Optimizacion del puntaje de selección de la prueba de aptitud academica. Universidad Andres Bello, Chile

Introducción

La misión fundamental de toda institución de educación, cualquiera sea su nivel, es tender a la formación integral y perfeccionamiento de suyo propio de los estudiantes en cuanto al logro de los objetivos propuestos y aprendizajes esperados.

En Chile, el sistema de admisión a la universidad, se inicia en 1967 con la aplicación de una batería de selección, compuesta por una Prueba de Aptitud Académica, comprende una parte verbal y otra matemática, y Pruebas de Conocimientos Específicos. Así, todo alumno egresado formalmente de la Enseñanza Media puede rendir dicha prueba y conforme a su puntaje ponderado porcentualmente por los factores de selección (Notas de Enseñanza Media, parte Verbal de la Prueba de Aptitud Académica, parte matemática de la Prueba de Aptitud Académica, Prueba de Historia y Geografía, y Pruebas de Conocimientos Específicos) pueda postular y/o ingresar a la universidad. Tal Prueba de Aptitud, que mide las habilidades o aptitudes básicas del orden verbal y matemático, pues son consideradas relevantes para el futuro éxito universitario, posee las adecuadas características técnicas de confiabilidad, homogeneidad y validez predictiva, conforme a Díaz et al. (1987);Himmel y Maltes (1978,1979).

Sin embargo, desde hace un tiempo, llama la atención el bajo rendimiento logrado habitualmente en la Prueba de Aptitud Académica por los postulantes a la universidad. En efecto, determinados cálculos, según Rojas (1993: p.10), indican que el puntaje corregido (promedio de respuestas correctas menos un cuarto de las respuestas erradas) alcanza un nivel de logro en la Prueba de Aptitud Académica de apenas un tercio (33%) y por añadidura, en las Pruebas de Conocimientos Específicos de un décimo (10%) respecto a las conductas esperadas.

Ahora bien, en razón de lo anterior cabe plantearse en un escenario cualquiera y con las condiciones dadas si acaso: ¿Existe un sistema de admisión propio? o ¿Cuándo un sistema de admisión en el orden de la educación superior universitaria es, o funciona de un modo, óptimo?. Naturalmente, existen diversas respuestas, pues el sentido y enfoque depende de una serie de variables tales como la misión y objetivos del sistema;la valorización otorgada a la educación superior universitaria en el contexto nacional;conceptualización del rendimiento académico y de la predicción del mismo, por solo mencionar algunas dimensiones.

En las universidades, en tanto estas establecen autónomamente su misión y fines propios, se nos facilita juzgar cuando un sistema de selección es eficiente, es decir, cuando selecciona eficazmente a los candidatos conforme a los objetivos y condiciones. Un sistema de admisión para ser adecuado debería responder a una política de admisión clara, estructurada y ésta a su vez de un plan de educación superior explicito y viable, fundado en la excelencia académica y equidad de la educación como ejes de una transformación productiva. Se podría partir de un significado simple del concepto de eficiencia, según Díaz et al. (op. cit. p.21) aquel "en que los alumnos seleccionados responden a las exigencias académicas de las universidades en los primeros niveles". En consecuencia, si el rendimiento académico de los alumnos de primer año es notoriamente deficiente, se podría concluir que el sistema de admisión e incluso las curricula de las carreras conllevan debilidades en su diseño.

Prosigue esta línea, Donoso y Hawes (1983:p.12) cuando sostienen que "el juicio sobre la eficiencia de un sistema de selección debe realizarse sobre la base de la capacidad predictiva del rendimiento futuro de los candidatos admitidos en el sistema". Cabe enfatizar que estamos hablando de predicción del rendimiento académico a corto plazo en términos de probabilidades, no de certeza. En este sentido, un determinado puntaje en la Prueba de Aptitud Académica señala una mayor o menor probabilidad de éxito académico del alumno en su futuro aprendizaje universitario. Luego, la Prueba de Aptitud Académica en cierta manera mide la calidad probable de las respuestas de un sujeto a las exigencias académicas de los primeros niveles. De esta forma, ingresan los mejores alumnos en términos de poseer adecuadas habilidades, destrezas, conocimientos y aptitudes para iniciar sus estudios profesionales. Sin embargo, inevitablemente, emergen fenómenos asociados a todo proceso educativo: la deserción, los cambios de carrera, las eliminaciones académicas. Considerando los antecedentes previos, es posible establecer que las instituciones de educación superior tienen motivos reales de preocupación por analizar y evaluar el rendimiento académico en todas sus variables, relaciones y componentes. En efecto, el rendimiento académico es un componente relevante del proceso formativo de toda organización de estudios superiores universitarios.

