Los entornos de aprendizaje y el éxito escolar en
Latinoamérica
Geovanny Castro-Aristizabal, Felipe Acosta-Ortega y Ana Virginia
Moreno-Charris
Lecturas de Economía - No. 101. Medellín, enero-junio 2024
Latinoamérica
Geovanny Castro-Aristizabal, Felipe Acosta-Ortega y Ana Virginia
Moreno-Charris
Lecturas de Economía - No. 101. Medellín, enero-junio 2024
Lecturas de Economía, 101 (enero-junio 2024), pp. 7-46Página 1 de 1CROSSMARK_logo_3_Test
25/06/2020file:///D:/Paty/LecturasEconomia/LEvol93_2020/LEVol93Abr26_2020/ART_340990/CR...
Geovanny Castro-Aristizabal, Felipe Acosta-Ortega y Ana Virginia Moreno-Charris
Los entornos de aprendizaje y el éxito escolar en Latinoamérica
Resumen: Este artículo encuentra la relación que tienen los entornos de aprendizaje sobre el éxito
escolar en los países latinoamericanos participantes en el Programa Internacional para la Evaluación
de Estudiantes (PISA, por sus siglas en inglés), del año 2018, estimando la función de producción
educativa. Posteriormente, se aplica la descomposición de Shorrocks-Shapley para determinar cuál de
las dimensiones asociadas al aprendizaje, tiene un mayor peso en la heterogeneidad del éxito escolar. Se
encontró que los mejores ambientes escolares favorecen el éxito escolar, mientras que, cuando el clima
escolar dentro de las aulas de clase “no es el mejor”, el desempeño baja. Se calculó, para el conjunto
de países de América Latina que, en promedio, los entornos de aprendizaje explican la variabilidad
del éxito escolar en 29,09 % para matemáticas, en 28,01 % para lectura y en 28,71 % para ciencias,
siendo la dimensión que en mayor medida explica esta heterogeneidad.
Palabras clave: desempeño académico, función de producción educativa, entornos de aprendizaje,
descomposición Shorrocks-Shapley, América Latina, PISA.
Clasificación JEL: C02, C29, I21, I29.
Learning environments and school success in Latin America
Abstract: This article finds the relationship that learning environments have on school success, in
the Latin American countries participating in the International Program for Student Assessment (PI-
SA), of the year 2018, estimating the Educational Production Function. Subsequently, the Shorrocks-
Shapley decomposition is applied to determine which of the dimensions associated with learning has a
greater weight in the heterogeneity of school success. It was found that the best school environments favor
school success, while when the school climate in the classroom is “not the best”, performance drops. It was
calculated, for the group of Latin American countries, that, on average, learning environments explain
the variability of school success in 29.09 % for mathematics, 28.01 % for reading and 28.71 % for
science, being the dimension that to a greater extent explains this heterogeneity.
Keywords: Academic achievement, educational production function, learning environments, Shorrocks-
Shapley, Latin America, PISA.
https://doi.org/10.17533/udea.le.n101a353923
Este artículo y sus anexos se distribuyen por la revista Lecturas de Economía bajo los términos de la Licencia Creative
Commons Atribución-NoComercial-CompartirIgual 4.0. https://creativecommons.org/licenses/by-nc-sa/4.0/
25/06/2020file:///D:/Paty/LecturasEconomia/LEvol93_2020/LEVol93Abr26_2020/ART_340990/CR...
Geovanny Castro-Aristizabal, Felipe Acosta-Ortega y Ana Virginia Moreno-Charris
Los entornos de aprendizaje y el éxito escolar en Latinoamérica
Resumen: Este artículo encuentra la relación que tienen los entornos de aprendizaje sobre el éxito
escolar en los países latinoamericanos participantes en el Programa Internacional para la Evaluación
de Estudiantes (PISA, por sus siglas en inglés), del año 2018, estimando la función de producción
educativa. Posteriormente, se aplica la descomposición de Shorrocks-Shapley para determinar cuál de
las dimensiones asociadas al aprendizaje, tiene un mayor peso en la heterogeneidad del éxito escolar. Se
encontró que los mejores ambientes escolares favorecen el éxito escolar, mientras que, cuando el clima
escolar dentro de las aulas de clase “no es el mejor”, el desempeño baja. Se calculó, para el conjunto
de países de América Latina que, en promedio, los entornos de aprendizaje explican la variabilidad
del éxito escolar en 29,09 % para matemáticas, en 28,01 % para lectura y en 28,71 % para ciencias,
siendo la dimensión que en mayor medida explica esta heterogeneidad.
Palabras clave: desempeño académico, función de producción educativa, entornos de aprendizaje,
descomposición Shorrocks-Shapley, América Latina, PISA.
Clasificación JEL: C02, C29, I21, I29.
Learning environments and school success in Latin America
Abstract: This article finds the relationship that learning environments have on school success, in
the Latin American countries participating in the International Program for Student Assessment (PI-
SA), of the year 2018, estimating the Educational Production Function. Subsequently, the Shorrocks-
Shapley decomposition is applied to determine which of the dimensions associated with learning has a
greater weight in the heterogeneity of school success. It was found that the best school environments favor
school success, while when the school climate in the classroom is “not the best”, performance drops. It was
calculated, for the group of Latin American countries, that, on average, learning environments explain
the variability of school success in 29.09 % for mathematics, 28.01 % for reading and 28.71 % for
science, being the dimension that to a greater extent explains this heterogeneity.
Keywords: Academic achievement, educational production function, learning environments, Shorrocks-
Shapley, Latin America, PISA.
https://doi.org/10.17533/udea.le.n101a353923
Este artículo y sus anexos se distribuyen por la revista Lecturas de Economía bajo los términos de la Licencia Creative
Commons Atribución-NoComercial-CompartirIgual 4.0. https://creativecommons.org/licenses/by-nc-sa/4.0/
Environnements d’apprentissage et réussite scolaire en Amérique latine
Résumé: Cet article trouve la relation que les environnements d’apprentissage ont sur la réussite
scolaire, dans les pays d’Amérique latine participant au Programme international pour le suivi des
acquis des élèves (PISA), en 2018, en estimant la fonction de la production éducative. Par la suite,
la décomposition de Shorrocks-Shapley est appliquée pour déterminer laquelle des dimensions associées
aux apprentissages a le plus de poids dans l’hétérogénéité de la réussite scolaire. Il a été constaté que
les meilleurs environnements scolaires favorisent la réussite scolaire, alors que lorsque le climat scolaire
au sein des salles de classe «n’est pas le meilleur», les performances diminuent. Il a été calculé, pour le
groupe des pays d’Amérique latine, qu’en moyenne, les environnements d’apprentissage expliquent la
variabilité de la réussite scolaire dans 29,09 % pour les mathématiques, 28,01 % pour la lecture et
28,71 % pour les sciences, étant la dimension qui explique le plus cette hétérogénéité.
Mots clés: Performance scolaire, fonction de production éducative, environnements d’apprentissage,
décomposition de Shorrocks-Shapley, Amérique latine, PISA.
Cómo citar / How to cite this item:
Castro-Aristizabal, G., Acosta-Ortega, F., & Moreno-Charris, A. (2024). Los entornos
de aprendizaje y el éxito escolar en Latinoamérica. Lecturas de Economía, 101, 7-46.
https://doi.org/10.17533/udea.le.n101a353923
Résumé: Cet article trouve la relation que les environnements d’apprentissage ont sur la réussite
scolaire, dans les pays d’Amérique latine participant au Programme international pour le suivi des
acquis des élèves (PISA), en 2018, en estimant la fonction de la production éducative. Par la suite,
la décomposition de Shorrocks-Shapley est appliquée pour déterminer laquelle des dimensions associées
aux apprentissages a le plus de poids dans l’hétérogénéité de la réussite scolaire. Il a été constaté que
les meilleurs environnements scolaires favorisent la réussite scolaire, alors que lorsque le climat scolaire
au sein des salles de classe «n’est pas le meilleur», les performances diminuent. Il a été calculé, pour le
groupe des pays d’Amérique latine, qu’en moyenne, les environnements d’apprentissage expliquent la
variabilité de la réussite scolaire dans 29,09 % pour les mathématiques, 28,01 % pour la lecture et
28,71 % pour les sciences, étant la dimension qui explique le plus cette hétérogénéité.
Mots clés: Performance scolaire, fonction de production éducative, environnements d’apprentissage,
décomposition de Shorrocks-Shapley, Amérique latine, PISA.
Cómo citar / How to cite this item:
Castro-Aristizabal, G., Acosta-Ortega, F., & Moreno-Charris, A. (2024). Los entornos
de aprendizaje y el éxito escolar en Latinoamérica. Lecturas de Economía, 101, 7-46.
https://doi.org/10.17533/udea.le.n101a353923
Los entornos de aprendizaje y el éxito escolar en Latinoamérica
Geovanny Castro-Aristizabal a, Felipe Acosta-Ortega b y Ana
Virginia Moreno-Charris c
–Introducción. –I. Marco de referencia. –II. Metodología. –III. Resultados.
–Conclusiones. –Declaración de ética. –Referencias.
Primera versión recibida el 15 de junio de 2023; versión final aceptada el 26 de octubre de 2023
Introducción
Anteriormente, los profesores tenían no solo la autonomía de decidir el
contenido de una asignatura, también diseñaban y decidían el cómo impartir
dicho contenido, para posteriormente evaluarlo. Este enfoque de enseñanza
se centralizaba en el profesor que, en últimas, se refería al contenido que se
sería cubierto en las clases, esto es, se enfocaba en el contenido a enseñar
y procuraba qué tanto el estudiante entendía de la materia. Actualmente, la
enseñanza en educación propone un modelo que cambia este enfoque y se
centraliza en el estudiante, es decir, en lo que él debe ser capaz de hacer con
el conocimiento que le transmite el profesor, por lo tanto, este modelo se basa
en lo que se define como los Resultados de Aprendizaje Esperado —RAE—
(Kennedy, 2007), que cada vez están siendo más aceptados en la enseñanza
internacional, sobre todo en la educación superior.
Sin embargo, no debe desconocerse que los entornos escolares y lo que
acontece dentro de las aulas de clase, a través de las prácticas docentes, tam-
bién influye en el desempeño escolar de los estudiantes, al condicionar su
a Geovanny Castro-Aristizabal : profesor asociado del programa de Contaduría Pública de la Uni-
versidad de Santander, Bucaramanga, Santander. Dirección electrónica:
geo.castro@mail.udes.edu.co https://orcid.org/0000-0002-3567-983X
b Felipe Acosta-Ortega: profesor de la Fundación Universitaria de Popayán, Popayán Cauca. Di-
rección electrónica: felipe.acosta@docente.fup.edu.co
https://orcid.org/0000-0001-6439-617X
c Ana Virginia Moreno-Charris: profesora de la Universidad de la Costa, Barranquilla, Atlántico.
Dirección electrónica: amoreno14@cuc.edu.co https://orcid.org/0000-0002-1981-9177
Geovanny Castro-Aristizabal a, Felipe Acosta-Ortega b y Ana
Virginia Moreno-Charris c
–Introducción. –I. Marco de referencia. –II. Metodología. –III. Resultados.
–Conclusiones. –Declaración de ética. –Referencias.
Primera versión recibida el 15 de junio de 2023; versión final aceptada el 26 de octubre de 2023
Introducción
Anteriormente, los profesores tenían no solo la autonomía de decidir el
contenido de una asignatura, también diseñaban y decidían el cómo impartir
dicho contenido, para posteriormente evaluarlo. Este enfoque de enseñanza
se centralizaba en el profesor que, en últimas, se refería al contenido que se
sería cubierto en las clases, esto es, se enfocaba en el contenido a enseñar
y procuraba qué tanto el estudiante entendía de la materia. Actualmente, la
enseñanza en educación propone un modelo que cambia este enfoque y se
centraliza en el estudiante, es decir, en lo que él debe ser capaz de hacer con
el conocimiento que le transmite el profesor, por lo tanto, este modelo se basa
en lo que se define como los Resultados de Aprendizaje Esperado —RAE—
(Kennedy, 2007), que cada vez están siendo más aceptados en la enseñanza
internacional, sobre todo en la educación superior.
Sin embargo, no debe desconocerse que los entornos escolares y lo que
acontece dentro de las aulas de clase, a través de las prácticas docentes, tam-
bién influye en el desempeño escolar de los estudiantes, al condicionar su
a Geovanny Castro-Aristizabal : profesor asociado del programa de Contaduría Pública de la Uni-
versidad de Santander, Bucaramanga, Santander. Dirección electrónica:
geo.castro@mail.udes.edu.co https://orcid.org/0000-0002-3567-983X
b Felipe Acosta-Ortega: profesor de la Fundación Universitaria de Popayán, Popayán Cauca. Di-
rección electrónica: felipe.acosta@docente.fup.edu.co
https://orcid.org/0000-0001-6439-617X
c Ana Virginia Moreno-Charris: profesora de la Universidad de la Costa, Barranquilla, Atlántico.
Dirección electrónica: amoreno14@cuc.edu.co https://orcid.org/0000-0002-1981-9177
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
motivación y sus actitudes frente al aprendizaje (Hipkins, 2012). De acuerdo
con Clotfelter et al. (2006), cuando se trata de explicar el porqué de la hetero-
geneidad en los conocimientos adquiridos por los estudiantes, el profesor y su
manera de enseñar y transmitir el conocimiento, es un factor fundamental. Por
lo tanto, aquellos estudiantes que cuentan con profesores que tienen buenas
prácticas de enseñanza, aprenden los conceptos más rápidamente y mejoran
su desempeño, y aquellos que han tenido un mal docente, pueden tener difi-
cultades para el desarrollo de sus competencias y capacidad de aprendizaje, lo
que puede marcarlos durante toda su vida (Barber & Mourshed, 2007).
