Invarianza de la estructura de covarianzas de las medidas de rendimiento académico en estudios longitudinales en la transición de Educación Primaria a Secundaria

  1. Gaviria Soto, José Luis
  2. Biencinto López, Chantal
  3. Navarro Asencio, Enrique
Revista:
Revista de educación

ISSN: 0034-8082

Año de publicación: 2009

Título del ejemplar: El valor añadido en educación

Número: 348

Páginas: 153-174

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de educación

Resumen

Dados los enormes cambios de carácter tanto psicobiológicos de los estudiantes como en la estructura organizativa y curricular del sistema educativo que experimentan en la transición entre Educación Primaria y Educación Secundaria, en el presente artículo se analiza la posibilidad de mantener la misma estructura longitudinal de base en los estudios de valor añadido con alumnos de Educación Primaria y con los de Educación Secundaria. Para ello, se estudia la estructura de varianza-covarianza de las variables de rendimiento en un estudio longitudinal realizado con 6.709 estudiantes agrupados en 153 centros educativos de la Comunidad de Madrid escolarizados entre 5º de Educación Primaria y 4º de ESO en los cursos académicos 2005-06 y 2006-07. Para el análisis de la invarianza de la estructura de varianza-covarianza del rendimiento en Matemáticas y Comprensión Lectora, se ha empleado, por un lado, el contraste mediante el estadístico M de Box y, por otro, el análisis de un modelo de ecuaciones estructurales de relaciones entre variables observadas, esto es, comenzar con un modelo que establece la línea base de las relaciones en el tiempo. Los resultados obtenidos apoyan sólo parcialmente la idea del mantenimiento de dicha estructura en las distintas cohortes o grupos, ya que existe una mayor semejanza en la estructura de Educación Primaria y primer ciclo de Educación Secundaria que entre los dos ciclos de secundaria. Esta variación asociada al tiempo se mantiene en los dos campos disciplinares que se han estudiado,Comprensión Lectora y Matemáticas, aunque cada uno de ellos tenga características diferenciadas.

Referencias bibliográficas

  • ARBUCKLE, J.L. (2006). Amos 7.0 user's guide. Chicago: SPSS, Inc.
  • BAGOZZI, R. P. & YOUJAE, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16 (spring),74-94.
  • BALDWIN, C.K. & CADWELL, L.L. (2003). Development of the Free Time Motivation Scale for adolescents. Journal of Leisure Research, 35 (2),129-151.
  • BATISTA, J.M.Y & COENDERS, G. (2000). Modelos de educaciones estructurales. Madrid: La Muralla.
  • BLANCO, A., GONZÁLEZ, C.Y & ORDÓÑEZ, X. (2009). Complejidad del rasgo evaluado y pre-dicción del rendimiento escolar en diseños longitudinales: un estudio de simulación desde un enfoque multinivel. Revista de Educación, 348.
  • BLOOM, B., HASTINGS, T.Y & MADAUS, G.F. (1973). Manual de evaluación formativa y acumulativa del aprendizaje del alumno. Santiago de Chile: Centro de Perfeccionamiento, Experimentación e Investigaciones Pedagógicas (CPEIP).
  • BOLLEN, K.A. & LONG, J.S. (eds.) (1993). Testing structural equation models. Newbury Park: Sage.
  • BOLLEN, K.A. & LONG, J.S. (eds.) (1949). A general distribution theory for a class of likelihood criteria. Biometrika, 36, 317-346.
  • BOLLEN, K.A. & LONG, J.S. (eds.) (1993). Estadística para investigadores: introducción al diseño de experimentos, análisis de datos y construcción de modelos. Barcelona: Reverté, D.L.
  • BROWNE, M.W.Y & CUDECK, R. (1993). Alternative ways of assessing model fit. En BOLLEN, K.A.Y LONG, J. S. (Eds.). Testing structural equation models (136-162). Newbury Park: Sage.
  • BYRNE, B. M. (2001). Structural equation modeling with AMOS: basic concepts, applications, and programming. New Jersey: Lawrence Erlbaum Associates.
  • CASTRO MORERA, M., RUIZ DE MIGUEL, C.Y & LÓPEZ MARTÍN, E. (2009). Forma básica de crecimiento en los modelos de valor añadido: vías para la supresión del efecto de regresión y funciones de crecimiento no-lineales. Revista de Educación, 348.
  • ELOSUA, P. (2005). Evaluación progresiva de la invarianza factorial entre las versiones original y adaptada de una escala de autoconcepto. Psicothema, 17 (2), 356-362.
  • GAVIRÍIA, J. L., BIENCINTO, CH., LÓPEZ, E., RUIZ DE MIGUEL, C., JORNET, J., CASTRO, M., Y GONZÁLEZ, C. (2007). Cuestiones metodólogicas de la evaluación de sistemas educativos. Simposium presentado al XII Congreso Nacional de Modelos de Investigación Educativa, San Sebastián, 105-114.
  • GAVIRIA, J.L. (2005). La equiparación del expediente de bachillerato en el proceso de selección de alumnos para el acceso a la Universidad. Revista de Educación, 337, 351-387.
  • JÖRESKOG, K.G. & SÖRBOM, D. (1989). LISREL 7, a guide to the program and applications. Chicago: SPSS Publications.
  • KIPLINGER, V. (2004). Longitudinal study of student growth in reading, writing and mathematics achievement in thirtysix Colorado public schools districts. Colorado: Academic school district twenty.
  • HAIR, J., ANDERSON, R., TATHAM, R. Y & BLACK, W. (1999). Análisis Multivariante. Madrid: Prentice Hall.
  • INSTITUTO DE EVALUACIÓN (2006). Sistema estatal de indicadores de la educación 2006. Madrid: MEC
  • INECSE (2003). Evaluación de la educación secundaria obligatoria 2000. Madrid: MECD.
  • INECSE (2005). Evaluación de la educación primaria 2003. Madrid: MEC.
  • LARA, F. (2004). La escuela como compromiso. Madrid: Editorial Popular.
  • LIZASOAIN, L.Y & JOARISTI, L. (2009). Análisis de la dimensionalidad en modelos de valor añadido: estudio de pruebas de matemáticas empleando técnicas factoriales y métodos no-paramétricos basados en TRI. Revista de Educación, 248.
  • NAVARRO, E.Y & REDONDO, S. (2007). Estudio sobre el Rendimiento en Matemáticas en España a partir de los Datos del Informe PISA 2003.Un Modelo Jerárquico de Dos Niveles. Revista Electrónica Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 5 (3),118-136.
  • PARDO, A.Y & RUIZ, M.A. (2002). SPSS11. Guía para el análisis de datos. Madrid: McGraw Hill.
  • SCHUMACKER, R. & LOMAX, R. (2004). A beginner's to structural equation modelling. Mahwah: Lawrence Erlbaum Associates.
  • TABACHNICK, B.G. & FIDELL, L.S. (2001). Using multivariate statistics. Boston: Allyn and Bacon.
  • TOPA, G., MORALES, J.F. & CAIERO, L. (2007). Social comparison and perceived breach of psychological contract: their effects on burnout in a multigroup analysis. The Spanish Journal of Psychology, 10 (1),122-130.
  • ZVOCH, K. & STEVENS, J.J. (2003). A multilevel, longitudinal analysis of middle school math and language achievement. Education Policy Analysis Archives, 11(20).
Fuente de los datos: Dialnet