Relación entre el rendimiento previo y el

Son muy numerosas las investigaciones que han mostrado la importancia del rendimiento previo en la predicción del rendimiento en la Universidad, ya desde la primera mitad del siglo XX (Odell, 1927; Segal, 1934; Travers, 1949) y se extiende hasta el presente (p.e., Bivin y Rooney, 1999; Eimers y Pike, 1997; García et al., 2000; Kelly et al., 1981; Lietz, 1996; Mathiasen, 1984; McKenzie y Schweitzer, 2001; Mouw y Khanna, 1993; Nurmi et al., 2003; Pascoe et al., 1997; Pike, 1991; Pike y Saupe, 2002; Power et al., 1987; Zeegers, 2004; Zusho et al., 2003).

También la persistencia en la Universidad entre estudiantes al ingreso está influenciada primordialmente por el rendimiento previo del alumno. La consideración de factores psicosociales (p.e., expectativas de resultados, auto-eficacia, metas académicas) además del rendimiento previo no mejora la capacidad predictiva de los modelos, excepto cuando se trata de estudiantes que ya tienen cierto trayecto recorrido dentro de la Universidad (Cabrera, Nora y Castañeda, 1993; Kahn y Nauta, 2001; Mallette y Cabrera, 1991; Pascarella y Chapman, 1983; Tinto, 1975).

La capacidad predictiva del rendimiento previo mejora cuanto más cerca esté en el tiempo el indicador de rendimiento previo elegido del indicador del rendimiento que se desea predecir

(Sánchez, 1996). Los indicadores de rendimiento previo más empleados son las puntuaciones en tests estandarizados al ingreso a la Universidad y las calificaciones obtenidas durante la enseñanza media (Beck y Davidson, 2001; Bivin y Rooney, 1999; García et al., 2000; Goberna et al., 1987; Grant y Dweck, 2003; Kahn y Nauta, 2001; Lietz, 1996; McKenzie y Schweitzer, 2001; Mouw y Khanna, 1993; Odell, 1927; Pascoe et al., 1997; Power et al., 1987; Segal, 1934; Travers, 1949; Zeegers, 2004; Zusho et al., 2003). También se emplea el rank-class (Beck y Davidson, 2001; Kahn y Nauta, 2001; Stricker et al., 1996).

Durante aproximadamente un siglo la predicción de las calificaciones en la Universidad estuvo centrada en las medidas anteriormente mencionadas de rendimiento previo (Pike y Saupe, 2002). Los modelos que incluyen tanto el rendimiento en enseñanza media como las puntuaciones en tests pueden predecir el rendimiento en primer año de la Universidad, explicando entre un 25%-33% de la varianza (Mathiasen, 1984; Mouw y Khanna, 1993).

Power et al. (1987) estudiaron la relación entre las puntuaciones en pruebas estandarizadas al ingreso a la Universidad y el promedio general en la Universidad en cinco instituciones australianas, encontrando correlaciones comprendidas entre r=0,18 y r=0,44, con un valor promedio de r= 0,34. Estas correlaciones resultaron ser diferentes según la edad (el poder predictivo es mayor

para estudiantes que ingresan jóvenes a la Universidad frente a los que ingresan en edad madura) y el sexo (para un mismo rendimiento previo el rendimiento en la Universidad es más alto para las mujeres que para los hombres). Pascoe et al. (1997) encontraron que el método de ingreso a la Universidad y la facilidad de ingreso a la misma también afectan la capacidad predictiva del rendimiento previo.

Posteriormente Adelman (1999) encontró que el curriculuúm preuniversitario es un factor determinante del éxito académico, más relevante que las puntuaciones en tests o que el rendimiento en el Bachillerato. Su conclusión fue que la combinación de resultados de tests estandarizados, rendimiento en el Bachillerato y variables del currículum del Bachillerato es lo que proporciona los mejores pronósticos de éxito en la Universidad.

Empleando análisis discriminante Kelly et al. (1981) evaluaron la capacidad del promedio en el Bachillerato para discriminar entre rendimientos “altos” y “bajos” (tercios superior e inferior de la distribución de calificaciones respectivamente) en cursos universitarios de Psicología y Sociología, obteniendo un porcentaje de clasificaciones totales correctas de 70% y 81% respectivamente.

