universidad veracruzana · durante mi paso por la especialización dr. luis lizasoain por su apoyo...
TRANSCRIPT
UNIVERSIDAD VERACRUZANA
Técnica de Segmentación Aplicadas al Proceso
de Ingreso en la Universidad Veracruzana Año
2010
REPORTE TÉCNICO
QUE COMO REQUISITO PARCIAL PARA OBTENER EL DIPLOMA DE :
ESPECIALIZACIÓN EN MÉTODOS ESTADISTICO
PRESENTA:
Julio Cesar Costeño Hernández
DIRIGE:
Dr. Claudio R. Castro López
CODIRECTOR:
Dra. M. Luisa Hernández Maldonado
XALAPA, VER., (AGOSTO, 2013)
FACULTAD DE ESTADÍSTICA E INFORMÁTICA
ESPECIALIZACIÓN EN MÉTODOS ESTADÍSTICOS
Técnica de Segmentación Aplicadas al Proceso
de Ingreso en la Universidad Veracruzana Año
2010
Julio Cesar Costeño Hernández
Xal1-13-1213 FEI_EME_379
Agradecimiento:
A mis directores Dra. María lusa y Dr. Claudio R castro por
su apoyo comentarios y recomendaciones
A los profesores que compartieron sus conocimientos
durante mi paso por la especialización
Dr. Luis Lizasoain por su apoyo incondicional antes durante
y después de la realización de mi estancia en España
Dedicatorias
A mis padres, en especial a mi madre Elvia Hernández por
brindarme su apoyo siempre, por el amor que me ha
demostrado esto es un escalón más en el cual siempre has
estado presente
A mis Hermanos: Leticia y Mario por contar con su apoyo, y
compartir los mejores momentos, a mis sobrinas Julieth y
Aitana
Ala toda mi familia Hernández Delgado tías, tíos y primos
por su incondicional apoyo en todos estos años
A la familia Vera Aguilar por gran apoyo y cariño
Esta investigación es fruto de un gran esfuerzo, largas jornadas
de trabajo el cual a la hora de dedicárselo a todas las personas
que me aprecian y me rodean lo hago con mucho amor y cariño
siempre con mucha fe a dios el cual sin el nada hubiera sido
posible
521
RESUMEN:
En la actualidad las cifras de aspirantes que logran acceder la educación superior
son muy bajas en comparación del alto número que solicita matricularse en una
Universidad, antes esta problemática surge como primer objetivo conocer, analizar
y describir las características que presentan los aspirantes que solicitan ingresar a
la Universidad Veracruzana, conocer a que grupos sociales pertenecen y como
sus características Económicas, Culturales condicionan el acceso a la educación
superior donde la Prueba de elección Universitaria (EXANI-II) se constituye como
una de las más relevantes, en un segundo objetivo planteamos la aplicación de
árboles de decisión utilizando las técnica CHAID y TAID la cual nos permitirá la
elaboración y descripción de los perfiles de los aspirantes, en un tercer objetivo
planteamos mostrar el uso y aplicación de los métodos de segmentación
estadística enfocada a la investigación educativa.
Contenido 1.1.MARCO TEÓRICO. ................................................................................................................................... 3
1.1.1.Cifras ............................................................................................................................................. 4 1.1.2.Universidad Veracruzana .............................................................................................................. 7 1.1.3. Análisis Multivariante .................................................................................................................... 9
1.1.4. Prueba de acceso a la universidad EXANI-II ............................................................................. 11 1.1.5 Indicadores educativos. ............................................................................................................... 12 1.1.6. Elaboración de indicadores ........................................................................................................ 12 1.1.7. Capital Económico ...................................................................................................................... 13 1.1.8. Capital Cultural ........................................................................................................................... 14 1.1.9. Trayectoria Escolar ..................................................................................................................... 15 1.1.10. Apoyo previo ............................................................................................................................. 17 1.1.11. Análisis de segmentación ......................................................................................................... 17 1.1.12. Análisis de datos en árbol es de decisión ................................................................................ 18 1.1.13. Método CHAID .......................................................................................................................... 20 1.1.14. Componente de un análisis CHAID ......................................................................................... 21 1.1.15. Algoritmo CHAID ...................................................................................................................... 21 1.1.16. Método TAID ............................................................................................................................. 24 1.1.17. Algoritmo TAID –LCD ............................................................................................................... 25
1.2. ANTECEDENTES ................................................................................................................................... 26 1.3. PLANTEAMIENTO DEL PROBLEMA ........................................................................................................... 29 1.4 OBJETIVOS ............................................................................................................................................ 30
1.4.1. Objetivos General ....................................................................................................................... 30 1.4.2 Objetivos particulares .................................................................................................................. 30
1.5. JUSTIFICACIÓN ..................................................................................................................................... 30
2. METODOLOGIA. ........................................................................................................ 31
2.1 ASPECTOS GENERALES .......................................................................................................................... 31 2.2. DESCRIPCIÓN DE VARIABLES ................................................................................................................. 32 2.3 ANÁLISIS ESTADÍSTICO ........................................................................................................................... 34
2.3.1 Análisis preliminar........................................................................................................................ 34 2.3.2 Análisis definitivo ......................................................................................................................... 34
3. RESULTADOS ............................................................................................................ 36
3.1 ANÁLISIS UNIVARIADO ............................................................................................................................ 36 3.1.1 Aceptado no aceptado ................................................................................................................. 36 3.1.2 Área solicitada por los aspirantes ................................................................................................ 37 3.1.3 Género de aspirantes .................................................................................................................. 38 3.1.4. Zona ............................................................................................................................................ 38 3.1.5 Sistema de bachillerato ............................................................................................................... 39
3.2 ANÁLISIS BIVARIADO .............................................................................................................................. 41 3.2.1 Correlación Porcentaje de aciertos en examen VS Capital Económico ..................................... 41 3.2.2 Correlación Porcentaje de aciertos en Examen VS Capital Cultural .......................................... 42 3.2.3 Correlación Trayectoria escolar .................................................................................................. 43
3.2.4. GRÁFICO DE CAJAS Y ALAMBRES ........................................................................................................ 44 3.2.4.1-Capital económico por zonas. .................................................................................................. 44 3.2.4.3. Trayectoria escolar por zonas. ................................................................................................ 46 3.2.4.4. Porcentaje de aciertos por zonas. ........................................................................................... 47 3.2.4.5. Capital económico por área. .................................................................................................... 48 3.2.4.6. Capital cultural por área. ........................................................................................................ 49 3.2.4.7. Porcentaje de acierto por área. ............................................................................................... 50 3.2.5 Prueba ji-cuadrada ...................................................................................................................... 51
3.2.7 ANÁLISIS DE CORRESPONDENCIA ........................................................................................................ 53 3.2.7.1. Aspirantes Aceptados .............................................................................................................. 55 3.2.7.2. Aspirantes no Aceptados ......................................................................................................... 56
3.2.10. ÁRBOLES DE DECISIÓN. .................................................................................................................... 56 3.2.10.1. Árbol de decisión en el estado de Veracruz .......................................................................... 57 Análisis con porcentaje de aciertos dependiente, en el estado de Veracruz ....................................... 60 3.2.10.2 Árboles de decisión para cada zona ...................................................................................... 60 4.2.10.3. Árboles de decisión para cada área considerando todas las zonas ..................................... 79 3.2.10.4. Árboles de decisión para cada área sin considerar las zonas ............................................ 100 3.2.10.5. Árboles de decisión por zona con trayectoria escolar como dependiente. ......................... 123 4.2.10.6. Árboles de decisión para cada área con trayectoria escolar por área ................................ 128 3.2.10.7. Árboles de decisión para el área técnica en la zona Xalapa .............................................. 134 3.2.10.8. Análisis área técnica zona Xalapa con programa TAID-LCD. ............................................ 139
4. CONCLUSIONES ..................................................................................................... 142
4.1. CONCLUSIONES GENERALES ...................................................................................................... 142 4.2. RECOMENDACIONES O SUGERENCIAS .................................................................................................. 146
REFERENCIAS ............................................................................................................. 148
ANEXOS I ..................................................................................................................... 154
ANEXO: II ..................................................................................................................... 200
1
1. INTRODUCCIÓN
Cada vez son más numerosas las evaluaciones a gran escala en las que se
estudia y trata de explicar diferencia observadas en el sistema educativo, en el
caso internacional y de México encontramos las investigaciones realizadas por
(Guzmán Gómez & Serrano Sánchez, 2011), (Paola Marisol Reyes Guevara y
Mario Rueda & Mario Rueda Beltrán, 2010), (Rodríguez Castro & Gómez López,
2010), (Rivera Figueroa, Guerrero Magaña, Sepúlveda López, & de Alaizola
Arizmendi, 2006) (Hernández Padilla & González Montesinos, 2011), (Eduardo
Backhoff Escudero, Arturo Bouzas Riaño, Carolina Contreras, Eduardo
Hernández, & Marisela García, 2007) (Leonora Romero Vadillo, Aurora Rebolledo
López, & María Del Carmen Gómez del Prado Rosas, 2011) (Sánchez & Costa,
1998),(Hernández Padilla & González Montesinos, 2011), (Evangelina Carrión