Por lo anterior, es importante conocer lo que sucede en los entornos esco-
lares y dentro de las aulas de clase —en adelante “entornos de aprendizaje”—,
ya que ello contribuye al diseño de políticas educativas más eficaces, por cuan-
to tiene efectos en términos de eficiencia, al mejorar el desempeño académico
escolar, y en tanto contribuye a una asignación más equitativa, dada la concen-
tración de los mejores profesores en las escuelas más exitosas. Pese a ello, no
es fácil saber lo que sucede en dichos entornos, debido a que los estudios en
este ámbito son escasos, más en el contexto de países latinoamericanos, en
especial, aquellos que miden el efecto de los entornos sobre el éxito escolar
del alumnado (Giménez et al., 2019).
Ahora bien, existe un consenso internacional no solo en resaltar la im-
portancia de abordar el proceso de enseñanza-aprendizaje que ocurre en los
entornos de aprendizaje. También se ha puesto de manifiesto la complejidad
de medir su efecto en el desempeño académico escolar (Consejo Nacional de
Rectores, 2017) ya que, como lo señala Merchán (2009a; 2009b), aunque el
diseño curricular y los contenidos que guían la práctica pedagógica sean los
mismos en los centros escolares, cada profesor adecúa tanto el contexto en
el que los desarrolla, como el espacio físico en el que se realiza sus prácticas
docentes. De ahí nace la importancia de crear herramientas que permitan me-
dir los efectos de esta autonomía docente, que hacen parte del entorno de
aprendizaje, sobre el rendimiento de los estudiantes (al respecto, ver Briggs,
2011; Stronge et al., 2011).
Sobre la línea de lo anterior, la Organización para la Cooperación y Desa-
rrollo Económico —OECD, por sus siglas en inglés— ha desarrollado una
11
motivación y sus actitudes frente al aprendizaje (Hipkins, 2012). De acuerdo
con Clotfelter et al. (2006), cuando se trata de explicar el porqué de la hetero-
geneidad en los conocimientos adquiridos por los estudiantes, el profesor y su
manera de enseñar y transmitir el conocimiento, es un factor fundamental. Por
lo tanto, aquellos estudiantes que cuentan con profesores que tienen buenas
prácticas de enseñanza, aprenden los conceptos más rápidamente y mejoran
su desempeño, y aquellos que han tenido un mal docente, pueden tener difi-
cultades para el desarrollo de sus competencias y capacidad de aprendizaje, lo
que puede marcarlos durante toda su vida (Barber & Mourshed, 2007).
Por lo anterior, es importante conocer lo que sucede en los entornos esco-
lares y dentro de las aulas de clase —en adelante “entornos de aprendizaje”—,
ya que ello contribuye al diseño de políticas educativas más eficaces, por cuan-
to tiene efectos en términos de eficiencia, al mejorar el desempeño académico
escolar, y en tanto contribuye a una asignación más equitativa, dada la concen-
tración de los mejores profesores en las escuelas más exitosas. Pese a ello, no
es fácil saber lo que sucede en dichos entornos, debido a que los estudios en
este ámbito son escasos, más en el contexto de países latinoamericanos, en
especial, aquellos que miden el efecto de los entornos sobre el éxito escolar
del alumnado (Giménez et al., 2019).
Ahora bien, existe un consenso internacional no solo en resaltar la im-
portancia de abordar el proceso de enseñanza-aprendizaje que ocurre en los
entornos de aprendizaje. También se ha puesto de manifiesto la complejidad
de medir su efecto en el desempeño académico escolar (Consejo Nacional de
Rectores, 2017) ya que, como lo señala Merchán (2009a; 2009b), aunque el
diseño curricular y los contenidos que guían la práctica pedagógica sean los
mismos en los centros escolares, cada profesor adecúa tanto el contexto en
el que los desarrolla, como el espacio físico en el que se realiza sus prácticas
docentes. De ahí nace la importancia de crear herramientas que permitan me-
dir los efectos de esta autonomía docente, que hacen parte del entorno de
aprendizaje, sobre el rendimiento de los estudiantes (al respecto, ver Briggs,
2011; Stronge et al., 2011).
Sobre la línea de lo anterior, la Organización para la Cooperación y Desa-
rrollo Económico —OECD, por sus siglas en inglés— ha desarrollado una
11
12
serie de instrumentos que recogen información sobre lo que sucede dentro
de las aulas de clase, y están siendo aplicados en el Programa Internacional
para la Evaluación de Estudiantes —PISA, por sus siglas en inglés— (OECD,
2013). Ello permite determinar cómo el desempeño escolar del alumnado está
asociado con las dinámicas que ocurren en el entorno de aprendizaje.
Así las cosas, el presente artículo busca determinar cuál es el efecto y la re-
lación que tienen los entornos de aprendizaje, con el desempeño académico
escolar en los países Latinoamericanos participantes en PISA 2018. Especí-
ficamente, lo que se pretende aquí es identificar cuáles de las dimensiones
asociadas al aprendizaje, explican en mayor medida la heterogeneidad en el
éxito escolar de los estudiantes latinoamericanos participantes en PISA 2018.
Para el logro de los objetivos, se estimará lo que la Economía de la Educación
ha definido como la función de producción educativa —FPE— (Hanusheket
al., 2013), empleando los resultados e información de la última oleada de PISA
—2018—. Los resultados de la FPE servirán de base para aplicar la técnica de
descomposición de Shorrocks-Shapley, la cual, permitirá identificar cuál es la
contribución relativa de cada dimensión asociada al aprendizaje, a la hetero-
geneidad del desempeño escolar.
La contribución principal aquí va en dos vías. La primera, llenar el va-
cío empírico existente en relación con los trabajos que miden y relacionan
los entornos de aprendizaje con el éxito escolar, para el conjunto de países
de América Latina. La segunda, tiene que ver con lo metodológico, ya que
la estimación de la FPE y la aplicación de la técnica de descomposición de
Shorrocks-Shapley, constituye una novedad, si bien dicha técnica ha sido am-
pliamente utilizada en estudios de pobreza y desigualdad, no lo ha sido el ámbi-
to de la educación, mucho menos, en el estudio de los entornos de aprendizaje
para el conjunto de países de América Latina.
I. Marco de referencia
Desde la aparición del famoso informe de Coleman, et al. (1966), los estu-
dios en Economía de la Educación se han volcado a identificar cuáles son los
principales factores asociados al aprendizaje que explican los resultados acadé-
micos del alumnado, en particular, cuál de ellos lo hace en mayor proporción.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
serie de instrumentos que recogen información sobre lo que sucede dentro
de las aulas de clase, y están siendo aplicados en el Programa Internacional
para la Evaluación de Estudiantes —PISA, por sus siglas en inglés— (OECD,
2013). Ello permite determinar cómo el desempeño escolar del alumnado está
asociado con las dinámicas que ocurren en el entorno de aprendizaje.
Así las cosas, el presente artículo busca determinar cuál es el efecto y la re-
lación que tienen los entornos de aprendizaje, con el desempeño académico
escolar en los países Latinoamericanos participantes en PISA 2018. Especí-
ficamente, lo que se pretende aquí es identificar cuáles de las dimensiones
asociadas al aprendizaje, explican en mayor medida la heterogeneidad en el
éxito escolar de los estudiantes latinoamericanos participantes en PISA 2018.
Para el logro de los objetivos, se estimará lo que la Economía de la Educación
ha definido como la función de producción educativa —FPE— (Hanusheket
al., 2013), empleando los resultados e información de la última oleada de PISA
—2018—. Los resultados de la FPE servirán de base para aplicar la técnica de
descomposición de Shorrocks-Shapley, la cual, permitirá identificar cuál es la
contribución relativa de cada dimensión asociada al aprendizaje, a la hetero-
geneidad del desempeño escolar.
La contribución principal aquí va en dos vías. La primera, llenar el va-
cío empírico existente en relación con los trabajos que miden y relacionan
los entornos de aprendizaje con el éxito escolar, para el conjunto de países
de América Latina. La segunda, tiene que ver con lo metodológico, ya que
la estimación de la FPE y la aplicación de la técnica de descomposición de
Shorrocks-Shapley, constituye una novedad, si bien dicha técnica ha sido am-
pliamente utilizada en estudios de pobreza y desigualdad, no lo ha sido el ámbi-
to de la educación, mucho menos, en el estudio de los entornos de aprendizaje
para el conjunto de países de América Latina.
I. Marco de referencia
Desde la aparición del famoso informe de Coleman, et al. (1966), los estu-
dios en Economía de la Educación se han volcado a identificar cuáles son los
principales factores asociados al aprendizaje que explican los resultados acadé-
micos del alumnado, en particular, cuál de ellos lo hace en mayor proporción.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
Si bien han determinado que son tres las dimensiones que influyen en el de-
sempeño académico escolar —características de estudiantes, de su familia y
las características escolares—, no se ha establecido un consenso en relación
con cuál de los tres es el que pesa más a la hora de explicar la heterogeneidad
en los resultados. Así, hay estudios empíricos, tanto para países desarrollados
como en vías de desarrollo, que apuntan hacia los factores del estudiante y de
su entorno familiar, como los de mayor influencia en su desempeño. Entre
tanto, existen otros trabajos empíricos que demuestran cómo la dimensión
de factores escolares es la de mayor peso al explicar el éxito escolar. Para el
caso particular de los países de América Latina, en la Figura 1 se relacionan
los estudios empíricos en este ámbito.
Ahora bien, de acuerdo con Goldhaber (1999) las razones que explican la
mayor parte de la variabilidad de los resultados académicos, medidos a través
de las puntuaciones obtenidas por los estudiantes en las diferentes evaluacio-
nes nacionales e internacionales, son los factores inobservables, tanto de los
profesores como de las escuelas, y de lo que ocurre dentro de las aulas de clase.
Sobre este mismo punto, Goldhaber y Anthony (2007) y Goldhaber y Brewer
(1997) apuntan específicamente a los dotes de comunicación del profesor, su
capacidad de transmitir el conocimiento, las relaciones entre el profesor y el
alumno, la forma de dictar las clases, la asignación de los tiempos, y la au-
toridad que refleje el docente, como factores inobservables del entorno de
aprendizaje, que influyen en el éxito escolar. Eso sí, los autores reconocen
que son aspectos difícilmente medibles, pero ello no implica que no tengan
efecto alguno sobre el rendimiento del alumnado.
Tener en cuenta estos factores, que directamente no pueden ser observa-
bles, es de gran relevancia, debido a que estos van a influir sobre la empatía
y el respeto de los alumnos, su disposición frente a las clases, su motivación
e implicación, incluso sobre su asistencia y puntualidad, aspectos que al final
terminan reflejándose en su nivel de esfuerzo, llevándolos a superarse y tener
éxito (Giménez et al., 2019). De hecho, autores como Hendriks et al.(2013)
reiteran que hay una alta asociación entre el aprendizaje del alumnado y la
manera en que se diseñan y se imparten las actividades académicas, incluido
la forma en que los docentes distribuyen el tiempo dentro de las aulas.
13
Si bien han determinado que son tres las dimensiones que influyen en el de-
sempeño académico escolar —características de estudiantes, de su familia y
las características escolares—, no se ha establecido un consenso en relación
con cuál de los tres es el que pesa más a la hora de explicar la heterogeneidad
en los resultados. Así, hay estudios empíricos, tanto para países desarrollados
como en vías de desarrollo, que apuntan hacia los factores del estudiante y de
su entorno familiar, como los de mayor influencia en su desempeño. Entre
tanto, existen otros trabajos empíricos que demuestran cómo la dimensión
de factores escolares es la de mayor peso al explicar el éxito escolar. Para el
caso particular de los países de América Latina, en la Figura 1 se relacionan
los estudios empíricos en este ámbito.
Ahora bien, de acuerdo con Goldhaber (1999) las razones que explican la
mayor parte de la variabilidad de los resultados académicos, medidos a través
de las puntuaciones obtenidas por los estudiantes en las diferentes evaluacio-
nes nacionales e internacionales, son los factores inobservables, tanto de los
profesores como de las escuelas, y de lo que ocurre dentro de las aulas de clase.
Sobre este mismo punto, Goldhaber y Anthony (2007) y Goldhaber y Brewer
(1997) apuntan específicamente a los dotes de comunicación del profesor, su
capacidad de transmitir el conocimiento, las relaciones entre el profesor y el
alumno, la forma de dictar las clases, la asignación de los tiempos, y la au-
toridad que refleje el docente, como factores inobservables del entorno de
aprendizaje, que influyen en el éxito escolar. Eso sí, los autores reconocen
que son aspectos difícilmente medibles, pero ello no implica que no tengan
efecto alguno sobre el rendimiento del alumnado.
Tener en cuenta estos factores, que directamente no pueden ser observa-
bles, es de gran relevancia, debido a que estos van a influir sobre la empatía
y el respeto de los alumnos, su disposición frente a las clases, su motivación
e implicación, incluso sobre su asistencia y puntualidad, aspectos que al final
terminan reflejándose en su nivel de esfuerzo, llevándolos a superarse y tener
éxito (Giménez et al., 2019). De hecho, autores como Hendriks et al.(2013)
reiteran que hay una alta asociación entre el aprendizaje del alumnado y la
manera en que se diseñan y se imparten las actividades académicas, incluido
la forma en que los docentes distribuyen el tiempo dentro de las aulas.
13
14
Figura 1. Factores asociados al aprendizaje como determinantes del rendimiento escolar en
América Latina
a Hace referencia a las características socioeconómicas.
Nota: SABER11 hace referencia a los resultados obtenidos en las pruebas aplicadas a los estudiantes del
último curso de bachillerato en el Sistema Nacional de Evaluación de la Calidad de la Educación. PISA se
refiere al Programa Internacional para la Evaluación de los Estudiantes. SERCE significa Segundo Estudio
Regional Comparativo y Explicativo. ENH es la Encuesta Nacional de Hogares. SIMCE es el Sistema de
Medición de la Calidad de la Educación. ECV es la Encuesta de Calidad de Vida. El símbolo entre paréntesis
junto a cada factor se refiere a la relación entre el desempeño y el factor. Cuando el género se mide con una
variable ficticia [dummy] con valor 1 si es mujer, 0 si es hombre, el efecto sobre la puntuación en lectura es
(+) y en matemáticas (−).
