Analysis of the geographical influence on the assessment Ser Estudiante using multivariate statistics
DOI:
https://doi.org/10.55204/pcc.v3i1.e27Keywords:
geographical influence, student evaluation, school performance, quantitative analysisAbstract
There are multiple elements that affect school performance, being the geographical area one of the most influential factors. The objective of this study is to analyze the influence of the geographic area of the educational institution on the Ser Estudiante evaluation of third year of high school 2021-2022 by means of statistical descriptions, normality test through the Kolmogorov-Smirnov test, homoscedasticity test with the Fligner-Killeen test, test of equal medians using the Wilcoxon-Mann-Whitney test, and modeling with the Naive Bayes method. A quantitative, non-experimental, cross-sectional and correlational approach was used. The sample was composed of 4466 students, 2610 from urban areas and 1856 from rural areas, who took the Ser Estudiante assessment for the third year of high school 2021-2022. The results reveal that students from urban areas perform better than students from rural areas in most of the fields evaluated. It is concluded that the geographic area of the educational establishments influences the majority of students from urban area to obtain better results than students from rural areas in the Ser Estudiante assessment for the third year of high school 2021-2022
Downloads
References
Adolfo, S. B. (2020). Regresión logística y Näive Bayes. Detección de churn bancario. https://rpubs.com/AdSan-R/Rlog_NB_ChurnBank#:~:text=AUC (Area Under The Curve,0.5%2C no tiene capacidad discriminativa.
Aliu, A., Rexhepi, S., & Iseni, E. (2021). Analysis and comparison of commitment, homework, extra hours, preliminary grades and testing of students in Mathematics using linear regression model. Mathematics Teaching-Research Journal, 13(3), 21–52.
Arias, M. M., & Molina, M. (2017). Lectura crítica en pequeñas dosis ¿Qué significa realmente el valor de p? Rev Pediatr Aten Primaria, 19, 377–381.
Bases de datos Ser Estudiante – Banco de Información. (n.d.). Retrieved April 6, 2023, from http://evaluaciones.evaluacion.gob.ec/BI/bases-de-datos-ser-estudiante/
Borja, M., Martínez, J., Barreno, S., & Haro, O. (2021). Factores asociados al rendimiento académico: Un estudio de caso factors associated with academic performance: a case study. Revista Educare, 25(3), 54–68. https://revistas.investigacion-upelipb.com/index.php/educare/article/view/1509/1516
Campos, B. (2018). Noparametrica-apuntes1819. Bioestadística Básica, 1, 1–12. http://diposit.ub.edu/dspace/bitstream/2445/127108/1/Noparametrica-apuntes1819.pdf
Castro Aristizabal, G., Castillo Caicedo, M., & Mendoza Parra, J. C. (2018). Factores asociados a la adquisición de competencias en América Latina. Revista de Ciencias Sociales, 23(4), 33–52. https://doi.org/10.31876/rcs.v23i4.25136
Constitutivos, E., & Estado, D. E. L. (2021). Página 1 de 228. 1–228.
