Determinantes del rendimiento académico de los estudiantes de nuevo acceso a la Universidad Complutense de Madrid

Abstract

espanolEn los ultimos anos existe un gran interes por conocer los factores o determinantes que inciden en el rendimiento academico del alumnado de la educacion superior, de gran utilidad a la hora de evaluar la calidad y la equidad de las universidades. Esta investigacion tiene como objetivo analizar los factores individuales (demograficos, socioeconomicos y academicos) asociados al rendimiento academico de los nuevos universitarios, que son aquellos con mas posibilidades de abandonar sus estudios. Para ello, se ha analizado la cohorte de estudiantes de nuevo acceso a grados de la Universidad Complutense de Madrid en el curso 2017/18, conformada por un total de 10.720 estudiantes. Los datos se han analizado mediante las tecnicas de regresion logistica binaria y de arboles de clasificacion. Como variables independientes se han seleccionado un total de once, de las cuales cuatro (nota de acceso a la Universidad, tipo de centro en la educacion secundaria, sexo y Comunidad Autonoma familiar) han resultado estadisticamente significativas en el modelo final. Los resultados muestran que cuanto mas elevada es la nota de acceso a la Universidad, mas probabilidades tiene el estudiante de obtener un buen rendimiento academico. Del mismo modo, si el alumno ha estudiado Bachillerato en un instituto publico, es mujer y/o de Madrid, las probabilidades de obtener un buen rendimiento se incrementan. En general, las variables academicas, y en particular la nota de acceso a la Universidad, son las que mas contribuyen a explicar el desempeno universitario, aunque las variables demograficas tienen cierto peso tambien. En cambio, las variables socioeconomicas no contribuyen sustantivamente a la explicacion de este fenomeno, algo que puede reflejar que los estudiantes, en el nivel superior, estan muy seleccionados desde el punto de vista social y, por tanto, la fuerza estadistica de estas variables es mas reducida que en niveles educativos anteriores. Palabras clave: educacion superior, estudiantes universitarios, rendimiento academico, regresion logistica, mineria de datos EnglishThe knowledge of the factors that influence the academic performance of students in higher education is getting attention currently, and it is very useful when evaluating the quality and fairness of universities. The aim of this article is the analysis of individual factors (demographic, socioeconomic and academic) associated to the academic performance of a new cohort of students from the Complutense University of Madrid in the 2017/18 academic year, made up of a total of 10,720 students. Freshmen students are those who are the most likely to drop-out their selected degrees. Data were analysed through binary logistic regression techniques and classification trees. Eleven variables were selected as independent ones. From those, only four have a significant influence in the final model: qualification obtained to access to the university studies, the nature of the institution of origin, gender and the Autonomous Community of the family. The results show that the higher the qualification obtained to access to the university, the more likely the student is to obtain a good academic performance. In the same way, if a student is either women or from Madrid or attended previously to a public institution, the chances of getting a better academic performance will increase. In conclusion, academic variables carry more weight to explain the university performance, although the demographic ones are also important. Among the academic variables, the qualification obtained to access to the university studies is the most relevant. Therefore, socioeconomic variables do not contribute to the explanation, possible due to the already high level of social selection of students at university, which lessens their statistical impact in comparison to previous levels of education. Key words: higher education, university students, academic achievement, logistic regression, data mining.