La relación entre el desarrollo de los municipios y la puntuación en Matemáticas: un caso aplicado para Colombia
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.4465Palabras clave:
pruebas Saber 11, regresiones multinivel cuantílicas, desempeño en matemáticasResumen
Este artículo analiza el efecto del municipio sobre el resultado académico del estudiante de la prueba Estatal Colombiana Saber 11. A partir de modelos lineales jerárquicos con regresión cuantílica nuestros resultados sugieren que el entorno de desarrollo tiene un efecto significativo sobre la punuación en matemáticas para los estudiantes en los cuartiles analizados. De esta forma, los hacedores de política pública deberán tener en cuenta las condiciones del lugar donde viven los estudiantes a la hora de formular políticas educativas encaminadas a mejorar la calidad educativa, ya que esto puede incidir sobre la desigualdad y las oportunidades para acceder a la educación superior.
Descargas
Citas
Aguilar, C.M., Osejo, I., Carmona, C., Supelano, D., Gaitán, J., & Taborda, J. C. (2015). Tipologías municipales de Colombia: herramienta para la consolidación de regiones desarrolladas. Boletín Regional, Urbano y Ambiental, 11, 39-69. http://repositorio.ipea.gov.br/bitstream/11058/6172/1/BRU_n11e_tipologias.pdf
Barón, J. D. (2012). Diferencias en las características de los estudiantes y la brecha de rendimiento académico entre Barranquilla y Bogotá: Una descomposición semiparamétrica. Ensayos sobre Política Económica, 30(68), 164-215.
Barrientos, J.H., & Ríos, P.A. (2007). Evaluación de la gestión privada del servicio público educativo en Medellín. Lecturas de Economía, (66), 147-172.
Bassett, G., Tam, M., & Knight, K. (2002). Quantile models and estimators for data analysis. Metrika, 55(1-2), 17-26.
Bonet-Morón, J.A. (2005). Inequidad espacial en la dotación educativa regional en Colombia. Ensayos Sobre Política Económica, 51(2), 98-128.
Bonilla, L. (2011). Diferencias regionales en la distribución del ingreso en Colombia. Sociedad y Economía, 108, 43-68.
Carmona, C., Supelano, D., & Osejo, I. (2015). Tipologías Departamentales y Municipales: Una propuesta para comprender las entidades territoriales colombianas. https://colaboracion.dnp.gov.co/CDT/Desarrollo%20Territorial/Tip-FormatoPublicacion%20%28tipolog%C3%ADas%29.pdf
Chiu, M.M., & Xihua, Z. (2008). Family and motivation effects on mathematics achievement: Analyses of students in 41 countries. Learning and Instruction, 18(4), 321-336. https://doi.org/10.1016/j.learninstruc.2007.06.003
Clogg, C.C., Petkova, E., & Haritou, A. (1995). Statistical methods for comparing regression coefficients between models. American Journal of Sociology, 100(5), 1261-1293.
Cooray, A.V. (2009). The role of education in economic growth. Proceedings of the 2009 Australian Conference of Economists, 1-27. Adelaide, Australia: South Australian Branch of the Economic Society of Australia.
Correa, J.J. (2004) Determinantes del rendimiento educativo de los estudiantes de secundaria en Colombia: un análisis multinivel. Revista Sociedad y Economía, 6, 81-115.
Delgado, M., Henderson, D., & Parmeter, C. (2014). Does education matter for economic growth? Oxford Bulletin of Economics and Statistics, 76(3), 334-359.
Demir, I., Kiliç, S., & Ünal,. H. (2010). Effects of students’ and schools’ characteristics on mathematics achievement: Findings from PISA 2006. Procedia - Social and Behavioral Science, 2(2), 3099-3103.
Department for Education and Skills (1999). Improving literacy and numeracy: a fresh start. The report of the working group chaired by Sir Claus Moser. Nottingham: DfES.
