Forma básica del crecimiento en los modelos de valor añadidovías para la supresión del efecto de regresión

  1. Castro Morera, María
  2. Ruiz de Miguel, Covadonga
  3. López Martín, Esther
Revista:
Revista de educación

ISSN: 0034-8082

Año de publicación: 2009

Título del ejemplar: El valor añadido en educación

Número: 348

Páginas: 111-136

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de educación

Resumen

El presente trabajo estudia los factores que influyen en la pauta de crecimiento de los centros educativos y que están vinculados a las características del diseño longitudinal. En primer lugar, se investiga la inclusión, como predictor de la tasa de crecimiento individual, del nivel inicial de conocimientos de los alumnos. El nivel inicial de conocimientos de los alumnos posibilita el control de los efectos no deseados de la regresión estadística en la clasificación de los centros educativos. Esto es posible gracias a las cuatro ocasiones de medida que incluye el diseño de esta investigación. Ambos problemas se trabajan en un conjunto de resultados de rendimiento en matemáticas de tres cohortes paralelas de un total de 153 centros educativos y 6.689 estudiantes que se corresponden con tres segmentos del sistema educativo español (último ciclo de Primaria y la Educación Secundaria Obligatoria) en el contexto de un diseño longitudinal con cuatro medidas en dos cursos académicos. Los resultados muestran que la no consideración del efecto de regresión provoca una clasificación inadecuada de los centros de enseñanza en los niveles iniciales y en las tasas de crecimiento, si bien es cierto que tiene poco impacto (aunque significativo) en los valores medios que caracterizan al conjunto de los centros. Esta inadecuación en la clasificación de los centros tiene especial relevancia si los índices de valor añadido y tasas de crecimiento se emplean para el establecimiento de planes de mejora o para el reconocimiento, positivo o negativo, de las actuaciones de los centros

Referencias bibliográficas

  • BARTON, P.Y COLEY, R. (1998). Growth in school: Achievement gains for the fourth to the eighth grade. Princenton, NJ: Educational Testing Service.
  • BRYK, A. S. & RAUDENBUSH, S.W. (1992). Hierarchical linear models: applications and data analysis methods. Newbury Park, CA.: Sage.
  • GAVIRIA, J. L., BIENCINTO, C. Y NAVARRO, E. (2009). Invarianza de la estructura de covarianza de las medias de rendimiento académico en los estudios longitudinales en la transición de Educación Primaria a Secundaria. Revista de Educación, 348
  • GAVIRIA, J. L. Y CASTRO, M. (2005). Modelos jerárquicos lineales. Madrid: La Muralla-Hespérides.
  • GOLDSTEIN, H. (1995). Multilevel Statistical Models. London: Edward Arnold.
  • GOLDSTEIN, H. & SPIEGELHALTER, D. J. (1996). League tables and their limitations: Statistical issues in comparisons of institutional performance. Journal of the Royal Statistical Society, Series A, 159, 384-443.
  • JAMIESON, J. (1995). Measurement of Change and the Law of Initial Values:A Computer Simulation Study. Educational and Psychological Measurement, 55 (1), 38-46.
  • JAMIESON, J. (1999). Dealing with baseline differences: two principles and two dilemmas. International Journal of Psychophysiology, 31, 155-161.
  • LACEY, J. I. & LACEY, B.C. (1962).The law of initial value in the longitudinal study of autonomic constitution: reproductibility of autonomic responses and response patterns over a four year interval. En W.M.Wolf (ed.), Rhythmic functions in the living system. Annals of the New York Academy of Science, 98, 1257-1290.
  • LAIRD, N.M. & WARE, J.H. (1982).Random-effects models for longitudinal data. Biometrika, 65, 581-590.
  • LINN, R. (2000).Assessments and accountability. Educational Researcher, 29, 4-16.
  • LIZASOAIN, L. Y JOARISTI, L. (2009). Análisis de la dimensionalidad en modelos de valor añadido:estudio de pruebas de matemáticas empleando métodos no paramétricos basados en TRI. Revista de Educación, 348.
  • MERTON, R.K. (1963).The Matthew effect in science. Science, 199, 55-63.
  • NESSELROADE, J. R., STIGLER, S. M., & BALTES, P. B. (1980). Regression toward the mean and the study of change. Psychological Bulletin, 88, 622-637.
  • RAUDENBUSH, S.W. (2001). Comparing personal trajectories and drawing causal inferences from longitudinal data. Annual Review of Psychology, 52, 501-525.
  • RAUDENBUSH, S.W. & BRYK, S.A. (2002). Hierarchical linear models.Applications and data analysis methods. London: SAGE.
  • RAYKOV, T. (1995). On statisitical approaches to the study of the «Law of Initial Values». Quality and Quantity, 29, 251-271.
  • ROGOSA, D. R (1995). Myths about longitudinal research. In J. M. GOTTMAN (ed.). The analysis of change (4-66). Mahwah,N.J.: Lawrence Erlbaum.
  • SNIJDERS,T.& BOSKER, R. (1999). Multilevel Analysis. Thousand Oaks, CA: Sage.
  • SNIJDERS, T. & BOSKER, R. (2006). Issues in the implementation of longitudinal growth models for student achievement. In R.W. LISSSITZ, Longitudinal and value added models of students' performance (170-208). Maple Grove, MN: JAM Press.
  • WILDER, J. (1957). The lay of initial value in neurology and psychiatry. Journal of Nervous and Mental Disease, 125, 73-86.
Fuente de los datos: Dialnet