Beck y Davidson (2001) construyeron modelos predictivos de las calificaciones de estudiantes universitarios en cursos introductorios de Psicología, emplearon tres medidas de rendimiento

previo: las puntuaciones en dos tests estandarizados (Matemática y Aptitud Verbal) y el rank-class. Encontraron las siguientes correlaciones entre los tres indicadores: puntuaciones en los dos tests estandarizados (r=0,51, p<0,01), rank-class y puntuaciones en Matemática (r=0,20; p<0,01) y rank-class y puntuaciones en Aptitud Verbal (r=0,21; p<0,01). Las tres medidas conjuntamente explican el 19% de la varianza de las calificaciones. Al agregar al modelo las orientaciones motivacionales de los alumnos mantienen efectos en las calificaciones el rank-class (β=0,27; p<0,01) y la puntuación en Aptitud Verbal (β=0,14; p<0,01), no así la puntuación en Matemática (β=0,06), que no alcanzó significación estadística para el umbral habitual (α=0,05).

Otras medidas de rendimiento previo pueden ser el rendimiento obtenido en semestres o en años anteriores, dentro de la propia Universidad. Kahn y Nauta (2001) emplearon tres medidas de rendimiento previo en la predicción de la persistencia en los estudios entre estudiantes al inicio de su carrera. Estos indicadores son: el promedio de calificaciones en el primer semestre universitario, el rank-class y el promedio de calificaciones en el Bachillerato. Encontraron que las tres medidas están moderadamente correlacionadas entre sí: calificaciones en el primer semestre y rank-class (r=0,41; p<0,001), calificaciones en el primer semestre y calificaciones en el Bachillerato (r=0,28; p<0,001) y

correlaciones de orden cero de cada medida con el rendimiento a explicar (persistencia) sugieren que el mejor predictor sería el promedio en el primer semestre de la Universidad (r=0,43, p<0,001), seguido del rank-class (r=0,16, p<0,01). La correlación con las calificaciones en el Bachillerato fue muy débil (r=0,09) y no alcanzó significación estadística (α=0,05).

En su investigación de rendimiento basado en créditos entre estudiantes universitarios de diversas disciplinas (Biología, Geografía, Economía, Inglés, Francés, Finlandés, Historia, Psicología y Sociología) Nurmi et al. (2003) realizaron dos medidas de rendimiento de los estudiantes: el número de créditos acumulados durante el primer año de Universidad (rendimiento previo) y el número de créditos acumulados durante el tercer año (rendimiento a explicar). En el modelo multivariante encontraron efectos directos significativos del rendimiento previo (β=0,34).

La relevancia del rendimiento previo también queda de manifiesto al analizar trabajos cuyo interés central es el efecto de otros factores en el rendimiento académico (factores psicosociales, pedagógicos, etc.) y no necesariamente el efecto del rendimiento previo en el rendimiento futuro (p.e., Clifton et al., 2004; Kahn y Nauta, 2001; Grant y Dweck, 2003).

Existen trabajos en los que por alguna razón el rendimiento previo no se incluye en los modelos y los autores destacan dicha

exclusión como una limitación de sus conclusiones. Clifton et al. (2004) realizan un estudio multivariante del rendimiento académico de estudiantes universitarios incluyendo en los modelos antecedentes sociodemográficos, factores psicosociales, factores del entorno pedagógico y variables institucionales, pero no el rendimiento previo de los alumnos. Al respecto dicen los autores:

Este estudio tiene una importante limitación porque el modelo no incluye el rendimiento académico de los estudiantes al ingreso a la Universidad. En Estados Unidos es común que las Universidades empleen las puntuaciones en tests estandarizados como parte de sus políticas de admisión, pero ese tipo de examen rara vez se emplea en Canadá. En consecuencia, nuestro modelo tiene errores de especificación y los efectos de las variables exógenas que hemos incluido pueden estar inflados (Clifton et al., 2004, p.809).

Otras veces en la propia formulación de los objetivos de investigación subyace la importancia de tener en cuenta el rendimiento previo para un correcto análisis de los resultados. Por ejemplo, en una investigación sobre deserción y persistencia en la Universidad, Kahn y Nauta (2001) plantean como primer objetivo

[agregado]: “evaluar si esos tres factores [metas académicas, auto- eficacia y expectativas de resultados] predicen la persistencia de los

Grant y Dweck (2003) analizaron el impacto de las metas académicas (de aprendizaje y de ejecución) en las calificaciones de alumnos en un curso universitario de Química. Si bien no proporcionan coeficientes de regresión del rendimiento previo, explicitan que las correlaciones estimadas entre las metas académicas y las notas se obtienen “controlando por el rendimiento previo” (p. 549-550).