Fuente: adaptado y actualizado de Castro, et al. (2018, p. 38).
Dicho lo anterior, al buscar trabajos empíricos sobre los entornos de
aprendizaje y su efecto en el éxito escolar en países o regiones, es poco lo que
se encuentra, dada la dificultad que se ha expuesto anteriormente, mayor aún,
estudios aplicados a países de América Latina. Dentro de los más recientes,
se encuentra el trabajo realizado por Borbely et al. (2023) para Etiopía, quie-
nes encontraron que, cuando el alumnado interactúa con más compañeros,
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Figura 1. Factores asociados al aprendizaje como determinantes del rendimiento escolar en
América Latina
a Hace referencia a las características socioeconómicas.
Nota: SABER11 hace referencia a los resultados obtenidos en las pruebas aplicadas a los estudiantes del
último curso de bachillerato en el Sistema Nacional de Evaluación de la Calidad de la Educación. PISA se
refiere al Programa Internacional para la Evaluación de los Estudiantes. SERCE significa Segundo Estudio
Regional Comparativo y Explicativo. ENH es la Encuesta Nacional de Hogares. SIMCE es el Sistema de
Medición de la Calidad de la Educación. ECV es la Encuesta de Calidad de Vida. El símbolo entre paréntesis
junto a cada factor se refiere a la relación entre el desempeño y el factor. Cuando el género se mide con una
variable ficticia [dummy] con valor 1 si es mujer, 0 si es hombre, el efecto sobre la puntuación en lectura es
(+) y en matemáticas (−).
Fuente: adaptado y actualizado de Castro, et al. (2018, p. 38).
Dicho lo anterior, al buscar trabajos empíricos sobre los entornos de
aprendizaje y su efecto en el éxito escolar en países o regiones, es poco lo que
se encuentra, dada la dificultad que se ha expuesto anteriormente, mayor aún,
estudios aplicados a países de América Latina. Dentro de los más recientes,
se encuentra el trabajo realizado por Borbely et al. (2023) para Etiopía, quie-
nes encontraron que, cuando el alumnado interactúa con más compañeros,
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
la motivación aumenta y por tanto su desempeño, un hecho más marcado en
las mujeres respecto a los hombres. Por su parte, Jackson (2012; 2021) deter-
minó para Trinidad y Tobago que las escuelas de un solo género tienen un
mejor resultado académico respecto a los colegios que son mixtos, tanto en
los colegios de niños como en los de niñas. Para el caso de Suiza, Eisenkopf,
et. al (2015) también encontró resultados similares a los hallados por Jack-
son (2012; 2021), esto es, la escolarización diferenciada por género —niños o
niñas— reporta un mejor rendimiento, en particular, esta diferenciación me-
jora el desempeño de las niñas en matemáticas. Por otra parte, está el trabajo
realizado por Astorquiza (2019), quien encontró que tanto la pedagogía como
el compromiso educativo, favorecen el desempeño escolar de los estudiantes.
Stallingset al. (2014), encontraron que, cuando los docentes tienen una mayor
capacidad de involucrar a los alumnos en las tareas asignadas, desde el primer
momento de la clase, no solo son más valorados, sino que también el rendi-
miento de los estudiantes es mayor. Para este hallazgo, los autores emplearon
lo que en educación se conoce como el Método de Stallings, en el que se re-
colecta información del “interior del aula de clase”, a partir de la observación
y del uso del tiempo, en diferentes momentos de este.
Ya para el contexto de los países de Latinoamérica, Bruns y Luque (2014)
aplicaron un estudio a más de 3000 escuelas de Brasil, Colombia, Honduras,
Jamaica, Perú y México, con el objetivo de analizar las prácticas docentes, la
capacidad para mantener la atención y participación del alumnado, así como
también, conocer cómo los profesores hacían uso del material educativo y del
tiempo para dar las instrucciones. Encontraron que el número de estudiantes
que tienen una mayor oportunidad de aprender crece, cuando los docentes
tienen un mejor control de la clase, y menores inconvenientes de disciplina,
ya que esto les da más tiempo para influir en el aprendizaje. Para ello, los
propios docentes deben lograr que los estudiantes se involucren más en las
actividades curriculares.
Gregorio, et al. (2019), al estudiar los resultados obtenidos por los estu-
diantes costarricenses en PISA 2012, hallaron que las características de la es-
cuela y del profesorado determinaron, en promedio, el 36 % de la heterogenei-
dad en el rendimiento escolar, mientras que el conjunto de las características
del individuo y de su familia solo aportaron el 12,5 %. Dentro de los factores
15
la motivación aumenta y por tanto su desempeño, un hecho más marcado en
las mujeres respecto a los hombres. Por su parte, Jackson (2012; 2021) deter-
minó para Trinidad y Tobago que las escuelas de un solo género tienen un
mejor resultado académico respecto a los colegios que son mixtos, tanto en
los colegios de niños como en los de niñas. Para el caso de Suiza, Eisenkopf,
et. al (2015) también encontró resultados similares a los hallados por Jack-
son (2012; 2021), esto es, la escolarización diferenciada por género —niños o
niñas— reporta un mejor rendimiento, en particular, esta diferenciación me-
jora el desempeño de las niñas en matemáticas. Por otra parte, está el trabajo
realizado por Astorquiza (2019), quien encontró que tanto la pedagogía como
el compromiso educativo, favorecen el desempeño escolar de los estudiantes.
Stallingset al. (2014), encontraron que, cuando los docentes tienen una mayor
capacidad de involucrar a los alumnos en las tareas asignadas, desde el primer
momento de la clase, no solo son más valorados, sino que también el rendi-
miento de los estudiantes es mayor. Para este hallazgo, los autores emplearon
lo que en educación se conoce como el Método de Stallings, en el que se re-
colecta información del “interior del aula de clase”, a partir de la observación
y del uso del tiempo, en diferentes momentos de este.
Ya para el contexto de los países de Latinoamérica, Bruns y Luque (2014)
aplicaron un estudio a más de 3000 escuelas de Brasil, Colombia, Honduras,
Jamaica, Perú y México, con el objetivo de analizar las prácticas docentes, la
capacidad para mantener la atención y participación del alumnado, así como
también, conocer cómo los profesores hacían uso del material educativo y del
tiempo para dar las instrucciones. Encontraron que el número de estudiantes
que tienen una mayor oportunidad de aprender crece, cuando los docentes
tienen un mejor control de la clase, y menores inconvenientes de disciplina,
ya que esto les da más tiempo para influir en el aprendizaje. Para ello, los
propios docentes deben lograr que los estudiantes se involucren más en las
actividades curriculares.
Gregorio, et al. (2019), al estudiar los resultados obtenidos por los estu-
diantes costarricenses en PISA 2012, hallaron que las características de la es-
cuela y del profesorado determinaron, en promedio, el 36 % de la heterogenei-
dad en el rendimiento escolar, mientras que el conjunto de las características
del individuo y de su familia solo aportaron el 12,5 %. Dentro de los factores
15
16
de escuela, los autores destacan que son dos los aspectos de mayor influencia:
el primero de ellos es el absentismo y la impuntualidad de los estudiantes, y
el segundo es la autonomía del profesorado y de la dirección del colegio, en
el diseño de planes de estudio y exámenes. Cada uno contribuye, en media,
con un 6,42 % y un 11,07 %, respectivamente. Para México, Moreno y Cortez
(2020) determinaron que la educación preescolar tiene un efecto favorable en
el desempeño escolar y reduce las desigualdades entre los colegios públicos y
privados.
Por último, se encontró el estudio de Zambrano (2013) que, según Astor-
quiza (2019), es el primero que intenta asociar el incremento del rendimiento
escolar, con la forma de introducir la pedagogía, como estrategia educativa.
Usando para Colombia los datos del Estudio Internacional de Tendencias en
Matemáticas y Ciencias —TIMSS, por sus siglas en inglés—, y empleando los
modelos multinivel, determinó que, si bien hay un efecto positivo de los facto-
res asociados con el profesorado, el 57,4 % de la variabilidad en los resultados
en TIMSS es explicada por las características de los estudiantes.
Como se ve, los estudios para América Latina son escasos, por lo que el
presente artículo se destaca por tratar de llenar este vacío para el conjunto de
países latinoamericanos, incluyendo los entornos de aprendizaje como input
en la FPE, y se diferencia de los demás, porque estima la FPE de forma simul-
tánea, con la aplicación de la técnica de descomposición Shorrocks-Shapley,
para determinar si dichos entornos explican en mayor medida a la heteroge-
neidad del éxito escolar.
II. Metodología
A. Fuentes de información y tratamiento de los datos
El presente artículo usó los datos de la última versión de PISA —2018—,
donde participaron 79 países o economías1, de las cuales 10 son latinoameri-
canos, con un total de 75 622 estudiantes y 3 061 escuelas participantes en esta
1 Se hace la distinción entre país o economía ya que hay regiones, como Shanghái —China—,
que no se constituyen como un país y, aun así, participa en las pruebas. Sus resultados son
tratados como una región aparte.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
de escuela, los autores destacan que son dos los aspectos de mayor influencia:
el primero de ellos es el absentismo y la impuntualidad de los estudiantes, y
el segundo es la autonomía del profesorado y de la dirección del colegio, en
el diseño de planes de estudio y exámenes. Cada uno contribuye, en media,
con un 6,42 % y un 11,07 %, respectivamente. Para México, Moreno y Cortez
(2020) determinaron que la educación preescolar tiene un efecto favorable en
el desempeño escolar y reduce las desigualdades entre los colegios públicos y
privados.
Por último, se encontró el estudio de Zambrano (2013) que, según Astor-
quiza (2019), es el primero que intenta asociar el incremento del rendimiento
escolar, con la forma de introducir la pedagogía, como estrategia educativa.
Usando para Colombia los datos del Estudio Internacional de Tendencias en
Matemáticas y Ciencias —TIMSS, por sus siglas en inglés—, y empleando los
modelos multinivel, determinó que, si bien hay un efecto positivo de los facto-
res asociados con el profesorado, el 57,4 % de la variabilidad en los resultados
en TIMSS es explicada por las características de los estudiantes.
Como se ve, los estudios para América Latina son escasos, por lo que el
presente artículo se destaca por tratar de llenar este vacío para el conjunto de
países latinoamericanos, incluyendo los entornos de aprendizaje como input
en la FPE, y se diferencia de los demás, porque estima la FPE de forma simul-
tánea, con la aplicación de la técnica de descomposición Shorrocks-Shapley,
para determinar si dichos entornos explican en mayor medida a la heteroge-
neidad del éxito escolar.
II. Metodología
A. Fuentes de información y tratamiento de los datos
El presente artículo usó los datos de la última versión de PISA —2018—,
donde participaron 79 países o economías1, de las cuales 10 son latinoameri-
canos, con un total de 75 622 estudiantes y 3 061 escuelas participantes en esta
1 Se hace la distinción entre país o economía ya que hay regiones, como Shanghái —China—,
que no se constituyen como un país y, aun así, participa en las pruebas. Sus resultados son
tratados como una región aparte.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
oleada de PISA, distribuidos como se muestra en la Tabla 1, y representativos
estadísticamente para cada país.
Tabla 1. Países latinoamericanos participantes en PISA 2018
País [h] # Estudiantes
[n]
Peso en la
muestra
# Escuelas Peso en la
muestra
Brasil (BRA) 10 691 14,1 % 597 19,5 %
Buenos Aires, Argentina (ARG) 11 975 15,8 % 455 14,9 %
Chile (CHL) 7 621 10,1 % 254 8,3 %
Colombia (COL) 7 522 10,0 % 247 8,1 %
Costa Rica (CRI) 7 221 9,6 % 205 6,7 %
Repú. Dominicana (DOM) 5 674 7,5 % 235 7,7 %
México (MEX) 7 299 9,7 % 286 9,3 %
Panamá (PAN) 6 270 8,3 % 253 8,3 %
Perú (PER) 6 086 8,1 % 340 11,1 %
Uruguay (URY) 5 263 7,0 % 189 6,2 %
Total 75 622 100,0 % 3 061 100,0 %
Nota: países o economías ordenadas alfabéticamente.
Fuente: elaboración propia a partir de información PISA 2018 (OECD, 2024).
Ahora bien, la base de datos que construye la OECD posee lo que se co-
noce en la literatura como missing value, es decir, hay datos sin registro, entre
otras razones, porque el estudiante no contesta algunas de las preguntas he-
chas en los formularios. Así, siguiendo lo recomendado por Medina y Galván
(2007) para el tratamiento de los datos educativos, y lo realizado por Gimé-
nez y Castro (2017), se aplicará la metodología de imputación hot-deck a las
variables cuyos missing values superen el 10 % de la muestra total, por país.
El hot-deck es un método no paramétrico desarrollado algorítmicamente por
Mander y Clayton (1999) el cual, con la información recogida de una selección
aleatoria de valores observados [donantes], se sustituyen los datos sin registro
—receptores—. Es considerado superior a otros métodos de imputación, ya
que no produce sesgos en los estimadores y sus desviaciones estándar, y es
más eficiente, porque las variables imputadas conservan su distribución de
probabilidad (Durrant, 2009).
17
oleada de PISA, distribuidos como se muestra en la Tabla 1, y representativos
estadísticamente para cada país.
Tabla 1. Países latinoamericanos participantes en PISA 2018
País [h] # Estudiantes
[n]
Peso en la
muestra
# Escuelas Peso en la
muestra
Brasil (BRA) 10 691 14,1 % 597 19,5 %
Buenos Aires, Argentina (ARG) 11 975 15,8 % 455 14,9 %
Chile (CHL) 7 621 10,1 % 254 8,3 %
Colombia (COL) 7 522 10,0 % 247 8,1 %
Costa Rica (CRI) 7 221 9,6 % 205 6,7 %
Repú. Dominicana (DOM) 5 674 7,5 % 235 7,7 %
México (MEX) 7 299 9,7 % 286 9,3 %
Panamá (PAN) 6 270 8,3 % 253 8,3 %
Perú (PER) 6 086 8,1 % 340 11,1 %
Uruguay (URY) 5 263 7,0 % 189 6,2 %
Total 75 622 100,0 % 3 061 100,0 %
Nota: países o economías ordenadas alfabéticamente.
