel analysis of the Programme for International Student Assessment (PISA) 2012 data for Greece. International Journal of Educational Research, 79, 106-115.
  • King, G., McDougall, J., DeWit, D., Hong, S., Miller, L., Offord, D., . . . LaPorta, J. (2005). Pathways to children’s academic performance and prosocial behaviour: Roles of physical health status, environmental, family, and child factors. International Journal of Disability, Development and Education, 52, 313–344.
  • Kunz, J. S. (2014). Analyzing Educational Achievement Differences between Second Generation Immigrants: Comparing Germany and German Speaking Switzerland. German Economic Review, 17(1), 61-91.
  • Lee, V. E. (2000). Using hierarchical linear modeling to study social contexts: The case of school effects. Educational Psychologist, 35(2), 125-141.
  • Lenkeit, J. (2013). Effectiveness measures for cross-sectional studies: A comparison of value-added models and contextualised attainment models. School Effectiveness and School Improvement, 24(1), 1-25.
  • Liu, X., y Whitford, M. (2011). Opportunities-to-learn at home: Profiles of students with and without reaching science proficiency. Journal of Science Education and Technology, 20(4), 375-387.
  • Lizasoain, L., y Angulo, A. (2014). Buenas prácticas de escuelas eficaces del País Vasco. Metodología y primeros resultados. Participación Educativa, 3(4), 17-27.
  • Martínez-Abad, F., y Chaparro-Caso, A. A. (2017). Data-mining techniques in detecting factors linked to academic achievement. School Effectiveness and School Improvement, 28(1), 39-55.
  • Martínez-Abad, F., Lizasoain, L., Castro, M., & Joaristi, L. (2017). Selección de escuelas de alta y baja eficacia en Baja California (México). REDIE. Revista Electrónica de Investigación Educativa, 19(2), 38-53.
  • Martínez-Arias, M. R. (2009). Usos, aplicaciones y problemas de los modelos de valor añadido en educación. Revista De Educación, 348, 217-252.
  • Meunier, M. (2011). Immigration and student achievement: Evidence from Switzerland. Economics of education review, 30(1), 16-38.
  • Ministerio de Educación, Cultura y Deporte (2016). PISA 2015. Programa para la Evaluación Internacional de los Alumnos. Informe Español. Madrid: Secretaría General Técnica.
  • Murillo, F. J. (2003). El movimiento de investigación de Eficacia Escolar. En F.J. Murillo (Coord.), La investigación sobre Eficacia Escolar en Iberoamérica. Revisión internacional del estado del arte. Bogotá: Convenio Andrés Bello.
  • Murillo, F. J. (2005). La Investigación sobre Eficacia Escolar. Barcelona: Octaedro.
  • Murillo, F. J. (Coord.) (2007). Investigación Iberoamericana sobre Eficacia Escolar. Bogotá: Convenio Andrés Bello.
  • Murillo, F. J., y Hernández, R. (2011). Efectos escolares de factores socioafectivos. Un estudio multinivel para Iberoamérica. Revista De Investigación Educativa, 29(2), 407-427.
  • Nath, S. R. (2012). Factors influencing primary students’ learning achievement in Bangladesh. Research in Education, 88, 50–63.
  • Organisation for Economic Co-operation and Development (OECD) (2008). Measuring improvements in learning outcomes: best practices to assess the value-added of schools. Paris: OECD Publishing.
  • Organisation for Economic Co-operation and Development (OECD) (2014). PISA 2012 Technical Report. Paris: OECD Publishing
  • Organisation for Economic Co-operation and Development (OECD) (2016). PISA 2015 Assessment and Analytical Framework: Science, Reading, Mathematics and Financial Literacy. Paris: OECD Publishing.
  • Organisation for Economic Co-operation and Development (OECD) (2017), PISA: Programme for International Student Assessment, OECD Education Statistics (database). DOI: http://dx.doi.org/10.1787/data00365-en
  • Özdemir, C. (2016). Equity in the Turkish education system: A multilevel analysis of social background influences on the mathematics performance of 15-year-old students. European Educational Research Journal, 15(2), 193-217.
  • Payandeh-Najafabadi, A. T., Omidi-Najafabadi, M., y Farid-Rohani, M. R. (2013). Factors contributing to academic achievement: A Bayesian structure equation modelling study. International Journal of Mathematical Education in Science and Technology, 44(4), 490–500.
  • Perry, L., y McConney, A. (2010a). Does the SES of the school matter? an examination of socioeconomic status and student achievement using PISA 2003. Teachers College Record, 112(4), 1137-1162.
  • Perry, L., y McConney, A. (2010b). School socio-economic composition and student outcomes in Australia: Implications for educational policy. Australian Journal of Education, 54(1), 72-85.
  • Raudenbush, S. W., Bryk, A. S., Cheong, Y. F., Congdon, R., & Du Toit, M. (2011). Hierarchical linear and nonlinear modeling (HLM7). Lincolnwood, IL: Scientific Software International.
  • Riederer, B., y Verwiebe, R. (2015). Changes in the educational achievement of immigrant youth in Western societies: The contextual effects of national (educational) policies. European Sociological Review, 31(5), 628-642.
  • Risso, A., Peralbo, M., y Barca, A. (2010). Cambios en las variables predictoras del rendimiento escolar en Enseñanza Secundaria. Psicothema, 22(4), 790–796.
  • Santibañez, L., y Fagioli, L. (2016). Nothing succeeds like success? Equity, student outcomes, and opportunity to learn in high-and middle-income countries. International Journal of Behavioral Development, 40(6), 517-525.
  • Santos, M. A., Godás, A., y Lorenzo, M. (2013). Rendimiento académico y diversidad cultural: El eje lingüístico. Revista Española de Pedagogía, 256, 461–478.
  • Snijders, T., y Bosker, R. J. (2012). Multilevel analysis: An introduction to basic and advanced multilevel modeling (2nd Edition). London: Sage Publications.
  • Stoet, G., y Geary, D. C. (2013). Sex differences in mathematics and reading achievement are inversely related: Within-and across-nation assessment of 10 years of PISA data. PloS One, 8(3), e57988.
  • Tejedor, F. J. (2003). Poder explicativo de algunos determinantes del rendimiento en los estudios universitarios. Revista Española de Pedagogía, 61(224), 5–32.
  • Tsai, S. L., Smith, M. L., & Hauser, R. M. (2017). Families, Schools, and Student Achievement Inequality: A Multilevel MIMIC Model Approach. Sociology of Education, 90(1), 64-88.
  • Weber, G. (1971). Inner-city children can be taught to read: four successful schools. Washington, DC: Council for Basic Education
Fuente de los datos: Dialnet