Tal proceso debe considerar las relaciones enseñanza-aprendizaje en su contexto y currículo formal, informal y oculto. Indefectiblemente, se torna en una variable efecto asociada multifactorialmente a la misión, metas y objetivos de la institución;a la planificación estratégica y la administración financiera y docente;a la calidad de la docencia;al desarrollo de la investigación y la extensión;al proyecto y/o modelo de educación superior, y finalmente, entre otros aspectos, a la participación estudiantil en la comunidad universitaria.

Ahora bien, el propósito central de este trabajo es plantear una forma de mejoramiento de la selección de alumnos mediante el estudio de las variables de ingreso que influyen en el rendimiento académico a corto plazo, esto es, de primer año primer semestre. Es así que se ha emprendido una breve investigación acerca de una optimización del actual puntaje de ingreso respecto de las ponderaciones de los factores de selección, esto es: Notas de Enseñanza Media, Prueba de Aptitud Académica parte Verbal y parte Matemática.

1. Planteamiento del problema

1.1. Descripción de la situación actual Conforme a Álvarez (1996:p.6), en el orden de la Educación Superior universitaria, el análisis de la predicción del rendimiento académico constituye un tema de investigación estadística que intenta estudiar científicamente un sistema de selección y admisión. Es así como, Himmel y Maltes (1978b: p.2) señalan que "interesa el esclarecimiento del proceso mismo y la obtención de relaciones funcionales cuya capacidad predictiva sea óptima". Añaden, Himmel y Maltes (op. cit. pp. 2-3) que el objetivo de estas investigaciones es "examinar hasta que punto los sistemas de admisión actuales son capaces de detectar a aquellos estudiantes que tengan las mejores posibilidades de éxito en la universidad".

Esta investigación se basa enteramente, en el aporte a la temática señalada respecto de esta casa de estudios, en la tesis denominada "Análisis de Predictores e Indicadores del Rendimiento Académico en una muestra de carreras de la Universidad Nacional Andrés Bello". Se fundamentó en un diseño no experimental de tipo ex post facto correlacional-causal. Presentaba un objetivo general, tres específicos y las siguientes variables en su planteamiento: las Notas de Enseñanza Media, el promedio de la Prueba de Aptitud Académica, la Prueba de Aptitud Académica en su parte verbal, la Prueba de Aptitud Académica en su parte matemática y el Rendimiento Académico universitario. El objetivo general de la referida tesis consistía en estudiar el comportamiento de las variables participantes en el proceso de ingreso y selección que influyen en el rendimiento académico en una muestra de carreras con alumnos Egresados (N:275) y Novatos (N:592) promoción primer año primer semestre para futuras consideraciones en la nueva admisión de alumnos de ésta universidad. Por otro lado, en primer lugar, los objetivos específicos consistían en determinar las características descriptivas de las variables de selección en una muestra de carreras con alumnos Egresados y Novatos promoción 1995 (primer año primer semestre), a través de un Análisis estadístico de la media aritmética y la desviación estándar. En segundo lugar, determinar el aporte predictivo de las variables de selección, de alguna en particular o del conjunto de las mismas, que influyan efectivamente sobre el Rendimiento Académico en una muestra de carreras con alumnos Egresados y Novatos promoción 1995 (primer año primer semestre) a través de un análisis de Regresión Múltiple. En tercer lugar, determinar el número y la contribución de los factores que justifican la intercorrelación significativa entre las variables de selección en una muestra de carreras con alumnos Egresados y Novatos promoción 1995 (primer año primer semestre) a través de un Análisis Factorial. En la sección de las Conclusiones y Recomendaciones se propone a la luz de los resultados obtenidos en la citada tesis las ponderaciones óptimas de los predictores por carrera de los alumnos Novatos 1995 de primer año primer semestre.

