Alumnado español de alto y bajo rendimiento en ciencias en PISA 2015análisis del impacto de algunas variables de contexto
- Javier Tourón 1
- Emelina López-González 2
- Luis Lizasoain Hernández 3
- María José García San Pedro 1
- Enrique Navarro Asencio 4
-
1
Universidad Internacional de La Rioja
info
-
2
Universitat de València
info
-
3
Universidad del País Vasco/Euskal Herriko Unibertsitatea
info
Universidad del País Vasco/Euskal Herriko Unibertsitatea
Lejona, España
-
4
Universidad Complutense de Madrid
info
ISSN: 0034-8082
Year of publication: 2018
Issue Title: PISA y TIMSS (II)
Issue: 380
Pages: 156-184
Type: Article
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.
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
- UNIR Spain
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.