Publication:
Análisis Estadístico Exploratorio del Impacto del Horario de Clases en el Índice de Aprobación de una Asignatura. Caso estudio: Departamento de Matemáticas de la Escuela Colombiana de Ingeniería Julio Garavito

Thumbnail Image
Files

Files

Primary Rey Perdomo, Margarita Mónica -2018 .pdf (3.08 MB)
 Autorización de publicación.pdf (462.77 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Rey Perdomo, Margarita Mónica
Abstract (Spanish)
El rendimiento de los estudiantes es una variable de alto interés para los investigadores y los administradores académicos de las universidades. El presente estudio hace un análisis estadístico exploratorio del impacto que pueda tener la hora en la que se programan las clases de matemáticas de una institución universitaria en Latinoamérica, y, el índice de aprobación de dichas asignaturas. Luego de indagar acerca del estado del arte, se realiza una contextualización del problema en cuanto a ubicación geográfica, nivel educativo y clase de asignaturas que se estudian. Se cuenta con los datos históricos de once semestres de calificaciones de las asignaturas de matemáticas, cuyos registros contienen la hora de la clase, estudiante, asignatura, profesor, estado de aprobación, estado del estudiante, entre otros. El estudio se realiza utilizando análisis de Pareto, los cuales se encargan de organizar, de mayor a menor, las frecuencias de aprobación de las asignaturas de acuerdo con su hora de clase y plasmarlas gráficamente en diagramas de barras descendentes. Este tipo de análisis, permite identificar rápidamente las horas en las que el porcentaje de aprobación es más alto y más bajo. Los diagramas de Pareto se complementan con diagramas de barras simples en varios estadios: globalmente, asignatura por asignatura con todos los profesores, y, asignatura por asignatura suprimiendo los profesores de mayores y menores porcentajes de aprobación. Todos los análisis están debidamente soportados estadísticamente ya que los datos presentan una distribución normal. Finalmente, se obtienen las conclusiones del estudio, en donde se encuentra que en la mayoría de asignaturas el delta entre el mayor y menor porcentaje de aprobación no alcanza el 10% a pesar de la hora de clase. Sin embargo, para las asignaturas de matemáticas que cursan los estudiantes de primer año, se observan resultados diferentes que se sugiere estudiar con detenimiento. Adicionalmente, se propone para trabajos futuros, el análisis multivariado del problema, así como el diseño de una herramienta de inteligencia de negocios con análisis que se pueden realizar a nivel de big data para otras asignaturas, cursos, programas dentro de la universidad y que permita visualizar oportunamente las incidencias de una u otra variable en el rendimiento estudiantil.
Abstract (English)
The performance of students is a variable of high interest for researchers and academic administrators of universities. The present study makes an exploratory statistical analysis of the impact that the time in which the mathematics classes of a university in Latin America can be programmed, and the approval rate of said subjects. After inquiring about the state of the art, a contextualization of the problem is made in terms of geographical location, educational level and class of subjects studied. The historical data of eleven semesters of grades of the subjects of mathematics are counted, whose registries contain the hour of the class, student, subject, professor, state of approval, state of the student, among others. The study is carried out using Pareto analysis, which is responsible for organizing, from higher to lower, the approval frequencies of the subjects according to their class time and graph them in descending bar charts. This type of analysis allows you to quickly identify the hours in which the percentage of approval is higher and lower. Pareto diagrams are complemented with simple bar graphs in several stages: globally, subject by subject with all teachers, and, subject by subject, suppressing teachers of higher and lower percentages of approval. All the analyzes are duly supported statistically since the data present a normal distribution. Finally, the conclusions of the study are obtained, where it is found that in most subjects the delta between the highest and lowest percentage of approval does not reach 10% despite the class time. However, for the mathematics subjects that the first-year students study, different results are observed that it is suggested to study carefully. Additionally, it is proposed for future work, the multivariate analysis of the problem addressed, as well as the design of a business intelligence tool that allows to visualize in a timely manner the incidences of one or another variable in student performance.
Director

Advisors/Directors

Peña López, Yeimi Yazmin (dir)
Mayorga Melo, Javier Alexander (Codir)
Rights

Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito

URI: https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21769
Collections

Collections

FC - Trabajos de Grado Maestría en Gestión de Información
References

Aldaghir, M. I. (2017). Class Scheduling and Student Performance in Economics Principles. Middle Tennessee State University.

Bernal, C. A. (2010). Metodología de la investigación. Bogotá: Pearson.

Dillsa, A., & Hernández-Julián, R. (2008). Course Scheduling and Academic Performance. Economics of Education Review 27, 646–654.

Duran, I. L. (2015). Class Schedule: A Predictor of Students’ Performance in Computer Programming-1. International Journal of Scientific & Engineering Research, 322-324.

