1
00:00:11,119 --> 00:00:15,220
Buenas tardes. Bueno, vamos a seguir la reunión.

2
00:00:17,379 --> 00:00:22,719
Vamos a empezar bastante a la hora, aunque supongo que habrá gente que se irá incorporando.

3
00:00:23,000 --> 00:00:25,320
O sea, irá a comer. Todavía tardará un poco.

4
00:00:27,300 --> 00:00:32,780
Bueno, pues esta tarde vamos a tener dos sesiones y luego la clausura.

5
00:00:34,039 --> 00:00:38,399
Entonces, en la primera de ellas va a exponer José Montalbán Castilla,

6
00:00:38,399 --> 00:00:47,640
que es un profesor que ahora está investigando en la Universidad de París, en la París School of Economics

7
00:00:47,640 --> 00:00:56,820
y está haciendo una tesis sobre educación y también nos ha ayudado a la Consejería de Educación

8
00:00:56,820 --> 00:01:07,980
con la base de datos de Madrid, la base de datos de los 1.088 alumnos que han hecho la prueba en la Comunidad de Madrid

9
00:01:07,980 --> 00:01:18,079
y ha hecho un análisis un poco más detallado, bastante más detallado que el que esta mañana ha presentado el consejero

10
00:01:18,079 --> 00:01:25,700
y es lo que nos va a hablar, un análisis más detallado de resultados de Madrid, de forma comparativa también, en algunos casos.

11
00:01:26,299 --> 00:01:28,120
Pues nada, muchas gracias, José.

12
00:01:30,840 --> 00:01:34,900
Hola, buenas tardes. Muchas gracias a todos que os habéis quedado después de comer.

13
00:01:34,900 --> 00:01:44,859
Yo soy José Montalbán y voy a contaros un poco el informe TIMS, un poco más detallado, con comparaciones que hemos ido haciendo.

14
00:01:47,299 --> 00:01:56,420
Este es el esquema de la presentación que os voy a enseñar, pero prefiero ir un poco diciéndoos cuáles son los objetivos que queríamos ver con esta presentación.

15
00:01:57,319 --> 00:02:09,520
El objetivo principal de este estudio es hacer un diagnóstico de cuál es el nivel del alumnado de cuarto de primaria para el curso 2014-2015 en la Comunidad de Madrid.

16
00:02:12,159 --> 00:02:20,300
El primer objetivo que tenemos es averiguar cuáles son los niveles cognitivos en las dos materias que se estudian en este caso, que son matemáticas y ciencias.

17
00:02:20,300 --> 00:02:29,199
Entonces, averiguar cuáles son esos niveles y después ver un poco cuál es la evolución que ha habido desde el último año que tenemos, que es 2011, al 2015.

18
00:02:29,439 --> 00:02:38,479
Entonces, ver si, como antes había estado comentando Javier, si los niveles, o sea, lo bueno de la prueba TIMSS es que los niveles se pueden comparar por año y por país.

19
00:02:38,819 --> 00:02:44,580
De tal manera que podemos seguir, o sea, que si nos hubiésemos mantenido constantes, hubiésemos tenido el mismo nivel.

20
00:02:44,919 --> 00:02:47,400
Entonces, aquí podemos ver cómo ha sido la evolución desde 2011.

21
00:02:48,400 --> 00:02:54,520
Ojalá hubiese más datos anteriores para poder ver un poco cuál ha sido más la evolución temporal, pero solo disponemos de un dato anterior.

22
00:02:55,300 --> 00:03:06,139
Después, bueno, pues un poco cuál es la forma del alumnado. Hacer un análisis descriptivo sobre los hábitos, las posesiones en casa, las percepciones no cognitivas que tiene sobre las asignaturas, etc.

23
00:03:06,300 --> 00:03:14,759
Un poco ver cómo es ese alumnado. Y luego, también ir un poco más allá y encontrar cuáles son los factores que determinan ese rendimiento académico.

24
00:03:14,759 --> 00:03:25,319
sin tener un objetivo de ver una relación causal entre las variables, pero ver un poco cuáles son las variables que explican esas diferencias en el rendimiento académico entre los estudiantes.

25
00:03:26,180 --> 00:03:36,479
Y bueno, pues finalmente con todo esto intentar sacar conclusiones que puedan ayudar a una mejor comprensión del alumnado, para ver cuáles son los problemas y cómo podemos atajarlos.

26
00:03:39,629 --> 00:03:45,629
Voy a comenzar un poco con el examen TIMSS, que esto ya habéis tenido toda la mañana viendo un poco lo mismo,

27
00:03:45,789 --> 00:03:49,770
pero simplemente refrescar qué TIMSS es una encuesta.

28
00:03:50,490 --> 00:03:56,810
Aquí os pongo qué cantidad de colegios privados y públicos hay en la encuesta y qué cantidad de alumnos,

29
00:03:56,810 --> 00:04:02,289
para que los comparéis un poco con la población que se está intentando estimar,

30
00:04:02,389 --> 00:04:05,229
que es la población de cuarto de primaria de la Comunidad de Madrid.

31
00:04:05,969 --> 00:04:12,629
En cuanto a colegios, cubren un 4% y en cuanto a alumnos es aproximadamente un 2% de alumnos que se cogen en la muestra.

32
00:04:13,270 --> 00:04:20,170
Hay que destacar que la encuesta TIMS está estratificada a nivel comunidad autónoma, o sea que podemos sacar conclusiones a nivel comunidad autónoma,

33
00:04:20,709 --> 00:04:25,089
y además está estratificada a nivel colegio público y privado, lo cual también ocurrió en 2011.

34
00:04:25,089 --> 00:04:36,649
Entonces, a medida que avanza la presentación vais a poder ver que todas las diferencias entre colegio público y privado podemos hacerlas estadísticamente porque nos lo permite la muestra.

35
00:04:39,519 --> 00:04:43,660
Esto es un poco enseñaros cuáles son las características de los estudiantes de la muestra.

36
00:04:43,920 --> 00:04:48,300
Ahí tenéis todas las medias y entre paréntesis tenéis los errores estándar.

37
00:04:48,439 --> 00:04:52,120
Como es una encuesta, tenemos errores estándar en la estimación.

38
00:04:52,120 --> 00:05:01,860
Entonces, básicamente las conclusiones principales de esta tabla es que los colegios públicos y privados difieren mucho en su forma, en la forma del alumnado.

39
00:05:02,959 --> 00:05:17,300
Los colegios públicos registran menores porcentajes de alumnos que hablan todos los días en su casa español y además menores porcentajes de alumnos que son españoles y sus padres son también españoles.

40
00:05:17,300 --> 00:05:22,220
entonces aquí tenéis las diferencias entre colegio público y privado

41
00:05:22,220 --> 00:05:26,000
y el p-valor nos dice si esa diferencia es significativa

42
00:05:26,000 --> 00:05:29,180
vemos que el único valor que no es significativo es el de la proporción de chicas

43
00:05:29,180 --> 00:05:33,600
que hay una diferencia de un 4% pero no es estadísticamente significativo

44
00:05:33,600 --> 00:05:37,040
o sea que directamente pensamos que es el mismo porcentaje

45
00:05:37,040 --> 00:05:41,379
entonces en cuanto al marco teórico de los exámenes voy a pasarlo rápido

46
00:05:41,379 --> 00:05:45,500
porque ya hemos visto esta mañana, simplemente hay distintos contenidos

47
00:05:45,500 --> 00:05:52,740
depende si es matemáticas y ciencias, y dominios cognitivos, que se basan en estos tres principios de conocer, aplicar y razonar.