Ahora bien, a la luz del presente sistema de admisión y selección de la de esta casa de estudio, esta investigación pretende como un desarrollo complementario a la tesis indicada, una optimización de la actual ponderación del puntaje de Selección vigente a la vez que determinar el mejoramiento del Rendimiento Académico de la promoción 1995 de primer año primer semestre de la Universidad Nacional Andrés Bello (en adelante UNAB).

1.2. Formulación del problema EL problema se puede plantear en dos formas de la siguiente manera:

1.2.1. ¿Se puede determinar las ponderaciones óptimas de las variables participantes en el proceso de ingreso de la promoción 1995 para una mejor selección en la futura admisión de alumnos en una muestra de carreras de la Universidad Nacional Andrés Bello? 1.2.2. ¿Es posible encontrar un mejoramiento del Rendimiento Académico de la promoción 1995 entre las correlaciones del Rendimiento Académico y el puntaje de selección y, a su vez, con el puntaje optimizado en una muestra de carreras de la Universidad Nacional Andrés Bello ? 1.3. Relevancia del problema La relevancia consiste en que por primera vez se realiza un estudio dirigido a la optimización del puntaje de ingreso de la promoción 1995 como asimismo se intenta determinar la validez predictiva del mejoramiento del rendimiento académico de primer año primer semestre en una muestra de carreras de la Universidad Nacional Andrés Bello. 1.4. Factibilidad de realización EL sistema computacional de administración docente y la unidad de archivos de la Universidad Nacional Andrés Bello provee en disquettes toda la información y datos académicos de los alumnos.

1.5. Objetivos 1.5.1. Objetivo General:

Estudiar el comportamiento de las variables participantes en el proceso de ingreso y selección que influyen en el Rendimiento Académico de la promoción 1995 de primer año primer semestre en una muestra de carreras para futuras consideraciones en la nueva admisión de alumnos de la Universidad Nacional Andrés Bello.

1.5.2. Objetivos Específicos.

1.5.2.1. Objetivo Específico N(1:

Optimizar la ponderación del puntaje de selección requerido a los alumnos admitidos en 1995, de manera que proporcione información específica para modificar el proceso de ingreso en la futura admisión de postulantes a través del Análisis de Regresión Múltiple.

1.5.2.2. Objetivo Específico N(2:

Determinar el mejoramiento del Rendimiento Académico de la promoción 1995 de primer año primer semestre mediante la comparación de las correlaciones entre tal rendimiento y el puntaje de Selección y a su vez con el Puntaje optimizado para verificar la validez predictiva de la optimización del puntaje de ingreso a través de un Análisis de Correlación Pearson.

2. Metodología

2.1. Diseño La investigación se fundamenta conceptualmente en un diseño no experimental de tipo ex post facto correlacional-causal. Esto es, según Hernández et al. (1991: p.204), no experimental, pues se realiza sin manipular deliberadamente las variables independientes; ex post facto, pues los hechos y variables ya ocurrieron; correlacional-causal, pues se trata de describir relaciones entre dos o más variables en un momento determinado, sean éstas puramente correlacionales o relaciones causales.

El presente estudio, por un lado, contempla la utilización de la información generada por la aplicación del Análisis de Regresión Múltiple como técnica estadística de un Diseño Multivariado en la tesis indicada y por otro lado del Análisis de Correlación Pearson como una prueba estadística paramétrica entre dos variables medidas en un nivel por intervalo o de razón.

2.2. Variables 2.2.1. Variables Independientes:

Se refiere a los antecedentes pre-universitarios o variables cognitivas:

X = 1 El promedio final de notas de la Enseñanza Media de 1( a 4( año (NEM).

X = 2 El puntaje Verbal de la Prueba de Aptitud Académica (PAV).

X = 3 El puntaje Matemática de la Prueba de Aptitud Académica (PAM).

X = 4 El promedio de la Prueba de Aptitud Académica (PAA) 2.2.2. Variable Dependiente o Indicador

El Rendimiento Académico.

Se refiere al promedio ponderado final de notas logrado en la universidad al término del primer año primer semestre en la muestra de carreras promoción 1995.

