Eficiencia académica estudiantil: un enfoque de análisis de componentes principales y análisis envolvente de datos
DOI:
https://doi.org/10.18041/1909-2458/ingeniare.29.7433Palabras clave:
Educación, Eficiencia, DEA, PCAResumen
En el siguiente artículo propone el uso de las herramientas de Análisis de Componentes Principales (PCA) y Análisis Envolvente de Datos (DEA) como una metodología para el análisis, medición y clasificación de la eficiencia académica de los estudiantes con los resultados de las pruebas Saber Pro en Colombia. La base de datos utilizada pertenece a los resultados de las pruebas saber PRO del año 2018 provenientes del Instituto Colombiano para la Evaluación de la Educación (ICFES). En los resultados se presenta que solo 16.67% del grupo de estudio son eficientes, con estas unidades se forman 15 grupos de referencia, por otro lado, las unidades no eficientes deben reforzar las competencias de Comunicación Escrita (CE) y Pensamiento Científico, Matemático y Estadístico (PCME).
Descargas
Referencias
Mineducación, “Art 1, Ley 115 de 1994”, 1994. https://leyes.co/se_expide_la_ley_general_de_educacion/1o.htm (consultado sep. 11, 2019).
Congreso de Colombia, “Ley 30 de 1992”, 1992. http://www.legal.unal.edu.co/rlunal/home/doc.jsp?d_i=34632 (consultado sep. 11, 2019).
O. Buitrago, A. Espitia, y L. Molano, “Análisis envolvente de datos para la medición de la eficiencia en instituciones de educación superior: una revisión del estado del arte”, Rev. Científica Gen. José María Córdova, vol. 15, núm. 19, pp. 147–173, jun. 2017, doi: 10.21830/19006586.84.
J. Vela Valdés, “Educación superior: inversión para el futuro*”, Educ. Médica Super., vol. 14, núm. 2, pp. 171–183, ago. 2000.
Á. León, H. Llinás, y J. Tilano, “Análisis multivariado aplicando componentes principales al caso de los desplazados”, Rev. Científica Ing. Desarro., vol. 23, núm. 23, pp. 119-142–142, jul. 2011.
D. Peña, “ANÁLISIS DE DATOS MULTIVARIANTES”, p. 515, 2002.
C. Lozares y P. López, “El análisis de componentes principales: aplicación al análisis de datos secundarios”, Pap. Rev. Sociol., vol. 37, núm. 0, pp. 31–63, jul. 1991, doi: 10.5565/rev/papers/v37n0.1595.
J. M. Polanco Martínez, “El papel del análisis por componentes principales en la evaluación de redes de control de la calidad del aire”, Comun. En Estad., vol. 9, núm. 2, p. 271, sep. 2016, doi: 10.15332/s2027-3355.2016.0002.06.
E. R. Pérez y L. A. Medrano, “Análisis factorial exploratorio: Bases conceptuales y metodológicas”, Rev. Argent. Cienc. Comport. RACC, vol. 2, núm. 1, pp. 58–66, 2010.
J. C. M. Pires, M. C. Pereira, M. C. M. Alvim-Ferraz, y F. G. Martins, “Identification of redundant air quality measurements through the use of principal component analysis”, Atmos. Environ., vol. 43, núm. 25, pp. 3837–3842, ago. 2009, doi: 10.1016/j.atmosenv.2009.05.013.
J. Pino, F. Solís, M. Delgado, y R. el C. Barea, “Evaluación de la eficiencia de grupos de investigación mediante análisis envolvente de datos (DEA)”, 2010, doi: 10.3145/epi.2010.mar.06.
J. Perdomo y J. Mendieta, “Factores que afectan la eficiencia técnica y asignativa en el sector cafetero colombiano: una aplicación con análisis envolvente de datos*”, Rev. Desarro. Soc., jun. 2017, doi: 10.13043/dys.60.1.
J. Ferrera, F. Pedraja-Chaparro, y J. Salinas-Jimenez, “Measuring Efficiency in Education: An Analysis of Different Approaches for Incorporating Non-discretionary Inputs”, Appl. Econ., vol. 40, pp. 1323–1339, feb. 2008, doi: 10.1080/00036840600771346.
J. Ligarda y M. Ñaccha, “La eficiencia de las organizaciones de salud a través del análisis envolvente de datos: Microrredes de la Dirección de Salud IV Lima Este 2003”, An. Fac. Med., vol. 67, núm. 2, pp. 142–151, jun. 2006.
S. G. Legaz, “EL ANÁLISIS ENVOLVENTE DE DATOS COMO SISTEMA DE EVALUACIÓN DE LA EFICIENCIA TÉCNICA DE LAS ORGANIZACIONES DEL SECTOR PÚBLICO: APLICACIÓN EN LOS EQUIPOS DE ATENCIÓN PRIMARIA”, Rev. Esp. Financ. Contab., vol. 27, núm. 97, pp. 979–1004, 1998.
T. Fontalvo, E. De La Hoz, E. De La Hoz, T. Fontalvo, E. De La Hoz, y E. De La Hoz, “Método Análisis Envolvente de Datos y Redes Neuronales en la Evaluación y Predicción de la Eficiencia Técnica de Pequeñas Empresas Exportadoras”, Inf. Tecnológica, vol. 29, núm. 6, pp. 267–276, dic. 2018, doi: 10.4067/S0718-07642018000600267.
E. Delahoz-Dominguez, R. Zuluaga, y T. Fontalvo-Herrera, “Dataset of academic performance evolution for engineering students”, Data Brief, vol. 30, p. 105537, jun. 2020, doi: 10.1016/j.dib.2020.105537.
Publicado
Número
Sección
Licencia
Derechos de autor 2021 Ingeniare
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