48
00:05:54,620 --> 00:06:04,120
Vamos a comenzar un poco con el análisis descriptivo, lo que nos muestra una instantánea de cómo están las habilidades cognitivas

49
00:06:04,120 --> 00:06:09,399
y luego ya habilidades no cognitivas, como son la percepción de las asignaturas.

50
00:06:10,120 --> 00:06:14,899
Vamos a empezar con las capacidades cognitivas, esto sería matemáticas, y por contenido.

51
00:06:14,899 --> 00:06:29,360
Aquí vemos que la puntuación media de matemáticas es 525 puntos para el total y lo que vemos aquí, que no hemos visto antes, es que los colegios privados rinden por encima de los colegios públicos.

52
00:06:29,360 --> 00:06:33,300
Los privados aquí estamos incluyendo los concertados y los puramente privados.

53
00:06:34,519 --> 00:06:38,620
Entonces, lo que vemos es que todas las diferencias son significativas en favor de los colegios públicos,

54
00:06:39,079 --> 00:06:45,079
de alrededor de unos 20 puntos de diferencia, o sea, 20% de desviación estándar más o menos,

55
00:06:46,060 --> 00:06:48,360
entre los colegios públicos y privados.

56
00:06:49,480 --> 00:06:53,139
Aún así vemos que es la disciplina que más se rinde, es en datos,

57
00:06:53,139 --> 00:06:59,100
y en cuanto a dominios cognitivos prácticamente los tres están igualados en matemáticas.

58
00:06:59,360 --> 00:07:08,959
Entonces en ciencias tenemos unas medias mucho más altas que en matemáticas, que serían 540

59
00:07:08,959 --> 00:07:12,879
y también vemos esta diferencia entre colegios privados y colegios públicos

60
00:07:12,879 --> 00:07:18,139
que los privados en media rinden bastante mejor que los públicos, más o menos unos 15 puntos

61
00:07:18,139 --> 00:07:21,759
vemos que en la columna de diferencias tenemos unos 15 puntos de media

62
00:07:21,759 --> 00:07:27,480
y entonces vamos a ver cómo para el futuro se puede intentar paliar esta diferencia

63
00:07:27,480 --> 00:07:36,100
Esto es lo primero que, como ya os he comentado, la muestra está estratificada por colegio público y privado

64
00:07:36,100 --> 00:07:41,339
de tal manera que si queremos hacer una comparación entre distintos tipos de colegio

65
00:07:41,339 --> 00:07:45,360
como sería, por ejemplo, el colegio concertado y el colegio privado no concertado

66
00:07:45,360 --> 00:07:48,160
vamos a incurrir en un error de medida estadístico

67
00:07:48,160 --> 00:07:52,620
Entonces, lo único que decir es que en los colegios bilingües y no bilingües

68
00:07:52,620 --> 00:08:05,279
Hay un error de medida que es un 5%, o sea que estos datos hay que tomarlos con cautela, y luego en los concertados, por pura suerte, tenemos un 0,3% de error, o sea que prácticamente la población se ajusta mucho a la muestra.

69
00:08:06,120 --> 00:08:19,420
Entonces, básicamente, las conclusiones principales es que los colegios concertados tienen peores resultados que los colegios privados no concertados, los concertados rinden mejor que los colegios puramente públicos,

70
00:08:19,420 --> 00:08:23,779
no hay diferencias significativas entre colegios bilingües y no bilingües

71
00:08:23,779 --> 00:08:27,000
pero no obstante, el colegio público bilingüe

72
00:08:27,000 --> 00:08:29,439
vemos que tiene una media de 527 puntos

73
00:08:29,439 --> 00:08:32,840
con respecto a un 509 en matemáticas para el público no bilingüe

74
00:08:32,840 --> 00:08:37,299
hay una diferencia bastante grande entre los colegios públicos bilingües

75
00:08:37,299 --> 00:08:38,940
y los colegios públicos no bilingües

76
00:08:38,940 --> 00:08:41,500
en cuanto a los privados bilingües y no bilingües

77
00:08:41,500 --> 00:08:46,299
los privados no bilingües son los que mayor rendimiento académico presentan

78
00:08:46,299 --> 00:08:48,980
aquí los colegios privados bilingües

79
00:08:48,980 --> 00:08:52,299
se refieren a los concertados que son bilingües.

80
00:08:55,139 --> 00:08:59,139
Entonces, un poco viendo cuáles son las variables, un resumen de cuáles son las variables descriptivas

81
00:08:59,139 --> 00:09:03,340
de los estudiantes, que son ellos los que manifiestan este tipo de cosas,

82
00:09:04,379 --> 00:09:10,259
lo que vemos es que los elementos más comunes de posesiones en casa son la conexión a internet,

83
00:09:10,259 --> 00:09:12,379
un sistema de juegos y escritorio.

84
00:09:12,500 --> 00:09:16,179
Vemos que casi todos los estudiantes de la Comunidad de Madrid tienen esos tres elementos

85
00:09:16,179 --> 00:09:19,899
y los menos comunes son los móviles y ordenadores propios.

86
00:09:21,000 --> 00:09:29,580
Y, bueno, paradójicamente, los estudiantes de los colegios públicos tienen un 3% más de móviles y de ordenadores propios que los de los colegios privados.

87
00:09:30,240 --> 00:09:33,580
Podríamos pensar que podría ser al revés, pero es así.

88
00:09:34,399 --> 00:09:39,460
Y, bueno, en cuanto a la ausencia y todos los días tomar el desayuno en los días lectivos,

89
00:09:39,460 --> 00:09:48,899
vemos que hay un 88% de los estudiantes que nunca o casi nunca se ausentan del colegio y un 84% que toma desayunos todos los días lectivos.

90
00:09:48,899 --> 00:09:56,379
entonces comparando los públicos con los privados vemos que más o menos un 3% de diferencia en contra de los públicos en este caso

91
00:09:56,379 --> 00:10:04,399
que se ausentan un poco más, un 3% más que los estudiantes de los colegios privados y toman desayuno un 3% menos

92
00:10:04,399 --> 00:10:08,919
entonces bueno, esto vamos a ver que luego es bastante determinante para el rendimiento académico

93
00:10:08,919 --> 00:10:16,159
entonces en cuanto a la tecnología para usar tareas escolares no existe tampoco un uso masivo de la tecnología para realizar los deberes

94
00:10:16,159 --> 00:10:25,840
Más o menos el 42% usa el ordenador o tablet. Y lo que sí observamos es que los estudiantes de los colegios públicos usan más las tecnologías para realizar los deberes.

95
00:10:26,399 --> 00:10:29,600
Vamos a ver esto luego, qué impacto va a poder tener en el rendimiento académico.

96
00:10:30,480 --> 00:10:39,299
Y luego ciertas preguntas sobre sentimientos sobre el colegio. Bueno, se les preguntan si los estudiantes están de acuerdo con el hecho de que se aprende mucho en el colegio

97
00:10:39,299 --> 00:10:48,059
o afirman que ven a sus compañeros, están orgullosos de ir al colegio. Más o menos los porcentajes entre colegio público y privado son prácticamente similares.