Y = 1 El promedio ponderado de notas (RA).

• Variables para el Análisis de correlación de Pearson

W = 1 Puntaje de Selección de la Prueba de Aptitud Académica (PUNTAJE UNAB) O = 2 Puntaje Optimizado de la Prueba de Aptitud Académica (PUNTAJE OPTIMIZADO) 2.3. Población La población la constituyen los alumnos de todas las carreras que en 1995 ingresaron a primer año primer semestre vía Prueba de Aptitud Académica a la Universidad Nacional Andrés Bello en la Región Metropolitana.

2.4. Muestra La muestra intencional, según Hernández et al. (op. cit. pp.231-235) indica "la selección de elementos dependen del criterio del investigador", corresponde a los alumnos Novatos (N:440) constituida por las carreras que tengan alumnos en primer año al término del primer semestre de 1995. La muestra de carreras son tres de las cinco contenidas en la tabla: Derecho, Ingeniería Comercial, Bachillerato en Humanidades. Ver Tabla N(1.

Ahora bien, según las condiciones operacionales del análisis de regresión múltiple y no teniendo restricciones el análisis de correlación Pearson, la muestra de carreras seleccionadas con alumnos novatos (n:440) depende de dos condiciones: por un lado, por las carreras que al término del primer semestre de 1995 tengan alumnos y, por otro lado, según Himmel y Maltes (1981:p.38) por las carreras que presenten un mínimo de 10 alumnos por variable.

A continuación, se expone la Tabla N(1 que señala las carreras y el número de alumnos novatos promoción 1995 primer año primer semestre.

Tabla N(1. NUMERO DE ALUMNOS NOVATOS PROMOCION 1995.

PRIMER AÑO PRIMER SEMESTRE.

N : Número total de alumnos.

2.5. Fuentes de información y Recolección de Datos. La fuente de información la constituye el sistema computacional de administración docente y la unidad de Archivos de Universidad Nacional Andrés Bello, del cual se recolectan los datos e información académica y personal directamente en disquettes de los archivos. El período de búsqueda de datos comprende desde 1995 inicios del primer semestre hasta el término final del primer semestre del año 1995.

3.- Análisis y procesamiento de datos

El procesamiento y análisis de los datos e información se lleva a cabo mediante el software estadístico denominado SYSTAT, versión 5.0, 1990-1994, trabaja bajo plataforma Windows versión 3.1, para analizar los datos con las técnicas del Análisis de Regresión Múltiple, modalidad Step-wise, y el Análisis de Correlación Pearson. En este apartado, se enuncia que se realiza un análisis descriptivo, esto es, se determinan las características descriptivas de las variables de selección en la muestra de carreras seleccionadas a través de la media aritmética y la desviación estándar. También, se realiza un Análisis de Regresión Múltiple, que a continuación se detalla, y un Análisis Factorial, del cual aquí sólo se ocupa un resumen de la contribución de factores comunes significativos a la explicación de la varianza del rendimiento académico primer año primer semestre en alumnos novatos 1995.

El análisis de los resultados se realiza conforme al desarrollo de los dos procedimientos estadísticos que se relacionan con los objetivos específicos planteados del modo siguiente:

3.1. Análisis de Regresión Múltiple Esta forma de procesamiento se inscribe en el marco de las estadística inferencial, medidas habitualmente desarrolladas en este tipo de investigaciones. Un método estadístico acostumbrado de predicción del Rendimiento Académico es el Análisis Multivariado denominado Ecuación de Regresión Múltiple utilizado para predecir el valor de una variable dependiente conociendo el valor y la influencia de las variables independientes.

Ahora bien, de las medidas que contempla la Regresión Múltiple interesa analizar e interpretar fundamentalmente el coeficiente de Correlación Múltiple (r), el Coeficiente de Determinación Múltiple (r²), proporción de la varianza explicada, la contribución de las correlaciones parciales de cada predictor, las variables independientes seleccionadas en cada paso de la regresión y en el paso final de la misma.