Fuente: elaboración propia a partir de información PISA 2018 (OECD, 2024).
Ahora bien, la base de datos que construye la OECD posee lo que se co-
noce en la literatura como missing value, es decir, hay datos sin registro, entre
otras razones, porque el estudiante no contesta algunas de las preguntas he-
chas en los formularios. Así, siguiendo lo recomendado por Medina y Galván
(2007) para el tratamiento de los datos educativos, y lo realizado por Gimé-
nez y Castro (2017), se aplicará la metodología de imputación hot-deck a las
variables cuyos missing values superen el 10 % de la muestra total, por país.
El hot-deck es un método no paramétrico desarrollado algorítmicamente por
Mander y Clayton (1999) el cual, con la información recogida de una selección
aleatoria de valores observados [donantes], se sustituyen los datos sin registro
—receptores—. Es considerado superior a otros métodos de imputación, ya
que no produce sesgos en los estimadores y sus desviaciones estándar, y es
más eficiente, porque las variables imputadas conservan su distribución de
probabilidad (Durrant, 2009).
17
18
B. El modelo y tratamiento econométrico
Las investigaciones en Economía de la Educación han empleado, de ma-
nera amplia, la función de producción educativa –FPE–, que establece una
relación estadística de carácter empírico, entre los resultados educativos (out-
put) y los factores asociados al aprendizaje (inputs), estimándola a través de
distintas técnicas de regresión2. Para América Latina, aún son escasos los re-
sultados empíricos, entre otras razones, gracias a la carencia de datos que,
afortunadamente, desde la puesta en marcha del proyecto PISA, se ha venido
solventando la falta de información, en especial, la que tiene que ver con los
entornos de aprendizaje. En este artículo se usará la FPE estándar, con ba-
se en lo propuesto por Hanushek y Woessmann (2012), pero incluirá como
dimensión adicional, los entornos de aprendizaje, de manera tal que:
P h
ij = βh
0j +
k∑
m=1
βh
mj CEh
mij +
l∑
m=k+1
βh
mj CF h
mij
+
w∑
m=l+1
βh
mj Ch
mij +
z∑
m=w+1
βh
mj EAh
mij + μh
ij . (1)
Como output, P h
ij corresponde al valor promedio de los diez valores plau-
sibles, del i-ésimo estudiante, en la j-ésima competencia, en el h-ésimo país
(Castro et al., 2028). El primer sumatorio recoge los inputs de las características
del estudiante –CE– [i = 1, . . ., n], por competencia evaluada [j = 1, 2, 3.],
en cada país latinoamericano [h = 1, . . ., 10.]. De igual forma, en el segundo
sumatorio se agrupan los inputs de las características de su familia –CF–, el
tercero las del centro escolar al cual asiste –C– y, por último, están los inputs
asociados a los entornos de aprendizaje –EA–. El término de error está repre-
sentado por μh
ij , y se supone que se distribuye como una normal con media
cero y varianza constante [μh
ij ∼ N (0, δ2
j
)]. Dado que la aplicación de esta
investigación está orientada a los países latinoamericanos, la elección de ca-
2 Ver para países desarrollados Cordero et al. (2013) y Sun et al. (2012); y en vías de desarrollo
Oreiro y Valenzuela (2013) y Ammermüller et al. (2005), entre otros.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
B. El modelo y tratamiento econométrico
Las investigaciones en Economía de la Educación han empleado, de ma-
nera amplia, la función de producción educativa –FPE–, que establece una
relación estadística de carácter empírico, entre los resultados educativos (out-
put) y los factores asociados al aprendizaje (inputs), estimándola a través de
distintas técnicas de regresión2. Para América Latina, aún son escasos los re-
sultados empíricos, entre otras razones, gracias a la carencia de datos que,
afortunadamente, desde la puesta en marcha del proyecto PISA, se ha venido
solventando la falta de información, en especial, la que tiene que ver con los
entornos de aprendizaje. En este artículo se usará la FPE estándar, con ba-
se en lo propuesto por Hanushek y Woessmann (2012), pero incluirá como
dimensión adicional, los entornos de aprendizaje, de manera tal que:
P h
ij = βh
0j +
k∑
m=1
βh
mj CEh
mij +
l∑
m=k+1
βh
mj CF h
mij
+
w∑
m=l+1
βh
mj Ch
mij +
z∑
m=w+1
βh
mj EAh
mij + μh
ij . (1)
Como output, P h
ij corresponde al valor promedio de los diez valores plau-
sibles, del i-ésimo estudiante, en la j-ésima competencia, en el h-ésimo país
(Castro et al., 2028). El primer sumatorio recoge los inputs de las características
del estudiante –CE– [i = 1, . . ., n], por competencia evaluada [j = 1, 2, 3.],
en cada país latinoamericano [h = 1, . . ., 10.]. De igual forma, en el segundo
sumatorio se agrupan los inputs de las características de su familia –CF–, el
tercero las del centro escolar al cual asiste –C– y, por último, están los inputs
asociados a los entornos de aprendizaje –EA–. El término de error está repre-
sentado por μh
ij , y se supone que se distribuye como una normal con media
cero y varianza constante [μh
ij ∼ N (0, δ2
j
)]. Dado que la aplicación de esta
investigación está orientada a los países latinoamericanos, la elección de ca-
2 Ver para países desarrollados Cordero et al. (2013) y Sun et al. (2012); y en vías de desarrollo
Oreiro y Valenzuela (2013) y Ammermüller et al. (2005), entre otros.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
da factor asociado al aprendizaje se hizo con base en los trabajos aplicados a
estos países o regiones (ver Figura 2).
Figura 2. Dimensiones y factores asociados para la estimación de la FPE
Nota: los signos entre corchetes representan las relaciones esperadas entre cada factor asociado al aprendizaje
y el desempeño escolar. Para la variable género, el signo esperado es positivo en lectura y negativo en mate-
máticas, al comparar los resultados de las mujeres respecto a los hombres, en cada competencia evaluada.
Fuente: elaboración propia.
Ahora bien, en lo que respecta a los entornos de aprendizaje, al momento
de realizar la presente, no se encontraron estudios que incluyan las propor-
ciones profesor-cualificado por alumno y profesor-certificado por alumno3,
cuya relación con el éxito escolar se espera positiva. Desde esta perspectiva,
este trabajo presenta una novedad adicional, al construir estos dos factores e
incluirlos en la FPE. En la Tabla 2 se describen cada uno de los inputs educa-
tivos, incluyendo los factores que se tendrán en cuenta para la medición del
entorno del aprendizaje.
3 Profesor cualificado: se entiende como aquel que tiene formación profesional (título profe-
sional o maestría). Profesor certificado: aquel que tiene todas los certificados o documentos,
exigidos por los ministerios de educación, para ejercer como profesor en su respectivo país.
19
da factor asociado al aprendizaje se hizo con base en los trabajos aplicados a
estos países o regiones (ver Figura 2).
Figura 2. Dimensiones y factores asociados para la estimación de la FPE
Nota: los signos entre corchetes representan las relaciones esperadas entre cada factor asociado al aprendizaje
y el desempeño escolar. Para la variable género, el signo esperado es positivo en lectura y negativo en mate-
máticas, al comparar los resultados de las mujeres respecto a los hombres, en cada competencia evaluada.
Fuente: elaboración propia.
Ahora bien, en lo que respecta a los entornos de aprendizaje, al momento
de realizar la presente, no se encontraron estudios que incluyan las propor-
ciones profesor-cualificado por alumno y profesor-certificado por alumno3,
cuya relación con el éxito escolar se espera positiva. Desde esta perspectiva,
este trabajo presenta una novedad adicional, al construir estos dos factores e
incluirlos en la FPE. En la Tabla 2 se describen cada uno de los inputs educa-
tivos, incluyendo los factores que se tendrán en cuenta para la medición del
entorno del aprendizaje.
3 Profesor cualificado: se entiende como aquel que tiene formación profesional (título profe-
sional o maestría). Profesor certificado: aquel que tiene todas los certificados o documentos,
exigidos por los ministerios de educación, para ejercer como profesor en su respectivo país.
19
20
Tabla 2. Descripción de los factores asociados al aprendizaje incluidos en la FPE
Factores asociados al aprendizaje [Inputs Educativos]
Estudiantes Género Variable dicotómica que toma el valor de 1 si el i-ésimo estudiante es mujer, cero si
es hombre.
NoRezago Variable dicoómica que toma el valor de 1 si el i-ésimo estudiante repitió al menos
una vez un curso electivo, cero en caso contrario.
Preescolar Variable dicotomica que toma el valor de 1 si el i-ésimo estudiante realizó preescolar
antes de la primaria, cero en caso contrario.
Familia Libros Variable dicotómica que toma el valor de 1 si en el hogar del i-ésimo estudiante hay
al menos 26 libros, cero en caso contrario.
Educamamá Variable contínua que hace referencia a los años de educación que tiene la madre, con
base en el ISCED.
Ocupación Variable continua. Índice construido por la OCDE [HISEI]. Mide el estatus ocupa-
cional más alto logrado por los padres.
Colegio Alum/Prof Variable continua. Calculado por la OECD [STRATIO]. Mide la relación alumnos
por profesor.
Público Variable dicotómica que toma el valor de 1 si el i-ésimo estudiante es de colegio
público, cero si es de un centro escolar privado.
Materiales
Variable continua. Índice construido por la OECD [EDUSHORT]. Mide la calidad
de los materiales educativos del colegio. A mayor valor del índice, mejor el material
educativo.
Entornos de Aprendizaje
PCU-Alum Variable continua. Construcción propia. Calula el ratio de profesores cualificados por
alumno, en el centro escolar.
PCE-Alum Variable continua. Construcción propia. Calcula el ratio de profesores certificados
por alumno, en el centro escolar.
Ambiente
Variable continua. Índice construido por la OEDCD [DISCLIMA]. Mide el clima
dentro del salón de clase, teniendo en cuenta que los estudiantes hallan respondido
“nunca o casi nunca” a los siguientes eventos: Los estudiantes no escuchan al profesor,
hay ruido y desorden, no se trabaja bien, el profesor debe esperar mucho para iniciar.
A mayor valor del índice, mejor la disciplina.
Climaestu
Variable dicontómica que toma el valor de 1 si el director responde “en cierta medida
o mucho” si los siguientes eventos afectan el aprendizaje: absentismo, estudiantes se
escapan de las clases, los estudiantes no muestran respecto al profesor, consumo de
alchool o sustancias ilegales, los estudiantes amedrentan a otros [bulling], cero en caso
contrario.
Climaprofe
Variable dicontómica que toma el valor de 1 si el director responde “nunca o casi
nunca” si los siguientes eventos afectan el aprendizaje: relaciones profesor-alumno
pobres, Los profesores tienen que enseñar a alumnos con niveles heterogéneos de
habilidades dentro de la misma clase, Los profesores tienen bajas expectativas de los
estudiantes, Absentismo del profesorado, Los profesores no satisfacen las necesidades
individuales de los estudiantes, Los profesores llegan tarde a clase, los profesores no
preparan bien las clases, cero en caso contrario.
Output educativo: Éxito Escolar: puntuación obtenido en las pruebas PISA 2018, en Lectura, Matemá-
ticas y Ciencias.
Fuente: elaboración propia a partir de información PISA 2018, OECD (2024).
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Tabla 2. Descripción de los factores asociados al aprendizaje incluidos en la FPE
Factores asociados al aprendizaje [Inputs Educativos]
Estudiantes Género Variable dicotómica que toma el valor de 1 si el i-ésimo estudiante es mujer, cero si
es hombre.
NoRezago Variable dicoómica que toma el valor de 1 si el i-ésimo estudiante repitió al menos
una vez un curso electivo, cero en caso contrario.
Preescolar Variable dicotomica que toma el valor de 1 si el i-ésimo estudiante realizó preescolar
antes de la primaria, cero en caso contrario.
Familia Libros Variable dicotómica que toma el valor de 1 si en el hogar del i-ésimo estudiante hay
al menos 26 libros, cero en caso contrario.
Educamamá Variable contínua que hace referencia a los años de educación que tiene la madre, con
base en el ISCED.
Ocupación Variable continua. Índice construido por la OCDE [HISEI]. Mide el estatus ocupa-
cional más alto logrado por los padres.
Colegio Alum/Prof Variable continua. Calculado por la OECD [STRATIO]. Mide la relación alumnos
por profesor.
Público Variable dicotómica que toma el valor de 1 si el i-ésimo estudiante es de colegio
público, cero si es de un centro escolar privado.
Materiales
Variable continua. Índice construido por la OECD [EDUSHORT]. Mide la calidad
de los materiales educativos del colegio. A mayor valor del índice, mejor el material
educativo.
Entornos de Aprendizaje
PCU-Alum Variable continua. Construcción propia. Calula el ratio de profesores cualificados por
alumno, en el centro escolar.
PCE-Alum Variable continua. Construcción propia. Calcula el ratio de profesores certificados
por alumno, en el centro escolar.
Ambiente
Variable continua. Índice construido por la OEDCD [DISCLIMA]. Mide el clima
dentro del salón de clase, teniendo en cuenta que los estudiantes hallan respondido
“nunca o casi nunca” a los siguientes eventos: Los estudiantes no escuchan al profesor,
hay ruido y desorden, no se trabaja bien, el profesor debe esperar mucho para iniciar.
A mayor valor del índice, mejor la disciplina.
Climaestu
Variable dicontómica que toma el valor de 1 si el director responde “en cierta medida
o mucho” si los siguientes eventos afectan el aprendizaje: absentismo, estudiantes se
escapan de las clases, los estudiantes no muestran respecto al profesor, consumo de
alchool o sustancias ilegales, los estudiantes amedrentan a otros [bulling], cero en caso
contrario.