98
00:10:49,179 --> 00:10:57,419
Y luego también tenemos unas cuantas preguntas acerca de problemas de convivencia en el colegio y vemos que ellos les hacen una serie de preguntas,

99
00:10:57,559 --> 00:11:05,960
si ellos han sufrido risas hacia ellos, si han sido lastimados alguna vez por otros, si difunden información vergonzosa sobre ellos, si son amenazados.

100
00:11:05,960 --> 00:11:18,039
Aquí lo que vemos es que existe una misma frecuencia estadística entre los colegios públicos y privados en media, viendo todas las características que he catalogado como problemas de convivencia.

101
00:11:19,200 --> 00:11:29,139
Y más o menos son 13% de alumnos. Aquí ya depende la frecuencia, porque ellos lo que les preguntan es con cuánta frecuencia, por ejemplo, ha sufrido risas hacia ti.

102
00:11:29,139 --> 00:11:36,059
Entonces, tú tienes que decir semanalmente, mensualmente, una vez al año o algo así. Esto sería como una frecuencia media.

103
00:11:38,429 --> 00:11:45,809
En cuanto a las características no cognitivas, tenemos cuáles son las percepciones de los estudiantes con respecto a las asignaturas.

104
00:11:46,210 --> 00:11:56,429
Si se sienten bien, si piensan que sus compañeros rinden mejor. Esto también hay que tomarlo con cautela, dependiendo de los resultados que tengan, puede influir también que te gusten las matemáticas o que no te gusten.

105
00:11:56,429 --> 00:12:15,549
En este caso, en los colegios públicos y privados no hay ninguna diferencia, todos los porcentajes son prácticamente los mismos y parece que hay muchos estudiantes que disfrutan aprendiendo matemáticas, un 85%, un 35% que desearía no estudiar nunca matemáticas, matemáticas siempre es lo más complicado.

106
00:12:16,470 --> 00:12:21,350
Parece que tienen una buena impresión de los profesores de matemáticas de la Comunidad de Madrid.

107
00:12:22,190 --> 00:12:24,529
Hay casi todas las preguntas que les hacen, que son como 10.

108
00:12:25,250 --> 00:12:29,309
No bajan del 87% de alumnos que están de acuerdo con afirmaciones positivas.

109
00:12:30,029 --> 00:12:35,690
Por ejemplo, que el 96% dice que los profesores explican bien, que explican cómo hacer mejor y que varían en clase.

110
00:12:37,409 --> 00:12:40,090
Y luego un poco cuál es la percepción del rendimiento.

111
00:12:40,090 --> 00:12:46,370
Al 40% le ponen las matemáticas nervioso, el 43% piensa que son más difíciles para él que para los demás.

112
00:12:47,409 --> 00:12:54,690
Entonces vamos a ver que comparándolo con las ciencias, las matemáticas tienen una percepción más negativa.

113
00:12:55,309 --> 00:13:00,090
De cara a lo que ellos perciben, son un poco más difíciles.

114
00:13:01,169 --> 00:13:03,850
Entonces vemos que el 87% dice que disfruta aprendiéndolas.

115
00:13:03,850 --> 00:13:14,610
Pues aquí vemos que hay un 2% más, un 4% más, un 9% más, que dice que el 30% de los estudiantes dice que las ciencias son más aburridas.

116
00:13:15,389 --> 00:13:20,049
Es decir, las ciencias se valoran mejor dentro de las percepciones de los estudiantes.

117
00:13:22,629 --> 00:13:28,409
Ahora lo que vamos a ver es un poco el análisis dinámico. Vamos a comparar los resultados de Teams de 2011 con 2015.

118
00:13:28,549 --> 00:13:31,009
Vamos a ir viendo disciplina a disciplina a ver cómo ha variado.

119
00:13:31,929 --> 00:13:42,070
Este gráfico sonará esta mañana, que básicamente lo que vemos aquí son los niveles cognitivos en el examen TIMSS en 2011 y en 2015.

120
00:13:42,070 --> 00:13:53,970
Es una línea, pero son dos puntos, 2011 y 2015. En líneas discontinuas tenéis los intervalos de confianza, no sé si los veis desde ahí atrás, pero están un poco ahí en gris.

121
00:13:54,929 --> 00:13:59,769
El verde sería la media total, el rojo sería el colegio público y el azul el colegio privado.

122
00:13:59,769 --> 00:14:09,549
Entonces, básicamente la conclusión de matemáticas es que el colegio público y privado ha incrementado su rendimiento, pero el colegio público lo ha incrementado en mayor medida.

123
00:14:09,809 --> 00:14:19,210
Vemos que las pendientes son mayores en el colegio público. Por lo tanto, ha habido una convergencia hacia el colegio privado sin llegar a converger del todo, como se está viendo en los datos estáticos de 2015.

124
00:14:19,210 --> 00:14:24,289
esto es una comparación entre los contenidos de matemáticas

125
00:14:24,289 --> 00:14:28,909
y entonces aquí lo que vemos es que las áreas que más han convergido

126
00:14:28,909 --> 00:14:31,649
han sido los datos, que son las que más se han incrementado

127
00:14:31,649 --> 00:14:34,289
que han incrementado como unos 20 puntos

128
00:14:34,289 --> 00:14:38,250
y geometría, los números es la que registra una pendiente

129
00:14:38,250 --> 00:14:40,929
menos inclinada

130
00:14:40,929 --> 00:14:43,990
y esto es por dominio cognitivo

131
00:14:43,990 --> 00:14:47,149
y vemos que las tres áreas de dominio cognitivo

132
00:14:47,149 --> 00:14:50,409
se han incrementado prácticamente de la misma manera.

133
00:14:50,629 --> 00:14:55,350
Las pendientes son las mismas para los tres, o sea que no ha habido mucha variación en este sentido.

134
00:14:58,070 --> 00:15:03,990
Esto es una comparación de las tres áreas de matemáticas por tipo de colegio privado y público

135
00:15:03,990 --> 00:15:09,090
para ver cuáles son las áreas donde el colegio público ha convergido más con respecto al privado.

136
00:15:09,789 --> 00:15:11,830
Aquí lo que vemos es que sobre todo ha sido datos,

137
00:15:11,830 --> 00:15:17,169
veis que el colegio privado que está en azul se incrementa, pero el colegio público se incrementa mucho más

138
00:15:17,169 --> 00:15:22,509
y en geometría es también donde la pendiente es mayor.

139
00:15:25,490 --> 00:15:30,590
Y en cuanto a dominio cognitivo, básicamente vemos que las tres, como hemos visto antes,

140
00:15:30,669 --> 00:15:35,389
la pendiente es prácticamente constante, lo único que en cuanto a los colegios privados

141
00:15:35,389 --> 00:15:40,269
tienen una pendiente mucho menor, han incrementado mucho menos sus capacidades cognitivas.

142
00:15:41,750 --> 00:15:45,450
Estas son las ciencias. Aquí lo que tenemos que destacar es que,

143
00:15:45,610 --> 00:15:49,070
aunque parece que hay un ligero bajón de los colegios privados,

144
00:15:49,250 --> 00:16:11,549
Desde 2011 la diferencia entre 2011 y 2015 no es significativa, o sea que podemos decir que los privados se han mantenido constantes, a un nivel ya casi tocando el umbral del nivel alto, considerado por la IEA, y los privados sí que han incrementado su rendimiento en ciencias y también produciendo un camino a la convergencia entre las capacidades cognitivas de ambos.