Pérez, 2007), (Martha Artunduaga, 2011), (Montero Rojas, Villalobos Palma,
Jeannette, & Valverde Bermúdez, Astrid, 2007), (Vargas, 2007)
En particular en la Universidad Veracruzana encontramos a (Ramírez, Revuelta,
Morales, & Ávila, 2003) (Miguel casillas, Rague Chain, & Nancy Jácome, 2007),
(Aldo Colorado Carvajal & Miguel Ángel Casillas Alvarado, 2010) diversos autores
están de acuerdo que los estudios superiores se vuelven especialmente complejo
para la población de jóvenes que provienen de localidades muy altamente o
mediamente marginadas, no solo por las precarias condiciones de vida que
padecen sino también por la necesidad que tienen de cambiar de localidad de
residencia si es que desean continuar sus estudios superiores. Las Universidades
públicas no han alcanzado, los niveles deseables y con ello aún no apoya con
toda su capacidad a elevar la competitividad del país (Girardo, 2006) La
Universidad cumple una función compleja, teniendo un papel gratificador de
aspiraciones al mejoramiento económico, al ascenso cultural y a la participación
política, y en términos de logros personales, pero también de mayor información,
formación y de capacidad para el otorgamiento autónomo, racional y crítico de
legitimidad, de consenso al orden social y al sistema político (Ramírez, Revuelta,
Morales, & Ávila, 2003)
2
Los jóvenes que provienen de grupos en situación de marginación enfrentan
serios obstáculos para tener acceso a la educación superior, permanecer en ella y
graduarse oportunamente. Mientras que 45% del grupo de edad entre 19 y 23
años que vive en zonas urbanas y pertenece a familias con ingresos medios o
altos recibe educación superior, únicamente 11% de quienes habitan en sectores
urbanos pobres y 3% de los que viven en sectores rurales pobres cursan este tipo
de estudios. (Edgar Márquez Banffy, Edith Soto Téllez, Cinthya Velasco Trujillo, &
J. Alberto Zayas de Jesús, 2004)
Declaraciones dictadas en la Conferencia del Encuentro Internacional Intercambio
de Experiencias Educativas citadas por Sylvia Schmelkes. (2003) se encuentra la
situación económica que sin duda, por la vía tanto de los costos directos como de
los de oportunidad, limita las posibilidades de acceso de sectores importantes a la
educación superior. Por otro lado está el problema de la educación recibida por los
campesinos e indígenas en los niveles anteriores quienes se encuentran en
situación de mayor desventaja son los indígenas y los habitantes de zonas rurales
en general. Los egresados de instituciones educativas ubicadas en regiones con
estas características difícilmente logran pasar los exámenes de admisión de las
instituciones de educación superior de acuerdo con datos de la subsecretaría, las
brechas están marcadas por región, origen rural-urbano, zonas y por entidades
federativas. Así pues, las diferencias entre la ciudad de México y un estado como
Chiapas son abismales. Algunos autores mencionan que la situación evidenciada
en el sistema de educación superior tiene gran parte de su fundamento en
barreras estructurales de acceso, se alude a estructura en el sentido de un
conjunto de relaciones, correlaciones y/o regularidades más o menos estables de
algún aspecto de la realidad social, que se mantienen por un plazo mediano o
largo de tiempo, y que se deben a condicionantes sociales más o menos
institucionalizados o legitimados por una buena parte de la población, aunque no
necesariamente formalizados o impuestos como regla. (CESCC OPECH, 2010)
Donde la Prueba de elección Universitaria se constituye como una de las más
relevantes las instituciones públicas de educación superior en México emplean un
examen estandarizado para seleccionar a los estudiantes de nuevo ingreso,
3
guiándose bajo criterios de calidad. Llamado Exámenes Nacionales de Ingreso
EXANI-II. El puntaje con el que se logra el ingreso a la Universidad Veracruzana
está determinado por políticas universitarias en base al número de matrículas
ofertadas por la misma institución,
En el libro Estudios recientes en educación superior Una mirada desde Veracruz
(Aldo Colorado Carvajal & Miguel Ángel Casillas Alvarado, 2010) se hace
mención que existen más de 1,500 instituciones de Educación Superior públicas y
particulares que tienen distintos perfiles, tipológicos y misiones: Universidades
públicas autónomas, tecnológicas, politécnica e interculturales; institutos
tecnológicos, centros de investigación y posgrado, escuelas normales, centros de
formación especializada y otras instituciones. cada año salen cifras alarmantes de
aspirantes que logran ingresar a la educación superior y de los que no logran
hacerlo ante esta situación es importante conocer las características que
presentan los aspirantes que logran acceder y los que no logran hacerlo, es decir
en términos sociológicos a que grupos sociales pertenecer estos jóvenes en
función de sus características económica, culturales, educativas, y sociales en el
ingreso a la universidad, en este contexto y a través de documentación,
aceptamos la existencia de desigualdades en la educación en México. La
desigualdad que presentan los estudiantes hoy en día se centra en un contexto,
económico, cultural y social diferente al de años atrás generando nuevas
aportaciones en la investigación educativa En la actualidad se cuenta con nuevas
herramientas en la recolección y análisis de información, en este contexto
analizamos las desigualdades de los aspirantes mediante sus características
económicas, culturales y sociales, involucradas en el proceso de selección de los
aspirantes a la Universidad Veracruzana atreves de árboles de decisión con la
técnica CHAID y TAID-LCA, las cuales se describirán en posteriores capítulos
1.1. Marco Teórico.
A continuación contextualizo los conceptos más relevantes de esta investigación,
describo algunas cifras en el sistema educativo mexicano y del estado de
Veracruz y hago mención, del uso de técnica estadísticas multivariante descripción
4
de la técnica de segmentación CHAID funcionamiento de su algoritmo descripción
de árboles de decisión elaboración y uso de indicadores.
1.1.1. Cifras
Las cifras de aspirantes aceptados y rechazados en las instituciones de educación
superior son alarmantes en todas las universidades del país es evidente la falta de
cobertura de las instituciones educativas Hago referencias a algunas cifras en
educación en los años 2011-2012 figura 1.
5
Figura 1.
Fuente: Secretaria de Educación Pública 2010-2011.
6
Figura 2.
1/Excepto grado Promedio de escolaridad medido en grados. 2/ Información al 31 de diciembre 2011, INEA (*) Unidades: AL = Alumnos; Gr = Grados e/ Cifras estimadas p/ Cifras preliminares hasta no contar con capacitación para el trabajo de fin de cursos 2010 ‐ 2011 Fuente: DGPP/SEP; formatos 911; INEA
7
Figura 3.
Fuente: Secretaria de Educación Pública 2010-2011.
1.1.2. Universidad Veracruzana
La Universidad Veracruzana (UV) es una institución de larga y compleja historia
que presenta diferentes matices de acuerdo a la época y país donde se observe
(Ferrer, 1996; Latorre, 1964).
La UV está presente en diferentes regiones del Estado: Las regiones son:
Xalapa
Veracruz, que también incluye al municipio de Boca del Río.
Coatzacoalcos-Minatitlán, compuesta por los campus de dichas ciudades,
más el de Acayucan y Huazuntlán.
Orizaba-Córdoba, que engloba también a Ciudad Mendoza, Nogales, Río
Blanco, Peñuela Amatlán de los Reyes y Tequila.
Poza Rica-Tuxpan, más Ixhuatlán de Madero y Espinal.
En la figura 4 se muestra la distribución de los campus o zonas en el estado
de Veracruz
8
Figura 4. Zonas en el estado
El conjunto de programas de docencia impartidos por la Universidad Veracruzana
la ubican dentro de las universidades con mayor diversificación en su oferta
educativa del país, se ofrecen 53 opciones de formación profesional a nivel de
licenciatura, 4 carreras técnica y 70 programas de posgrado. Distribuidas en sus
cinco grandes campus Universitarios, la cobertura institucional abarca las áreas
académicas de humanidades, técnica, económico-administrativa, ciencias de la
salud, biológico-agropecuaria y artes. Los grados académicos que se otorgan son
los de profesional de nivel medio, técnico profesional, licenciatura, maestría y
doctorado («Universidad Veracruzana», 2013) La Universidad Veracruzana es la
principal universidad pública en el Estado de Veracruz por su gran oferta
académica de nivel licenciatura y técnico superior, y por el número de alumnos
inscritos. La tasa de escolarización en Veracruz en 2008-2009 se situó en un
23.5%, por debajo de la tasa nacional (27.6%) (OCDE, 2010: 47). Según la
Organización para la Cooperación y el Desarrollo Económico, en 2008 informo que
9
México presentaba las tasas más bajas de ingreso al nivel terciario en todas sus
modalidades (OCDE, 2010b: 57).
1.1.3. Análisis Multivariante
Las técnica Multivariante analizan el comportamiento y la relación existente entre
más de dos variables la importancia de estos métodos permiten plantear
preguntas específicas y precisas, también permiten obtener una mayor
comprensión de fenómenos complejos sea cual sea el ámbito que se esté
considerando se pueden clasificar según dos posibles criterios: (Thomson, 2005)
Criterio 1
Se está interesado en investigar las asociaciones que se presentan entre variables
sin distinción de tipos entre ellas y se tiene un interés descriptivo por ejemplo
algunas de estas técnicas son:
Análisis de componentes principales
Análisis factorial
Escalonamiento multidimensional
Análisis de correspondencias
Análisis de clúster
Criterio 2
Se está interesado en la relación entre distintas variables, donde parte de estas
variables dependen o se miden en función de las otras estos son llamados
Métodos Dependientes, Subyace en ellos siempre un interés predictivo por
ejemplo algunas de estas técnica son:
Regresión múltiple
Análisis discriminante
Métodos log-lineales y logit
Análisis de correlación canónica
Análisis multivalente de la varianza
10
A continuación presento una breve caracterización de los métodos de
segmentación y árboles de decisión para puntualizar con el método CHAID
Las instituciones educativas cuentan actualmente con grandes bancos de datos
formados por información de sus aspirante y alumnos cuando se tiene el interés
de conocer, investigar la existencia de relaciones, comportamiento, clasificar
individuos, descubrir patrones interesantes, identificar reglas que los caractericen,
basados en las relaciones que se establecen y generar nuevo conocimientos a
partir de un voluminoso conjunto de datos utilizamos la Minería de Datos (DM) por
las siglas en inglés Data Mining es el proceso de extraer conocimiento útil y
comprensible, previamente desconocido Hand, Mannila y Smyth definen minería
de datos como "la ciencia de extracción de información útil de grandes conjuntos
de datos o de bases de datos" (Hand et al., 2001). Citados por Romero (2006) la
minería de datos, o descubrimiento de conocimiento en Bases de Datos, abarca
una variedad de métodos estadísticos Univariado, Bivariado, multivariados y
computacionales. Rivera en el (2006) describe las etapas que involucran la
minería de datos, hago mención a esta metodología debido que en ella son muy
utilizados los árbol es de decisión los cuales puntuare en un apartado posterior
Determinación de los objetivos:
Delimitar los objetivos que se desean alcanzar
Procesamiento de datos:
Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la
trasformación de las bases de datos, mediante las técnica de análisis
multivalentes y técnica de análisis exploratorios de datos, tales como:
técnica de análisis exploratorios y análisis Multivariante de datos, tales
como: análisis de correspondencia múltiple, diagrama de cajas, clúster,
análisis de componente principales, etc. Esta etapa consume alrededor del
setenta por ciento del tiempo total de un proyecto.
11
Selección de las variables
La selección de características reduce el tamaño de los datos eligiendo las
variables más influyentes en el problema, cuidando de no perder la calidad
del modelo de conocimiento obtenido del proceso de minería de datos
Determinación del modelo
Mediante una o varias técnica de minería de datos, se obtienen un modelo
de conocimiento.
Análisis de los resultados
Finalmente se realiza una interpretación y evaluación de los resultados, se
verifica si los resultados u obtenidos son coherentes y se comparan con los
conseguidos por el análisis estadístico
Martínez (2007) señala que previa a cualquier utilización formal, los datos
deben ser examinados para detectar posibles anomalías que pudieran
llevar a conclusiones erróneas. Las técnica estadísticas exploratorias de
datos y análisis Multivariante han sido utilizadas y aplicadas en un número
creciente de áreas debido a que son particularmente apropiadas para el
estudio de grandes volúmenes de variable. Anderson (1958). El uso
apropiado de técnica como: diagramas, análisis de correspondencia
múltiple, análisis de componente principales, Análisis de factores etc.
Pueden mitigar los inconvenientes más comunes como: datos faltantes,
valores atípicos, Colinealidad etc.
