Un modelo predictivo del rendimiento académico a partir de las calificaciones de Bachillerato y PAU

Abstract

Numerosas investigaciones educativas muestran que el rendimiento académico en el primer año de universidad incide en el éxito con el que se cursan los años subsiguientes, lo que justifica el interés de analizar el rendimiento, durante el primer curso, del alumnado de nuevo ingreso e identificar los factores que influyen en él. En el presente trabajo se ha definido un nuevo indicador de este rendimiento y se han determinado, para cada uno de los grados en Ciencias de la ULL, aquellos indicadores de rendimiento previo con los que se encuentra más correlacionado el indicador introducido. Se han obtenido así sendos modelos de regresión lineal multivariante que permiten predecir el rendimiento de un estudiante de nuevo ingreso en el primer cuatrimestre del primer curso de cada grado en función de su rendimiento en Bachillerato y PAU. En todos los grados de Ciencias, la variable predictora dominante ha resultado ser la nota media de Bachillerato. La bondad de ajuste de los modelos que utilizan el nuevo indicador supera ampliamente la de otros modelos preexistentes en la literatura. El método es extensible a cualquier grado y universidad. Su aplicación sistemática permitiría definir y detectar perfiles de riesgo académico con el propósito de contribuir, por una parte, a que cada estudiante adopte una actitud proactiva hacia la subsanación de sus posibles deficiencias formativas y, por otra, a que el gestor universitario optimice los recursos humanos y materiales necesarios para mejorar el aprovechamiento académico de los estudiantes en situación de riesgo.

Several educational investigations have shown that the academic performance in the first year of university affects the success in subsequent years, which justifies the interest of analyzing the performance, during the first year, of new students in order to identify the factors that influence it. In the present work, a new indicator of this performance has been defined and those indicators of previous performance which are best correlated with the indicator introduced have been determined for each one of the degrees in Science of the ULL. We have thus obtained multivariate linear regression models that allow us to predict the performance of new students in the first semester of the first year of each degree, based on their performance in High School and the University Access Test. In all of Science degrees, the dominant predictor variable has turned out to be the High School grade point average. The goodness of fit of the models that use the new indicator far exceeds that of other pre-existing models in the literature. Our method is extensible to any degree and university. Its systematic application would allow defining and detecting academic risk profiles so that, on the one hand, affected students may be encouraged to adopt a proactive attitude towards the correction of their training deficiencies and, on the other hand, university managers can optimize the human and material resources necessary to improve the academic performance of those students at risk.