145
00:16:11,549 --> 00:16:16,950
esto es un poco más interesante porque aquí vemos que no crecen todas

146
00:16:16,950 --> 00:16:20,009
en cuanto a los contenidos de ciencias

147
00:16:20,009 --> 00:16:22,289
y vemos que básicamente esta convergencia en ciencias

148
00:16:22,289 --> 00:16:25,509
se debe a las ciencias de la tierra, al área de ciencias de la tierra

149
00:16:25,509 --> 00:16:27,769
ya que las ciencias de la vida no tienen

150
00:16:27,769 --> 00:16:31,970
ni las ciencias físicas muestran un resultado significativo de cambio

151
00:16:31,970 --> 00:16:36,029
este es el por dominio cognitivo

152
00:16:36,029 --> 00:16:37,929
que también vemos que el conocimiento

153
00:16:37,929 --> 00:16:40,149
ligeramente disminuye

154
00:16:40,149 --> 00:16:45,470
ahora ese bajón no es estadísticamente significativo

155
00:16:45,470 --> 00:16:48,710
o sea que podemos decir que el conocimiento es lo único que se mantiene constante

156
00:16:48,710 --> 00:16:51,850
pero la aplicación y el razonamiento sobre todo

157
00:16:51,850 --> 00:16:55,769
que antes veíamos que donde peor resultado tenemos es el razonamiento

158
00:16:55,769 --> 00:17:00,210
pero comparado con 2011 es donde hemos mejorado más

159
00:17:00,210 --> 00:17:02,750
dentro de estas capacidades cognitivas en ciencias

160
00:17:02,750 --> 00:17:07,750
ya hemos visto que en matemáticas las tres áreas tienen el mismo incremento

161
00:17:07,750 --> 00:17:12,190
entonces esto es un poco comparando con los colegios públicos y privados

162
00:17:12,190 --> 00:17:15,569
entonces vemos perfectamente que este bajón en ciencias de la vida

163
00:17:15,569 --> 00:17:18,549
viene por los colegios privados

164
00:17:18,549 --> 00:17:21,410
que disminuyen mucho, pasan de un nivel alto

165
00:17:21,410 --> 00:17:25,289
a estar prácticamente ahí entre el nivel alto y el nivel intermedio

166
00:17:25,289 --> 00:17:28,509
y donde se ha convergido es en las ciencias de la tierra

167
00:17:28,509 --> 00:17:31,150
que es lo mismo que este incremento que veíamos antes

168
00:17:31,150 --> 00:17:35,250
y esto en cuanto a dominio cognitivo

169
00:17:35,250 --> 00:17:44,529
vemos que este bajón que parece que se mantiene constante el conocimiento viene dado por los colegios privados.

170
00:17:44,750 --> 00:17:50,569
Los colegios públicos se mantienen constantes en conocimiento, incrementan las otras dos áreas en mayor medida también.

171
00:17:52,650 --> 00:18:02,089
Una comparación entre las asignaturas de matemáticas y ciencias, también el hecho de que 500 sea la media, 100 la desviación típica,

172
00:18:02,089 --> 00:18:07,069
se puede comparar entre países, entre años y, además, entre asignaturas.

173
00:18:08,150 --> 00:18:13,230
O sea, el valor de 510, en este caso, es el mismo para matemáticas que para ciencias.

174
00:18:13,349 --> 00:18:14,890
O sea, podemos comparar estas dos medidas.

175
00:18:15,630 --> 00:18:19,190
Entonces vemos que, de manera total, está habiendo una convergencia

176
00:18:19,190 --> 00:18:23,109
de los niveles de matemáticas hacia ciencias, que se incrementan un poco,

177
00:18:23,210 --> 00:18:24,210
pero se quedan más estancados.

178
00:18:25,230 --> 00:18:29,789
Y, sobre todo, se ve en el colegio público que también se incrementan las ciencias,

179
00:18:29,789 --> 00:18:33,730
pero las matemáticas se incrementan de una manera mucho más grande, como veis.

180
00:18:35,529 --> 00:18:38,930
Y en el colegio privado las ciencias constantes y las matemáticas se incrementan.

181
00:18:40,650 --> 00:18:45,990
Por dominio cognitivo tenemos que las ciencias, lo que hemos visto también un poco en los otros gráficos,

182
00:18:46,130 --> 00:18:50,089
pero comparando las escuelas matemáticas, el conocimiento en ciencias baja,

183
00:18:50,890 --> 00:18:53,730
mientras que el conocimiento en matemáticas se incrementa mucho más.

184
00:18:54,210 --> 00:18:58,250
Las tres, conocimiento, aplicación y razonamiento, el mismo nivel prácticamente.

185
00:18:58,250 --> 00:19:17,380
Entonces, después de haber ofrecido aquí ahora más que nada una instantánea de cómo es la forma del alumnado, cuáles son las capacidades cognitivas del alumnado en 2015, ahora en el apartado 5 vamos a ver cuáles son los determinantes del rendimiento académico.

186
00:19:17,380 --> 00:19:25,000
Es decir, cuáles son aquellas variables que afectan al rendimiento académico de una manera significativa, estadísticamente significativa.

187
00:19:25,799 --> 00:19:33,880
Entonces, el objetivo aquí no es establecer una relación causal, sino simplemente correlaciones entre las variables y el rendimiento económico,

188
00:19:33,920 --> 00:19:42,339
para ver qué variables pueden afectar más a incrementos o a disminuciones en el rendimiento académico e intentar ver a ver qué conclusiones se pueden sacar.

189
00:19:42,339 --> 00:19:45,000
he hecho un modelo

190
00:19:45,000 --> 00:19:46,880
econométrico de mínimos cuadrados ordinarios

191
00:19:46,880 --> 00:19:48,059
una regresión simple

192
00:19:48,059 --> 00:19:52,880
y es el rendimiento

193
00:19:52,880 --> 00:19:54,980
académico del estudiante en la asignatura

194
00:19:54,980 --> 00:19:55,299
K

195
00:19:55,299 --> 00:19:57,779
en el colegio J

196
00:19:57,779 --> 00:20:00,720
y entonces el rendimiento académico

197
00:20:00,720 --> 00:20:02,920
se puede explicar por todas estas variables

198
00:20:02,920 --> 00:20:04,920
¿qué variables son? variables explicativas

199
00:20:04,920 --> 00:20:07,299
como vectores de características individuales

200
00:20:07,299 --> 00:20:09,140
que son si el alumno

201
00:20:09,140 --> 00:20:10,440
tiene padres españoles

202
00:20:10,440 --> 00:20:12,279
si habla español en casa

203
00:20:12,279 --> 00:20:14,880
este tipo de cosas

204
00:20:14,880 --> 00:20:16,700
un vector por tipo de colegio

205
00:20:16,700 --> 00:20:18,460
una variable dummy

206
00:20:18,460 --> 00:20:20,359
que toma valor 1 si el colegio es público

207
00:20:20,359 --> 00:20:21,359
y 0 si es privado

208
00:20:21,359 --> 00:20:24,740
por tipo de colegio bilingüe

209
00:20:24,740 --> 00:20:25,920
el PC sería

210
00:20:25,920 --> 00:20:28,140
índice de frecuencia de problemas de convivencia

