Efecto de la especialidad en bachillerato en el rendimiento matemático en la universidadun estudio comparativo en grados de Administración de Empresas

  1. José Luis Arroyo-Barrigüete 1
  2. Susana Carabias López 1
  3. Adolfo Hernández Estrada 2
  4. Marina Segura Maroto 2
  1. 1 Universidad Pontificia Comillas
    info

    Universidad Pontificia Comillas

    Madrid, España

    ROR https://ror.org/017mdc710

  2. 2 Universidad Complutense de Madrid
    info

    Universidad Complutense de Madrid

    Madrid, España

    ROR 02p0gd045

Revista:
Revista de educación

ISSN: 0034-8082

Año de publicación: 2023

Número: 402

Páginas: 115-140

Tipo: Artículo

DOI: 10.4438/1988-592X-RE-2023-402-597 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de educación

Resumen

Estudios previos apuntan a que la especialidad cursada en bachillerato es una variable muy relevante en la predicción del rendimiento medio durante el primer curso en grados en Administración y Dirección de Empresas (ADE). Sin embargo, el efecto en asignaturas concretas y específicamente en las de matemáticas, no está plenamente resuelto, pues además de que existen muy pocos estudios al respecto, las evidencias son contradictorias y no existen estudios comparativos entre varios centros. En este trabajo se comparan los resultados en dos universidades diferentes: 873 alumnos del grado en ADE de la Universidad Complutense de Madrid y 822 de la Universidad Pontificia Comillas. La información se ha obtenido de las bases de datos institucionales de ambos centros, seleccionando de entre todos los alumnos matriculados entre los cursos 2009/2010-2021/2022 aquellos para los que se disponía de información completa. Metodológicamente se ha combinado el uso de modelos de regresión con redes neuronales interpretables, para asegurar la robustez de los resultados. El análisis muestra que, en ambas universidades e independientemente de la aproximación metodológica, los resultados son virtualmente idénticos: los alumnos procedentes del bachillerato de ciencias presentan un rendimiento académico sensiblemente mejor en matemáticas empresariales I y II que sus compañeros de ciencias sociales. Desde el punto de vista de la práctica docente, estos resultados tienen dos implicaciones. En primer lugar, parece necesario llevar a cabo una reflexión sobre el enfoque y contenidos de matemáticas en el bachillerato de ciencias sociales, buscando un mayor alineamiento con los requerimientos de los grados ligados a esta especialidad. En segundo lugar, respecto a la práctica docente en el primer curso universitario, parece necesario repensar las estrategias didácticas en matemáticas, considerando las características y el estilo de aprendizaje de los alumnos procedentes del bachillerato de ciencias sociales.