Duarte, J., Bos, M.S., & Moreno, J. M. (2012). Quality, Equality and Equity in Colombian Education. Analysis of the SABER 2009 Test, (IDB-TN-396). IDB Technical Note. https://publications.iadb.org/publications/english/document/Quality-Equality-and-Equity-in-Colombian-Education-(Analysis-of-the-SABER-2009-Test).pdf
Eide, E., & Showalter, M.H. (1998). The effect of school quality on student performance: A quantile regression approach. Economics letters, 58(3), 345-350. https://doi.org/10.1016/S0165-1765(97)00286-3
Foy, P. (2004). Intraclass correlation and variance components as population attributes and measures of sampling efficiency in PIRLS 2001. IEA Data Processing Centre, 1-13. https://www.iea.nl/sites/default/files/2019-03/IRC2004_Foy.pdf
Fryer, R.G., & Levitt, S.D. (2010). An empirical analysis of the gender gap in mathematics. American Economic Journal: Applied Economics, 2(2), 210-240.
Galvis, L.A., & Bonilla L. (2012). Desigualdades regionales en el nivel educativo de los profesores en Colombia. Revista de Economía Institucional, 14(26), 223-240.
Gaviria, A., & Barrientos, J. (2001). Características del plantel y calidad de la educación en Bogotá. Coyuntura Social, 25, 81-98.
Geraci, M., & Bottai, M. (2007). Quantile regression for longitudinal data using the asymmetric Laplace distribution. Biostatistics, 8(1), 140-154. https://doi.org/10.1093/biostatistics/kxj039
Geraci, M. & Bottai, M. (2014). Linear quantile mixed models. Statistics and computing, 24(3), 461-479. https://doi.org/10.1007/s11222-013-9381-9
Godoy, S. (2013). Análisis del programa de ampliación de cobertura en Cali con respecto a la calidad de la educación, medido a través de las pruebas de Estado. No. 011197. Departamento Nacional de Planeación. https://repository.icesi.edu.co/biblioteca_digital/bitstream/10906/82360/1/godoy_analisis_programa_2013.pdf
Gómez, C.A. (2016). Clasificación de colegios según las pruebas Saber 11 del ICFES: un análisis usando modelos marginales (MM). Sociedad y Economía, 30, 69-89.
Haile, G.A., & Nguyen, A.N. (2008). Determinants of academic attainment in the United States: A quantile regression analysis of test scores. Education Economics, 16(1), 29-57. https://doi.org/10.1080/09645290701523218
Hanushek, E.A. (1986). The economics of schooling: Production and efficiency in public schools. Journal of Economic Literature, 24(3), 1141-1177.
Hanushek, E. A. (2002). Evidence, politics, and the class size debate. En L. Mishel & R. Rothstein (Eds.), The Class Size Debate (pp. 37-66). Washington, DC: Economic Policy Institute.
Hanushek, E.A. (2013). Economic growth in developing countries: The role of human capital. Economics of Education Review, 37, 204-212. https://doi.org/10.1016/j.econedurev.2013.04.005
Hanushek, E.A., Machin, S.J., & Woessmann, L. (Eds.). (2016). Handbook of the economics of education. Elsevier.
Hanushek, E.A., & Woessmann, L. (2008). The role of cognitive skills in economic development. Journal of Economic Literature, 46(3), 607-668.