211
00:20:28,140 --> 00:20:30,460
hay unos índices que proporciona

212
00:20:30,460 --> 00:20:32,680
la IEA que te dice si el alumno

213
00:20:32,680 --> 00:20:34,599
está teniendo problemas de convivencia

214
00:20:34,599 --> 00:20:36,440
semanales o mensuales

215
00:20:36,440 --> 00:20:38,140
y entonces te mide un poco cuál es el grado

216
00:20:38,140 --> 00:20:39,220
de esos problemas

217
00:20:39,220 --> 00:20:41,559
a mayor índice, mayor problemas

218
00:20:41,559 --> 00:20:46,420
entonces esto es lo que intenta capturar ese efecto en el rendimiento académico

219
00:20:46,420 --> 00:20:48,220
de sufrir problemas de convivencia

220
00:20:48,220 --> 00:20:50,700
un vector de sentimientos sobre el colegio

221
00:20:50,700 --> 00:20:52,480
que son todas las variables que hemos visto antes

222
00:20:52,480 --> 00:20:57,400
si se siente que pertenece al colegio, si ve mucho a sus compañeros, este tipo de cosas

223
00:20:57,400 --> 00:21:00,619
y luego P sería un vector de percepción sobre la asignatura

224
00:21:00,619 --> 00:21:05,200
si los estudiantes se sienten que son mejores que otros en matemáticas o en ciencias

225
00:21:05,200 --> 00:21:07,480
creen que son peores

226
00:21:07,480 --> 00:21:11,259
vamos a ver cómo influyen estas percepciones en el rendimiento académico

227
00:21:11,259 --> 00:21:31,519
Pero bueno, simplemente decir que los valores del rendimiento académico se han hecho como marca el examen TIMS, que hay cinco valores plausibles, entonces se toma la media de cada valor plausible y luego se coge la media general para hacer el estimador de la media y los errores estándar están hechos por el procedimiento Jack Knight,

228
00:21:31,519 --> 00:21:37,319
que es el que recomiendan para la encuesta, como está establecida la encuesta Teams,

229
00:21:37,400 --> 00:21:41,819
porque básicamente es más sencillo de calcular y además ofrece estimadores insesgados.

230
00:21:42,539 --> 00:21:43,339
Vamos a entrar en detalles.

231
00:21:44,819 --> 00:21:46,160
Básicamente estos son los resultados.

232
00:21:47,279 --> 00:21:52,799
Esta tabla, para que todos podáis ver, solo he puesto las variables que son significativas,

233
00:21:53,180 --> 00:21:58,000
porque si os pongo la tabla entera con las 30 variables, ni los de la primera fila veis nada.

234
00:21:58,000 --> 00:22:10,240
Entonces solamente os he puesto las variables que son significativas, pero tened en cuenta también que en las dos especificaciones estamos controlando por las 30 variables anteriores, por todas las características individuales, etc.

235
00:22:10,980 --> 00:22:14,019
Vamos a ver un poco cuáles son los resultados. Estos son matemáticas.

236
00:22:14,819 --> 00:22:22,019
Lo primero, vemos que el coeficiente, por ejemplo, para una dummy que indica si el estudiante es chica o chico es negativo.

237
00:22:22,759 --> 00:22:27,299
Esto estaba comentándolo antes Javier, que decía que las chicas tenían peores resultados que los chicos.

238
00:22:28,000 --> 00:22:33,680
Lo que hay que poner primero es que hay que interpretar este coeficiente de una manera un poco más amplia.

239
00:22:34,480 --> 00:22:39,920
Toda la literatura en economía de educación demuestra que las chicas son mucho mejores estudiantes que los chicos.

240
00:22:40,559 --> 00:22:53,240
Las chicas tienen mejores hábitos para hacer los deberes, en clase están mucho más atentas, reaccionan mejor a un incremento en la calidad del colegio,

241
00:22:53,240 --> 00:22:56,799
tienen mejores efectos cuando se les ofrecen becas

242
00:22:56,799 --> 00:23:00,140
y además hay toda una literatura en economía del desarrollo

243
00:23:00,140 --> 00:23:03,079
que dice básicamente que hay que darle el dinero a las mujeres

244
00:23:03,079 --> 00:23:06,920
porque los hombres se lo gastan en alcohol y en salir

245
00:23:06,920 --> 00:23:10,279
entonces realmente eso está demostrado

246
00:23:10,279 --> 00:23:13,299
que las chicas son mejores estudiantes que los chicos

247
00:23:13,299 --> 00:23:16,079
eso es una cosa bastante robusta dentro de la academia

248
00:23:16,079 --> 00:23:19,079
de economía de la educación que está claro

249
00:23:19,079 --> 00:23:21,680
pasa que hay unas profesoras de Stanford

250
00:23:21,680 --> 00:23:31,000
que han realizado una serie de literatura para ver por qué son estos impactos negativos en ciertos exámenes estandarizados.

251
00:23:31,460 --> 00:23:40,640
Entonces, la conclusión a la que llegan ellas es que existe una diferencia de género en cuanto a cómo reaccionan a la competencia.

252
00:23:40,640 --> 00:23:48,079
Es decir, a exámenes que requieren competencia y, en mayor medida, a exámenes que requieren competencia con chicos.

253
00:23:48,079 --> 00:24:02,640
Por ejemplo, hay un estudio que es muy famoso que muestra cómo varían los resultados de las chicas cuando están en colegios de coeducación, chicos y chicas, y cuando están en colegios solo de chicas.

254
00:24:02,640 --> 00:24:18,440
En el colegio solo de chicas lo hacen mucho mejor que cuando están con los chicos. No quiere decir que estudien más o nada de esto, simplemente que a los exámenes que requieren competencia tienen un rol que sufren más, en el caso de las chicas.

255
00:24:18,440 --> 00:24:34,019
Entonces, ese impacto negativo se podría explicar así. Después vemos que hay un coeficiente positivo. Esto no quiere decir que el hecho de tener un padre español mejore tu rendimiento académico.

256
00:24:34,019 --> 00:24:53,819
O sea, no es un impacto causal. Simplemente se debe a la correlación que existe entre el hecho de que en la Comunidad de Madrid las familias que vienen de otros países vienen en condiciones económicas más desventajadas y entonces tienen peores rendimientos académicos en media.

257
00:24:53,819 --> 00:25:14,660
Esto es simplemente lo que quiere decir. Esto no saca ninguna conclusión fundamental. Esto sí que es más interesante, que es la ausencia en el colegio. Vemos que aquellos alumnos que nunca están ausentes en el colegio, prácticamente nunca, tienen 20 puntos, entre 14 y 20 puntos, que es un 20% de la desviación típica más o menos, mejores notas.

258
00:25:14,660 --> 00:25:28,599
Esto se puede interpretar como este coeficiente. Aquellos alumnos que declaran que nunca están ausentes en el colegio tienen 20 puntos más de nota media comparado con el alumno medio con las características medias de la muestra.

259
00:25:28,599 --> 00:25:37,700
Porque aquí, como estamos controlando por todas las variables, sería el alumno medio. Quitamos las diferencias de género, quitamos las diferencias socioeconómicas, etc.

260
00:25:38,299 --> 00:25:44,720
Y nos quedamos solamente con el hecho de que nunca esté ausente al colegio. Entonces tendría un impacto positivo.

261
00:25:46,200 --> 00:25:55,519
Esta otra cosa interesante también es el uso de las nuevas tecnologías como el ordenador y la tablet para hacer los deberes tiene un impacto negativo, como podéis ver.