En la presente situación, nos interesa a su vez todas las medidas generadas por el Análisis de Regresión Múltiple, y el reporte del Análisis de Varianza, en particular la regresión de la suma de los cuadrados. Existen diversas metodologías de cálculo en la obtención de la optimización de valores cuantitativos de selección, expresado y medido por las puntuaciones de la Prueba de Aptitud Académica. Cada una posee sus bondades y limitaciones. Debemos enfatizar, como señala Cruz (1979:p.42), que "suponiendo que se tiene un conjunto óptimo de predictores que no están altamente correlacionados entre si (es decir, que son multicolineales) la correlación múltiple que se alcanza en el análisis del rendimiento académico universitario no sobrepasa el 50% y 60%. A lo más, un 30% a 40% de la varianza se explica por el conjunto "óptimo" de predictores. En otras palabras, según los resultados de investigaciones nacionales de Duchens et al. (1979:pp.4-6) que generan habitualmente valores relativamente alto y/bajos, es difícil sostener en términos matemáticos, ponderaciones estadísticas de forma absoluta. Se requiere, luego, los juicios cualitativos de expertos para la compensación definitiva. Cabe agregar que tales metodologías asumen como base de cálculo los datos e información de del Análisis de Regresión Múltiple.

3.2. Metodologías de cálculo y posibles problemas Una primera metodología, Duchens et al. (op. cit. pp. 20-23) utilizan el valor del Coeficiente de Determinación (r²) como base o 100%. Esto es, se toma la contribución de los coeficientes de correlación parcial y se calcula, en una regla de tres, la proporción de cada predictor en relación a dicho r², por ejemplo, en Bachillerato, se plantea que 100 es a 21, 7 como 9,76 es a X lo que genera un valor de 44,97% para las notas de enseñanza media y 100 es a 21,7 como 6 es a X lo que genera un valor de 27,64 % para la prueba de aptitud académica. Este método se aplicó en la tesis indicada (ver Anexo N(1). Las ponderaciones resultantes son en general adecuadas o de otra forma, la sumatoria de los pesos específicos de las variables independientes no excede el 100%, aunque se requiere ajustar cualitativamente por juicios de expertos las ponderaciones finales.

Una segunda metodología utilizada por González (1975:p.15) consiste, en que "es posible asignar a cada una de las variables independientes consideradas su peso relativo. Lo que resulta del producto del coeficiente estandarizado (beta) por el coeficiente de correlación simple (o parcial), lo cual permite visualizar la importancia de cada variable en relación al cambio explicado por todas en conjunto". Esto es, una vez calculado el valor de dicho producto se dispone, en una regla de tres, tal valor en relación al r² y se ajusta, en este caso, a la multiplicación por 10 elevado a – 4. Una tercera metodología, desarrollada en este estudio, indica que también se puede utilizar la regresión de la suma de los cuadrados como base porcentual (100%) tomado del análisis de la varianza. Aquí, se toma la contribución de los coeficientes de correlación parcial y se divide por el valor de la regresión de la suma de los cuadrados generando un dato que se debe transformar a porcentaje. Cabe señalar que en cualquiera de las metodologías señaladas, nunca se genera matemáticamente el 100% por el componente error aleatorio incluido en toda ecuación de predicción. Además, si resultan eventualmente variables con signo negativo o con pesos muy bajos se deben excluir e incorporar las variables restantes o factores de selección, mediante la combinación de juicios cualitativos y cálculos matemáticos.

3.3. Análisis de Correlación Pearson Conforme a Hernández et al. (ibidem: p. 383) el coeficiente de Correlación de Pearson es "una prueba estadística para analizar la relación entre dos variables medidas en un nivel por intervalos o de razón". Se simboliza por la letra erre: r. La hipótesis a probar es correlacional, por ejemplo: "a mayor X, mayor Y". Esta prueba en sí misma no considera a una variable (por ejemplo, X) como dependiente, pues no es una prueba que evalúe o plantee la causalidad. Así, se relacionan los puntajes pertenecientes a una variable con los puntajes de otra variable, en los mismos casos, o sujetos.

De las medidas que contempla el Análisis de Correlación Pearson interesa analizar e interpretar fundamentalmente el valor del coeficiente señalado. Tal coeficiente posee una magnitud y un signo, siendo la primera un indicador del grado en el cual se asocian dos variables, y el segundo, indica la dirección de la asociación, si es positivo, significa que las variables están asociadas en ese sentido (a medida que aumenta X, aumenta Y).

