Alumnado con rendimiento académico menor al esperado (underachievement)análisis de procesos metodológicos para su detección

Resumen

El rendimiento académico menor al esperado (underachievement en inglés) se puede definir como la discrepancia entre la capacidad potencial y la realización o rendimiento académico que presenta un alumno. Esta discrepancia, a su vez, no debe ser consecuencia de una dificultad de aprendizaje o discapacidad. El alumno underachieving se identifica, por tanto, con aquel que rinde más pobremente de lo que cabría esperar en base a su capacidad potencial. Teniendo en cuenta la necesidad de realizar unos adecuados procedimientos de detección del alumnado con rendimiento menor al esperado, la presente tesis doctoral elaborada mediante compendio de publicaciones tiene tres objetivos principales, los cuales se corresponden con tres artículos científicos. Primeramente, se realiza una propuesta y aplicación de una metodología estadística novedosa en el ámbito de la identificación del alumnado con rendimiento menor a lo esperado. En concreto, se utiliza el método Rasch en una muestra de 643 estudiantes de primer curso de Educación Secundaria Obligatoria (ESO), empleando como medidas de inteligencia y rendimiento la Batería de Aptitudes Generales y Diferenciales y las calificaciones académicas de final de curso, respectivamente. Tras la estimación, se analiza si existen diferencias estadísticamente significativas entre la proporción de estudiantes con rendimiento menor al esperado y el tipo de centro educativo en el que están inscritos (público o privado-concertado). También se analiza si existen diferencias estadísticamente significativas entre la proporción de estudiantes con rendimiento menor al esperado y el resto de estudiantes en la variable género. En segundo lugar, se realiza un estudio comparativo entre el método Rasch con el método de diferencias estandarizadas y el método de residuales de regresión; empleando en esta ocasión una muestra de 1118 alumnos de primer y segundo curso de ESO. En dicho estudio se analizan a su vez si existen diferencias estadísticamente significativas en las variables género y curso. Por último, se lleva a cabo un estudio de validación española del instrumento School Attitude Assessment Survey revised (SAAS-R), empleado para la detección de alumnos con rendimiento menor a lo esperado. En este estudio se emplea una muestra de 1398 estudiantes de primer y segundo curso de ESO, y la metodología se basa en la aplicación del modelo de Rasch multidimensional, aprovechando las ventajas psicométricas que ofrece la Teoría de Respuesta al Ítem frente al Modelo Clásico de Test. La aplicación del método Rasch a partir de la calibración de las variables inteligencia y rendimiento (en esta última variable se eliminaron dos asignaturas por falta de ajuste al modelo) dio como resultado un total de 181 alumnos de primer curso de ESO detectados con rendimiento menor al esperado en el primer estudio, lo que equivale al 28.14 % de la muestra total. Se detectaron diferencias estadísticamente significativas en la proporción de estudiantes con rendimiento menor al esperado en función del tipo de centro educativo, con un mayor número de alumnos inscritos en centros públicos. Con respecto a la variable género, se detectó un mayor número de chicos con rendimiento menor al esperado, mientras que en el grupo de estudiantes sin rendimiento menor al esperado se detectó un mayor número de alumnas. Estas diferencias fueron estadísticamente significativas. En el segundo estudio, se identificó con el método Rasch al 30.37 % de la muestra total como estudiantes con rendimiento menor al esperado; con el método de diferencias estandarizadas el 14.55 %; mientras que con el método de residuales de regresión el 15.39 %. Además, se observaron diferencias estadísticamente significativas en la variable género entre el alumnado con rendimiento normal y menor al esperado, con un porcentaje superior de chicos en el último grupo mencionado. Con respecto al estudio de validación del SAAS-R, se calibraron los parámetros de dificultad de los ítems y habilidad de los sujetos a partir de la misma escala latente. Se eliminaron 10 ítems por mostrar desajuste al modelo de Rasch, y el análisis del Funcionamiento Diferencial del Ítem no mostró diferencias significativas de género con los 25 ítems restantes. La estructura escalar de 7 categorías no mostró un funcionamiento óptimo, y la subescala Goal Valuation obtuvo niveles bajos de fiabilidad. Por tanto, el modelo Rasch multidimensional apoyó una estructura de 5 factores latentes con 25 ítems para esta escala. En base a los resultados de estos trabajos, se derivan diversas conclusiones relevantes para la investigación y la práctica educativa. En primer lugar, se requiere una revisión del modelo de evaluación desarrollado en las escuelas basado en el uso de calificaciones académicas a partir del uso de test de rendimiento estandarizados, tal y como sucede en otros países. Por otra parte, es fundamental la revisión y comparación de diversos procesos metodológicos para la detección del alumnado con rendimiento menor al esperado, puesto que las diferentes propiedades estadísticas que muestran provocan un aumento o disminución del número de alumnos detectados. Se confirma que el método Rasch es el que identifica a un mayor número de alumnos. Este hecho pone de manifiesto la necesidad de desarrollar programas educativos en España a partir del análisis de la heterogeneidad de este alumnado mediante la comparación de variables cognitivas, motivacionales y contextuales. Por último, se resalta la necesidad de mejorar la estructura escalar del SAAS-R para una mejor detección del alumnado con rendimiento menor a lo esperado en España. A su vez, se apuesta por un mayor uso de modelos psicométricos multidimensionales pertenecientes a la Teoría de Respuesta al Ítem dentro del marco educativo, para asegurar así una mayor validez y fiabilidad de los instrumentos empleados en el análisis de variables relevantes en este campo. El uso de modelos multidimensionales (en nuestro caso el modelo Rasch multidimensional) permite un mejor análisis de este tipo de escalas, ya que proporcionar una medición más precisa al tener en cuenta los análisis correlativos entre subescalas.