1.1.4. Prueba de acceso a la universidad EXANI-II
El Centro Nacional de Evaluación para la Educación Superior, A. C. (Ceneval),
tiene por objeto “contribuir a mejorar la calidad de la educación media superior y
superior mediante evaluaciones externas de los aprendizajes logrados en
cualquier etapa de los procesos educativos, de manera independiente y adicional
a las que llevan a cabo las instituciones educativas Organizaciones de
profesionales del país y otras instancias particulares y gubernamentales. Genera
instrumentos útiles para los estudiantes que sustentan nuestros exámenes
comprueba su conocimientos, habilidades características profesionales que han
12
alcanzado durante su formación; los compara con el perfil referencial del examen;
obteniendo una constancia del logro alcanzado expedida por un organismo
externo, el Testimonio de Desempeño Académico Satisfactorio o el de Alto
Rendimiento Académico (los cuales podrán integrarse en el currículum vitae), e
incluso titularse en las instituciones cuya reglamentación lo permite.
1.1.5 Indicadores educativos.
Los indicadores educativos, como el resto de los indicadores sociales, han
experimentado en los últimos años una gran difusión, varias son las causas que lo
han hecho posible (Poll, 1997) Por ello, cada vez con más frecuencia se habla de
indicadores de la educación, en contextos muy diferentes y haciendo referencia a
realidades muy distintas, se trata de procedimientos que proporcionan información
relevante acerca de algún aspecto significativo de la situación educativa. La
mayoría son de carácter cuantitativo, de ahí que hayan recibido numerosas
críticas surgidas por parte de aquellos que consideran que son inadecuados al
sintetizar una realidad cualitativa en un dato numérico. (María Carmen Rosa
Delgado Acosta, 2002) Los indicadores son parámetros vectorializados o
correlacionados entre dos o más parámetros, tomados de tal manera que
suministren una información cuantitativa capaz de tener sentido cualitativo.
Siempre son elementos sectoriales que suelen responder de manera lineal a los
incrementos o decrementos de los parámetros que los integran. (ESTUDI RAMON
FOLCH I ASSOCIATS, S.L, s. f.)
1.1.6. Elaboración de indicadores
Para esta investigación la creación de los indicadores se han producido en función
de un estudio previo responsabilidad de la investigadora Silvia Piñeiro analizando
la base de datos de aspirantes a la Universidad Veracruzana en el año 2010
atreves de la técnica Multivariante de Componente Principales
13
1.1.7. Capital Económico
Soto 2010 citado en (Eduardo tesis final) El nivel económico nombrado en
múltiples investigaciones nivel socioeconómico o estatus social, hasta la fecha no
existe una definición universal aceptada por los investigadores, así como tampoco
existe una forma única para su cálculo Para la asociación americana de
psicología, (APA) (Eduardo Mariscal Chávez, 2012) el nivel económico es un nivel
de medida para determinar la posición que ocupa un individuo en una estructura
social jerárquica. Este indicador está elaborado atreves de 12 preguntas un
cuestionario aplicado durante el proceso de inscripción las cuales solo hago
mención a ellas en este investigación.
Tabla 2. Descripción de variables utilizadas en la construcción del capital económico Variable Nombre Escala Valores Pregunta original
Televisión de paga
ser_cabl2
ordinal
0=no 1=sí
¿En tu casa tienes disponibilidad de televisión de paga (cablevisión, sky, etc.?
Teléfono
ser_tele2
ordinal
0=no 1=sí
En su casa, ¿cuentas con los siguientes bienes y servicios? línea telefónica
Lavadora
ser_lav2
ordinal
0=no 1=sí
En su casa, ¿cuentas con los siguientes bienes y servicios? lavadora
Refrigerador
ser_ref2
ordinal
0=no 1=sí
En su casa, ¿cuentas con los siguientes bienes y servicios? refrigerador
Microondas
bien_mic2
ordinal
0=no 1=sí
En su casa, ¿cuentas con los siguientes bienes y servicios? microondas
Reproductor DVD
ser_dvd2
ordinal
0, 1, 2, 3, 4.
¿Cuántos reproductor de DVD hay en su casa?
Computadora personal (pc)
ien_pc2
ordinal
0, 1, 2, 3, 4.
¿Cuántas computadoras hay en su casa?
Internet
ser_inte2
ordinal
0=no 1=sí
¿En tu casa tienes disponibilidad de internet?
Automóvil
ser_auto2
orinal
0, 1, 2, 3, 4.
¿Cuántos automóviles hay en su casa?
14
Tarjeta de crédito
pad_tarj2
nominal
0=no 1=sí
¿Alguno de sus padres tiene tarjeta bancaria (crédito o débito)?
Piso de cemento o firme
ma_pi
nominal
0=tierra 1= cemento firme, mosaico, duela u otro
¿Su vivienda cuenta con piso de concreto o tierra?
1.1.8. Capital Cultural
El capital cultural se observa en los bienes materiales de tipo cultural con los que
los estudiantes cuentan, y a los que puede recurrir para su uso en el espacio
escolar. Tal vez el mayor representante de capital cultural en la sociología sea
Pierre Bourdieu el cual explica el capital cultural como un instrumento de poder al
nivel del individuo bajo la forma de un conjunto de características intelectuales
producidas por el medio familiar y el sistema escolar. En palabras de Bourdieu,
estable el supuesto de que el capital cultural, es el capital principal dentro del
campo escolar, (Sylvia Schmelkes.2003) Este indicador está elaborado atreves de
5 preguntas en cuestionario aplicado durante el proceso de inscripción las cuales
solo hago mención a ellas en este investigación.
Tabla 3. Descripción de variables utilizadas en la construcción del capital cultural Índice de recursos culturales
Nombre Escala Valores Notas
Escolaridad de la madre
ESCOMAD_MODELO
Ordinal
1= Sin escolaridad 2=Primaria 3=Secundaria 4=Media Superior 5=Profesional 6=No lo sé
Se imputó la escolaridad del padre a la escolaridad de la madre, en caso de que aquella estaba reportada. En caso contrario se mantuvo “No lo sé” como respuesta.
15
Escolaridad del padre
ESCOPAD_MODELO
Ordinal
1= Sin escolaridad 2=Primaria 3=Secundaria 4=Media Superior o Carrera Técnica 5=Profesional 6=No lo sé
Se imputó la escolaridad de la madre a la escolaridad del padre, en caso de que estuviera reportada. En caso contrario se mantuvo “No lo sé” como respuesta.
Número de libros en casa
CUAN_LIB
Ordinal
1=Ninguno 2=1 a 10 3=11 a 25 4=26 a 50 5=51 a 100 6=101 a 200 7=201 a 500 8=Más de 500
Número de películas en casa
CUAN_PELI?
Ordinal
1=Ninguno 2=1 a 10 3=11 a 25 4=26 a 50 5=51 a 100 6=101 a 200 7=201 a 500 8=Más de 500
Un lugar para estudiar
SER_LUGA2
Nominal
0=No 1=Sí
1.1.9. Trayectoria Escolar
Entendemos la trayectorias escolares como el comportamiento académico de los
aspirantes Para reconstruir la trayectoria Universitaria de los estudiantes,
retomamos las múltiples evaluaciones que les realizaron en años anteriores
principalmente en secundaria y preparatoria En el tema de las trayectorias se ha
estudiado bajo varias perspectivas, una de ellas pone como principal elemento
explicador el capital cultural que poseen los estudiantes. bajo el supuesto de que
los estudiantes universitarios poseen diferentes tipos de capitales culturales, ya
sea por adscripción o por adquisición, analizamos cómo los diferentes tipos de
capitales de los estudiantes inciden o no en sus trayectorias escolares dentro de la
16
Universidad. Este indicado se elaboró considerando el promedio de secundario,
bachillerato y numero de exámenes extraordinarios durante los estudios previos.
Tabla 4. Descripción de variables utilizadas en la construcción del indicador trayectoria escolar
Variable Nombre Escala Valores Pregunta original
Promedio de secundaria
PROM_SEC
Intervalo
1=6.0 - 6.4 2=6.5 - 6.9 3=7.0 - 7.4 4=7.5 - 7.9 5=8.0 - 8.4 6=8.5 - 8.9 7=9.0 - 9.4 8=9.5 - 9.9 9=10
¿Cuál fue su promedio general en la secundaria?
Promedio de bachillerato
PROM_BAC
Intervalo
1=6.0 - 6.4 2=6.5 - 6.9 3=7.0 - 7.4 4=7.5 - 7.9 5=8.0 - 8.4 6=8.5 - 8.9 7=9.0 - 9.4 8=9.5 - 9.9 9=10
¿Cuál fue su promedio general en el bachillerato?
Continuidad bachillerato-universidad (inmediato, 1 año, 2+ años)
Tab. EGREAS4
Ordinal
1=0 años 2=1 año 3=2 o más años
¿Cuánto tiempo paso para continuar sus estudios de secundaria a bachillerato?
Numero materias reprobadas
EXA_EXTR
Razón
0-10 El valor “10” incluye más de 10 materias reprobadas
¿Cuántos exámenes extraordinarios presentó en el bachillerato?
17
1.1.10. Apoyo previo
En este indicador conceptualizamos el apoyo que reciben por sus familiares,
profesores, y amigos, los aspirantes en la preparación a sus exámenes, por apoyo
entendemos actividades, prácticas que fortalezcan las habilidades, actitudes y
conocimientos del joven aspirantes.
Tabla 5 Descripción de variables utilizadas en la construcción del indicador Apoyo previo
Variable Nombre Escala Valores
Amigos o familiares me apoyaron mientras estudiaba
APO_AMI
ordinal 1 = Si 2= No
Los profesores me apoyaron mientras estudiaba en la escuela de bachillerato donde asistí
APO_PRO
ordinal
Me apoyé mientras estudiaba tomando cursos
APO_CUR
ordinal
Tuve otros apoyos mientras estaba estudiando
APO_OTR
ordinal
1.1.11. Análisis de segmentación
El análisis de segmentación (AS) pertenece a una familia de métodos
denominados AID (Automatic Interaction Detection). Propuesta inicialmente por
morga y sonquist (1963) El incremento exponencial tanto de la capacidad de
almacenamiento como de la potencia computacional de las técnica estadísticas
empleando para ello algoritmo o técnica que tratan de localizar información no
trivial, entendiendo por tal diferencias patrones, relaciones significativas, efectos
de interacción, etc.
18
En la actualidad, se utilizan diversas técnica de segmentación estadísticas en
donde todas ellas convergen en el objetivo de proporcionar elementos para un
adecuado agrupamiento de objetos. A continuación se presentan se presentan los
utilizados para esta investigación CHAID, (Chi-square Automatic Interaction
Detection), TAID-LCA (Algoritmo de Segmentación Basada en Árboles Ternarios)
1.1.12. Análisis de datos en árbol es de decisión
Los árboles de decisión son una técnica de minería de datos (Data Mining , DM)
prepara, ondea y explora los datos para sacar la información oculta en ellos. Se
aborda la solución a problemas de predicción, clasificación y segmentación
Las técnicas de la minería de datos provienen de la Inteligencia Artificial y de la
Estadística. Dichas técnicas no son más que algoritmos, más o menos
sofisticados, que se aplican sobre un conjunto de datos para obtener unos
resultados. Las técnicas más representativas son: redes neuronales, regresión
lineal, árboles de decisión, modelos estadísticos, agrupamiento o clustering y
reglas de asociación. La clasificación inicial de las técnicas de minería de datos
distingue entre técnicas predictivas, en las que las variables pueden clasificarse en
dependientes e independientes; técnicas descriptivas, en las que todas las
variables tienen el mismo esta tus y técnicas auxiliares, en las que se realiza un
análisis multidimensional de datos.