La mayoría de los coeficientes de correlación varían en un rango de -1 (asociación perfecta negativa) a +1 (asociación perfecta positiva). Así, Hernández et al. (ibidem: p. 384) indica que 0.10 es una correlación positiva débil, 0.50 es una correlación positiva media; 0.75 es una correlación positiva considerable;0.90 es correlación positiva muy fuerte. Lo mismo sucede con las correlaciones negativas. Cuando el coeficiente es cercano a cero (0) se dice que hay escasa evidencia para una asociación lineal entre X e Y, lo cual no significa que las variables no estén asociadas, pues puede existir otro tipo de asociación entre ellas. Por ejemplo, funciones exponenciales, logarítmicas, que no son del caso especificar. Cabe destacar que la interpretación del coeficiente de correlación puede presentar algunos riesgos en el sentido que se debe recordar que una correlación fuerte (un valor cercano a -1 o +1) no implica necesariamente una relación causa-efecto. Si el coeficiente r de Pearson se eleva al cuadrado (r²) se obtiene la varianza de factores comunes, o sea, el porcentaje de variación de una variable generada a la varianza de la otra variable y viceversa. Así, por ejemplo, un r de 0.8 indica un 64% de explicación de la variación de una variable por la otra; como se utiliza la base (100) porcentual, el 64 % explica un gran porcentaje quedando sólo un 36% sin explicación. La significancia estadística del coeficiente Pearson se expresan al nivel del 5% o 1% donde respectivamente p < 0.05 y p < 0.01. Esto es, si el coeficiente es significativo al nivel del 0.05, quiere decir que hay un 95% de confianza en que la correlación sea verdadera y hay un 5% de probabilidad de error.

Ahora bien, en este estudio se correlaciona el Rendimiento Académico de la promoción de 1995 de primer año primer semestre con el puntaje de selección Optimizado ingresado y también la correlación entre el rendimiento y el Puntaje optimizado en una muestra de carreras de esta casa de estudios. En el apartado siguiente se explica en detalle.

3.4. Metodología de Cálculo específico La metodología aplicada para determinar el mejoramiento del rendimiento académico mediante la comparación de las correlaciones entre el rendimiento académico y el puntaje de selección (PUNTAJE UNAB) y el puntaje optimizado (PUNTAJE OPTIMIZADO) se determina por el coeficiente de correlación (r) como base (100) porcentual, según Duchens et al. (1979: p.33). Esto es, se considera el Coeficiente de Correlación entre el rendimiento académico y el puntaje UNAB, por ejemplo en la Tabla N°9 de Bachillerato en Humanidades que es 0.20 (se multiplica por 100 y se entera), o sea, 20 se considera en tanto 100 es a 20 como X es a 34, que es comparación de los coeficientes de correlación lo que en definitiva origina una cifra de 170, (menos 100), o sea, 70% de crecimiento, y lo mismo para 0.34 que es el coeficiente de correlación entre el rendimiento académico y el puntaje optimizado. También se acompaña, el coeficiente de determinación (r²), o porcentaje de varianza explicada, para apreciar de otra manera el posible crecimiento, que indica el porcentaje explicado de una variable dependiente por la otra variable independiente, esto es, en el primer caso entre rendimiento académico y puntaje UNAB de un 4% crece a un 11.56% entre rendimiento académico y puntaje optimizado, originando en definitiva un crecimiento total de 189%.

4.- Resultados

En el presente apartado se presentan los resultados por los objetivos específicos planteados en su correspondiente acápite.

5.1 Objetivo Específico N(1:

Optimizar la ponderación del puntaje de selección requerido a los alumnos admitidos en 1995, de manera que proporcione información específica para modificar el proceso de ingreso en la futura admisión de postulantes a través del Análisis de Regresión Múltiple. A continuación, del apartado en cuestión se exponen las Tablas N(2 y N(3 respectivamente de los promedios y desviación estándar; la tabla N°4 Resumen de la contribución de la correlación parcial;la tabla N°5 Resumen de contribución de de factores comunes;y finalmente, las tablas N°6, N°7 y N°8 Comparación Ponderaciones factores de selección respectivamente de Bachillerato en Humanidades, Derecho e Ingeniería Comercial.