262
00:25:56,180 --> 00:26:03,440
Esto es el uso muy frecuente. No quiere decir que no haya que utilizar en clase ordenadores o tablets para hacer de vez en cuando deberes,

263
00:26:03,440 --> 00:26:11,140
pero estos son los alumnos que siempre utilizan estos recursos para realizar las tareas escolares. En media, en promedio, rinden peor.

264
00:26:12,119 --> 00:26:20,140
Y además suelen estar en los colegios públicos. Utilizan más los ordenadores y las tablets en media que en los colegios privados.

265
00:26:20,640 --> 00:26:23,900
Esto puede ser una conclusión que también podríamos llegar.

266
00:26:25,519 --> 00:26:33,759
Después se encuentra un índice de problemas de convivencia. Vemos que hay un impacto ligeramente, pero un impacto negativo. Esto es para problemas de convivencia semanales.

267
00:26:33,759 --> 00:26:40,599
Son problemas de convivencia muy intensos. Hay uno que es mensual, que prácticamente no es significativo, y este sería un problema semanal.

268
00:26:40,759 --> 00:26:48,519
Entonces vemos que los problemas de convivencia no solo pueden afectar a características sociales del alumno, sino directamente al rendimiento académico.

269
00:26:48,519 --> 00:26:51,599
y luego en cuanto a la percepción sobre las matemáticas

270
00:26:51,599 --> 00:26:53,619
pues vemos que hay un impacto negativo

271
00:26:53,619 --> 00:26:54,680
aquellos que piensan

272
00:26:54,680 --> 00:26:57,180
que son más difíciles para él que para los otros

273
00:26:57,180 --> 00:26:58,519
y que no se consideran buenos

274
00:26:58,519 --> 00:27:00,339
básicamente con esto

275
00:27:00,339 --> 00:27:02,539
lo único que podemos concluir es que

276
00:27:02,539 --> 00:27:04,180
son peores alumnos

277
00:27:04,180 --> 00:27:06,599
y lo saben, yo creo que esa es

278
00:27:06,599 --> 00:27:09,180
la única conclusión que podemos tener aquí

279
00:27:09,180 --> 00:27:12,720
porque obviamente no podemos decir

280
00:27:12,720 --> 00:27:14,880
que el hecho de pensar que no me considero

281
00:27:14,880 --> 00:27:16,920
bueno me impacta en un rendimiento negativo

282
00:27:16,920 --> 00:27:18,680
puede ser que yo tenga un rendimiento

283
00:27:18,680 --> 00:27:20,660
negativo y entonces por eso pienso que no es muy bueno

284
00:27:20,660 --> 00:27:22,519
entonces tampoco aquí vamos a darle

285
00:27:22,519 --> 00:27:23,380
mucha más vuelta a esto

286
00:27:23,380 --> 00:27:25,640
en cuanto a ciencias vemos que

287
00:27:25,640 --> 00:27:27,980
los coeficientes son distintos pero

288
00:27:27,980 --> 00:27:30,599
la interpretación es prácticamente la misma

289
00:27:30,599 --> 00:27:32,599
¿de acuerdo? tenemos

290
00:27:32,599 --> 00:27:33,440
pues

291
00:27:33,440 --> 00:27:36,579
impactos negativos para

292
00:27:36,579 --> 00:27:38,460
chicas, positivos para los padres

293
00:27:38,460 --> 00:27:40,740
españoles, muy positivos

294
00:27:40,740 --> 00:27:42,579
para cuando no está ausente en casa

295
00:27:42,579 --> 00:27:44,160
negativos para tecnología, o sea

296
00:27:44,160 --> 00:27:46,019
llegamos prácticamente a la misma conclusión

297
00:27:46,019 --> 00:27:48,140
entonces bueno

298
00:27:48,140 --> 00:28:01,000
Otro objetivo también del estudio es ver si el hecho de recibir clases en inglés para los colegios bilingües tiene un efecto diferencial sobre tu rendimiento académico.

299
00:28:01,000 --> 00:28:27,339
He visto que hay varios estudios académicos que hay que ver si el impacto del hecho de la enseñanza bilingüe tiene un impacto negativo en tu rendimiento académico porque no entiendes bien la clase y a lo mejor esto está impactando cognitivamente a tu rendimiento y comparado con los alumnos que tienen enseñanza en español 100%, pues tienes un rendimiento negativo.

300
00:28:27,339 --> 00:28:41,619
Entonces, vamos un poco a ver cuáles son los resultados que nos salen aquí. Lo primero, como ya he dicho antes, cautela para extrapolar estos resultados a la totalidad de la Comunidad de Madrid porque tenemos un 5% de errores de medida porque la muestra no está estratificada a nivel bilingüe o no bilingüe.

301
00:28:41,619 --> 00:28:49,880
Entonces, simplemente hay que comentarlo y ver que estos datos no son perfectamente el coeficiente. Va a variar un 5% arriba o abajo.

302
00:28:51,140 --> 00:28:59,539
El modelo econométrico es un modelo que he usado de efectos fijos. I sigue siendo la variable de rendimiento académico.

303
00:29:00,339 --> 00:29:08,660
BI es una dummy, que quiere decir que hay una asignatura en bilingüe. Esto sería 1 cuando estamos en colegios bilingües y en ciencias.

304
00:29:08,660 --> 00:29:11,519
que las ciencias son las que se imparten en inglés

305
00:29:11,519 --> 00:29:14,259
comparado con las matemáticas en español

306
00:29:14,259 --> 00:29:17,920
y las ciencias en español

307
00:29:17,920 --> 00:29:19,559
y los colegios que no son bilingües

308
00:29:19,559 --> 00:29:22,640
entonces lo que aquí añadimos es un efecto fijo a nivel colegio

309
00:29:22,640 --> 00:29:24,640
entonces ¿qué nos hace esta variable?

310
00:29:24,759 --> 00:29:27,480
el efecto fijo a nivel colegio es que nos coge toda la variación

311
00:29:27,480 --> 00:29:30,779
en los resultados que sean fijos a nivel colegio

312
00:29:30,779 --> 00:29:33,140
entonces con esto lo que quitamos es

313
00:29:33,140 --> 00:29:37,700
el dato bien conocido de que hay algunos colegios

314
00:29:37,700 --> 00:29:42,500
que rinden mejor que otros. Esto se puede interpretar como que todos los estudiantes

315
00:29:42,500 --> 00:29:46,420
estuvieran en el mismo colegio. Incluir esta variable nos quita toda esta variación.

316
00:29:47,640 --> 00:29:51,819
Después incluimos también un efecto fijo a nivel asignatura, porque sabemos que en ciencias

317
00:29:51,819 --> 00:29:55,460
los alumnos rinden mejor. No podemos comparar ciencias con matemáticas igual.

318
00:29:56,039 --> 00:30:00,400
Necesitamos incluir un efecto fijo a nivel asignatura que nos quita toda la variación

319
00:30:00,400 --> 00:30:05,039
a nivel asignatura. Podríamos interpretarlo como que todos los estudiantes

320
00:30:05,039 --> 00:30:10,920
están en la misma asignatura. Como hay un montón de variables que no observamos

321
00:30:10,920 --> 00:30:14,599
porque no podemos observar todas las variables y hay cierta selección

322
00:30:14,599 --> 00:30:18,920
como a método de intentar hacer un

323
00:30:18,920 --> 00:30:22,859
chequeo de robustez, lo que he hecho ha sido también un modelo econométrico

324
00:30:22,859 --> 00:30:26,640
en efectos fijos a nivel estudiante. Entonces esto lo que nos va a capturar es toda la variación

325
00:30:26,640 --> 00:30:30,380
que sea fija a nivel estudiante y vamos a ver qué efectos tiene.