Los árboles son gráficos que comienzan con un nodo y se ramifican son paralelos
al análisis discriminatorio y a los métodos de clasificación algebraica. Kass (1980).
Estos métodos se derivan de una metodología previa denominada Automatic
Interaction detection Los árboles de clasificación se utilizan para la predicción son
útiles en la exploración de grandes cantidades de datos y existe incertidumbre
sobre la manera en que las variables explicativas deberían introducirse en el
modelo, en conjunto pequeños datos es poco probable que revelen la estructura
de ellos, de modo que su mejor aplicación se encuentra en grandes masas da
19
datos donde pueden revelar formas complejas en la estructuras que no se pueden
detectar con métodos convencionales de regresión, es útil en aquellas situaciones
en las que el objetivo es dividir una población en distintos segmentos basándose
en algún criterio de decisión. Los árboles de decisión o clasificación son un
conjunto de técnica que permiten definir y validar modelos de forma que se pueda
determinar que variables (predictoras) inciden o explican los cambios de una
variable dependiente, su nombre proviene de la forma que adopta el modelo,
parecido a un árbol. Son técnica estadísticas explicativas de la familia de la
regresión o el análisis discriminante (Luis. Lizasoain. 2012) pero tienen la ventaja
de que tanto la variable criterio como las predictoras pueden ser de cualquier tipo
(cuantitativas o cualitativa) lo que en contexto de la investigación educativa es
siempre una cuestión a tener en cuenta.
Los diagramas de decisión se deben empezar a interpretar como el "tronco de un
árbol" con particiones progresivas en "ramas más pequeñas”.
El "tronco inicial del árbol" o nodo raíz son todos los participantes en el estudio.
Las variables predictoras conducen a una discriminación estadísticamente
significativa, el "más significativo" define la primera partición de la muestra, o la
primera ramificación del árbol, resultando ser el mejor predictor, entonces cada
uno de los nuevos grupos formados, son particionados por otra de las variables
predictoras, etc., el resultado al final del proceso es un árbol que presenta una
serie de grupos con diferencias máximas sobre la variable dependiente. Existen
dos formas de interpretar los arboles ambas formas llegaran a las mismas
conclusiones
1.- partiendo del nodo raíz pasando a la variable que se encuentra en el segundo
nivel así sucesivamente hasta llegar al nodo terminal.
2.- Viceversa partiendo del nodo terminal progresivamente hasta llegar al nodo
raíz
Esto interpretación depende del gusto del investigador, para fines de este estudio
se interpretara los arboles partiendo del nodo raíz hasta llegar al nodo terminal
En el capítulo siguiente describo en un contexto general el algoritmo de las técnica
de segmentación utilizadas en esta investigación.
20
1.1.13. Método CHAID
El método Chaid (Chi Squared Automatic Interaction Detector) Históricamente, él
tiene su fundamento en la técnica “Automatic Interaction Detection”. Esta técnica
es una especie de regresión múltiple para variables nominales, ordinales,
categóricas, discretas, continuas. CHAID divide a la población en dos o más
grupos distintos basados en categorías del mejor predictor de una variable
dependiente (o de respuesta). Luego divide cada uno de estos grupos más
pequeños basados en variables de otros predictores CHAID fusiona las categorías
de una variable predictora cuando no son significativamente diferentes. Este
procedimiento de fusión combinado con el algoritmo de división, asegura que los
casos en el mismo segmento sean homogéneos con respecto al criterio de
segmentación, mientras que los casos en diferentes segmentos tienden a ser
heterogéneos. Genera un árbol de decisión para predecir el comportamiento de
una variable, a partir de una o más variables predictoras, tiene el objetivo
fundamental de encontrar la partición de una muestra de objetos en grupos,
capaces de describir de la mejor manera posible la variable independiente. Carlo
magno (s.f) menciona que Morgan y Sonquist (1963) sugieren que una de las
funciones principales, es descubrir si el modelo de estimación de la respuesta,
contienen solo efectos principales, o si las interacciones entre las variables deben
ser tenidas en cuenta,
La técnica CHAID fue propuesta por Kass (1980), para una variable dependiente
cualitativa o categórica, utilizando la prueba chi-cuadrada de independencia en
diferentes fases del proceso, ver formula1.
Formula 1
21
1.1.14. Componente de un análisis CHAID
Un análisis Chaid tiene los siguientes componentes básicos:
Una o más variables predictoras cuyos valores definen los segmentos. Se pueden
utilizar cualquier tipo de variable categórica incluyendo las demográficas, de estilo
de vida y conductuales. El criterio de (variable dependiente) para la construcción
del modelo de segmentación está dado por la elección de una o dos variable
respuesta (que deben ser categóricas u ordinales)
1.1.15. Algoritmo CHAID
Carlos Magno (s. f.) hace mención al algoritmo que utiliza CHAID en tres etapas:
fusión, división y paro
Para cada predicción une categorías por medio de estos pasos: que
explica en su artículo Segmentación de Mercados usando la Técnica CHAID
Fusión.
El algoritmo de CHAID El algoritmo utilizado en CHAID tiene tres etapas:
Fusión, división y paro.
Etapa 1: Fusión
Para cada predicción x1, x2,...., xk une categorías por medio de estos pasos:
1. Forma una tabulación cruzada de dos vías con una Variable dependiente.
2. Por cada par de categorías que se pueden fusionar, computa estadísticas Ji-
Cuadradas para probar la independencia entre el par de categorías y la variable
Dependiente.
3. Calcula el valor p de la prueba de Ji-cuadrada.
22
4. Para cualquier variable conjunta que contenga tres o más categorías, prueba si
la que es predictora se debe separar utilizando el nivel de significación de la
estadística Ji-cuadrada. Si ésta es relevante, divide la categoría de las otras.
5. Une cualquier categoría que tenga pocas observaciones.
6. Computa el valor ajustado Bonferroni para fusionar las categorías.
Etapa 2: División
Para las predicciones con valores p ajustados significativos estadísticamente
hablando, divide el grupo en la predicción que tenga el valor p más bajo. Cada una
de las categorías fusionadas de la predicción se convierte en un nuevo subgrupo
del grupo principal. Si ninguna predicción tiene un valor p significativo, no divide el
grupo.
Etapa 3: Paro
Regresa al paso 1 para analizar el siguiente subgrupo que contenga por lo menos
tantas observaciones como especificaciones del tamaño mínimo del subgrupo
(antes de dividirlo). Se detiene cuando haya analizado todos los subgrupos. En
cada etapa del análisis, CHAID divide al árbol con la variable independiente que
tenga el valor de probabilidad más bajo, siempre y cuando el valor p sea menor
que el valor de significancia (0.05 por omisión). El valor p representa la
probabilidad observada entre el predictor y la variable dependiente que se
presentaría si fueran estadísticamente independientes. Por ejemplo, un valor p de
0.05, significa que la relación observada entre el predictor y la variable
dependiente se presentaría solamente 5% del tiempo, si las variables fueran
independientes. Se juzga la relación que es estadísticamente significativa si el
valor p, es menor o igual al nivel de significancia, La “mejor” predicción es
aquella que tiene el valor p menor o igual a Para cualquier predicción, CHAID
computa un valor p sin ajustar y un valor p ajustado de Bonferroni. Esto lo hace,
antes de que se unan las categorías de la variable productora. El valor p ajustado
(etiquetado como “Prob.”) es presentado normalmente en la parte inferior de las
23
tablas antes de que se unan. Por otra parte, el valor p (sin ajustar) se obtiene de la
distribución de Ji-cuadrada con los grados de libertad iguales a (I-1) x (J-1).
La utilidad del análisis de segmentación es múltiple. Está especialmente diseñado
para propósitos descriptivos o exploratorios. Sin embargo, también puede ser útil
para un previó análisis causal de las variables. A través de los resultados del
análisis se pueden realizar hipótesis de modelos de causalidad, como el espurio,
el de intervención y los distintos modelos de causalidad, entre los que destaca el
tipo de interacción entre las variables (Modesto Escobar, 1992).
ETAPA 1INICIO
ETAPA 4
FIN
SE CONSIDERA
UN NUEVO GRUPO
SI NO
¿HAY MÁS PREDICTORES?
NO
SI
HALLAR LA AGRUPACIÓN OPTIMA DE
CATEGORÍAS PARA CADA PREDICTOR
SELECCIONAR EL MEJOR PREDICTOR
EN EL GRUPO DE VARIABLES
ETAPA 2
¿EL PREDICTOR ES
SIGNIFICATIVO?
SEGMENTAR
SI NO
¿EXISTEN MÁS
GRUPOS?
ETAPA 3
ETAPA 1INICIO
ETAPA 4
FIN
SE CONSIDERA
UN NUEVO GRUPO
SI NO
¿HAY MÁS PREDICTORES?
NO
SI
ETAPA 4
FIN
SE CONSIDERA
UN NUEVO GRUPO
SI NO
¿HAY MÁS PREDICTORES?
NO
SI
HALLAR LA AGRUPACIÓN OPTIMA DE
CATEGORÍAS PARA CADA PREDICTOR
SELECCIONAR EL MEJOR PREDICTOR
EN EL GRUPO DE VARIABLES
ETAPA 2
¿EL PREDICTOR ES
SIGNIFICATIVO?
SEGMENTAR
SI NO
¿EXISTEN MÁS
GRUPOS?
ETAPA 3
HALLAR LA AGRUPACIÓN OPTIMA DE
CATEGORÍAS PARA CADA PREDICTOR
SELECCIONAR EL MEJOR PREDICTOR
EN EL GRUPO DE VARIABLES
ETAPA 2
¿EL PREDICTOR ES
SIGNIFICATIVO?
SEGMENTARSEGMENTAR
SI NO
¿EXISTEN MÁS
GRUPOS?
¿EXISTEN MÁS
GRUPOS?
ETAPA 3
Figura 5. Esquema del algoritmo de la técnica de segmentación CHAID
24
1.1.16. Método TAID
En este apartado abordare el desarrollo del denominado Algoritmo de
Segmentación Basada en Árboles Ternarios, denominado TAID- LCA. Para una
revisión a profundidad consultar (Claudio Castro, Purificación Galindo, & Oscar
Borrego, s. f.)
Sintetizando todo lo anterior en un organigrama obtenemos la siguiente
representación para el algoritmo propuesto
1. Realizar un análisis de clases latentes con las variables respuesta manifiestas
para obtener una única variable respuesta y determinar sus clases latentes.