Climaprofe
Variable dicontómica que toma el valor de 1 si el director responde “nunca o casi
nunca” si los siguientes eventos afectan el aprendizaje: relaciones profesor-alumno
pobres, Los profesores tienen que enseñar a alumnos con niveles heterogéneos de
habilidades dentro de la misma clase, Los profesores tienen bajas expectativas de los
estudiantes, Absentismo del profesorado, Los profesores no satisfacen las necesidades
individuales de los estudiantes, Los profesores llegan tarde a clase, los profesores no
preparan bien las clases, cero en caso contrario.
Output educativo: Éxito Escolar: puntuación obtenido en las pruebas PISA 2018, en Lectura, Matemá-
ticas y Ciencias.
Fuente: elaboración propia a partir de información PISA 2018, OECD (2024).
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
C. La descomposición de Shorrocks (1999)-Shapley (1953)
Shapley (1953) introduce un método para distribuir la riqueza desde la
perspectiva de la teoría de juegos cooperativos, el cual, se conoce en la litera-
tura como el valor de Shapley. La idea central es la siguiente: en una coalición
de jugadores se coopera, y producto de esta cooperación se obtienen unos
beneficios globales. Como unos jugadores pueden contribuir más que otros
en la coalición, puesto que, por ejemplo, pueden tener un mayor poder de
negociación, ¿cuál debería ser el reparto o distribución final que debe recibir
cada jugador? El valor de Shapley sugiere cómo distribuir las ganancias totales
entre los jugadores4.
A partir del valor de Shapley, Shorrocks (1999) desarrolla una técnica de
descomposición para el análisis de las distribuciones o asignaciones del ingre-
so, por grupos factoriales, al encontrar que los enfoques que usualmente se
empleaban en los estudios de pobreza y desigualdad, presentaban una serie de
desventajas: 1) la interpretación de la contribución de un factor en específico
a la desigualdad, no siempre puede darse de forma significativa, además, pue-
de ser no precisa, 2) en los métodos tradicionales, se imponen restricciones a
los índices en los que pueden ser aplicados, 3) establecen algunas limitaciones
sobre los factores que contribuyen a la desigualdad , y finalmente 4) no hay
metodologías que permitan ver la descomposición de forma simultánea por
subgrupos.
En el presente artículo se adapta el análisis de descomposición de Shorrocks-
Shapley al estudio del entorno de aprendizaje, y su contribución al éxito es-
colar. De esta manera, se define G (x) = ∑
f Sf como la desigualdad o hete-
rogeneidad en los resultados de las pruebas PISA 2018, en cada competencia
evaluada y para cada país, en función de la suma de la contribución de cada
factor asociado al aprendizaje, a la desigualdad [Sf ], con x = ∑
f xf
i , co-
mo la heterogeneidad en desempeño escolar, resultado de la agregación de
la desigualdad por factor. Dividiendo la contribución de cada factor entre el
indicador de desigualdad, se obtiene la contribución relativa por factor:
4 Para un desarrollo formal del método, ver Shapley (1953).
21
C. La descomposición de Shorrocks (1999)-Shapley (1953)
Shapley (1953) introduce un método para distribuir la riqueza desde la
perspectiva de la teoría de juegos cooperativos, el cual, se conoce en la litera-
tura como el valor de Shapley. La idea central es la siguiente: en una coalición
de jugadores se coopera, y producto de esta cooperación se obtienen unos
beneficios globales. Como unos jugadores pueden contribuir más que otros
en la coalición, puesto que, por ejemplo, pueden tener un mayor poder de
negociación, ¿cuál debería ser el reparto o distribución final que debe recibir
cada jugador? El valor de Shapley sugiere cómo distribuir las ganancias totales
entre los jugadores4.
A partir del valor de Shapley, Shorrocks (1999) desarrolla una técnica de
descomposición para el análisis de las distribuciones o asignaciones del ingre-
so, por grupos factoriales, al encontrar que los enfoques que usualmente se
empleaban en los estudios de pobreza y desigualdad, presentaban una serie de
desventajas: 1) la interpretación de la contribución de un factor en específico
a la desigualdad, no siempre puede darse de forma significativa, además, pue-
de ser no precisa, 2) en los métodos tradicionales, se imponen restricciones a
los índices en los que pueden ser aplicados, 3) establecen algunas limitaciones
sobre los factores que contribuyen a la desigualdad , y finalmente 4) no hay
metodologías que permitan ver la descomposición de forma simultánea por
subgrupos.
En el presente artículo se adapta el análisis de descomposición de Shorrocks-
Shapley al estudio del entorno de aprendizaje, y su contribución al éxito es-
colar. De esta manera, se define G (x) = ∑
f Sf como la desigualdad o hete-
rogeneidad en los resultados de las pruebas PISA 2018, en cada competencia
evaluada y para cada país, en función de la suma de la contribución de cada
factor asociado al aprendizaje, a la desigualdad [Sf ], con x = ∑
f xf
i , co-
mo la heterogeneidad en desempeño escolar, resultado de la agregación de
la desigualdad por factor. Dividiendo la contribución de cada factor entre el
indicador de desigualdad, se obtiene la contribución relativa por factor:
4 Para un desarrollo formal del método, ver Shapley (1953).
21
22
sf = Sf
G
(∑
f xf
i
)
′′
. (2)
Shorrocks (1982) demuestra que la varianza es el único indicador que per-
mite diferenciar la contribución a la desigualdad —heterogeneidad— de cada
fuente. En este caso, la heterogeneidad puede expresarse como una combi-
nación de la desigualdad de cada escuela, y de las interacciones —permuta-
ciones— que surgen entre las variaciones originadas por cada factor asociado
al aprendizaje, de esta manera:
σ2 (x) = ∑
f
σ2 (xf ) + ∑
j̸ =f
ρjf σ (xf ) σ (xj ) = cov (xf , xj ) , (3)
donde ρjf corresponde al coeficiente de correlación entre los colegios, y
σ2 (x) arroja un único valor para la contribución de cada factor, a la hete-
rogeneidad en el rendimiento académico, esto es, en el éxito escolar. Por lo
tanto, la contribución relativa es:
sf
(σ2) = Sf
(σ2)
σ2 (x) = cov (xf , xj )
σ2 (x) . (4)
Finalmente, se estimará la FPE propuesta en la expresión 1 para obtener
la varianza del rendimiento académico medio [̂ P h
ij ], para Lectura, Matemáti-
cas y Ciencias, en los 10 países participantes en PISA 2018, como proxy de
la heterogeneidad. Así, si P h
ij corresponde a la puntuación obtenida por el
estudiante i, en la competencia j, en el país h, y X la matriz que representa
el conjunto de factores asociados al aprendizaje, incluidos los entornos de
aprendizaje, entonces el valor medio del rendimiento eŝ
P h
ij = E (P h
ij
∣
∣ X) . (5)
Por lo que la varianza dê P h
ij queda como sigue:
σ2
jh = 1
N
N∑
i=1
(̂
P h
ij −̂ P h
ij
)2
. (6)
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
sf = Sf
G
(∑
f xf
i
)
′′
. (2)
Shorrocks (1982) demuestra que la varianza es el único indicador que per-
mite diferenciar la contribución a la desigualdad —heterogeneidad— de cada
fuente. En este caso, la heterogeneidad puede expresarse como una combi-
nación de la desigualdad de cada escuela, y de las interacciones —permuta-
ciones— que surgen entre las variaciones originadas por cada factor asociado
al aprendizaje, de esta manera:
σ2 (x) = ∑
f
σ2 (xf ) + ∑
j̸ =f
ρjf σ (xf ) σ (xj ) = cov (xf , xj ) , (3)
donde ρjf corresponde al coeficiente de correlación entre los colegios, y
σ2 (x) arroja un único valor para la contribución de cada factor, a la hete-
rogeneidad en el rendimiento académico, esto es, en el éxito escolar. Por lo
tanto, la contribución relativa es:
sf
(σ2) = Sf
(σ2)
σ2 (x) = cov (xf , xj )
σ2 (x) . (4)
Finalmente, se estimará la FPE propuesta en la expresión 1 para obtener
la varianza del rendimiento académico medio [̂ P h
ij ], para Lectura, Matemáti-
cas y Ciencias, en los 10 países participantes en PISA 2018, como proxy de
la heterogeneidad. Así, si P h
ij corresponde a la puntuación obtenida por el
estudiante i, en la competencia j, en el país h, y X la matriz que representa
el conjunto de factores asociados al aprendizaje, incluidos los entornos de
aprendizaje, entonces el valor medio del rendimiento eŝ
P h
ij = E (P h
ij
∣
∣ X) . (5)
Por lo que la varianza dê P h
ij queda como sigue:
σ2
jh = 1
N
N∑
i=1
(̂
P h
ij −̂ P h
ij
)2
. (6)
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
Posteriormente, se aplicará la expresión 4 en 6 para “descomponer” dicha
varianza, y determinar la contribución de cada factor asociado al aprendizaje,
a la heterogeneidad en los resultados.
III. Resultados
A. Dimensión estudiantes
En la Tabla 3 se ilustran los efectos de cada uno de los factores asocia-
dos a las características del estudiante, incluidos como inputs en la FPE. Las
interpretaciones se hacen tomando el valor promedio de los países cuyos co-
eficientes resultan significativos.
Para el caso de Matemáticas, en todos los países latinoamericanos parti-
cipantes en PISA 2018, el género es un factor determinante del desempeño
escolar. En este caso, tal y como lo demuestra la literatura (ver Cárcamo &
Mola, 2012; Woessmann, 2010, entre otros), las mujeres obtienen un menor
desempeño en estas pruebas. En promedio, las mujeres lograron una puntua-
ción en esta competencia inferior en 16,77 puntos, respecto a la puntuación
obtenida por los hombres. Los países o economías con una mayor brecha por
género son Buenos Aires, Argentina, Colombia y Costa Rica. El escenario se
revierte al examinar los resultados en Lectura. En esta competencia, ahora las
mujeres tienen, en promedio, 12,16 puntos más que los hombres, y los países
con mayor brecha por género son República Dominicana, Brasil y Uruguay.
Para Ciencias, de nuevo las mujeres están por debajo respecto a los hombres.
En promedio, las mujeres obtienen 12,79 puntos menos que los hombres.
Para República Dominicana y Panamá este factor no fue significativo.
Al considerar la condición de no repetidor se encontró, para las tres com-
petencias, que este es un factor que influye de manera positiva en el éxito
escolar en todos los países latinoamericanos, esto es, no repetir ningún curso
electivo, a lo largo de su vida escolar, favorece el desempeño escolar. Este
resultado está sobre lo hallado por Oreiro y Valenzuela (2013) en el caso de
Uruguay, y Méndez y Serpa (2011) en el caso de Uruguay y Chile. Para Mate-
máticas, los estudiantes que no repitieron curso están, en media, 47,06 puntos
por arriba de quienes sí repiten año. Aquí se destacan Chile y Perú. En Lectura,
23
Posteriormente, se aplicará la expresión 4 en 6 para “descomponer” dicha
varianza, y determinar la contribución de cada factor asociado al aprendizaje,
a la heterogeneidad en los resultados.
III. Resultados
A. Dimensión estudiantes
En la Tabla 3 se ilustran los efectos de cada uno de los factores asocia-
dos a las características del estudiante, incluidos como inputs en la FPE. Las
interpretaciones se hacen tomando el valor promedio de los países cuyos co-
eficientes resultan significativos.
Para el caso de Matemáticas, en todos los países latinoamericanos parti-
cipantes en PISA 2018, el género es un factor determinante del desempeño
escolar. En este caso, tal y como lo demuestra la literatura (ver Cárcamo &
Mola, 2012; Woessmann, 2010, entre otros), las mujeres obtienen un menor
desempeño en estas pruebas. En promedio, las mujeres lograron una puntua-
ción en esta competencia inferior en 16,77 puntos, respecto a la puntuación
obtenida por los hombres. Los países o economías con una mayor brecha por
género son Buenos Aires, Argentina, Colombia y Costa Rica. El escenario se
revierte al examinar los resultados en Lectura. En esta competencia, ahora las
mujeres tienen, en promedio, 12,16 puntos más que los hombres, y los países
con mayor brecha por género son República Dominicana, Brasil y Uruguay.
Para Ciencias, de nuevo las mujeres están por debajo respecto a los hombres.
En promedio, las mujeres obtienen 12,79 puntos menos que los hombres.
Para República Dominicana y Panamá este factor no fue significativo.
