Abstract:
Este trabajo tiene como objetivo predecir el éxito o fracaso de los estudiantes repitentes de primer año de la Facultad de Ciencias Médicas, de la Universidad de San Carlos de Guatemala -USAC-. La importancia de este análisis es que permitirá formular políticas que ayuden a disminuir el índice de repitencia en la Facultad de Ciencias Médicas USAC, de una forma más objetiva. Por otra parte, el pronóstico del rendimiento académico se podría utilizar no sólo para intervenir directamente sobre el estudiante sino también para adaptar metodologías de enseñanza aprendizaje, con una adecuada distribución de los recursos.
Para tal fin se estudió a 970 estudiantes que en el 2003 se inscribieron en primer año en la categoría de repitentes y se asignaron el pénsum 1990-2002.
Se incluyeron en el trabajo aquellas variables del estudiante que quedan registradas en el Departamento de Registro y Estadística de la USAC, al momento de su inscripción (edad, sexo, título de nivel medio, tipo de establecimiento, lugar de procedencia, instrucción del padre, instrucción de la madre), así como las de su desempeño académico en la Facultad, a través de la Unidad de Evaluación (promedio, número de años inscritos en primer año, cursos asignados, índice de aprobación, índice de repitencia y rendimiento académico). Fueron incluidos en este trabajo todos los estudiantes cuyos datos estuvieran completos en los registros.
Aleatoriamente se asignó a la población en dos grupos: uno formado por 481 estudiantes etiquetado "A", donde se trabajó la construcción del modelo, con el otro formado por 489 estudiantes etiquetado, como "B", se trabajó la evaluación del modelo.
Se utilizó regresión logística para la creación del modelo, método estadístico utilizado para predicción de pertenencia a categorías en el cual intervienen múltiples variables. Una por una, fueron incluidas las variables (técnica conocida como paso a paso hacia delante o "forward stepwise"), de tal forma que el modelo quedó construido con las variable que resultaron significativas, siendo estas: índice de repitencia (β=2.6171), promedio (β=0.1572), y cursos asignados (β=8.9074), y la constante del modelo de -9.6951.
En cuanto a la "Evaluación del modelo", primero se calculó la probabilidad de ganar cada uno de los integrantes del grupo "B", y posteriormente se realizó un análisis con curvas "Receiving Operating Characteristics" (ROC, por sus siglas en inglés), que es una técnica que se aplica frecuentemente en la evaluación de pruebas diagnósticas o de procedimientos de pronóstico. Esto permitió establecer que el mejor punto de corte para clasificar a un estudiante como ganador o perdedor es de una probabilidad de 0.30, basados en una sensibilidad de 91.4%, una especificidad de 81.3%, un valor predictivo positivo de 70.76 y valor predictivo negativo de 95.02, bajo el marco de una prevalencia de aprobar de 33.12%. Se evidenció además, bajo los criterios antes mencionados, que el área bajo la curva ROC para la población en estudio es de 0.929 con un error estándar de 0.014 e intervalos de confianza al 95% de 0.902 y 0.950. Esto reflejó que la capacidad predictora global de la función es muy buena ya que casi se acerca al valor máximo 1.
La investigación confirmó que el conocimiento de estas tres variables predictivas, índice de repitencia, promedio y cursos asignados permite estimar la probabilidad de éxito del estudiante repitente en el momento de asignarse nuevamente el año perdido, obteniéndose así una visión del acompañamiento que el estudiante requiera, y permitir un mayor grado de eficiencia institucional al sólo aceptar estudiantes repitentes con una probabilidad determinada de éxito. RR
