Matemáticas en el doble grado ADE-Derecho: un análisis cuantitativo de las estrategias de estudio
Contenido principal del artículo
Resumen
INTRODUCCIÓN. El objetivo de este trabajo es avanzar en la comprensión de los problemas relacionados con el aprendizaje matemático a nivel universitario, y específicamente en una titulación que desde hace años goza de enorme popularidad en el contexto universitario español: el doble grado en ADE y Derecho. MÉTODO. Trabajando sobre una muestra de 973 estudiantes, en primer lugar, se ha llevado a cabo un análisis clúster para identificar distintos perfiles de alumnos, utilizando como variables sus calificaciones en tres tipos de asignaturas diferentes: materias cuantitativas, de derecho y de carácter general. Posteriormente, y sobre cada uno de los clústers identificados, se han ajustado modelos de regresión a fin de determinar las relaciones entre distintas asignaturas. RESULTADOS. En torno a un 30% de los discentes presentan un fuerte sesgo cualitativo, con perfil muy diferenciado respecto a otros grupos, y que se caracteriza por un rendimiento medio en las materias de corte cuantitativo, y, sin embargo, un desempeño sensiblemente por encima de la media en el resto de las asignaturas. Adicionalmente, en este grupo de estudiantes no parece existir relación en el rendimiento obtenido en distintas asignaturas de matemáticas. DISCUSIÓN. Este resultado apunta a que la aproximación de este grupo de estudiantes a una determinada materia de matemáticas es independiente de lo estudiado con anterioridad, como si no tuviese relación alguna con la asignatura de matemáticas precedente. Además, esta característica es exclusiva de este colectivo, pues en todos los demás alumnos, en torno al 70%, sí existe una fuerte relación. Esto nos lleva a plantear que estos alumnos quizá estén optando por una aproximación memorística a las materias cuantitativas.
Descargas
Detalles del artículo
Citas
Auguie, B. (2017). gridExtra: Miscellaneous Functions for "Grid" Graphics. Package version 2.3. https://CRAN.R-project.org/package=gridExtra
Ballard, C. L. y Johnson, M. F. (2004). Basic math skills and performance in an introductory economics class. The Journal of Economic Education, 35(1), 3-23. https://doi.org/10.3200/JECE.35.1.3-23
Benjamin, D. J., Berger, J. O., Johannesson, M., Nosek, B. A., Wagenmakers, E. J., Berk, R., ... y Cesarini, D. (2018). Redefine statistical significance. Nature Human Behaviour, 2(1), 6-10. https://doi.org/10.1038/s41562-017-0189-z
Castellanos, L., González, C., González, A., y Manzano, I. (1998). Las matemáticas empresariales: estudio de los factores determinantes del rendimiento académico. En VI Jornadas de la Asociación Española de Profesores Universitarios de Matemáticas para la Economía y la Empresa (ASEPUMA). Recuperado de http://www.asepuma.org/VI/vi.htm
Charrad M., Ghazzali N., Boiteau V. y 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
Crujeiras Pérez, B. y Jiménez Aleixandre, M. P. (2018). Influencia de distintas estrategias de andamiaje para promover la participación del alumnado de secundaria en las prácticas científicas. Enseñanza de las Ciencias, 36(2), 23-42. https://doi.org/10.5565/rev/ensciencias.2241
Dávila, N., García-Artiles, M., Pérez-Sánchez, J. M., y 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
Fox J., y Weisberg, S. (2019). An {R} Companion to Applied Regression (3rd ed.). Thousand Oaks CA: Sage.
Garbanzo Vargas, G. M. (2007). Factores asociados al rendimiento académico en estudiantes universitarios, una reflexión desde la calidad de la educación superior pública. Revista educación, 31(1), 43-63. http://dx.doi.org/10.15517/REVEDU.V31I1.1252
García-Diez, M. (2000). The effects of curriculum reform on economics education in a Spanish college. Education Economics, 8(1), 5-15. https://doi.org/10.1080/096452900110274
Girón Cruz, L. y González Gómez, D. E. (2005). Determinantes del rendimiento académico y la deserción estudiantil, en el programa de economía de la Pontificia Universidad Javeriana de Cali1. Revista Economía, Gestión y Desarrollo, 3, 173-201.
Harbury, C. D. y Szreter, R. (1968). The influence upon university performance of the study of economics at school. Journal of the Royal Statistical Society: Series A (General), 131(3), 384-409.
Hoy, A., Davis, H. y Anderman, E. (2013). Theories of learning and teaching in TIP. Theory Into Practice, 52, 9-21. https://doi.org/10.1080/00405841.2013.795437
Ivars Escortell, A., López Rodríguez, M. I., y Pla Vall, A. (2016). Doble Licenciatura en ADE-Derecho de la Universitat de València (2003-2015): Características de los Estudiantes y Nota del Expediente. e-Publica, 19, 23-54.
Krahenbuhl, K. S. (2016). Student-Centered education and constructivism: challenges, concerns, and clarity for teachers. The Clearing House: A Journal of Educational Strategies, Issues and Ideas, 89(3), 97-105. https://doi.org/10.1080/00098655.2016.1191311
Krahenbuhl, K. S. (2016). Student-Centered education and constructivism: challenges, concerns, and clarity for teachers. The Clearing House, 89(3), 97-105. https://doi.org/10.1080/00098655.2016.1191311
Mair, P. y Wilcox, R. (2019). Robust statistical methods in R using the WRS2 package. Behavior Research Methods. https://doi.org/10.3758/s13428-019-01246-w
McKenzie, K. y Schweitzer, R. (2001). Who succeeds at university? Factors predicting academic performance in first year Australian university students. Higher education research & development, 20(1), 21-33. https://doi.org/10.1080/07924360120043621
Meyer, D. y Turner, J. (2010). Using instructional discourse analysis to study the scaffolding of student self-regulation. Educational Psychologist, 37, 17-25. https://doi.org/10.1007/s10648-010-9127-6
R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing. URL: http://www.R-project.org/
Tejedor, F. J. (2003). Poder explicativo de algunos determinantes del rendimiento en los estudios universitarios. Revista española de pedagogía, 224, 5-32.
Warnes, G. R., Bolker, B., Bonebakker, L., Gentleman, R., Huber, W., Liaw, A., ... y Venables, B. (2019). gplots: Various R Programming Tools for Plotting Data. Package version 3.0.1.1. https://CRAN.R-project.org/package=gplots
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. New York: Springer-Verlag.
Wickham, H., François, R., Henry, L. y Müller, K. (2019). dplyr: A Grammar of Data Manipulation. Package version 0.8.3. URL: https://CRAN.R-project.org/package=dplyr
Wilcox, R. (2012). Introduction to Robust Estimation and Hypothesis Testing (3rd ed.). Elsevier.
Wood, D., Bruner, J. S. y Ross, G. (1976). The role of tutoring in problem solving. Journal of Child Psychology and Psychiatry, 17, 89 - 100. https://doi.org/10.1111/j.1469-7610.1976.tb00381.x
Yuen, K. K. (1974). The two-sample trimmed t for unequal population variances. Biometrika, 61, 165-170. https://doi.org/10.2307/2334299
Zeileis, A. y Hothorn, T. (2002). Diagnostic Checking in Regression Relationships. R News, 2(3), 7-10. URL https://CRAN.R-project.org/doc/Rnews/