326
00:30:31,220 --> 00:30:34,859
Aquí lo que vemos es arriba las especificaciones

327
00:30:34,859 --> 00:30:44,140
Las especificaciones de arriba son a nivel estudiante y las de abajo son a nivel colegio, porque al final es un colegio por clase, o sea, son a nivel colegio.

328
00:30:45,000 --> 00:30:54,640
Entonces lo que vemos es que si nosotros no añadimos ningún efecto fijo, simplemente hacemos un modelo simple entre rendimientos académicos y el hecho de impartir clases en inglés,

329
00:30:54,640 --> 00:31:07,839
Vemos que hay un efecto significativo. Pero incluyendo ambos efectos fijos, este efecto se disipa. Tanto los efectos fijos y de asignatura, o sea, asignatura y de colegio, como los efectos fijos de alumno.

330
00:31:08,079 --> 00:31:24,539
Y vemos que el R cuadrado para el efecto fijo de alumno es de 0.94. Lo único que nos hace esto es disminuir los errores estándar, como veis, entre paréntesis, que pasan de 5 a 1, pero el coeficiente es el mismo, es 2.392. Pero este coeficiente no es significativo.

331
00:31:24,640 --> 00:31:40,299
Y lo mismo pasa con el análisis a nivel colegio. ¿Qué conclusión podemos sacar de aquí? En principio no parece que el hecho de enseñar ciencias en inglés tenga un efecto negativo en el rendimiento académico.

332
00:31:40,299 --> 00:31:43,279
en todo caso positivo parece pero no es significativo

333
00:31:43,279 --> 00:31:44,420
o sea que no podemos decir nada

334
00:31:44,420 --> 00:31:47,259
obviamente esto es un resultado

335
00:31:47,259 --> 00:31:48,200
estático viendo

336
00:31:48,200 --> 00:31:51,799
estos efectos en 2015

337
00:31:51,799 --> 00:31:53,440
en este examen

338
00:31:53,440 --> 00:31:55,119
habría que hacer una evaluación

339
00:31:55,119 --> 00:31:56,880
mucho más profunda para ver

340
00:31:56,880 --> 00:31:58,839
cuál es el efecto puro

341
00:31:58,839 --> 00:32:01,380
de la educación bilingüe porque aquí sufrimos

342
00:32:01,380 --> 00:32:02,940
por mucho que intentemos

343
00:32:02,940 --> 00:32:05,519
poner efectos fijos a nivel de asignatura

344
00:32:05,519 --> 00:32:07,440
colegio que nos palían un poco la selección

345
00:32:07,440 --> 00:32:09,619
sufrimos, seguimos sufriendo de selección

346
00:32:10,619 --> 00:32:17,039
Entonces, bueno, ¿cuáles son las conclusiones principales que hemos sacado aquí para hacer un resumen rápido?

347
00:32:17,500 --> 00:32:25,279
Entonces, bueno, lo que vemos es que los estudiantes de la Comunidad de Madrid se sitúan en un nivel entre intermedio y alto en matemáticas y ciencias y rinden más en ciencias.

348
00:32:25,980 --> 00:32:37,599
También vemos que los colegios privados y concertados rinden por encima de los públicos en media, pero que los colegios públicos están en proceso de convergencia hacia el nivel de los colegios privados.

349
00:32:37,599 --> 00:32:43,039
Los colegios públicos divergen mucho en su forma con respecto a los privados y conceptados

350
00:32:43,039 --> 00:32:50,119
Como ya hemos visto todo el análisis descriptivo que los colegios difieren mucho

351
00:32:50,119 --> 00:32:55,539
Entonces, ¿cuáles son las variables más robustas que están relacionadas con el rendimiento académico?

352
00:32:55,539 --> 00:32:59,900
Pues una asistencia frecuente al colegio que vemos que tiene un impacto positivo

353
00:32:59,900 --> 00:33:05,839
El uso de tecnología para tareas escolares cuando es muy intenso tiene un impacto parece negativo

354
00:33:05,839 --> 00:33:09,079
las percepciones de los estudiantes sobre la materia

355
00:33:09,079 --> 00:33:12,200
que hemos visto que si te sabes que eres

356
00:33:12,200 --> 00:33:15,299
malo o peor, tienes peores resultados en media

357
00:33:15,299 --> 00:33:17,799
la nacionalidad de los padres

358
00:33:17,799 --> 00:33:20,759
pero esto no quiere decir que no haya impacto para nada

359
00:33:20,759 --> 00:33:24,019
simplemente es un tema de que son grupos distintos

360
00:33:24,019 --> 00:33:27,259
y sufrir problemas de convivencia frecuentes

361
00:33:27,259 --> 00:33:30,279
tiene un impacto negativo también en el rendimiento académico

362
00:33:30,279 --> 00:33:31,440
de los estudiantes

363
00:33:31,440 --> 00:33:35,460
viendo un poco cuáles son las magnitudes de estos efectos

364
00:33:35,460 --> 00:33:46,460
ponerlos en contexto con cuál es la literatura de economía de la educación, dos proyectos de investigación muy robustos en la literatura internacional

365
00:33:46,460 --> 00:33:55,240
son aquellos de Angrist, Zilabi y Kruger, que lo que examinan ellos es cuál es el impacto en el rendimiento académico de reducir el tamaño de la clase.

366
00:33:55,900 --> 00:34:04,980
Entonces ellos observan que reducir la clase en 7 u 8 estudiantes incrementa el rendimiento académico de los estudiantes de manera significativa.

367
00:34:05,460 --> 00:34:18,179
Como en un 20% de desviación estándar. Entonces, lo que vemos es que casi todos los coeficientes que hemos encontrado en el modelo de mínimos cuadrados ordinarios, la magnitud del efecto es en torno a 20%.

368
00:34:18,179 --> 00:34:30,920
Algunos, por ejemplo, como el uso de tecnologías muy frecuentes, es de un 30%, o sea, es un poco superior, pero más o menos se sitúan en los valores a los que nos movemos en la literatura de economía de la educación.

369
00:34:33,250 --> 00:34:34,190
Muchas gracias por todo.

370
00:34:34,190 --> 00:35:00,079
Bueno, muchas gracias, José, por la exposición. Es un ejemplo de los análisis, en este caso con un experto externo a la consejería, de cómo puede hacer análisis ya cada vez más detallados.

371
00:35:00,079 --> 00:35:27,639
Entonces, bueno, si tenéis alguna pregunta o algún comentario que hacer respecto a… Hay dos preguntas. Voy a repetir la pregunta porque como lo están grabando y no tenemos… O repítela tú.

372
00:35:27,639 --> 00:35:46,900
Sí, la pregunta es si la diferencia que vemos entre colegio público y privado en rendimiento académico desaparece cuando incluyes las variables socioeconómicas, ¿no? Y la respuesta es sí, sí, sí. Lo que pasa es que yo solamente os he enseñado en la tabla las que son significativas, pero yo incluyo ahí una dummy de colegio público y no es significativo.