Al considerar la condición de no repetidor se encontró, para las tres com-
petencias, que este es un factor que influye de manera positiva en el éxito
escolar en todos los países latinoamericanos, esto es, no repetir ningún curso
electivo, a lo largo de su vida escolar, favorece el desempeño escolar. Este
resultado está sobre lo hallado por Oreiro y Valenzuela (2013) en el caso de
Uruguay, y Méndez y Serpa (2011) en el caso de Uruguay y Chile. Para Mate-
máticas, los estudiantes que no repitieron curso están, en media, 47,06 puntos
por arriba de quienes sí repiten año. Aquí se destacan Chile y Perú. En Lectura,
23
24
Tabla 3. Dimensión estudiantes, factores asociados al aprendizaje determinantes del desempeño escolar. América Latina,
2018
Factor Asociado
Aprendizaje ↓
ARG BRA CHI COL CRI DOM MEX PAN PER URY
Matemáticas
Constante 341,977*** 380,086*** 322,508*** 364,316*** 371,810*** 318,964*** 299,953*** 327,156*** 306,401*** 346,539***
(6,238) (4,814) (5,718) (5,087) (4,937) (5,281) (8,836) (8,435) (5,410) (6,188)
Mujer -24,748*** -16,716*** -16,921*** -22,335*** -20,077*** -4,933*** -16,112*** -10,183*** -19,327*** -16,419***
(1,742) (1,602) (1,880) (1,707) (1,525) (1,716) (1,890) (2,039) (1,690) (1,929)
NoRezagoesco 46,258*** 52,152*** 62,589*** 41,998*** 42,524*** 41,480*** 47,926*** 41,335*** 57,675*** 56,731***
(2,874) (1,947) (2,805) (1,936) (1,610) (2,317) (5,985) (2,699) (2,907) (2,536)
Preescolar 2,936 -3,913** 7,995*** 3,262 7,605*** -6,518** -2,341 3,043 11,341*** 9,638***
(2,862) (1,952) (2,178) (2,499) (1,652) (2,531) (3,640) (2,854) (2,992) (3,511)
Lectura
Constante 342,369*** 397,071*** 335,756*** 368,813*** 377,416*** 319,702*** 304,856*** 334,567*** 300,275*** 341,653***
(7,960) (5,909) (6,815) (5,957) (5,721) (6,465) (9,311) (10,160) (6,446) (7,444)
Mujer 4,212* 17,739*** 10,145*** 8,352*** 12,960*** 24,133*** 8,292*** 13,577*** 7,709*** 14,538***
(2,151) (1,957) (2,211) (2,006) (1,756) (2,123) (2,096) (2,431) (1,982) (2,341)
NoRezagoesco 52,298*** 54,322*** 69,135*** 41,125*** 36,469*** 45,687*** 44,062*** 44,659*** 52,592*** 61,441***
(3,650) (2,435) (3,273) (2,288) (1,901) (2,599) (6,560) (3,240) (3,671) (3,235)
Preescolar 7,523** -11,952*** 7,003*** -2,502 0,541 -4,082 -4,603 -2,806 1,315 -2,118
(3,670) (2,380) (2,542) (2,676) (1,913) (3,196) (3,778) (3,551) (3,592) (4,502)
Ciencias
Constante 351,030*** 396,377*** 347,716*** 386,165*** 382,535*** 325,873*** 330,646*** 332,925*** 323,658*** 358,971***
6,695 (5,085) (5,814) (5,462) (4,872) (5,390) (7,664) (9,858) (5,492) (6,912)
Mujer -18,844*** -6,751*** -11,732*** -15,294*** -10,733*** 2,629 -12,196*** -2,089 -15,998*** -10,812***
1,884 (1,688) (1,946) (1,830) (1,502) (1,778) (1,818) (2,364) (1,675) (2,110)
NoRezagoesco 48,699*** 52,819*** 59,338*** 37,748*** 39,151*** 33,726*** 31,573*** 43,557*** 52,593*** 53,979***
(2,974) (2,075) (2,886) (2,082) (1,592) (2,163) (5,509) (3,036) (3,088) (2,805)
Preescolar 6,590** -10,097*** 5,041** 3,212 0,885 0,729 -6,128* 0,812 2,314 0,966
(3,219) (2,032) (2,270) (2,535) (1,672) (2,598) (3,426) (3,449) (3,001) (3,930)
Nota: A.L. América Latina. *** sig. 1 % , ** sig. 5 %, * sig. 10 %. Estimación MCO con efectos fijos por escuela. Desviaciones estándar
robustas entre paréntesis. ARG hace referencia a Buenos Aires, Argentina.
Fuente: elaboración propia a partir de información PISA 2018, OECD.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Tabla 3. Dimensión estudiantes, factores asociados al aprendizaje determinantes del desempeño escolar. América Latina,
2018
Factor Asociado
Aprendizaje ↓
ARG BRA CHI COL CRI DOM MEX PAN PER URY
Matemáticas
Constante 341,977*** 380,086*** 322,508*** 364,316*** 371,810*** 318,964*** 299,953*** 327,156*** 306,401*** 346,539***
(6,238) (4,814) (5,718) (5,087) (4,937) (5,281) (8,836) (8,435) (5,410) (6,188)
Mujer -24,748*** -16,716*** -16,921*** -22,335*** -20,077*** -4,933*** -16,112*** -10,183*** -19,327*** -16,419***
(1,742) (1,602) (1,880) (1,707) (1,525) (1,716) (1,890) (2,039) (1,690) (1,929)
NoRezagoesco 46,258*** 52,152*** 62,589*** 41,998*** 42,524*** 41,480*** 47,926*** 41,335*** 57,675*** 56,731***
(2,874) (1,947) (2,805) (1,936) (1,610) (2,317) (5,985) (2,699) (2,907) (2,536)
Preescolar 2,936 -3,913** 7,995*** 3,262 7,605*** -6,518** -2,341 3,043 11,341*** 9,638***
(2,862) (1,952) (2,178) (2,499) (1,652) (2,531) (3,640) (2,854) (2,992) (3,511)
Lectura
Constante 342,369*** 397,071*** 335,756*** 368,813*** 377,416*** 319,702*** 304,856*** 334,567*** 300,275*** 341,653***
(7,960) (5,909) (6,815) (5,957) (5,721) (6,465) (9,311) (10,160) (6,446) (7,444)
Mujer 4,212* 17,739*** 10,145*** 8,352*** 12,960*** 24,133*** 8,292*** 13,577*** 7,709*** 14,538***
(2,151) (1,957) (2,211) (2,006) (1,756) (2,123) (2,096) (2,431) (1,982) (2,341)
NoRezagoesco 52,298*** 54,322*** 69,135*** 41,125*** 36,469*** 45,687*** 44,062*** 44,659*** 52,592*** 61,441***
(3,650) (2,435) (3,273) (2,288) (1,901) (2,599) (6,560) (3,240) (3,671) (3,235)
Preescolar 7,523** -11,952*** 7,003*** -2,502 0,541 -4,082 -4,603 -2,806 1,315 -2,118
(3,670) (2,380) (2,542) (2,676) (1,913) (3,196) (3,778) (3,551) (3,592) (4,502)
Ciencias
Constante 351,030*** 396,377*** 347,716*** 386,165*** 382,535*** 325,873*** 330,646*** 332,925*** 323,658*** 358,971***
6,695 (5,085) (5,814) (5,462) (4,872) (5,390) (7,664) (9,858) (5,492) (6,912)
Mujer -18,844*** -6,751*** -11,732*** -15,294*** -10,733*** 2,629 -12,196*** -2,089 -15,998*** -10,812***
1,884 (1,688) (1,946) (1,830) (1,502) (1,778) (1,818) (2,364) (1,675) (2,110)
NoRezagoesco 48,699*** 52,819*** 59,338*** 37,748*** 39,151*** 33,726*** 31,573*** 43,557*** 52,593*** 53,979***
(2,974) (2,075) (2,886) (2,082) (1,592) (2,163) (5,509) (3,036) (3,088) (2,805)
Preescolar 6,590** -10,097*** 5,041** 3,212 0,885 0,729 -6,128* 0,812 2,314 0,966
(3,219) (2,032) (2,270) (2,535) (1,672) (2,598) (3,426) (3,449) (3,001) (3,930)
Nota: A.L. América Latina. *** sig. 1 % , ** sig. 5 %, * sig. 10 %. Estimación MCO con efectos fijos por escuela. Desviaciones estándar
robustas entre paréntesis. ARG hace referencia a Buenos Aires, Argentina.
Fuente: elaboración propia a partir de información PISA 2018, OECD.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
la puntuación media de los estudiantes no repetidores está 50,17 puntos arriba
de quienes sí repitieron al menos una vez, en donde Chile y Uruguay obtienen
las mayores brechas. Para Ciencias, el rendimiento medio de los no repetido-
res de curso es mayor en 45,31 puntos, con respecto a los que sí repitieron, y
nuevamente Chile y Uruguay logran las mayores diferencias entre no repeti-
dores y repetidores de curso.
Para Preescolar, en algunos países o economías, el que el estudiante haya
cursado preescolar, no es un determinante en su desempeño académico, como
en Buenos Aires, Argentina, Colombia, México y Panamá, para Matemáticas.
En Lectura y Ciencias, sólo fue significativo en Buenos Aires, Buenos Aires,
Argentina, Brasil y Chile.
B. Dimensión familiar
En términos generales, los factores asociados a las características familia-
res incluidos en el modelo son determinantes en el desempeño educativo de
los estudiantes latinoamericanos participantes en PISA 2018. En la Tabla 4 se
ven cada uno de ellos.
La cantidad de libros que hay en el hogar del estudiante tiene un efecto
positivo en las tres competencias evaluadas, tal y como lo encontrado por
Thieme et al. (2013). En el caso particular de Matemáticas, si en el hogar del
estudiante hay al menos 100 libros, su puntuación media es mayor en 22,95
puntos, respecto a los estudiantes cuyos hogares tienen menos de 100 libros.
Por arriba de este promedio se encuentran Perú, Chile, Uruguay, Buenos Aires,
Argentina y Colombia. En Lectura, en promedio, un estudiante obtiene 24,06
puntos más, si tiene al menos 100 libros en el hogar, donde se destacan los
estudiantes de Uruguay, Perú y Buenos Aires, Argentina. En Ciencias, esta
brecha es de 23,77 puntos, y los países con mayor puntuación en este factor
son Perú, Buenos Aires, Argentina y Colombia.
Respecto a la educación de la madre, en Matemáticas, en países como Co-
lombia, Costa Rica y República Dominicana, el nivel educativo de la madre
no fue significativo. Teniendo en cuenta los demás países, se encontró que
un año adicional en el nivel educativo de la madre, hace que el estudiante
25
la puntuación media de los estudiantes no repetidores está 50,17 puntos arriba
de quienes sí repitieron al menos una vez, en donde Chile y Uruguay obtienen
las mayores brechas. Para Ciencias, el rendimiento medio de los no repetido-
res de curso es mayor en 45,31 puntos, con respecto a los que sí repitieron, y
nuevamente Chile y Uruguay logran las mayores diferencias entre no repeti-
dores y repetidores de curso.
Para Preescolar, en algunos países o economías, el que el estudiante haya
cursado preescolar, no es un determinante en su desempeño académico, como
en Buenos Aires, Argentina, Colombia, México y Panamá, para Matemáticas.
En Lectura y Ciencias, sólo fue significativo en Buenos Aires, Buenos Aires,
Argentina, Brasil y Chile.
B. Dimensión familiar
En términos generales, los factores asociados a las características familia-
res incluidos en el modelo son determinantes en el desempeño educativo de
los estudiantes latinoamericanos participantes en PISA 2018. En la Tabla 4 se
ven cada uno de ellos.
La cantidad de libros que hay en el hogar del estudiante tiene un efecto
positivo en las tres competencias evaluadas, tal y como lo encontrado por
Thieme et al. (2013). En el caso particular de Matemáticas, si en el hogar del
estudiante hay al menos 100 libros, su puntuación media es mayor en 22,95
puntos, respecto a los estudiantes cuyos hogares tienen menos de 100 libros.
Por arriba de este promedio se encuentran Perú, Chile, Uruguay, Buenos Aires,
Argentina y Colombia. En Lectura, en promedio, un estudiante obtiene 24,06
puntos más, si tiene al menos 100 libros en el hogar, donde se destacan los
estudiantes de Uruguay, Perú y Buenos Aires, Argentina. En Ciencias, esta
brecha es de 23,77 puntos, y los países con mayor puntuación en este factor
son Perú, Buenos Aires, Argentina y Colombia.
Respecto a la educación de la madre, en Matemáticas, en países como Co-
lombia, Costa Rica y República Dominicana, el nivel educativo de la madre
no fue significativo. Teniendo en cuenta los demás países, se encontró que
un año adicional en el nivel educativo de la madre, hace que el estudiante
25
26
Tabla 4. Dimensión familia, factores asociados al aprendizaje determinantes del desempeño escolar. América Latina,
2018
Factor Asociado
Aprendizaje ↓
ARG BRA CHI COL CRI DOM MEX PAN PER URY
Matemáticas
Libros 25,568*** 22,594*** 27,275*** 24,562*** 22,338*** 12,916*** 21,162*** 15,899*** 30,791*** 26,432***
(1,937) (1,989) (2,000) (2,023) (1,966) (2,358) (2,084) (2,350) (1,986) (2,281)
Educamama 1,166*** 0,625*** 1,314*** -0,186 0,280 0,079 1,397*** 1,063*** 1,386*** 0,944***
(0,230) (0,186) (0,343) (0,222) (0,176) (0,227) (0,278) (0,251) (0,279) (0,323)
Ocupación 0,391*** 0,511*** 0,636*** 0,444*** 0,460*** 0,433*** 0,599*** 0,196*** 0,529*** 0,500***
(0,047) (0,043) (0,050) (0,045) (0,040) (0,043) (0,055) (0,049) (0,049) (0,056)
Lectura
Libros 28,284*** 25,907*** 27,946*** 27,109*** 22,898*** 12,684*** 20,236*** 13,840*** 30,054*** 31,632***
(2,400) (2,432) (2,364) (2,305) (2,274) (2,916) (2,423) (2,762) (2,322) (2,778)
Educamama 1,179*** 0,284 1,295*** -0,122 0,556*** -0,216 1,876*** 1,680*** 1,440*** 0,543
(0,288) (0,233) (0,390) (0,271) (0,205) (0,285) (0,304) (0,305) (0,332) (0,382)
Ocupación 0,395*** 0,595*** 0,661*** 0,566*** 0,587*** 0,506*** 0,731*** 0,269*** 0,675*** 0,665***
(0,058) (0,053) (0,058) (0,053) (0,046) (0,053) (0,062) (0,059) (0,058) (0,068)
Ciencias
Libros 29,086*** 25,324*** 29,346*** 28,258*** 19,564*** 11,012*** 22,732*** 13,541*** 31,107*** 27,714***
2,088 (2,080) (2,088) (2,115) (1,927) (2,397) (2,090) (2,713) (1,976) (2,513)
Educamama 1,881*** 0,521*** 1,431*** -0,284 0,761*** 0,479** 1,467*** 1,631*** 1,026*** 0,977***
(0,248) (0,198) (0,333) (0,245) (0,173) (0,244) (0,265) (0,295) (0,277) (0,347)
Ocupación 0,378*** 0,569*** 0,604*** 0,451*** 0,512*** 0,391*** 0,633*** 0,236*** 0,563*** 0,541***
0,051 (0,046) (0,051) (0,048) (0,040) (0,044) (0,054) (0,057) (0,050) (0,061)
Nota: A.L. América Latina. *** sig. 1 %, ** sig. 5 %, * sig. 10 %. Estimación MCO con efectos fijos por escuela. Desviaciones estándar
robustas entre paréntesis. ARG hace referencia a Buenos Aires, Argentina.