2. Elegir la variable predictora que presenta mayor índice de predictividad,
respecto de la variable respuesta.
3. Realizar un Análisis de Correspondencia No Simétrico, entre la variable
predictora elegida en la etapa anterior y la variable latente respuesta.
4. Segmentar los n casos, respecto de los conjuntos de categorías formados por
los criterios:
(a) categorías fuertes por la derecha
(b) l l<1 categorías débiles
(c) Categorías fuertes por la izquierda
5. Buscar los grupos terminales.
¿El nodo es terminal, es decir tiene un porcentaje de casos menor a 10%, o el
índice C de CATANOVA C = (n -1) (J - 1) no es significativo? ¿El nivel de
impureza, medido a partir del índice deseado (Gini o Entropía cruzada), está por
debajo de un umbral prefijado
La Figura 6 contiene el diagrama del algoritmo TAID.- LCA en base a árboles
ternarios de segmentación propuesto:
25
1.1.17. Algoritmo TAID –LCD
Figura 6 Esquema del algoritmo para Árboles Ternarios de Segmentación, con variable respuesta latente, TAID-LCA
26
1.2. Antecedentes (Lizasoain Hernández & Joaristi Olariaga, 2000) con objeto de elaborar y sugerir
acciones y propuestas de mejora a los responsables del sistema educativo,
análisis aplicando método CHAID obtenemos un árbol de 9 nodos siendo la
primera variable de segmentación la variable de identificación de centro-turno.
(Lizasoain et al., 2003) Empleo las técnicas estadísticas de segmentación en el
análisis de los datos de una investigación evaluativa. Aplico el método CART una
muestra de estudiantes de enseñanza secundaria de la Comunidad Autónoma
Vasca, los objetivos eran diseñar y depurar un modelo predictivo del rendimiento
en estas materias, así como valorar las posibilidades que el uso de este tipo de
técnica tanto en la fase del análisis de los datos de las investigaciones evaluativas
como en la de la comunicación de los resultados. Los resultados obtenidos
mediante segmentación han sido triangulados usando la regresión múltiple, el
análisis de componentes principales y el análisis de correspondencias. Los
resultados son básicamente coincidentes, pero la segmentación ofrece la ventaja
de poder operar simultáneamente tanto con variables cuantitativas como
cualitativas.
(Casado & López, 1998) abordan la investigación a través de la utilización de
técnica de análisis Multivariante, un estudio comparativo de la educación superior
publica en España por comunidades autónomas. En primer lugar, exponen la
metodología y las variables seleccionadas y a continuación, identifican las
variables que explican las similitudes y divergencias de las regiones españolas
(Luis Lizasoain & Luis Joaristi, 2012) Analizan el impacto de las nuevas
tecnologías de la información y la comunicación en la investigación educativa, y
más específicamente en el análisis de datos categoriales. Desde este punto de
vista se presentan y describen las principales características de técnica
estadísticas como las siguientes : Análisis de Frecuencia de Configuraciones,
Análisis de Tablas de Contingencia Tridimensionales, Modelos Log-lineales,
Modelos Logit, Probit y Regresión Logística, Análisis Factorial de
Correspondencias, Clasificación Automática con Variables Categoriales y
Visualización de Datos Categoriales. En todos los casos se describen los
27
programas informáticos adecuados con especial atención a los programas de
código abierto, libres y gratuitos como R.
Leibowitz 1974 y Haveman y Wolfe (1995 citado en Jorge, 2008) afirman que el
nivel educativo que alcanza una persona está determinado por tres factores: las
habilidades propias del individuo, la inversión que ha hecho su familia en
educación y los propios ingresos económicos de la familia. Una visión similar a la
de estos autores, aunque con una aproximación diferente es la propuesta por
Becker y Tomes (1986 citado en Jorge, 2008) quienes desarrollan un modelo
explicativo sobre la trasmisión de los ingresos, de los bienes y del consumo entre
padres e hijos.
En otra línea de análisis, Marjoriban ks (2005 citado en Alejandro Navarro
Arredondo, 2010) sostiene que es el entorno directo de la persona es el factor
determinante de los logros educativos. Considera que todas las personas viven
inmersas en tres niveles ambientales distintos: el de su propio capital cultural y
social, el de su familia y el del contexto cultural, humano y económico de la
sociedad en la que vive. Según este autor, el logro educativo de una persona
estará determinado por la interacción de los tres niveles, Coleman (1990) realiza
una propuesta teórica orientada en la misma dirección, en la que sostiene que los
elementos básicos que se han de considerar para explicar los logros educativos
de las personas son el nivel de capital social de sus familias y las relaciones que
se establecen en el interior de la familia, en particular, las interacciones entre
padres e hijos.
El género desempeña un papel importante en las características de los aspirantes
a la educación superior ya que existen múltiples investigaciones que analizan el
género con respecto a la trayectoria escolar y rendimiento académico entre estos
podemos encontrar (Rodríguez, S., Fita, S., Torrado, M. (2004), González, F. A. ,
1996). Estudio realizado por Montero y Villalobos (2004) en la Universidad de
Costa Rica encontró relación significativa entre el sexo y el promedio ponderado
del estudiante
Un estudio realizado por Grupo de investigación CESCC – OPECH en la
Universidad de Chile o la PUC contribuye a segmentar el ingreso a la universidad
28
en relación al origen socioeconómico se evidencia que existe una alta probabilidad
de que los alumnos egresados de colegios municipales que presentan ciertos
antecedentes familiares específicos, como bajos ingresos familiares y bajo nivel
educacional de los padres, no logren ingresar a la universidad;
Las universidades en día no pueden hacer frente a la alta demanda de aspirantes
el proceso de selección cumple la función de seleccionar a los aspirantes con
mejores cualidades dejando fuera a aquellos que presentan un menor desempeño
Toca y Tourón (1989, p. 32) comprobaron que “aquellos países que practican un
proceso de selección pormenorizado y completo, en cuanto a los requisitos de
entrada presentan un bajo grado de fracaso entre sus estudiantes”. Carrión (2002)
coincide que, al afirmar que el puntaje en las pruebas de admisión a la universidad
son fundamentales, e indica que los exámenes de ingreso desempeñan un papel
relevante en esta materia. Montero y Villalobos (2004) también coinciden en que el
promedio de admisión a la Universidad es estadísticamente significativo en su
realizada investigación, declaraciones realizadas por Rodolfo Tuirán (2011, citado
en la jornada 2011)
Hoy día sólo 20 % de los jóvenes más pobres en el plano nacional acceden a la
enseñanza superior, mientras aquellos con los ingresos más altos tienen una
probabilidad cuatro veces mayor de cursar una carrera universitaria, desigualdad
que evidencia la incapacidad del país para impedir que el origen de clase
condicione el destino educativo, social y laboral de dicho sector, La marginación y
la penuria educativa tienen a México en el lugar 55 en acceso a la educación a
nivel mundial. Más de 34 millones de personas sufren rezago, analfabetismo o
tienen apenas cuatro años de estudio. “Las poblaciones pobres reciben una
educación pobre”: relator especial de la ONU el éxito escolar de los niños y niñas
(Birkemo, 2002; UngI Norge, 1992; informe PISA, 2003; Bo, 2002 y Siles, 2003).
En un artículo de la OECD “los padres como compañeros de escuela” de 1997, es
analizada la relación entre familia y escuela. El artículo muestra que la
contribución de padres y madres tiene un importante impacto sobre la mejora
escolar de sus hijos e hijas, quedando reflejada la importancia de incrementar el
diálogo y la cooperación en todos los niveles y especialmente construir unas
29
buenas relaciones en los años más tempranos. En un proyecto canadiense
(Coleman y Collinge, 1993) se muestra que las actitudes positivas de los padres y
madres hacia la escuela influyen en la satisfacción de los niños y en la motivación.
La escuela está obligada a fomentar la participación y cooperación de padres y
madres, dado que es el factor más importante en el incremento de los resultados
escolares de los niños y niñas Berg (2002), Stortings melding (14, 1997 -
98).concluye que el 23 % de los logros escolares pueden relacionarse con el
apoyo familiar, esta es una buena correlación entre la calidad de las relaciones
familia escuela y los logros académicos y el ajuste escolar, Nordahl (2006).define
los dos factores fundamentales que influyen en los logros académicos de los niños
y niñas son el nivel educativo de los padres y madres y la calidad del trabajo
cooperativo entre familia y escuela
1.3. Planteamiento del problema
La trayectoria de vida de los aspirantes a la universidad muestra las influencias
sociales en la determinación de sus oportunidades educativas; La capacidad del
individuo, los beneficios escolares, familiares disponibles, Así como su capital
cultural y socioeconómico condicionan a su vez el acceso a la Universidad, en
particular cuando éste depende de un examen académico de ingreso. En el estado
de Veracruz se han producido importantes avances y transformaciones
cuantitativas y cualitativas, sin embargo a pesar de los importantes avances
persisten graves problemas en la educación superior en una población tan
segmentada como la del estado de Veracruz se necesita conocer las
desigualdades en función de sus Características Culturales, Económicas y
sociales que presentan los aspirantes que solicitan ingresar a la UV considerando
las cinco zona y las seis área.
30
1.4 Objetivos
1.4.1. Objetivos General
La utilización de técnica de segmentación estadística para caracterizar grupos de
aspirantes a ingresar la Universidad Veracruzana bajo contextos sociales
desiguales en el proceso de ingreso 2010.
1.4.2 Objetivos particulares
1. Analizar y describir como las características Culturales, Económicas y Sociales
de los jóvenes egresados de bachillerato que aspiran a ingresar a la
Universidad Veracruzana condicionan el acceso a ésta en el proceso de
ingreso 2010
2. Elaboración y descripción de los perfiles a través de las técnica de
segmentación CHAID y TAID de los aspirantes a la Universidad Veracruzana
en el proceso de ingreso 2010
3. mostrar el uso y aplicación de los métodos CHAID y TAID enfocada a la
investigación educativa.
1.5. Justificación
La educación superior en México no se ha democratizado entre los distintos
sectores y grupos sociales; el crecimiento en la matrícula de educación superior
ha favorecido a los sectores medios y altos de la población. Es pertinente, así,
analizar los mecanismos que propician procesos de inclusión y de exclusión del
nivel superior, partiendo del análisis de las desigualdades sociales que
condicionan el acceso al nivel, En los últimos años se han llevado a cabo diversos
estudios que, utilizando técnica de análisis estadístico, intentan cuantificar el peso
que tienen distintos factores explicativos,. Se trata de saber en qué medida y de
qué manera influyen las diversas características individuales y contextuales en los
logros educativos de las personas El análisis estadístico desempeña dos grandes
funciones: describir un fenómeno y explicarlo Estas razones nos llevan abordar,
desde un análisis Multivariante las características que presenta los aspirantes a
31
ingresar a la Universidad Veracruzana bajo contextos sociales desiguales en el
año 2010. Con este estudio se pretende dar a conocer a la comunidad educativa
en particular los mecanismos por los que se producen desigualdades dentro de y
en torno a las características ya mencionadas de los aspirantes de la UV para el
conocimiento y apoyo en las personas interesadas
2. METODOLOGIA.
En el siguiente apartado se expone la gran base que conforma esta investigación
donde se encuentran los aspirantes en el proceso de inscripción 2010 en la
Universidad Veracruzana, el tipo de investigación es descriptiva ya que se
pretende describir a los aspirantes en función de un conjunto de variables respecto
de la cual no existe hipótesis central. Es de tipo retrospectivo por que la encuesta
y los datos ya habían sido levantados en el año 2010 y trastrasversal por que se
midieron solo una vez las variables.