373
00:35:46,900 --> 00:35:52,679
O sea, que incluyendo todas las variables a nivel estudiante socioeconómicas desaparece ese efecto.

374
00:36:02,099 --> 00:36:28,860
Bueno, la pregunta para repetirla por si alguien no ha escuchado bien. Si hemos analizado la motivación que habría en este impacto negativo en el uso muy frecuente de tecnologías y cuál es mi opinión acerca del tema.

375
00:36:28,860 --> 00:36:40,719
En cuanto a la motivación, este estudio no permite hacer más que correlaciones entre variables, entonces no podemos ir variable a variable, que es lo que hay detrás de ahí.

376
00:36:41,719 --> 00:36:47,340
Pero sería muy interesante ver cómo varía esto.

377
00:36:47,639 --> 00:36:54,360
Entonces, mi opinión personal, yo la verdad que estoy muy de acuerdo con el uso de tecnologías en las aulas,

378
00:36:54,360 --> 00:37:01,440
pero yo creo que el uso desmedido de la tecnología puede impactar de una manera negativa a los alumnos.

379
00:37:01,519 --> 00:37:06,360
Yo creo que es importante también tener en mente que las nuevas tecnologías son una herramienta

380
00:37:06,360 --> 00:37:13,000
para las clases y para desarrollar elementos cognitivos de los alumnos distintos,

381
00:37:13,000 --> 00:37:18,800
pero hay que tener en cuenta que la educación tradicional, tradicional entre comillas, de toda la vida,

382
00:37:19,019 --> 00:37:26,519
de hacer los problemas a mano, tener tu fichero, saber organizarte, escribir y ponerlo en el papel,

383
00:37:26,739 --> 00:37:31,480
es muy importante para la comprensión y para el razonamiento de todas las asignaturas.

384
00:37:31,480 --> 00:37:51,980
Entonces, desde mi punto de vista, yo creo que este resultado lo que muestra es esto. Si usas el ordenador o la tablet, muy frecuentemente, porque esto es gente que todos los días utiliza el ordenador para hacer los deberes, pues claro, te estás perdiendo otro tipo de capacidades que no te los da el ordenador.

385
00:37:51,980 --> 00:38:00,460
Yo creo que el ordenador está bien como herramienta, pero no como un sustitutivo a la educación tradicional, entre comillas, en ese sentido.

386
00:38:37,480 --> 00:38:46,380
La pregunta es si, mostrando que es muy robusto el hecho de disminuir el número de alumnos por clase, impacta positivamente en el rendimiento académico.

387
00:38:46,380 --> 00:38:51,340
Como esta mañana el representante de la IA ha dicho que esto no es así, ¿cuál es mi opinión?

388
00:38:53,280 --> 00:38:59,539
Estos son realmente dos de los proyectos más reconocidos internacionalmente.

389
00:38:59,539 --> 00:39:11,539
El proyecto de Angris y Lavi es un proyecto en Israel que usan la regla de Maimonides, que es que cuando te pasas de 31 alumnos te reducen por la mitad la clase.

390
00:39:13,019 --> 00:39:19,019
Entonces usan esta variación exógena para instrumentar cuál es el efecto en el rendimiento académico.

391
00:39:19,019 --> 00:39:32,559
Y el paper de Kruger es sobre el proyecto STAR de Tennessee, que fue un experimento aleatorio que se utilizó en Tennessee para reducir el número de alumnos por clase y ver cómo variaban con respecto a los otros alumnos.

392
00:39:33,079 --> 00:39:44,639
Estos son papers absolutamente robustos y esto es un impacto que se habla. Reducir el número de alumnos por clase impacta positivamente en el rendimiento académico.

393
00:39:44,639 --> 00:40:03,039
Luego hay que ver a qué nivel estamos hablando. Él decía también que había 50 alumnos en clase y habían reducido a 40. A lo mejor entre 200 alumnos y 150 te da igual, pero cuando te estás moviendo en el margen impacta de manera positiva.

394
00:40:03,039 --> 00:40:15,940
Estos que sois profesores aquí, estoy seguro que lo sabéis de sobra. No es lo mismo tener 30 alumnos que 20. Puedes hacer un seguimiento mucho más personal de cada uno, se te revolucionan menos, etc.

395
00:40:16,559 --> 00:40:23,519
Ya no solamente es intuitivo, porque uno dice que es intuitivo, sino que está bastante demostrado en la literatura económica.

396
00:40:23,519 --> 00:40:55,789
La pregunta es si la brecha de género no se observa en las asignaturas de humanidades, entonces si esto depende más por el tipo de asignatura o tal.

397
00:40:56,630 --> 00:41:03,909
Absolutamente. De hecho hay toda una literatura en economía de la educación que se dedica a esto, a ver por qué estas diferencias de género.

398
00:41:04,409 --> 00:41:11,969
De hecho estos proyectos que os he contado de las profesoras de Stanford lo que ven es que hay un impacto negativo especialmente en matemáticas.

399
00:41:11,969 --> 00:41:30,389
O sea, realmente no se sabe muy bien por qué, pero son las asignaturas matemáticas, comparado con las humanidades. Y entonces lo que muchos autores dan como conclusión es que son asignaturas que son eminentemente más de hombres que de mujeres.

400
00:41:30,389 --> 00:41:49,969
Entonces hay un factor psicológico que influye en el sentido, en el hecho de que en las carreras de ciencias hay mucho más hombres que mujeres durante toda la historia, básicamente.

401
00:41:49,969 --> 00:42:01,789
y entonces el hecho de estar en una carrera que es eminentemente de hombres produce un efecto más de tensión, un rol de competitividad

402
00:42:01,789 --> 00:42:09,369
que va en detrimento de esos resultados en los exámenes que son competitivos, que no quiere decir que el nivel sea menor.

403
00:42:10,369 --> 00:42:16,090
O sea, no quiere decir que las chicas sean peores que los chicos en nivel, porque además se ha dicho que al revés.

404
00:42:16,090 --> 00:42:18,969
la chica son mucho mejores estudiantes que los chicos

405
00:42:18,969 --> 00:42:22,869
y está muy demostrado en la economía de la educación

406
00:42:22,869 --> 00:42:25,429
pero hay una literatura muy bonita sobre este tema

407
00:42:25,429 --> 00:42:28,289
que os puedo pasar

408
00:42:28,289 --> 00:42:31,309
investigaciones si os interesa el tema

409
00:42:31,309 --> 00:42:34,030
pero efectivamente en humanidades no se observa esta diferencia

410
00:42:34,030 --> 00:42:35,389
y en matemáticas sí

411
00:42:35,389 --> 00:42:39,949
entonces varios autores lo señalan viendo experimentos y comparaciones

412
00:42:39,949 --> 00:42:43,070
que puede ser por este rol del hecho de que

413
00:42:43,070 --> 00:42:46,030
la carrera es eminentemente de hombres

414
00:42:46,030 --> 00:42:53,610
Y ahí hay un papel psicológico que juegan. No sabría explicar muy bien qué hay detrás, pero es un poco la idea.

415
00:42:53,610 --> 00:43:23,559
Pues no hay más preguntas ni comentarios. Entonces vamos a despedir a José y a pasar a la siguiente conferencia de José Antonio Fernández, sobre didáctica de las matemáticas y neurociencia. Muchas gracias.

416
00:43:23,679 --> 00:43:24,460
José por venir.