TABLA N(2 PROMEDIOS DE PREDICTORES Y DEL RENDIMIENTO ACADEMICO PRIMER AÑO PRIMER SEMESTRE EN ALUMNOS NOVATOS 1995 (N: 440)

PAV : Promedio de puntaje verbal de la prueba de aptitud académica PAM : Promedio de puntaje matemática de la prueba de aptitud académica PAA : Promedio de la prueba de aptitud académica NEM : Promedio de notas de enseñanza media RA : Rendimiento académico final N : Número total de alumnos TABLA N(3 DESVIACION ESTANDAR DE PREDICTORES Y DEL RENDIMIENTO ACADEMICO PRIMER AÑO PRIMER SEMESTRE EN ALUMNOS NOVATOS 1995 (N: 440)

PAV : Promedio de puntaje verbal de la prueba de aptitud académica PAM : Promedio de puntaje matemática de la prueba de aptitud académica PAA : Promedio de la prueba de aptitud académica NEM : Promedio de notas de enseñanza media RA : Rendimiento académico final N : Número total de alumnos INTERPRETACION DE LOS PROMEDIOS Y DESVIACION ESTANDAR DE LOS PREDICTORES Y EL RENDIMIENTO ACADEMICO EN LA MUESTRA DE ALUMNOS NOVATOS 1995 En la muestra de carreras seleccionadas, esto es, Bachillerato en Humanidades, Derecho e Ingeniería Comercial, en las Tablas N(2 y N(3, se puede apreciar que los promedios y las desviaciones estándar de los predictores no presentan en general variaciones significativas, cuyos resultados son semejantes a los autores nacionales citados en Álvarez (1996, Anexo N°1). Cabe enfatizar que no se realiza un análisis de la significancia de la medias y desviaciones estándar, pues se aborda descriptivamente la interpretación.

En efecto, por un lado, en Ingeniería Comercial se puede observar los más altos promedios en casi todos los predictores y tiene una baja dispersión, o mayor homogeneidad, en los puntuaciones. Por otro lado, Bachillerato presenta los más bajos promedios en todos los predictores y aunque con una dispersión menor, y se ubica en el extremo inferior de la escala. A su vez, Derecho se ubica en general en segundo lugar en términos de promedios y desviaciones estándar respecto de las otras dos carreras. Finalmente, en el rendimiento académico en general no se observan variaciones significativas, porque exhiben tanto tendencias positivas como negativas entre las carreras.

TABLA N(4 RESUMEN CONTRIBUCION DE LA CORRELACION PARCIAL DE LOS PREDICTORES A LA EXPLICACION DE LA VARIANZA DEL RENDIMIENTO ACADEMICO PRIMER AÑO PRIMER SEMESTRE EN ALUMNOS NOVATOS 1995 (N: 440)

PAV : Promedio de puntaje verbal de la prueba de aptitud académica PAM : Promedio de puntaje matemática de la prueba de aptitud académica PAA : Promedio de la prueba de aptitud académica NEM : Promedio de notas de enseñanza media RA : Rendimiento académico final N : Número total de alumnos r : Coeficiente de Correlación Múltiple r² : Coeficiente de Determinación Múltiple ES : Error estándar INTERPRETACION DE LA CONTRIBUCION DE LA CORRELACION PARCIAL DE LOS PREDICTORES A LA EXPLICACION DE LA VARIANZA DEL RENDIMIENTO ACADEMICO PRIMER AÑO PRIMER SEMESTRE EN ALUMNO NOVATOS 1995 En la muestra de carreras seleccionadas, esto es, Bachillerato en Humanidades, Derecho e Ingeniería Comercial, en las Tabla N°4 señala que la contribución primera y mayor de las correlaciones parciales de los predictores corresponde a las notas de enseñanza media, presentándose relativamente similares las contribuciones particulares de cada una de las carreras, resultados similares a Álvarez (op.cit. p.45). En este grupo, solo en dos carreras, Ingeniería Comercial y Bachillerato en Humanidades, la segunda contribución de los predictores corresponde al promedio de la prueba de aptitud académica.