2.1 Aspectos generales
Se emplearon dos bases de datos de la UV, levantada ex profeso para el proceso
de ingreso que la UV desarrolla en línea. La primera base registra los datos
generales de los aspirantes ligados con información de las carreras solicitadas y/o
a la que ingresaron, así como los puntajes obtenidos en el EXANI-II. La segunda
base contiene datos demográficos, socioeconómicos, culturales, escolares,
familiares y otros más de los aspirantes, recabados a través de una encuesta
ligada al proceso de ingreso la cual está constituida por 34,187 egresados de
bachillerato el cual está conformado por 116 preguntas de opción múltiple, para
fines de nuestra investigación se nos fue proporcionada una sola base ya
depurada y analizada por la Mtra. Silvia Piñeiro elaborando con las variables
originales atreves de la técnica de Análisis de Componente Principales los índices
culturales y económicos, trayectoria escolar, apoyo previo, los cuales los
categorizo y lo muestro en la tabla 5.1. también, aclarando previamente que no se
había realizado como objetivo de investigación las técnica y método ADI
(Automatic Interaction Detection) es hasta esta investigación donde se centra el
uso de estas técnica, para fines de este estudio se consideró de la base original
32
solo a los aspirantes que solicitaron para el sistema escolarizado y el nivel
licenciatura debido que se pueden considerar homogéneas sus características en
nuestro estudio se considerando solo a los aspirantes que solicitaron en el sistema
escolarizado y nivel licenciatura considerando a estos aspirantes homogéneos.
En función de los árboles de decisión obtenidos en un previo análisis exploratorio
se obtuvieron árboles claramente segmentados por zona, área, porcentaje de
aciertos en la prueba y trayectoria escolar debido a esto y a una investigación
exhaustiva de hecha por otros autores bajo estas características se determinó
realizar un análisis general con todas las variables y otros para cada zona , área y
uno final excluyendo variables de segmentación natural como la zona, área
porcentaje de aciertos en examen y debido a la alta correlación de la variable
porcentaje con trayectoria escolar se decidió excluir la variables trayectoria del
análisis al igual que las variables mencionadas estos análisis se realizaron
tomando la variables dependiente aceptado y no aceptado y se realizó el mismo
procedimiento de las variables tomando como variables dependiente la trayectoria
escolar de los aspirantes lo cual se representa en la tabla 5.2, los análisis se
realizan en los paquetes estadísticos SPSS versión 20 y Statistica. Versión 7.
2.2. Descripción de variables
En la tabla 5.1 se muestra la descripción de las variables a utilizar en esta
investigación se decisión abreviar el nombre de las variables para un mejor
visualización e interpretación de los resultados, ver tabla 1.
Tabla 5.1 Variables de aspirantes a ingresar a la UV año 2010
Variables Descripción Categorías
Zona (ZN) Zona en la cual presento examen el aspirante
1= Xalapa 2=Veracruz 3= Orizaba 4=Poza Rica 5= Coatzacoalcos
Área (ARE) Área de conocimiento de la licenciatura solicitada por el aspirante
1= Técnica 2= Humanidades 3= Económica- Administrativa 4= C. Salud
33
5= biológicas - agropecuarias 6= Arte
Carrera (CD) Carrera codificada solicitada por el aspirante
…………………………………
Edad (EDCT)
Edad en años al momento de solicitar examen los aspirantes
1=16-17 4=18-20 2=21-24 5=25-30 3=31-40 6=41 o mas
Género(GN) Género del aspirantes 1= MASCULINO 2= FEMENINO
Corresidencia (CRSD)
Personas con las que vive el aspirantes
1= no vive con alguno de los padre 2= solo vive con la madre 3= solo vive con el padre 4= vive con ambos padre
Capital Económico (KCEN)
Recursos económicos de la familia de origen
1= Muy bajo 2= bajo 3= Medio 4= Medio Alto
Capital Cultural (KCUT)
Recursos culturales de la familia de origen
1= Muy bajo 2= bajo 3= Medio 4= Medio Alto
Lengua indígena (HIGN)
Alguno de los padres habla lengua indígena
0= ninguno habla lengua indígena 1= padre y madre hablan lengua indígena 3= solo madre habla lengua indígena 4= solo padre habla lengua indígena 5= no se
Supervisión (SFM)
Vive con alguien que supervise su desempeño escolar
0=No 1= Si
Trayectoria escolar (KTES)
Trayectoria educativa previa
1= Muy bajo 2= bajo 3= Medio 4= Medio Alto
Sistema de bachillerato (STM)
Sistema y modalidad del bachillerato cursado
1=Bachillerato general 2= Bachillerato privado 3= Bachillerato técnico/tecnológico 4= Telebachillerato 5= Sistema Abierto Federal 6= Bachillerato pedagógico 7= Educación de Adultos
Pre Examen (PREEX)
Número de veces que ha presentado el EXANI-II
1= una vez 2= dos veces 3=tres veces 4=Cuatro veces o mas
Apoyo para el Recibieron apoyo previo 1= Muy bajo
34
(APEX) 2= bajo 3= Medio 4= Medio Alto
Tabla 5.2 Resumen de árboles de decisión
2.3 Análisis estadístico
2.3.1 Análisis preliminar
Inicialmente se realizó un análisis exploratorio La primera fase fue una descripción
de las variables demográficas, socioeconómicas, antecedentes escolares, para
ello se utilizaron gráficos de sectores y gráficos de barras, grafico de cajas y
alambres pruebas de R de Pearson para observar la relación lineal entre las
variables Posteriormente se realizó una prueba ji-cuadrada con el objetivo de
probar independencia entras las variables de estudio con respecto a la variable
aceptado no aceptado, el método de Análisis de Correspondencia Múltiple se
realizó con la finalidad de observar que grupos existen en la población de
aspirantes a la Universidad Veracruzana y que características los identifican del
resto.
2.3.2 Análisis definitivo
Se realizó un análisis de segmentación con las técnica CHAID, y TAID-LCD este
procedimiento de fusión combinado con el algoritmo de división, asegura que los
casos en el mismo segmento sean homogéneos con respecto al criterio de
segmentación, mientras que los casos en diferentes segmentos tienden a ser
heterogéneos con respecto al criterio de segmentación.
Se realizaron árboles de decisión tomando en conjunto las áreas y zonas y para
cada zona y área por separado tomando la variable aceptado y no aceptado como
dependiente y en otro contexto se tomó la variable porcentaje de examen como
dependientes y final mente se analizó la variable trayectoria escolar como
dependiente excluyendo la variable zona, área y porcentaje de aciertos en la
prueba EXANI-II
Debido a la documentación previa varios autores coinciden que existe diferencias
en el sistema educativo por zona, región, y disciplina, por tal motivo se decidió
35
realizar análisis para cada zona y área por separado en una primera fase
considerando todas las variables involucradas en el estudios y en una segunda
fase excluyendo variables en las que existen diferencias debido a la naturaleza del
sistema educativo mexicano, nos referimos a las variable zona, y área se sabe a
través de múltiples estudios que existe diferencias entre estas características
debido a múltiples razona siendo la principal de ellas la demanda, también
excluimos la variables porcentaje de aciertos en la prueba EXANI-II esto con la
razón de identificar las variables predictoras que existen si no se considerara dicha
prueba por último se excluyó la variable trayectoria escolar esto debido a su alta
correlación con la variables porcentaje de aciertos mostrada en diagrama de
dispersión y en la prueba Pearson
36
3. RESULTADOS
Como ya se ha mencionado anteriormente Los resultados mostrados a
continuación se limitan a aspirantes que solicitaron para el nivel licenciatura en el
sistema escolarizado se realizaron análisis Univariado bivariado, multivariados y
árboles d decisión.
3.1 Análisis Univariado
3.1.1 Aceptado no aceptado
Se obtuvieron estadísticas descriptivas, gráficos de barras, esto con la finalidad de
observar la distribución y comportamiento de los datos.
Grafico 1. Porcentaje de aspirantes aceptado y no aceptados
En el grafico 1. Se aprecia el porcentaje de aspirantes aceptado y no aceptados
considerando las cinco zonas en el estado de Veracruz donde el 48.69% de
aspirantes fue aceptado y un 51.31% de los aspirantes no fueron aceptado
37
3.1.2 Área solicitada por los aspirantes
Grafico 2. Porcentaje de aspirantes aceptado y no aceptados por área
En el grafico 2. Se aprecia que un 35.34% de aspirantes solicito para el área
Ciencias de la Salud siendo la más demandada un 25.42% para el área Técnica
para área técnica y un 3.84% para el área biológicas-agropecuarias y 1.21%
solicito para artes siendo de las de menor demanda.
38
3.1.3 Género de aspirantes
Grafico 3. Porcentaje de aspirantes por género
En el grafico 3.Se aprecia el porcentaje de género de los aspirantes a ingresar a la
Universidad Veracruzana en el año 2010 donde se aprecia que el 55.00%
corresponden al género Femenino y un 45.00% al género Masculino
3.1.4. Zona
39
Graf
ico 4. Porcentaje de aspirantes por zona
En el grafico 4 se observa que la zona con mayor de manda en el estado de
Veracruz es Xalapa con el 44 19% de los aspirantes y 22.99% para la zona
Veracruz solo el 10.07% solicito para la zona Coatzacoalcos
3.1.5 Sistema de bachillerato
Grafico 5 sistema de bachillerato de aspirantes
40
En grafico 5. Se observa que un 36.96% de aspirantes provienen de un
bachillerato con sistema general el 29.79% de bachillerato técnico/tecnológico el
22.46 proviene de bachillerato privados y solo el 0.28% de aspirantes estudio en
un bachillerato abierto federal
41
3.2 Análisis Bivariado En esta parte abordaremos las relaciones entre variables, capital económico,
capital cultural, trayectoria escolar, zona y área con la finalidad de observar si
existe relación o dependencia entre ellas.
3.2.1 Correlación Porcentaje de aciertos en examen VS Capital Económico
Scatterplot BASE ASPIRANTES UNIVERSIDAD VERACRUZANA
KECN = -0.3238+0.0063*x
-20 0 20 40 60 80 100 120
KPEC
-4
-3
-2
-1
0
1
2
3
4
KE
CN
KPEC:KECN: r2 = 0.0089
Gráfico 6. Dispersión con las variables Porcentaje de acierto y Capital Económico.