Fuente: elaboración propia a partir de información PISA 2018, OECD.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Tabla 4. Dimensión familia, factores asociados al aprendizaje determinantes del desempeño escolar. América Latina,
2018
Factor Asociado
Aprendizaje ↓
ARG BRA CHI COL CRI DOM MEX PAN PER URY
Matemáticas
Libros 25,568*** 22,594*** 27,275*** 24,562*** 22,338*** 12,916*** 21,162*** 15,899*** 30,791*** 26,432***
(1,937) (1,989) (2,000) (2,023) (1,966) (2,358) (2,084) (2,350) (1,986) (2,281)
Educamama 1,166*** 0,625*** 1,314*** -0,186 0,280 0,079 1,397*** 1,063*** 1,386*** 0,944***
(0,230) (0,186) (0,343) (0,222) (0,176) (0,227) (0,278) (0,251) (0,279) (0,323)
Ocupación 0,391*** 0,511*** 0,636*** 0,444*** 0,460*** 0,433*** 0,599*** 0,196*** 0,529*** 0,500***
(0,047) (0,043) (0,050) (0,045) (0,040) (0,043) (0,055) (0,049) (0,049) (0,056)
Lectura
Libros 28,284*** 25,907*** 27,946*** 27,109*** 22,898*** 12,684*** 20,236*** 13,840*** 30,054*** 31,632***
(2,400) (2,432) (2,364) (2,305) (2,274) (2,916) (2,423) (2,762) (2,322) (2,778)
Educamama 1,179*** 0,284 1,295*** -0,122 0,556*** -0,216 1,876*** 1,680*** 1,440*** 0,543
(0,288) (0,233) (0,390) (0,271) (0,205) (0,285) (0,304) (0,305) (0,332) (0,382)
Ocupación 0,395*** 0,595*** 0,661*** 0,566*** 0,587*** 0,506*** 0,731*** 0,269*** 0,675*** 0,665***
(0,058) (0,053) (0,058) (0,053) (0,046) (0,053) (0,062) (0,059) (0,058) (0,068)
Ciencias
Libros 29,086*** 25,324*** 29,346*** 28,258*** 19,564*** 11,012*** 22,732*** 13,541*** 31,107*** 27,714***
2,088 (2,080) (2,088) (2,115) (1,927) (2,397) (2,090) (2,713) (1,976) (2,513)
Educamama 1,881*** 0,521*** 1,431*** -0,284 0,761*** 0,479** 1,467*** 1,631*** 1,026*** 0,977***
(0,248) (0,198) (0,333) (0,245) (0,173) (0,244) (0,265) (0,295) (0,277) (0,347)
Ocupación 0,378*** 0,569*** 0,604*** 0,451*** 0,512*** 0,391*** 0,633*** 0,236*** 0,563*** 0,541***
0,051 (0,046) (0,051) (0,048) (0,040) (0,044) (0,054) (0,057) (0,050) (0,061)
Nota: A.L. América Latina. *** sig. 1 %, ** sig. 5 %, * sig. 10 %. Estimación MCO con efectos fijos por escuela. Desviaciones estándar
robustas entre paréntesis. ARG hace referencia a Buenos Aires, Argentina.
Fuente: elaboración propia a partir de información PISA 2018, OECD.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
obtenga 1,12 puntos más en esta competencia. En Lectura, para Brasil, Co-
lombia, República Dominicana y Uruguay, este factor no tiene influencia al-
guna en el desempeño académico. El efecto medio de los demás países es de
1,33 puntos más, por cada año adicional en el nivel educativo de la madre.
En Ciencias, el efecto medio de la educación de la madre es de 1,13 puntos,
excluyendo a Colombia, porque este componente no fue significativo en este
país (Castro et al., 2017).
En relación con el nivel de ocupación de los padres, se encuentra que hay
un efecto directo sobre el éxito escolar del estudiante, esto es, a mayor nivel
de ocupación, mayor es el desempeño en PISA 2018, tal y como lo establece
Castro et al. (2018) con información PISA 2012, para los países de América
Latina. Cuando el estatus ocupacional alcanzado por los padres es mayor, la
puntuación media en matemáticas aumenta en 0,47 puntos, la de Lectura en
0,56 puntos y la de Ciencias en 0,48 puntos. Los países donde los niveles de
ocupación de los padres tienen un mayor efecto en Matemáticas son México,
Perú y Brasil, en Lectura México, Perú y Uruguay, y en Ciencias México, Chile
y Brasil.
C. Dimensión escolar
En la Tabla 5 se muestran los resultados de la dimensión escolar. Como
se ve, estos son heterogéneos, ya que no en todos los países los factores in-
cluidos como inputs en la FPE son significativos, y en otros casos, los signos
esperados no son los encontrados. La proporción alumno-profesor, guarda
una relación inversa con el desempeño escolar en Brasil, República Domini-
cana y Panamá, en las tres competencias evaluadas, acorde con lo establecido
en anteriores trabajos (ver Woessmann, 2010). En promedio, al aumentar es-
ta proporción en una unidad, la puntuación en Matemáticas se reduce 0,47
puntos, la de Lectura baja 0,43 puntos, y en Ciencias disminuye 0,40 puntos
(promedio para Brasil, República Dominicana y Panamá). Sin embargo, en
países como México, Perú, Uruguay y Costa Rica dicha relación es directa, lo
que no es lo usual.
27
obtenga 1,12 puntos más en esta competencia. En Lectura, para Brasil, Co-
lombia, República Dominicana y Uruguay, este factor no tiene influencia al-
guna en el desempeño académico. El efecto medio de los demás países es de
1,33 puntos más, por cada año adicional en el nivel educativo de la madre.
En Ciencias, el efecto medio de la educación de la madre es de 1,13 puntos,
excluyendo a Colombia, porque este componente no fue significativo en este
país (Castro et al., 2017).
En relación con el nivel de ocupación de los padres, se encuentra que hay
un efecto directo sobre el éxito escolar del estudiante, esto es, a mayor nivel
de ocupación, mayor es el desempeño en PISA 2018, tal y como lo establece
Castro et al. (2018) con información PISA 2012, para los países de América
Latina. Cuando el estatus ocupacional alcanzado por los padres es mayor, la
puntuación media en matemáticas aumenta en 0,47 puntos, la de Lectura en
0,56 puntos y la de Ciencias en 0,48 puntos. Los países donde los niveles de
ocupación de los padres tienen un mayor efecto en Matemáticas son México,
Perú y Brasil, en Lectura México, Perú y Uruguay, y en Ciencias México, Chile
y Brasil.
C. Dimensión escolar
En la Tabla 5 se muestran los resultados de la dimensión escolar. Como
se ve, estos son heterogéneos, ya que no en todos los países los factores in-
cluidos como inputs en la FPE son significativos, y en otros casos, los signos
esperados no son los encontrados. La proporción alumno-profesor, guarda
una relación inversa con el desempeño escolar en Brasil, República Domini-
cana y Panamá, en las tres competencias evaluadas, acorde con lo establecido
en anteriores trabajos (ver Woessmann, 2010). En promedio, al aumentar es-
ta proporción en una unidad, la puntuación en Matemáticas se reduce 0,47
puntos, la de Lectura baja 0,43 puntos, y en Ciencias disminuye 0,40 puntos
(promedio para Brasil, República Dominicana y Panamá). Sin embargo, en
países como México, Perú, Uruguay y Costa Rica dicha relación es directa, lo
que no es lo usual.
27
28
Tabla 5. Dimensión escuela, factores asociados al aprendizaje determinantes del desempeño escolar. América Latina,
2018
Factor Asociado
Aprendizaje ↓
ARG BRA CHI COL CRI DOM MEX PAN PER URY
Matemáticas
AlumProfe -0,051 -0,439*** -0,073 -0,080 0,025 -0,476*** 0,233*** -0,502*** 0,132* 0,674***
(0,134) (0,051) (0,102) (0,080) (0,138) (0,059) (0,049) (0,107) (0,078) (0,136)
Público -34,512*** -54,681*** -18,694*** -41,609*** -43,668*** -31,756*** 3,483 -45,274*** -30,953*** -24,832***
(2,363) (2,931) (2,405) (2,939) (3,119) (2,675) (3,324) (4,168) (2,700) (3,515)
Edumate -3,567*** -6,269*** -4,691*** -4,332*** 0,822 -3,154*** -8,898*** -6,517*** -3,892*** -1,152
(0,797) (0,819) (1,125) (0,972) (0,637) (0,888) (0,843) (1,218) (0,946) (0,979)
Lectura
AlumProfe 0,189 -0,534*** 0,129 0,025 0,552*** -0,481*** 0,289*** -0,277** 0,138 0,781***
(0,163) (0,062) (0,131) (0,092) (0,157) (0,068) (0,055) (0,130) (0,088) (0,170)
Público -41,994*** -55,225*** -14,548*** -49,634*** -52,843*** -37,849*** -4,617 -41,793*** -34,920*** -19,297***
(2,857) (3,382) (2,872) (3,597) (3,516) (3,324) (3,786) (4,905) (3,201) (4,142)
Edumate -3,568*** -7,980*** -4,450*** -5,469*** 0,586 -4,562*** -8,530*** -8,350*** -6,127*** 0,326
(0,990) (1,015) (1,340) (1,109) (0,720) (1,135) (0,931) (1,468) (1,106) (1,180)
Ciencias
AlumProfe -0,025 -0,479*** -0,021 0,003 0,250* -0,349*** 0,236*** -0,371*** 0,035 0,539***
(0,143) (0,053) (0,112) (0,084) (0,134) (0,056) (0,048) (0,127) (0,076) (0,152)
Público -34,418*** -50,301*** -15,065*** -44,944*** -48,458*** -35,495*** 3,763 -50,609*** -26,689*** -17,845***
(2,559) (2,982) (2,479) (3,222) (3,001) (2,800) (3,259) (4,622) (2,741) (4,015)
Edumate -3,244*** -6,795*** -6,432*** -3,806*** 0,869 -3,030*** -7,230*** -6,309*** -4,813*** -1,918
0,877 (0,896) (1,176) (1,010) (0,634) (0,970) (0,823) (1,397) (0,932) (1,073)
Nota: A.L. América Latina. *** sig. 1 %, ** sig. 5 %, * sig. 10 %. Estimación MCO con efectos fijos por escuela. Desviaciones estándar
robustas entre paréntesis. ARG hace referencia a Buenos Aires, Argentina.
Fuente: elaboración propia a partir de información PISA 2018, OECD.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Tabla 5. Dimensión escuela, factores asociados al aprendizaje determinantes del desempeño escolar. América Latina,
2018
Factor Asociado
Aprendizaje ↓
ARG BRA CHI COL CRI DOM MEX PAN PER URY
Matemáticas
AlumProfe -0,051 -0,439*** -0,073 -0,080 0,025 -0,476*** 0,233*** -0,502*** 0,132* 0,674***
(0,134) (0,051) (0,102) (0,080) (0,138) (0,059) (0,049) (0,107) (0,078) (0,136)
Público -34,512*** -54,681*** -18,694*** -41,609*** -43,668*** -31,756*** 3,483 -45,274*** -30,953*** -24,832***
(2,363) (2,931) (2,405) (2,939) (3,119) (2,675) (3,324) (4,168) (2,700) (3,515)
Edumate -3,567*** -6,269*** -4,691*** -4,332*** 0,822 -3,154*** -8,898*** -6,517*** -3,892*** -1,152
(0,797) (0,819) (1,125) (0,972) (0,637) (0,888) (0,843) (1,218) (0,946) (0,979)
Lectura
AlumProfe 0,189 -0,534*** 0,129 0,025 0,552*** -0,481*** 0,289*** -0,277** 0,138 0,781***
(0,163) (0,062) (0,131) (0,092) (0,157) (0,068) (0,055) (0,130) (0,088) (0,170)
Público -41,994*** -55,225*** -14,548*** -49,634*** -52,843*** -37,849*** -4,617 -41,793*** -34,920*** -19,297***
(2,857) (3,382) (2,872) (3,597) (3,516) (3,324) (3,786) (4,905) (3,201) (4,142)
Edumate -3,568*** -7,980*** -4,450*** -5,469*** 0,586 -4,562*** -8,530*** -8,350*** -6,127*** 0,326
(0,990) (1,015) (1,340) (1,109) (0,720) (1,135) (0,931) (1,468) (1,106) (1,180)
Ciencias
AlumProfe -0,025 -0,479*** -0,021 0,003 0,250* -0,349*** 0,236*** -0,371*** 0,035 0,539***
(0,143) (0,053) (0,112) (0,084) (0,134) (0,056) (0,048) (0,127) (0,076) (0,152)
Público -34,418*** -50,301*** -15,065*** -44,944*** -48,458*** -35,495*** 3,763 -50,609*** -26,689*** -17,845***
(2,559) (2,982) (2,479) (3,222) (3,001) (2,800) (3,259) (4,622) (2,741) (4,015)
Edumate -3,244*** -6,795*** -6,432*** -3,806*** 0,869 -3,030*** -7,230*** -6,309*** -4,813*** -1,918
0,877 (0,896) (1,176) (1,010) (0,634) (0,970) (0,823) (1,397) (0,932) (1,073)
Nota: A.L. América Latina. *** sig. 1 %, ** sig. 5 %, * sig. 10 %. Estimación MCO con efectos fijos por escuela. Desviaciones estándar
robustas entre paréntesis. ARG hace referencia a Buenos Aires, Argentina.
Fuente: elaboración propia a partir de información PISA 2018, OECD.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Castro-Aristizabal, G., Acosta-Ortega, F. y Moreno-Charris, A. V.: Los entornos de aprendiza...