Hincapie, D. (2016). Do longer school days improve student achievement? Evidence from Colombia (No. IDB-WP-679). IDB Working paper series. https://publications.iadb.org/publications/english/document/Do-Longer-School-Days-Improve-Student-Achievement-Evidence-from-Colombia.pdf
Hoerandner, C.M., & Lemke, R.J. (2006). Can No Child Left Behind close the gaps in pass rates on standardized tests? Contemporary Economic Policy, 24(1), 1-17. https://doi.org/10.1093/cep/byj008
Instituto Colombiano para la Evaluación de la Educación [ICFES] (2014). Guía para la lectura e interpretación de los reportes de resultados dirigida a secretarías de educación. Examen de Estado Saber 11. https://www.icfes.gov.co/documents/20143/194034/Guia%20lectura%20e%20interpretacion%20reportes%20resultados%20para%20secretarias%20educacion%20Saber%2011.pdf
Jimenez, E., Lockheed, M.E., & Paqueo, V. (1991). The relative efficiency of private and public schools in developing countries. The World Bank Research Observer, 6(2), 205-218. https://doi.org/10.1093/wbro/6.2.205
Lavy, V. (2015). Do differences in schools’ instruction time explain international achievement gaps in Math, Science and Reading? Evidence from developed and developing countries. The Economic Journal, 125(588), 397-424. https://doi.org/10.1111/ecoj.12233
Lubienski, C. & Lubienski, S. T. (2006). School Sector and Academic Achievement: A Multilevel Analysis of NAEP Mathematics Data. American Educational Research Journal, 43(4), 651-698. https://doi.org/10.3102/00028312043004651
Martínez, W.A., & Turriago, Á. (2015). Análisis de distribución geográfica y espacial de los resultados de las Pruebas Saber 11 del Instituto Colombiano para el Fomento de la Educación Superior (ICFES). Cuadernos Latinoamericanos de Administración, 11(21), 39-50. https://doi.org/10.18270/cuaderlam.v11i21.1618
Montes, I., Garcés, J.D., Chica, S.M., & Jaramillo, A. (2014). Rendimiento académico: ¿qué papel juegan los factores institucionales? Universidad EAFIT. https://repository.eafit.edu.co/bitstream/handle/10784/2687/2014_14_Alberto_Jaramillo.pdf;sequence=1
Ministerio de Educación Nacional [MinEducación] (2014). El ICFES cambia la clasificación de resultados de planteles. https://www.icfes.gov.co/documents/20143/230420/Boletin%20-%20Icfes%20cambia%20clasificacion%20resultados%20planteles.pdf
Organización para la Cooperación y el Desarrollo Económicos [OCDE] (2007). El programa PISA de la OCDE: qué es y para qué sirve. OCDE, París. https://www.oecd.org/pisa/39730818.pdf
Organización para la Cooperación y el Desarrollo Económicos [OCDE] (2014). PISA 2012: Technical Report. OCDE, París. https://www.oecd.org/pisa/pisaproducts/PISA-2012-technical-report-final.pdf
Paternoster, R., Brame, R., Mazerolle, P. & Piquero, A. (1998). Using the correct statistical test for the equality of regression coefficients. Criminology, 36(4), 859-866. https://doi.org/10.1111/j.1745-9125.1998.tb01268.x
Piñeros, L.J. & Rodríguez, A. (1998). Los Insumos Escolares en la Educación Secundaria y su Efecto Sobre el Rendimiento Académico de los Estudiantes: Un estudio en Colombia, LCSHD Paper Series No. 36, Human Development Department, The World Bank, Washington D.C.
Restrepo, P.P. & Alviar, M. (2009). El logro académico y el efecto colegio en las pruebas ICFES en Antioquia. Lecturas de Economía, 60, 67-95. https://bibliotecadigital.udea.edu.co/bitstream/10495/3869/1/RestrepoPiedad_2004_LogroAcademico.pdf
Rivkin, S.G. & Schiman, J.C. (2015). Instruction time, classroom quality, and academic achievement. The Economic Journal, 125(588), 425-448. https://doi.org/10.1111/ecoj.12315
Rodríguez, E. (1994). Criterios de análisis de la calidad en el sistema escolar y sus dimensiones. Revista Iberoamericana de Educación, 5, 45-65. https://doi.org/10.35362/rie501218
Smith, A. (2004). Making mathematics count. The report of Professor Adrian Smith's inquiry into post-14 mathematics education. The Stationery Office Limited.
Smith, L.B., Fuentes, M., Gordon-Larsen, P., & Reich, B.J. (2015). Quantile regression for mixed models with an application to examine blood pressure trends in China. The Annals of Applied Statistics, 9(3), 1226-1246. https://doi.org/10.1214/15-AOAS841
Tzavidis, N., & Brown, J. J. (2010). Using M-quantile models as an alternative to random effects to model the contextual value-added of schools in London. DoQSS Working Papers 1011, Department of Quantitative Social Science, Institute of Education, University of London. https://repec.ucl.ac.uk/REPEc/pdf/qsswp1011.pdf
Van der Berg, S. (2008). Poverty and education. Education policy series, 10, 1-35. https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.464.9607&rep=rep1&type=pdf
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