Referencias bibliográficas

  • Arroyo-Barrigüete, J. L., Tirado, G., Mahíllo Fernández, I., & Ramirez, P. (2020a). Predictores del rendimiento académico en las titulaciones de Administración y Dirección de Empresas: el efecto de la especialidad en bachillerato. Revista de educación, 390, 129-154. https://doi. org/10.4438/1988-592X-RE-2020-390-468
  • Arroyo-Barrigüete, J. L., Carabias López, S., Curto González, T., & Borrás Palá, F. (2020b). Matemáticas en el doble grado ADE-Derecho: un análisis cuantitativo de las estrategias de estudio. Bordón: Revista de pedagogía, 72(4), 27-42. https://doi.org/10.13042/Bordon.2020.80306
  • Charrad, M., Ghazzali, N., Boiteau, V., & Niknafs, A. (2014). NbClust: An R Package for determining the relevant number of clusters in a data set. Journal of Statistical Software, 61(6), 1-36, https://doi.org/10.18637/ jss.v061.i06
  • Contreras de la Fuente, Á. (2001). La enseñanza del análisis matemático en el bachillerato y primer curso de universidad: una perspectiva desde la teoría de los obstáculos epistemológicos y los actos de comprensión. En IV Simposio de la Sociedad Española de Investigación en Educación Matemática (pp. 71-85).
  • Corrales Serrano, M. (2020). Estudio de las motivaciones internas y externas para la elección de modalidad del alumnado de Bachillerato. Incidencia en la didáctica de las Ciencias Sociales. [Tesis Doctoral]. Universidad de Extremadura. https://dehesa.unex. es/handle/10662/11076
  • De Guzmán, M., Hodgson, B. R., Robert, A., & Villani, V. (1998, August). Difficulties in the passage from secondary to tertiary education. In Proceedings of the International Congress of Mathematicians (Vol. 3, pp. 747-762). Berlin: Documenta Mathematica.
  • Dávila, N., García-Artiles, M., Pérez-Sánchez, J. M., & Gómez-Déniz, E. (2015). Un modelo de regresión logística asimétrico que puede explicar la probabilidad de éxito en el rendimiento académico. Revista de Investigación Educativa, 33(1), 27-45. https://doi.org/10.6018/ rie.33.1.178481
  • Ellerton, N. F., & Clements, M. A. (1998). Transforming the international mathematics education research agenda. En Mathematics education as a research domain: A search for identity (pp. 153-175). Springer.
  • Ernest, P. (2016). An Overview of the Philosophy of Mathematics Education. En The philosophy of mathematics education (3-8). Springer Open. https://doi.org/10.1007/978-3-319-40569-8_1
  • Fox J., & Weisberg, S. (2019). An {R} Companion to Applied Regression, Third Edition. Sage.
  • Gaure, S. (2013). OLS with multiple high dimensional category variables. Computational Statistics & Data Analysis, 66, 8-18. http://dx.doi. org/10.1016/j.csda.2013.03.024
  • Giménez, M. J., Borrás, F., & Carabias, S. (2021). Sesgo matemático negativo en los alumnos del doble grado en ADE y Derecho: Un análisis cuantitativo. En Universidad, innovación e investigación ante el horizonte 2030 (p. 112). Egregius.
  • Godino, J. D., & Batanero, C. (1994). Significado institucional y personal de los objetos matemáticos. Recherches en didactique des Mathématiques, 14(3), 325-355.
  • Godino, J. D., Batanero, C., Burgos, M., & Gea, M. M. (2021). Una perspectiva ontosemiótica de los problemas y métodos de investigación en educación matemática. Revemop, 3, 1-30. https://doi.org/10.33532/ revemop.e202107
  • Godino, J.D., Batanero, C., & Font, V. (2007). The onto-semiotic approach to research in mathematics education. ZDM Mathematics Education 39, 127-135. https://doi.org/10.1007/s11858-006-0004-1
  • Godino, J. D., Batanero, C., & Font, V. (2019). The onto-semiotic approach. For the learning of mathematics, 39(1), 38-43.
  • Gómez-Chacón, I. M. (2009). Actitudes matemáticas: propuestas para la transición del bachillerato a la universidad. Educación matemática, 21(3), 5-32.
  • Gonzalez Veiga, M. C., Castellanos Val, L., Gonzalez De Sela Aldaz, M. A., Manzano Pérez, e I. M. (1999). Influencia del currículo previo sobre el rendimiento en matemáticas empresariales: un estudio para la universidad de Oviedo. Revista de Educación, 319, 223-238.
  • Grolemund, G., & Wickham, H. (2011). Dates and times made easy with lubridate. Journal of Statistical Software, 40(3), 1-25. https://doi. org/10.18637/jss.v040.i03
  • Gueudet, G. (2008). Investigating the secondary–tertiary transition. Educational studies in mathematics, 67(3), 237-254. https://doi. org/10.1007/s10649-007-9100-6
  • Jaworski, B. (1998). Mathematics teacher research: process, practice, and the development of teaching. Journal of Mathematics Teacher Education, 1, 3-31. https://doi.org/10.1023/A:1009903013682
  • Kuhn, M. (2020). caret: Classification and Regression Training. R package version 6.0-86. https://CRAN.R-project.org/package=caret Lang, D. T., & CRAN team (2019). Package ‘RCurl’. URL http://www. omegahat.net/RCurl
  • Martínez de Ibarreta, C., Rua, A., Redondo, R., Fabra, M. E., Nuñez, A., y Martín, M. J. (2010). Influencia del nivel educativo de los padres en el rendimiento académico de los estudiantes de la ADE. Un enfoque de género. En M. J. Mancebón Torrubia, D. Pérez Ximénez de Embún, J. M. Gómez Sancho y G. Giménez Esteban (Coords.), Investigaciones de Economía de la Educación Número 5 (pp. 1273-1296). AEDE, Asociación de Economía de la Educación.
  • Pizarroso, J., Portela, J., & Muñoz, A. (2022). NeuralSens: sensitivity analysis of neural networks. Journal of Statistical Software, 102(7), 1-36. https://doi.org/10.18637/jss.v102.i07
  • R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing. URL: http:// www.R-project.org/
  • Skemp, R. R. (1976). Relational understanding and instrumental understanding. Mathematics Teaching, 77, 20-26.
  • Vygotsky, L. S. (1996). El desarrollo de los procesos psicológicos superiores. Cole, M., John-Steiner, V., Scribner, S., Souberman, E. (eds); Crítica. (Original publicado en 1978).
  • Warnes, G. R., Bolker, B., Bonebakker, L., Gentleman, R., Huber, W., Liaw, A., Lumley, T., Maechler, M., Magnusson, A., Moeller, S., Schwartz, M., & Venables, B. (2020). gplots: various R programming tools for plotting data. R package version 3.1.1. https://CRAN.R-project.org/ package=gplots
  • Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer- Verlag.
  • Wickham, H. François, R., Henry, L., & Müller, K. (2022). dplyr: a grammar of data manipulation. R package version 1.0.8. https://CRAN.Rproject. org/package=dplyr
  • Zeileis, A., & Hothorn, T. (2002). Diagnostic Checking in Regression Relationships. R News, 2(3), 7-10. https://CRAN.R-project.org/doc/ Rnews/
Fuente de los datos: Dialnet