Llama la atención, que solo Derecho presenta el aporte significativo de la parte verbal de la prueba señalada y en Ingeniería Comercial, a su vez, se destaque el promedio de la prueba de aptitud, no encontrándose, como quizás se esperaría, la parte matemática de la citada prueba.

También, por otro lado, se observa que aun cuando la mayoría se las correlaciones son estadísticamente significativa, las puntuaciones de los predictores de las carreras citadas, poseen una capacidad predictiva muy baja, pues el porcentaje de varianza explicada se encuentra bastante alejado del 50%, cifra adecuada para estos propósitos según Cruz (op.cit. pp.65) citando a Himmel y Maltes (1978a). En efecto, de las tres carreras, Bachillerato muestra un poder predictivo relativamente mayor con un coeficiente de correlación de (r) 0.466 y un coeficiente de determinación (r²) de 21.7%. Ingeniería Comercial y Derecho presentan los menores valores de los coeficientes de correlación (r) y los coeficientes de determinación (r²) de ambas carreras, pues no sobrepasan el 10% de explicación de la varianza. TABLA N(5 RESUMEN CONTRIBUCION DE FACTORES COMUNES SIGNIFICATIVOS A LA EXPLICACION DE LA VARIANZA DEL RENDIMIENTO ACADEMICO PRIMER AÑO PRIMER SEMESTRE EN ALUMNOS NOVATOS 1995

INTERPRETACION CONTRIBUCION DE FACTORES COMUNES SIGNIFICATIVOS A LA EXPLICACION DE LA VARIANZA DEL RENDIMIENTO ACADEMICO PRIMER AÑO PRIMER SEMESTRE EN ALUMNOS NOVATOS 1995 En la muestra de las tres carreras seleccionadas de los alumnos Novatos, la Tabla N(5, señala que Bachillerato en Humanidades, Derecho e Ingeniería Comercial, presentan, en promedio general un 60% de la proporción de la varianza explicada del rendimiento académico, quedando un 40% sin explicación o de error aleatorio, aunque son relativamente adecuados tales valores, conforme a Álvarez (op. cit. p.82) Finalmente, mediante un análisis factorial realizado en la tesis señalada, podemos observar que las tres carreras presentan igual número de factores comunes significativos, esto es, dos elementos ya analizados en la Tabla N(4.

TABLA N( 6. COMPARACION DE PONDERACIONES DE FACTORES DE SELECCION ENTRE PONDERACION OPTIMIZADA Y PONDERACION UNAB EN BACHILLERATO EN HUMANIDADES PROMOCION 1995.

NEM : Promedio de Notas de Enseñanza Media.

PAV : Puntaje verbal de la Prueba de Aptitud Académica.

PAM Puntaje matemática de la Prueba de Aptitud Académica.

PONDERACION UNAB : Valores ponderación de factores de selección de la Universidad Nacional Andrés Bello.

PONDERACION OPTIMIZADA : Valores ponderación óptima original calculado según el Análisis de Regresión Múltiple.

TABLA N( 7. COMPARACION DE PONDERACIONES DE FACTORES DE SELECCION ENTRE PONDERACION OPTIMIZADA Y PONDERACION UNAB EN DERECHO PROMOCION 1995.

NEM : Promedio de Notas de Enseñanza Media.

PAV : Puntaje verbal de la Prueba de Aptitud Académica.

PAM Puntaje matemática de la Prueba de Aptitud Académica.

PONDERACION UNAB : Valores ponderación de factores de selección de la Universidad Nacional Andrés Bello.

PONDERACION OPTIMIZADA : Valores ponderación óptima original calculado según el Análisis de Regresión Múltiple.

TABLA N( 8. COMPARACION DE PONDERACIONES DE FACTORES DE SELECCION ENTRE PONDERACION OPTIMIZADA Y PONDERACION UNAB EN INGENIERIA COMERCIAL PROMOCION 1995.

NEM : Promedio de Notas de Enseñanza Media.

PAV : Puntaje verbal de la Prueba de Aptitud Académica.

PAM Puntaje matemática de la Prueba de Aptitud Académica.

PONDERACION UNAB : Valores ponderación de factores de selección de la Universidad Nacional Andrés Bello.