El grafico 6. Se aprecia el diagrama de dispersión con las variables porcentaje de
aciertos en la prueba EXANI-II y la variable capital económico donde el valor de
correlación con la prueba Pearson es de 0.0089 siendo una correlación nula
concluyendo que no existe relación lineal entre estas variables
42
3.2.2 Correlación Porcentaje de aciertos en Examen VS Capital Cultural Scatterplot BASE ASPIRANTES UNIVERSIDAD VERACRUZANA
KCUT = -1.2677+0.0235*x
-20 0 20 40 60 80 100 120
KPEC
-4
-3
-2
-1
0
1
2
3
KC
UT
KPEC:KCUT: r2 = 0.1223
Gráfico 7. Dispersión con las variables Porcentaje de acierto y Capital Cultural
El grafico 7. Se aprecia el diagrama de dispersión con las variables porcentaje de
aciertos en la prueba EXANI-II y la variable capital cultural donde el valor de
correlación con la prueba Pearson es de 0.1223 concluyendo que existe una
relación lineal entre estas variables muy baja, presentándose un efecto techo en la
variable capital cultural.
43
3.2.3 Correlación Trayectoria escolar Scatterplot BASE ASPIRANTES UNIVERSIDAD VERACRUZANA
KTES = -1.2352+0.0225*x
-20 0 20 40 60 80 100 120
KPEC
-5
-4
-3
-2
-1
0
1
2
3
KT
ES
KPEC:KTES: r2 = 0.1103
Gráfico 8. Dispersión con las variables Porcentaje de acierto y Trayectoria escolar.
El grafico 8 se aprecia el diagrama de dispersión con las variables porcentaje de
aciertos en la prueba EXANI-II y la variable Trayectoria escolar donde el valor de
correlación con la prueba Pearson es de 0.1103 concluyendo que existe una
relación lineal entre estas variables muy baja.
44
3.2.4. Gráfico de cajas y alambres
3.2.4.1-Capital económico por zonas.
Median
25%-75%
Non-Outlier Range
Outliers
ExtremesXalapa
Veracruz
Orizaba
Poza rica
Coatzacoalcos-4
-3
-2
-1
0
1
2
3
4
KE
CN
Gráfico 9. Cajas y alambres con capital económico por zona
El grafico 9. Se aprecia el grafico de cajas con la variable capital económico por
zona, donde apreciamos que existe diferencias en la variabilidad por cada zona, la
zona Veracruz presenta la media más alta seguida de la ciudad de Xalapa estas
dos zonas también son las que presentan los datos más extremos la zona Orizaba
y Poza Rica presentan la media más baja en este indicador y entre ellas un
comportamiento de la variabilidad similar, en general las zonas presentan un
comportamiento similar promediando en este indicador alrededor de cero.
45
3.2.4.2. Capital cultural por zonas.
Median
25%-75%
Non-Outlier Range
Outliers
ExtremesXalapa
Veracruz
Orizaba
Poza rica
Coatzacoalcos-4
-3
-2
-1
0
1
2
3
KC
UT
Gráfico 10. Cajas y alambres con capital cultural por zona
El grafico 10. Se aprecia el grafico de cajas con la variable capital cultural por zona
donde apreciamos que existe diferencia en la variabilidad con respecto a la zona
la que presenta una mayor variabilidad en sus datos es la zona Xalapa la que
presenta una menor variabilidad entre sus datos es la zona Veracruz siendo estas
dos las zona que en promedio puntúan más alto en el capital cultural de los
aspirantes la zona con menor puntuación promedio es la zona poza rica.
46
3.2.4.3. Trayectoria escolar por zonas.
Median
25%-75%
Non-Outlier Range
Outliers
ExtremesXalapa
Veracruz
Orizaba
Poza rica
Coatzacoalcos-5
-4
-3
-2
-1
0
1
2
3
KT
ES
Gráfico 11. Cajas y alambres con trayectoria escolar por zona
El grafico 11.Se aprecia el grafico de cajas con la variable trayectoria escolar por
zona donde apreciamos que en promedio en las cinco zonas puntúan en promedio
cercano acero la zona que presenta mayor variabilidad en sus datos es Xalapa, la
zona la zona Coatzacoalcos presenta una menor variabilidad pero es la que más
datos extremos
47
3.2.4.4. Porcentaje de aciertos por zonas.
Median
25%-75%
Non-Outlier Range
Outliers
ExtremesXalapa
Veracruz
Orizaba
Poza rica
Coatzacoalcos-20
0
20
40
60
80
100
120
KP
EC
Gráfico 12. Cajas y alambres con trayectoria escolar por zona
El grafico 12. Se aprecia el grafico de cajas con la variable porcentaje de aciertos
en la prueba EXANI-II por zona donde apreciamos que existe diferencia entre la
variabilidad en cada zona la zona Xalapa es donde los aspirantes puntúan en
promedio más alto en la prueba y presenta el valor más alto de aciertos obtenido
durante este proceso de selección la zona Poza Rica presenta en promedio el
porcentaje de acierto más bajo en general la variabilidad dentro de las zona es
muy similar pero en promedio diferente entre ella.
48
3.2.4.5. Capital económico por área.
Median
25%-75%
Non-Outlier Range
Outliers
Extremes
Té
cnic
a
Hu
ma
nid
ad
es
Eco
nó
mic
o-a
dm
C.
Sa
lud
Bio
lóg
ica
s a
gro
Art
e
-4
-3
-2
-1
0
1
2
3
4K
EC
N
Gráfico 13. Cajas y alambres con capital económico con área
El grafico 13. Se aprecia el grafico de cajas con la variable capital económico por
área donde apreciamos que no existe diferencias en la variabilidad en las zonas
técnica, humanidades, económica y ciencias de la salud en promedio puntúan muy
similar, en el área c. salud y área técnica se encuentran los datos más extremos
en promedio los aspirantes con menor puntuación en su capital económico se
encuentran en el área biológicas - agropecuaria.
49
3.2.4.6. Capital cultural por área.
Median
25%-75%
Non-Outlier Range
Outliers
Extremes
Té
cn
ica
Hu
ma
nid
ad
es
Eco
nó
mic
o-a
dm
C.
Sa
lud
Bio
lóg
ica
s a
gro
Art
e
-4
-3
-2
-1
0
1
2
3
KC
UT
Gráfico 14. Cajas y alambres con capital cultural por área
El grafico 14. Se aprecia el grafico de cajas con la variable capital cultural por área
donde apreciamos que no existe en el capital cultural de los aspirantes en la zona
Xalapa y Veracruz, en el área C. salud es donde en promedio se encuentran los
aspirantes con un mayor capital cultural en el área biológicas agropecuaria se
encuentra la mayor viabilidad de capital cultural y en el área económica se
encuentran los aspirantes con una menor variabilidad en su capital cultural
50
3.2.4.7. Porcentaje de acierto por área.
Median
25%-75%
Non-Outlier Range
Outliers
Extremes
Té
cn
ica
Hu
ma
nid
ad
es
Eco
nó
mic
o-a
dm
C.
Sa
lud
Bio
lóg
ica
s a
gro
Art
e
-20
0
20
40
60
80
100
120
KP
EC
Gráfico 15. Cajas y alambres con capital cultural por área
El grafico 15. Se aprecia el grafico de cajas con la variable porcentaje de aciertos
por área donde apreciamos que existe en el porcentaje aciertos de los aspirantes
Diferencias por área apreciamos que en promedio puntúan diferente las seis área
los aspirantes que en promedio puntúan con una valor de acierto más alto se
encuentran en el área técnica y en el área humanidades los aspirantes puntúan en
promedio más bajo a diferencias de las demás área en cada área se encuentran
datos extremos los datos con una mayor valor extremo se encuentran en el área
C. de la salud
51
3.2.5 Prueba ji-cuadrada
La prueba estadística ji-cuadrada se utilizó para comparar la hipótesis de
independientes La frecuencia esperada de que ocurra un evento se compara con
la frecuencia observa. Se planteó como hipótesis nula que los aspirantes sean
aceptados es independiente de cada una las variables estudiadas para esta
prueba se utilizaron las variables categorizadas por cuartiles las cuales fueron
Capital económico, Capital cultura, Trayectoria escolar, y Edad se muestran los
resultados en la tabla 1.
Hipótesis nula: las variables Zona, Área, Género Sistema de bachillerato,
Porcentaje de aciertos en Examen, Corresidencia, hablante de lengua indígena,
Capital Económico, Capital Cultural, Trayectoria Escolar, Apoyo en Examen,
Supervisión familiar, Edad, número de veces han presentado Examen son
independientes con respecto la variable (aceptado y no aceptado)
Hipótesis nula: las variables Zona, Área, Género Sistema de bachillerato,
Porcentaje de aciertos en Examen, Corresidencia, hablante de lengua indígena,
Capital Económico, Capital Cultural, Trayectoria Escolar, Apoyo en Examen,
Supervisión familiar, Edad, cuantas veces han presentado Examen son no
independientes con respecto la variable (aceptado y no aceptado)
Con un valor de alfa de 0.05 se tiene una confiabilidad del 95% de rechazar la
hipótesis nula si el valor de probabilidad < 0.05 concluyendo que las variables no
son independientes.
En la tabla 1 se observa los valores de probabilidad para aceptar o rechazar la
hipótesis nula donde se aprecia que las variables que resultaron ser no
independientes algo a resaltar es el capital económico el cual resulta su valor de
probabilidad es no significativo en que los aspirantes sean o no captados por tal
motivo se realizará un análisis de correspondencia múltiple con fines de observar
52
las características que comparten los aspirantes en función de las categorías de
cada variable descrito en el siguiente capítulo.