De La Parra-González, I., Luna-Rosas, F. J., Rodríguez-Martínez, L. C., & Frausto-Reyes, C. (2020). Evaluación de la regresión logística como clasificador de espectros Raman en el diagnóstico automático de cáncer de mama. Revista de Ingeniería Biomédica y Biotecnología, 4(12), 1–12. https://doi.org/10.35429/jbeb.2020.12.4.1.12
Estadistica-con-R/12_T-test.pdf en master · JoaquinAmatRodrigo/Estadistica-con-R · GitHub. (n.d.). Retrieved March 31, 2023, from https://github.com/JoaquinAmatRodrigo/Estadistica-con-R/blob/master/PDF_format/12_T-test.pdf
Flores, C., & Flores, K. (2021). Tests To Verify the Normality of Data in Production Processes : Anderson- Darling , Ryan-Joiner , Shapiro-Wilk and. Societas Revistas, 23(2), 83–97. http://portal.amelica.org/ameli/jatsRepo/341/3412237018/index.html
Frank, E., Trigg, L., Holmes, G., & Witten, I. H. (2000a). Naive Bayes for Regression. Machine Learning, 41(1), 5–25. http://www.cs.waikato.ac.nz/~eibe/pubs/nbr.pdf
Frank, E., Trigg, L., Holmes, G., & Witten, I. H. (2000b). Technical note: Naive Bayes for regression. Machine Learning, 41(1), 5–25. https://doi.org/10.1023/A:1007670802811
Garofalo García, R., & Villao Villacrés, F. (2018). Crisis De La Escuela Rural, Una Realidad Silenciada Y Su Lucha Para Seguir Adelante [Rural School Crisis, A Silenced Reality, And Its Struggle To Move On]. Conrado, 14(62), 152–157. http://scielo.sld.cu/pdf/rc/v14n62/rc266218.pdf
Hernández, R., & Mendoza, C. (2018). Metodologia de la investigación: las rutas cuantativa, cualitativa y mixta. In Metodología de la investigación. Las rutas cuantitativa, cualitativa y mixta. http://www.biblioteca.cij.gob.mx/Archivos/Materiales_de_consulta/Drogas_de_Abuso/Articulos/SampieriLasRutas.pdf
Iglesias Rodríguez, A., Martín González, Y., & Hernández Martín, A. (2023). Evaluación de la competencia digital del alumnado de Educación Primaria. Revista de Investigación Educativa, 41(1), 33–50. https://doi.org/10.6018/rie.520091
INEVAL. (2019a). Informe de resultados Ser Bachiller lectivo 2018-2019. https://cloud.evaluacion.gob.ec/dagireportes/sbciclo19/distrito/03D02.pdf
INEVAL. (2019b). La educación en Ecuador: Logros alcanzados y nuevos desafíos Resultados educativos 2017-2018. Ministerio de Educación, 212. https://www.evaluacion.gob.ec
INEVAL. (2022a). Dirección de Análisis, Aplicación y Cobertura Territorial SEST 2022. http://evaluaciones.evaluacion.gob.ec/archivosPD/SEST/SEST22_diseno_muestral_20220716.pdf
INEVAL. (2022b). Ser Estudiante 2022. 1–23. http://evaluaciones.evaluacion.gob.ec/BI/folleto-ser-estudiante-2022/
INEVAL. (2023). Informe Nacional de Resultados Ser Estudiante del nivel de Bachillerato. Año lectivo 2021-2022. 86. www.evaluacion.gob.ec
Lorenzo, S., Lorenzo, S., Lorenzo, S., & Lorenzo, S. (2022). Evaluación de exactitud de Naive Bayes y Regresión Logística para clasificación con atributos y clases binarios. 13(1), 73–84.
Lugo-Armenta, J. G., & Pino-Fan, L. R. (2021). Inferential Reasoning Levels for t-Student Statistical. Bolema - Mathematics Education Bulletin, 35(71), 1776–1802. https://doi.org/10.1590/1980-4415V35N71A25
Luis, J., & Gonzáles, A. (2020). Formulación de los objetivos específicos desde el alcance correlacional en trabajos de investigación. Ciencia Latina Revista Científica Multidisciplinar, 2215(2), 237–247. https://doi.org/10.37811/cl_rcm.v4i2.73
Martínez-Ezquerro, J. D., Riojas-Garza, A., & Rendón-Macías, M. E. (2017). Clinical significance vs statistical significance. How to interpret the confidence interval at 95 % [Significancia clínica sobre significancia estadística. Cómo interpretar los intervalos de confianza a 95 %]. Revista Alergia Mexico, 64(4), 477–486. https://www.scopus.com/inward/record.uri?eid=2-s2.0-85054126316&doi=10.29262%2Fram.v64i4.334&partnerID=40&md5=22afeaf39a1b2774be1ec57985ab9496
Mata, M. (2016). Kolmogorov-Smirnov en R (Lilliefors) para testear la normalidad. Viva El Software Libre. https://vivaelsoftwarelibre.com/test-de-kolmogorov-smirnov-en-r/
