Alumnado español de alto y bajo rendimiento en ciencias en PISA 2015análisis del impacto de algunas variables de contexto

  1. Javier Tourón 1
  2. Emelina López-González 2
  3. Luis Lizasoain Hernández 3
  4. María José García San Pedro 1
  5. Enrique Navarro Asencio 4
  1. 1 Universidad Internacional de La Rioja
    info

    Universidad Internacional de La Rioja

    Logroño, España

    ROR https://ror.org/029gnnp81

  2. 2 Universitat de València
    info

    Universitat de València

    Valencia, España

    ROR https://ror.org/043nxc105

  3. 3 Universidad del País Vasco/Euskal Herriko Unibertsitatea
    info

    Universidad del País Vasco/Euskal Herriko Unibertsitatea

    Lejona, España

    ROR https://ror.org/000xsnr85

  4. 4 Universidad Complutense de Madrid
    info

    Universidad Complutense de Madrid

    Madrid, España

    ROR 02p0gd045

Show affiliations +
Journal:
Revista de educación

ISSN: 0034-8082

Year of publication: 2018

Issue Title: PISA y TIMSS (II)

Issue: 380

Pages: 156-184

Type: Article

DOI: 10.4438/1988-592X-RE-2017-380-376 DIALNET GOOGLE SCHOLAR lock_openOpen access editor

More publications in: Revista de educación

Abstract

In line with the previous results, the 2015 edition of the PISA program shows that one of the main problems of the Spanish education system is that almost 20% of students are in the lower two levels of performance and only 5% of students achieve the highest levels of competence in science. Firstly, this paper aims to characterize extreme performance groups of students in PISA 2015 Science. Second, to identify variables that have a significant impact on the performance of these groups in order to generate information that allows intervention by educational authorities or schools. For this, a secondary analysis is performed on the database of PISA 2015 Spanish students. The variables analyzed in this paper are indicators of different constructs measured in the context questionnaires administered to students, teachers and principals. The results show that the variables that most differentiate between the two extreme groups at student’ level are those related to perceived self-efficacy in science, interest and enjoyment of scientific issues, epistemological beliefs, among others. And, at school level the most impact indicator is related to the behaviors that make learning difficult emerge. The set of variables that make up this factor point to the importance of a school climate that favors and enhances an adequate classroom work environment.

€ View funding

Funding information

Esta investigación ha sido financiada parcialmente por UNIR Research (http://research.unir.net), Universidad Internacional de La Rioja (http://unir.net), dentro del Plan de investigación 3 [2015- 2017]

Funders

Bibliographic References

  • Breiman,  L.  (2001).  Random  Forests. Machine Learning, 45  (1),  5-32.  doi:10.1023/A:1010933404324.
  • Calero, J., Choi, A., and Waisgrais, S. (2010) Determinantes del riesgo de  fracaso escolar en España: una aproximación a través de un análisis  logístico  multinivel  aplicado  a  PISA-2006.  Revista de Educación, special issue, 225-256. 
  • Cordero, J., M., Crespo, E., and Pedraja, F. (2013). Rendimiento educativo  y determinantes según PISA: una revisión de la literatura en España.  Revista de Educación, 362, 273-297. doi: 10.4438/1988-592X-RE-2011362-161
  • De La Orden, A.  and  Jornet,  J.  (2012).  La utilidad de  las  evaluaciones  de  sistemas  educativos:  el  valor  de  la  consideración  del  contexto.  Bordón, 64 (2) 69-88.
  • Gaviria,  J.  L.  (2004).  La  situación  española:  el  rendimiento  de  los  estudiantes. In G. Haug, J. L. Gaviria, C. Lomas, M.D. de Prada, and  D. Gil (Eds.) (2004). El rendimiento de los estudiantes al final de la educación obligatoria: objetivos europeos y situación española, pp.1883. Madrid: Santillana.
  • Gervilla, E. and Palmer, A. (2009). Predicción del consumo de cocaína en adolescentes mediante árboles de decisión. Revista de Investigación en Educación, 6, 7-13. 
  • González Barbera, C., Caso Niebla, J., Díaz López, K., and López Ortega,  M. (2012). Rendimiento académico y factores asociados. Aportaciones  de algunas evaluaciones a gran escala. Bordón, 64 (2), 51-68.
  • Jornet,  J.,  López-González,  E.,  and  Tourón,  J.  (2012).  Evaluación  de  sistemas educativos: teoría y experiencia. Bordón, 64 (2), 9-12. 
  • Lizasoain,  L.  and  Joaristi,  L.  (2010).  Estudio  Diferencial  del  Rendimiento  Académico  en  Lengua  Española  de  Estudiantes  de  Educación  Secundaria  de  Baja  California  (México).  Revista Iberoamericana de Evaluación Educativa, 3  (3),  115-134. Retrieved  from http://www.rinace.net/riee/numeros/vol3-num3/art6. pdf .
  • Lizasoain, L.; Joaristi, L.; Santiago, C.; Lukas, J.F.; Moyano, N.; Sedano, M.,  and Munárriz, B. (2003). El uso de las técnicas de segmentación en la  evaluación del rendimiento en lenguas. Un estudio en la Comunidad  Autónoma Vasca. Revista de Investigación Educativa, 21 (1), 93-111.
  • López-González, E., González Such, J., and Lizasoain, L. (2012). Explicación  del rendimiento a partir del contexto. Algunas propuestas de análisis gráfico y estadístico. Bordón, 64 (2), 127-149.
  • OECD  (2007).  PISA 2006: Science Competence for Tomorrow’s World. Vol. 1: Analysis. Paris: PISA, OECD Publishing. Retrieved from http:// dx.doi.org/10.1787/9789264040014-en
  • OECD (2016). PISA 2015 Assessment and Analytical Framework: Science, Reading, Mathematic and Financial Literacy.  Paris:  PISA,  OECD  Publishing. Retrieved from http://dx.doi.org/10.1787/9789264255425en
  • Rosenthal, R. and Rosnow, R. L. (2008). Essentials of behavioral research: Methods and data analysis (3rd ed.). Boston: McGraw-Hill.
  • Tourón, J. (2011). Equality and Equity in Educational Systems: A Universal  Problem. Talent Development & Excellence, 3 (1), 103-105.
  • Tourón,  J.,  Lizasoain  Hernández,  L.,  Castro  Morera,  M.,  and  Navarro  Asencio, E. (2012). Alumnos de alto, medio y bajo rendimiento en Matemáticas en TIMSS. Estudio del  impacto de algunos  factores de  contexto. In: Instituto Nacional de Evaluación Educativa. PIRLS - TIMSS  2011. Estudio internacional de progreso en comprensión lectora, matemáticas  y  ciencias.  IEA. Volumen  II:  Informe  español. Análisis  secundario. Chapter 6. pp. 193-235. Madrid. Ministerio de Educación,  Cultura y Deporte.
  • Wigfield,  A.,  Eccles,  J.S.,  and  Rodriguez,  D.  (1998).  The development of children’s motivation in school contexts. Review of Research in Education, 23, 73.
Data source: Dialnet