Escuela Colombiana de Ingeniería Julio Garavito. (25 de Agosto de 2008). Lineamientos de Políticas Institucionales. Recuperado el 25 de noviembre de 2018, de https://www.escuelaing.edu.co/uploads/descargables/3044_9960_lineamientos_politicas_institucionales_2008.pdf

Escuela Colombiana de Ingeniería Julio Garavito. (2017). Portafolio Intitucional. Recuperado el 25 de noviembre de 2018, de https://www.escuelaing.edu.co/uploads/descargables/1844_folleto_institucional_2017_espanol.pdf

Escuela Colombiana de Ingeniería Julio Garavito. (s.f.). Departamento de Matemáticas. Recuperado el 25 de noviembre de 2018, de https://www.escuelaing.edu.co/es/programas/departamentos/1

Foris. (s.f.). DarwinEd. Recuperado el 28 de noviembre de 2018, de La Evolución de la Gestión Académica: https://www.foris.ai/darwined

J. J. Allaire. Software Engineer & Founder. (s.f.). RStudio. Open source and enterprise-ready professional software for R. Recuperado el 29 de noviembre de 2018, de https://www.rstudio.com/

Korkofingas, C., & Macri, J. (2013). Does Time Spent Online have an Influence on Student Performance? Evidence for a Large Business Studies Class. Journal of University Teaching & Learning Practice, Volume 10 | Issue 2.

Ngoboka, P., & Schultz, B. (2002). The Effects Of Class Size On Student Academic Performance In A Principles. Proceedings of the Midwest Business Economics Association, 198-207.

R Core Team. (2018). R: A language and environment for statistical computing. (R. F. Computing, Productor) Recuperado el 29 de noviembre de 2018, de The R Project for Statistical Computing: https://www.R-project.org/

Scrucca, L. (2004). qcc: an R package for quality control charting and statistical process control. R News 4/1, 11-17.

Velasco Cháves, L. F. (8 de junio de 2011). ¿Qué es el Habeas Data? Recuperado el 29 de noviembre de 2018, de http://www.congresovisible.org/agora/post/que-es-el-habeas-data/1741/

Aldaghir, M. I. (2017). Class Scheduling and Student Performance in Economics Principles. Middle Tennessee State University. Bernal, C. A. (2010). Metodología de la investigación. Bogotá: Pearson. Dillsa, A., & Hernández-Julián, R. (2008). Course Scheduling and Academic Performance. Economics of Education Review 27, 646–654. Duran, I. L. (2015). Class Schedule: A Predictor of Students’ Performance in Computer Programming-1. International Journal of Scientific & Engineering Research, 322-324. Escuela Colombiana de Ingeniería Julio Garavito. (25 de Agosto de 2008). Lineamientos de Políticas Institucionales. Recuperado el 25 de noviembre de 2018, de https://www.escuelaing.edu.co/uploads/descargables/3044_9960_lineamientos_politicas_institucionales_2008.pdf Escuela Colombiana de Ingeniería Julio Garavito. (2017). Portafolio Intitucional. Recuperado el 25 de noviembre de 2018, de https://www.escuelaing.edu.co/uploads/descargables/1844_folleto_institucional_2017_espanol.pdf Escuela Colombiana de Ingeniería Julio Garavito. (s.f.). Departamento de Matemáticas. Recuperado el 25 de noviembre de 2018, de https://www.escuelaing.edu.co/es/programas/departamentos/1 Foris. (s.f.). DarwinEd. Recuperado el 28 de noviembre de 2018, de La Evolución de la Gestión Académica: https://www.foris.ai/darwined J. J. Allaire. Software Engineer & Founder. (s.f.). RStudio. Open source and enterprise-ready professional software for R. Recuperado el 29 de noviembre de 2018, de https://www.rstudio.com/ Korkofingas, C., & Macri, J. (2013). Does Time Spent Online have an Influence on Student Performance? Evidence for a Large Business Studies Class. Journal of University Teaching & Learning Practice, Volume 10 | Issue 2. Ngoboka, P., & Schultz, B. (2002). The Effects Of Class Size On Student Academic Performance In A Principles. Proceedings of the Midwest Business Economics Association, 198-207. R Core Team. (2018). R: A language and environment for statistical computing. (R. F. Computing, Productor) Recuperado el 29 de noviembre de 2018, de The R Project for Statistical Computing: https://www.R-project.org/ Scrucca, L. (2004). qcc: an R package for quality control charting and statistical process control. R News 4/1, 11-17. Velasco Cháves, L. F. (8 de junio de 2011). ¿Qué es el Habeas Data? Recuperado el 29 de noviembre de 2018, de http://www.congresovisible.org/agora/post/que-es-el-habeas-data/1741/ Walpole, R., Myers, R., Myers, S., & Ye, K. (2012). Probabilidad y estadística para ingeniería y ciencias (Novena ed.). (L. E. Pineda Ayala, Trad.) México: Pearson Educación.