Medina, M. A. G., & Villarreal, D. C. T. (2018). Logro educativo y factores asociados en estudiantes de sexto grado de educación primaria en el estado de Nuevo León, México. Perfiles Educativos, 40(159), 107–125. https://doi.org/10.22201/iisue.24486167e.2018.159.58143
Meza-Cascante, L. G., Suárez-Valdés-Ayala, Z., Agüero-Calvo, E., Jiménez-Céspedes, R., Calderón-Ferrey, M., Sancho-Martínez, L., Pérez-Tyteca, P., & Monje-Parrilla, J. (2021). La matemática como dominio masculino: Un estudio de la percepción en la educación media costarricense. Revista Electrónica Educare, 25(3), 1–15. https://doi.org/10.15359/ree.25-3.35
Mosquera, R., Castrillón, O. D., & Parra, L. (2018). Máquinas de Soporte Vectorial, Clasificador Naïve Bayes y Algoritmos Genéticos para la Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianos. Información Tecnológica, 29(6), 153–162. https://doi.org/10.4067/s0718-07642018000600153
Oddi, F. J., Miguez, F. E., Benedetti, G. G., & Garibaldi, L. A. (2020). Cuando la variabilidad varía: Heterocedasticidad y funciones de varianza. Ecología Austral, 30(3), 438–453. https://doi.org/10.25260/ea.20.30.3.0.1131
Paola, A., Palomo, T., Roberto, E., & Núñez, V. (2020). Análisis de resultados del examen ser bachiller en el dominio matemático. Revista Cognosis. ISSN 2588-0578, 5(2), 13–32. https://doi.org/10.33936/COGNOSIS.V5I2.2282
Pérez-Obregón, J. M., & Romero-Díaz, T. (2018). Análisis del rendimiento académico mediante regresión logística y múltiple. Revista Electrónica de Conocimientos, Saberes y Prácticas, 1(2), 33–42. https://doi.org/10.30698/recsp.v1i2.10
Pozo-Burgos, E. J., Burbano-Pulles, M. R., Vidal-Chica, J. I., & Revelo-Salgado, G. E. (2022). Sociocultural and Demographic Factors That Influence Academic Performance: the Pre-University Case of the Universidad Politécnica Estatal Del Carchi. Journal of Technology and Science Education, 12(1), 147–156. https://doi.org/10.3926/JOTSE.1359
Quispe Andía, A., Calla Vasquez, K. M., Yangali Vicente, J. S., Rodríguez López, J. L., & Pumacayo Palomino, I. I. (2019). Estadística no paramétrica aplicada a la investigación científica. In Resultado de Investigación.
Rendón-Macías, M. E., Zarco-Villavicencio, I. S., & Villasís-Keever, M. Á. (2021). Statistical methods for effect size analysis. Revista Alergia Mexico, 68(2), 128–136. https://doi.org/10.29262/ram.v658i2.949
Rodríguez Rodríguez, D., Remedios, |, & Rosquete, G. (2019). Rendimiento académico y factores sociofamiliares de riesgo Variables personales que moderan su influencia. Perfiles Educativos |, XLI. https://doi.org/10.22201/iisue.24486167e.2019.164.58925
RPubs - EBA 14 Homogeneidad de varianzas u homocedasticidad. (n.d.). Retrieved March 31, 2023, from https://rpubs.com/Rortizdu/333014
Santillán Hernández, A. S., & Vargas Sánchez, J. R. (2020). Diferencia regional de factores que afectan el desempeño escolar para la misma modalidad educativa. Paradigma Económico, 12(1), 5. https://doi.org/10.36677/paradigmaeconomico.v12i1.14788
Shah, H. B. (2020). Comparing Machine Learning Algortihms for Credit Card Fraud Detection. 2020. http://broncoscholar.library.cpp.edu/handle/10211.3/216678
UNESCO. (2021). Los Aprendizajes fundamentales en América Latina y el Caribe. Evaluación de logros de los estudiantes. Estudio Regional Comparativo y Explicativo (ERCE 2019). Erce, 77. https://unesdoc.unesco.org/ark:/48223/pf0000380257
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Mario Orlando Suárez-Ibujés, Nadia Nathaly Sánchez-Pozo
This work is licensed under a Creative Commons Attribution 4.0 International License.
The authors retain the moral and patrimonial rights of their works. Since Prometeo Journal is an open access publication, readers can fully or partially reproduce its content as long as they properly credit the corresponding authors and the journal itself.
Our journal is governed by the international policies SHERPA/RoMEO: Green journal: They allow the self-archiving of both the pre-print (draft of a paper) and the post-print (the version corrected and reviewed by peers) and even the final version ( layout as it will be published in the journal).
See also "Copyright and licences".