2.3.2. Rendimiento previo y rendimiento futuro en carreras universitarias científicas

Entre los antecedentes de investigaciones con estudiantes en cursos universitarios de disciplinas científicas (Grant y Dweck, 2003; Goberna et al., 1987; McKenzie y Schweitzer, 2001; Zeegers, 2004; Zusho et al., 2003) también se encuentran pruebas de la importancia del rendimiento previo en el éxito de los alumnos, tema que nos interesa especialmente, dada la naturaleza de la presente investigación.

Goberna et al. (1987) estudiaron la capacidad predictiva de las notas en el Bachillerato y de la nota de selectividad sobre cuatro indicadores de rendimiento académico en cinco Facultades, encontrando diferente capacidad predictiva según el centro, la medida de rendimiento previo y el indicador de rendimiento futuro. Para la Facultad de Ciencias (Sección Químicas) el porcentaje de varianza explicada por las notas en el Bachillerato fue de 39%-49%

según el indicador; la varianza explicada por la nota de selectividad fue prácticamente la mitad, estando comprendida entre 19%-25%.

Trabajando con estudiantes de cursos universitarios de Ciencias y Tecnología Informática McKenzie y Schweitzer (2001) encontraron que al incluir el rendimiento previo como única variable explicativa en el primer paso de una regresión lineal jerárquica del promedio general de calificaciones, este factor explica un 39% de la varianza del rendimiento futuro. Este porcentaje aumenta a 51% al incluir en la ecuación de regresión factores explicativos psicosociales (integración, grado de compromiso, grado de satisfacción), demográficos (sexo y responsabilidad laboral) y cognitivos (auto- eficacia, estilo de atribución).

Zusho et al. (2003) encontraron que el porcentaje de varianza explicada para las calificaciones en un curso universitario introductorio de Química es de un 10% (β=0,32) cuando el rendimiento previo es la única variable en el primer paso de una regresión lineal jerárquica. Al incluir constructos motivacionales en pasos sucesivos de la regresión el rendimiento previo mantiene efectos directos y estadísticamente significativos (α=0,05) en el rendimiento futuro, pero es la auto-eficacia la variable con efecto directo más alto (β=0,44), seguida del rendimiento previo (β=0,22). En cambio para Zeegers (2004), que realizó una investigación entre alumnos de Ciencias al ingreso a la Universidad y en cursos

intermedios, el rendimiento previo resulta ser la variable dominante en la explicación del rendimiento futuro (promedio general de calificaciones), aun incluyendo medidas de auto-eficacia. Esta dominancia pondría de manifiesto que si bien existen múltiples factores que podrían contribuir a los resultados educativos, sólo algunos parecen tener efectos directos y medibles, una vez que se ha controlado por el rendimiento previo.

En un modelo causal que incluye variables motivacionales, cognitivas y metacognitivas Zeegers (2004) encontró que el rendimiento previo es el factor explicativo con mayor efecto directo en las calificaciones, tanto para estudiantes al ingreso (β=0,37), como para estudiantes de cursos intermedios (β=0,54). Los modelos multivariantes para los dos grupos explican el 28% y el 48% de varianza respectivamente, pero dichos porcentajes descienden a 17% a 27% si el rendimiento previo se elimina de los modelos. Es decir, el agregado del rendimiento previo a un modelo que contiene variables motivacionales (entre otras) aumenta la varianza explicada en un 11% (estudiantes al ingreso) y en un 21% (estudiantes de cursos intermedios). Dada la correlación existente entre el rendimiento previo y los demás factores explicativos en el modelo, estos resultados no significan que el rendimiento previo explique el 11% y el 21 % de la varianza del rendimiento futuro. El resultado debe interpretarse como que la incorporación del rendimiento previo

explicativo del modelo que incluye sólo a las demás variables

(Pedhazur, 1997).

En el trabajo de Grant y Dweck (2003), como se mencionó anteriormente, las autoras analizan las relaciones entre las metas académicas y el rendimiento (calificaciones en Química), controlando por rendimiento previo.