Desde el punto de vista de las desigualdades educativas entre los centros
públicos y privados, el presente artículo halla la misma relación que encontra-
ron Gamboa y Waltenberg (2012) y Krüger y Formichella (2012): los centros
públicos obtienen, en promedio, un menor desempeño respecto a los centros
privados. Para Matemáticas, los colegios públicos tienen 36,22 puntos menos,
exceptuando a México, donde no se dio una relación significativa, en ninguna
de las tres competencias. Los países con una mayor desigualdad educativa son
Brasil, Panamá y Costa Rica. Para el caso de Lectura, la puntuación promedio
de los colegios públicos estuvo 38,68 puntos por debajo de la lograda por los
centros privados. En esta competencia, los países con mayor brecha por tipo
de centro escolar son Brasil, Costa Rica y Colombia. En Ciencias, en prome-
dio, el puntaje de los colegios públicos es menor en 35,98 puntos, en donde
Brasil, Panamá y Costa Rica, nuevamente tienen las mayores desigualdades
educativas.
El último factor de la dimensión escolar es significativo y se relaciona
directamente con el éxito escolar, tal y como se esperaba, menos en Costa
Rica y Uruguay, donde no resultó un factor determinante. Para el promedio
en las tres competencias, se encontró que, cuando la calidad de los materia-
les educativos disminuye en una unidad, la puntuación en Matemáticas baja
5,16 puntos, en Lectura disminuye 6,13 puntos, y en Ciencias cae 5,20 puntos.
Los países o regiones donde el efecto es menor son Buenos Aires, Argentina,
Colombia, República Dominicana y Perú.
D. Dimensión entornos de aprendizaje
Los resultados para esta última dimensión se ilustran en la Tabla 6. Para
el número de profesores certificados por alumno, se encontró, de manera
general, que este factor es determinante en el éxito escolar de los estudiantes
latinoamericanos participantes en PISA 2018.
En particular, para el caso de Matemáticas, cuando el número de profeso-
res certificados por alumno aumenta, la puntuación media sube 0,12 puntos
—exceptuando a Chile y Costa Rica—, en Lectura el puntaje medio crece 0,14
puntos —sin México—, y en Ciencias, este aumento es de 0,12 puntos —sin
Costa Rica—. Perú, Uruguay y Panamá son los países con un mayor efecto.
29
Desde el punto de vista de las desigualdades educativas entre los centros
públicos y privados, el presente artículo halla la misma relación que encontra-
ron Gamboa y Waltenberg (2012) y Krüger y Formichella (2012): los centros
públicos obtienen, en promedio, un menor desempeño respecto a los centros
privados. Para Matemáticas, los colegios públicos tienen 36,22 puntos menos,
exceptuando a México, donde no se dio una relación significativa, en ninguna
de las tres competencias. Los países con una mayor desigualdad educativa son
Brasil, Panamá y Costa Rica. Para el caso de Lectura, la puntuación promedio
de los colegios públicos estuvo 38,68 puntos por debajo de la lograda por los
centros privados. En esta competencia, los países con mayor brecha por tipo
de centro escolar son Brasil, Costa Rica y Colombia. En Ciencias, en prome-
dio, el puntaje de los colegios públicos es menor en 35,98 puntos, en donde
Brasil, Panamá y Costa Rica, nuevamente tienen las mayores desigualdades
educativas.
El último factor de la dimensión escolar es significativo y se relaciona
directamente con el éxito escolar, tal y como se esperaba, menos en Costa
Rica y Uruguay, donde no resultó un factor determinante. Para el promedio
en las tres competencias, se encontró que, cuando la calidad de los materia-
les educativos disminuye en una unidad, la puntuación en Matemáticas baja
5,16 puntos, en Lectura disminuye 6,13 puntos, y en Ciencias cae 5,20 puntos.
Los países o regiones donde el efecto es menor son Buenos Aires, Argentina,
Colombia, República Dominicana y Perú.
D. Dimensión entornos de aprendizaje
Los resultados para esta última dimensión se ilustran en la Tabla 6. Para
el número de profesores certificados por alumno, se encontró, de manera
general, que este factor es determinante en el éxito escolar de los estudiantes
latinoamericanos participantes en PISA 2018.
En particular, para el caso de Matemáticas, cuando el número de profeso-
res certificados por alumno aumenta, la puntuación media sube 0,12 puntos
—exceptuando a Chile y Costa Rica—, en Lectura el puntaje medio crece 0,14
puntos —sin México—, y en Ciencias, este aumento es de 0,12 puntos —sin
Costa Rica—. Perú, Uruguay y Panamá son los países con un mayor efecto.
29
30
Tabla 6. Dimensión Entornos de Aprendizaje, factores asociados al aprendizaje determinantes del desempeño escolar.
América Latina, 2018
Factor Asociado
Aprendizaje ↓
ARG BRA CHI COL CRI DOM MEX PAN PER URY
Matemáticas
ProfCer 0,068*** 0,077*** 0,017 0,069*** 0,032 0,060*** 0,110*** 0,145*** 0,278*** 0,178***
(0,011) (0,015) (0,023) (0,021) (0,026) (0,018) (0,020) (0,019) (0,026) (0,022)
Profecua 8,662** 14,323*** 12,522*** 26,432*** 16,325*** 13,400*** 23,427*** 17,382*** 14,354*** 7,379***
(3,863) (1,918) (2,767) (2,473) (2,717) (2,656) (4,530) (6,367) (2,272) (1,958)
Ambiente 5,653*** 9,058*** 4,528*** 7,866*** 8,016*** 8,831*** 11,011*** 2,730** 4,990*** 8,221***
(1,012) (0,816) (0,952) (1,058) (0,788) (0,892) (1,040) (1,182) (1,068) (1,025)
Climaestu -20,431*** -11,764*** -13,113*** -9,659*** 1,102 -15,426*** -3,338 -4,139 -10,782*** -18,845***
(2,164) (2,100) (2,165) (2,145) (2,041) (1,812) (2,118) (2,640) (2,038) (2,524)
Climaprofe 3,364* 0,855 -6,360*** 6,844*** -7,792*** -0,629 8,300*** -3,257 1,510 0,834
(1,914) (1,868) (2,088) (1,819) (1,837) (2,000) (2,294) (2,185) (1,918) (2,404)
Lectura
ProfCer 0,088*** 0,099*** 0,025 0,094*** 0,073** 0,103*** 0,157*** 0,196*** 0,312*** 0,168***
(0,014) (0,019) (0,027) (0,025) (0,030) (0,022) (0,023) (0,024) (0,031) (0,026)
Profecua 10,428** 15,480*** 12,727*** 28,190*** 15,943*** 16,460*** 18,393*** 13,623* 20,345*** 6,510***
(4,933) (2,478) (3,239) (2,824) (3,012) (3,248) (4,847) (7,545) (2,664) (2,366)
Ambiente 8,038*** 9,942*** 7,137*** 8,911*** 7,907*** 8,577*** 11,345*** 6,074*** 4,348*** 10,453***
(1,243) (1,020) (1,157) (1,197) (0,928) (1,107) (1,173) (1,419) (1,273) (1,264)
Climaestu -24,927*** -8,316*** -13,519*** -7,625*** 1,399 -20,129*** -5,256** -12,859*** -9,298*** -21,245***
(2,660) (2,544) (2,628) (2,517) (2,308) (2,290) (2,314) (3,160) (2,409) (3,039)
Climaprofe 4,492* 0,171 -7,968*** 7,716*** -5,334** -1,525 10,171*** -3,113 -0,485 -0,822
(2,334) (2,257) (2,529) (2,116) (2,076) (2,431) (2,495) (2,655) (2,270) (2,991)
Lectura
ProfCer 0,077*** 0,081*** 0,051** 0,068*** 0,027 0,082*** 0,127*** 0,164*** 0,248*** 0,170***
(0,012) (0,016) (0,022) (0,022) (0,027) (0,019) (0,020) (0,023) (0,025) (0,023)
Profecua 7,115* 14,521*** 9,389*** 23,816*** 15,961*** 11,149*** 17,221*** 17,817** 15,045*** 5,535***
(4,180) (2,133) (2,884) (2,585) (2,657) (2,672) (4,279) (7,671) (2,235) (2,126)
Ambiente 6,758*** 9,040*** 6,202*** 7,439*** 4,392*** 7,351*** 9,822*** 6,300*** 2,477** 9,725***
(1,058) (0,870) (1,023) (1,092) (0,786) (0,909) (1,001) (1,371) (1,070) (1,122)
Climaestu -21,705*** -12,826*** -11,975*** -7,022*** -0,402 -18,006*** -6,453*** -9,116*** -10,537*** -19,333***
(2,378) (2,190) (2,255) (2,303) (1,982) (1,895) (2,031) (3,054) (2,046) (2,781)
Climaprofe 2,819 0,926 -3,406 5,486*** -5,425*** -1,912 6,676*** -1,597 3,368* -1,582
(2,064) (1,949) (2,199) (1,969) (1,768) (2,046) (2,177) (2,620) (1,935) (2,692)
Nota: A.L. América Latina. *** sig. 1 %, ** sig. 5 %, * sig. 10 %. Estimación MCO con efectos fijos por escuela. Desviaciones estándar
robustas entre paréntesis. ARG hace referencia a Buenos Aires, Argentina.
Fuente: elaboración propia a partir de información PISA 2018, OECD.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024
Tabla 6. Dimensión Entornos de Aprendizaje, factores asociados al aprendizaje determinantes del desempeño escolar.
América Latina, 2018
Factor Asociado
Aprendizaje ↓
ARG BRA CHI COL CRI DOM MEX PAN PER URY
Matemáticas
ProfCer 0,068*** 0,077*** 0,017 0,069*** 0,032 0,060*** 0,110*** 0,145*** 0,278*** 0,178***
(0,011) (0,015) (0,023) (0,021) (0,026) (0,018) (0,020) (0,019) (0,026) (0,022)
Profecua 8,662** 14,323*** 12,522*** 26,432*** 16,325*** 13,400*** 23,427*** 17,382*** 14,354*** 7,379***
(3,863) (1,918) (2,767) (2,473) (2,717) (2,656) (4,530) (6,367) (2,272) (1,958)
Ambiente 5,653*** 9,058*** 4,528*** 7,866*** 8,016*** 8,831*** 11,011*** 2,730** 4,990*** 8,221***
(1,012) (0,816) (0,952) (1,058) (0,788) (0,892) (1,040) (1,182) (1,068) (1,025)
Climaestu -20,431*** -11,764*** -13,113*** -9,659*** 1,102 -15,426*** -3,338 -4,139 -10,782*** -18,845***
(2,164) (2,100) (2,165) (2,145) (2,041) (1,812) (2,118) (2,640) (2,038) (2,524)
Climaprofe 3,364* 0,855 -6,360*** 6,844*** -7,792*** -0,629 8,300*** -3,257 1,510 0,834
(1,914) (1,868) (2,088) (1,819) (1,837) (2,000) (2,294) (2,185) (1,918) (2,404)
Lectura
ProfCer 0,088*** 0,099*** 0,025 0,094*** 0,073** 0,103*** 0,157*** 0,196*** 0,312*** 0,168***
(0,014) (0,019) (0,027) (0,025) (0,030) (0,022) (0,023) (0,024) (0,031) (0,026)
Profecua 10,428** 15,480*** 12,727*** 28,190*** 15,943*** 16,460*** 18,393*** 13,623* 20,345*** 6,510***
(4,933) (2,478) (3,239) (2,824) (3,012) (3,248) (4,847) (7,545) (2,664) (2,366)
Ambiente 8,038*** 9,942*** 7,137*** 8,911*** 7,907*** 8,577*** 11,345*** 6,074*** 4,348*** 10,453***
(1,243) (1,020) (1,157) (1,197) (0,928) (1,107) (1,173) (1,419) (1,273) (1,264)
Climaestu -24,927*** -8,316*** -13,519*** -7,625*** 1,399 -20,129*** -5,256** -12,859*** -9,298*** -21,245***
(2,660) (2,544) (2,628) (2,517) (2,308) (2,290) (2,314) (3,160) (2,409) (3,039)
Climaprofe 4,492* 0,171 -7,968*** 7,716*** -5,334** -1,525 10,171*** -3,113 -0,485 -0,822
(2,334) (2,257) (2,529) (2,116) (2,076) (2,431) (2,495) (2,655) (2,270) (2,991)
Lectura
ProfCer 0,077*** 0,081*** 0,051** 0,068*** 0,027 0,082*** 0,127*** 0,164*** 0,248*** 0,170***
(0,012) (0,016) (0,022) (0,022) (0,027) (0,019) (0,020) (0,023) (0,025) (0,023)
Profecua 7,115* 14,521*** 9,389*** 23,816*** 15,961*** 11,149*** 17,221*** 17,817** 15,045*** 5,535***
(4,180) (2,133) (2,884) (2,585) (2,657) (2,672) (4,279) (7,671) (2,235) (2,126)
Ambiente 6,758*** 9,040*** 6,202*** 7,439*** 4,392*** 7,351*** 9,822*** 6,300*** 2,477** 9,725***
(1,058) (0,870) (1,023) (1,092) (0,786) (0,909) (1,001) (1,371) (1,070) (1,122)
Climaestu -21,705*** -12,826*** -11,975*** -7,022*** -0,402 -18,006*** -6,453*** -9,116*** -10,537*** -19,333***
(2,378) (2,190) (2,255) (2,303) (1,982) (1,895) (2,031) (3,054) (2,046) (2,781)
Climaprofe 2,819 0,926 -3,406 5,486*** -5,425*** -1,912 6,676*** -1,597 3,368* -1,582
(2,064) (1,949) (2,199) (1,969) (1,768) (2,046) (2,177) (2,620) (1,935) (2,692)
Nota: A.L. América Latina. *** sig. 1 %, ** sig. 5 %, * sig. 10 %. Estimación MCO con efectos fijos por escuela. Desviaciones estándar
robustas entre paréntesis. ARG hace referencia a Buenos Aires, Argentina.
Fuente: elaboración propia a partir de información PISA 2018, OECD.
Lecturas de Economía -Lect. Econ. - No. 101. Medellín, enero-junio 2024