Tabla 6.- prueba ji-cuadrada aspirantes aceptados y no aceptaos
Variables Grados
liberta Valor
P
Zona 4 73.6352 0.000 Dependiente
Área 5 1667.95 0.000 Dependiente
Sistema de bachillerato 6 136.489 0.000 Dependiente
Género 1 61.4655 0.000 Dependiente
Porcentaje de aciertos en Examen
3 4332.65 0.000 Dependiente
Corresidencia 3 4.39176 0.222 No es
significativa
Hablante de lengua indígena 3 3.94878 0.267 No es
significativa
Capital Económico 3 .798214 0.849 No es
significativa
Trayectoria Escolar 3 605.417 0.000 Dependiente
Apoyo en Examen 3 67.8264 0.000 Dependiente
Supervisión familiar 1 .570504 0.450 No es
significativa Capital Cultural 3 168.018 0.000 Dependiente
Edad 5 38.6023 0.000 Dependiente
Número de veces han presentado Examen
4 125.054 0.000 Dependiente
53
3.2.7 Análisis de Correspondencia
El Análisis de Correspondencias es una técnica estadística que se aplica al
análisis de tablas de contingencia y construye un diagrama cartesiano basado en
la asociación entre las variables analizadas. En dicho gráfico se representan
conjuntamente las distintas modalidades de la tabla de contingencia, de forma que
la proximidad entre los puntos representados está relacionada con el nivel de
asociación entre dichas modalidades
ZN:1ZN:2
ZN:3
ZN:4
ZN:5ARE:1
ARE:2
ARE:3
ARE:4
ARE:5
ARE:6
ATD:1
ATD:2
EDD2:1EDD2:2
EDD2:3
EDD2:4
EDD2:5 EDD2:6
STM:1
STM:2
STM:3
STM:4
STM:5
STM:6
STM:7
GN:1
GN:2
kKPEC:1
kKPEC:2kKPEC:3
kKPEC:4
PREEX:1
PREEX:2
PREEX:3
PREEX:4
PREEX:5
KKCEN:1
KKCEN:2
KKCEN:3
KKCEN:4
KKCUT:1
KKCUT:2
KKCUT:3
KKCUT:4 KKTES:1
KKTES:2
KKTES:3
KKTES:4
KKAPEX:1
KKAPEX:2
KKAPEX:3KKAPEX:4
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Dimension 1; Eigenvalue: .16580 (4.853% of Inertia)
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
Dim
en
sio
n 2
; E
ige
nva
lue
: .1
44
01
(4
.21
5%
of
Ine
rtia
)
Aceptados
No Aceptados
Grafico 16 .Análisis de correspondencia aspirantes aceptados y no aceptados
En el grafico 16. Se representan las características de estudios de los aspirantes
aceptados y no aceptados a ingresar a la UV donde se observa claramente que no
existen grupos determinados, sin embargo podemos resaltar que comparten
características similares. Los aspirantes que fueron aceptados comparten la
características de tener una trayectoria escolar muy alta obtener puntajes muy
altos en la prueba EXANI-II, los aspirantes que no fueron aceptados comparten la
característica de obtener puntajes muy bajos en la prueba EXANI-II, los
aspirantes con un capital económico muy alto comparten características con los
54
que cursaron un sistema privado, los aspirantes con una capital económico muy
bajo con parten las características de un capital cultural muy bajo y la zona
Coatzacoalcos.
ZN:1
ZN:2
ZN:3
ZN:4
ZN:5ARE:1
ARE:2
ARE:3
ARE:4
ARE:5
ARE:6
ATD:1
ATD:2
EDD2:1
EDD2:2
EDD2:3
EDD2:4
EDD2:5 EDD2:6
STM:1
STM:2
STM:3
STM:4
STM:5
STM:6
STM:7
GN:1
GN:2
kKPEC:1
kKPEC:2
kKPEC:3
kKPEC:4
PREEX:1
PREEX:2
PREEX:3
PREEX:4
PREEX:5
KKCEN:1
KKCEN:2
KKCEN:3
KKCEN:4
KKCUT:1
KKCUT:2
KKCUT:3
KKCUT:4
KKTES:1
KKTES:2
KKTES:3
KKTES:4
KKAPEX:1
KKAPEX:2
KKAPEX:3
KKAPEX:4
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3
Dimension 1; Eigenvalue: .16580 (4.853% of Inertia)
-0.25
0.00
0.25
0.50
Dim
en
sio
n 2
; E
ige
nva
lue
: .1
44
01
(4
.21
5%
of
Ine
rtia
)
Grafico 17 .Análisis de correspondencia aspirantes aceptados y no aceptados
En el grafico 17. Se realizó un acercamiento encontramos que los aspirantes de la zona
Xalapa comparten características con las variables con un capital económico medio alto,
capital cultural medio alto y género femenino, los aspirantes de la zona Veracruz
comparten la característica con la variable apoyo previo
55
3.2.7.1. Aspirantes Aceptados
ZN:1
ZN:2
ZN:3
ZN:4
ZN:5ARE:1
ARE:2
ARE:3
ARE:4
ARE:5
ARE:6
ATD:1
ATD:2
EDD2:1
EDD2:2
EDD2:3
EDD2:4
EDD2:5 EDD2:6
STM:1
STM:2
STM:3
STM:4
STM:5
STM:6
STM:7
GN:1
GN:2
kKPEC:1
kKPEC:2
kKPEC:3kKPEC:4
PREEX:1
PREEX:2
PREEX:3
PREEX:4
PREEX:5
KKCEN:1
KKCEN:2
KKCEN:3
KKCEN:4
KKCUT:1
KKCUT:2
KKCUT:3
KKCUT:4KKTES:1
KKTES:2
KKTES:3
KKTES:4
KKAPEX:1
KKAPEX:2
KKAPEX:3
KKAPEX:4
-1.25 -1.00 -0.75 -0.50 -0.25 0.00
Dimension 1; Eigenvalue: .16580 (4.853% of Inertia)
-1.00
-0.75
-0.50
-0.25
0.00
0.25
0.50
0.75
1.00
Dim
en
sio
n 2
; E
ige
nva
lue
: .1
44
01
(4
.21
5%
of
Ine
rtia
)
Grafico 18. Acercamiento de aspirantes aceptados
En el grafico 18. Se muestra un acercamiento de los aspirantes que fueron
aceptados donde se encuentran que las variables donde más características
comparten los aspirantes con porcentajes altos son las variables capital cultural
alto y trayectoria escolar alta los aspirantes con una trayectoria escolar media alta
son los que reciben un apoyo muy bajo
56
3.2.7.2. Aspirantes no Aceptados
ZN:1
ZN:2
ZN:3
ZN:4
ZN:5ARE:1
ARE:2
ARE:3
ARE:4
ARE:5
ARE:6
ATD:1
ATD:2
EDD2:1
EDD2:2
EDD2:3
EDD2:4
EDD2:5 EDD2:6
STM:1
STM:2
STM:3
STM:4
STM:5
STM:6
STM:7
GN:1
GN:2
kKPEC:1
kKPEC:2
kKPEC:3kKPEC:4
PREEX:1
PREEX:2
PREEX:3
PREEX:4
PREEX:5
KKCEN:1
KKCEN:2
KKCEN:3
KKCEN:4
KKCUT:1
KKCUT:2
KKCUT:3
KKCUT:4KKTES:1
KKTES:2
KKTES:3
KKTES:4
KKAPEX:1
KKAPEX:2
KKAPEX:3
KKAPEX:4
0.25 0.50 0.75 1.00 1.25 1.50
Dimension 1; Eigenvalue: .16580 (4.853% of Inertia)
-0.50
-0.25
0.00
0.25
0.50
0.75
1.00
1.25
1.50D
ime
nsio
n 2
; E
ige
nva
lue
: .1
44
01
(4
.21
5%
of
Ine
rtia
)
Grafico 19.Acercamiento aspirantes no aceptados
En el grafico 19. Se muestra los aspirantes que no fueron aceptados donde destacamos
que los aspirantes que reciben un apoyo medio alto son aspirantes que presentan un
trayectoria escolar muy baja,
3.2.10. Árboles de decisión.
El análisis de segmentación se realizó con la técnica CHAID y TAID con el objetivo
de crear un perfil de los aspirantes a la Universidad Veracruzana a partir del
conjunto de variables anteriormente mencionadas y crear grupos homogéneos
internamente y heterogéneos entre sí con respeto a la variable dependiente ser
aceptado y no ser aceptados en los análisis obtenidos atreves de los árboles de
decisión no se utilizaron las variables que no resultaron dependientes a exención
de las variable capital económico esto por razones de su relación con el
porcentaje y la trayectoria escolar resultado de los diagramas de dispersión,
realizando análisis general tomando como dependiente la variables aceptado, en
57
la cual esta explicado el proceso de selección efectuado por la Universidad
Veracruzana esto debido al número de matrículas ofertadas, para elaboración de
un perfil de los aspirantes con respecto a su puntaje de aciertos en la prueba
EXANI-II se tomó como dependiente la variable porcentaje de aciertos (KPEC) y
debido a la relación existente entre porcentaje de aciertos y trayectoria escolar se
realizó un análisis utilizando como variable dependiente la trayectoria escolar para
cada zona y área, con la finalidad de realizar una mejor descripción de los perfiles
de los aspirantes se realizó un análisis final para el área técnica en la zona
Xalapa con fines de conocer y describir el perfil o los perfiles de los aspirante.
Con la finalidad de mostrar una mejor visualización de los resultados hare mención
algunos hallazgos poniendo y resumiendo la descripción de los árboles de
decisión agregando el respectivo árbol a los ANEXOS debido que se realizaron
árboles de decisión considerando en un conjunto las zona y área así también para
cada una de las cinco zona y las seis área por separado realizando para cada una
de las variables dependientes consideradas en el estudio las cuales fueron ATD
(aceptado no aceptado), KPEC porcentaje de aciertos en examen y TES
(trayectoria escolar)
3.2.10.1. Árbol de decisión en el estado de Veracruz
En este apartado se consideran todas las variables involucradas en el estudio de
los aspirantes que solicitaron para en el sistema escolarizado en el nivel
licenciatura.
En la tabla 7. Se muestra el resumen del modelo mediante el método CHAID para
los aspirantes en el estado de Veracruz donde se obtuvo un árbol de 118 nodos
de los cuales 81 son terminales resultando 4 variables de segmentación las cuales
fueron porcentaje de acierto, zona, área y generó.
58
Tabla.7 Resumen de modelo CHAID variable dependiente aceptado no aceptado
|
En el grafico 20. ANEXO 1. Se muestra el árbol de decisión donde se considera
todas las variables involucradas donde se observa que el mejor predictor para ser
aceptado o no ser aceptado en el estado Veracruz es la variable porcentaje de
aciertos en la prueba EXANI-II los aspirantes que obtuvieron un porcentaje mayor
al 74% de aciertos se encontraron segmentados por el área a la que solicitaron y
posteriormente la zona
El aspirante que obtuvo en la prueba EXANI mas de un 74% de aciertos solicito
para el área ciencias de la salud y artes tienen una probabilidad del 100% de ser
aceptados si solicitan en las zonas Veracruz, Córdoba-Orizaba, Poza rica, y
Coatzacoalcos para los que presentan en la zona Xalapa, sus probabilidades de a
ser aceptados disminuyen a un 54.7%
Los aspirantes que obtengan un porcentaje de aciertos en la prueba de 67 a 74 %
soliciten para el área humanidades, económico. Administrativo, y biológicas
agropecuarias tiene una probabilidad del 100% de ser aceptado los que soliciten
los que soliciten para el área técnica sus probabilidades de ser aceptados es de
un 94.7% y para el área ciencias de la salud y artes su probabilidad de ser
aceptado es de un 40.6%
59
Los aspirantes con promedio bajo y medio se encuentran segmentados por la
variable zona siendo Poza Rica la que presenta los puntajes más altos de
aceptación con un porcentaje de aciertos bajo
Los aspirantes con un porcentaje de acierto muy bajo se encuentran segmentados
por el área ala que solicitan siendo la que presenta mayor probabilidad de ser
aceptados el área biológica agropecuaria, existe una segmentación con respecto
al porcentaje de aciertos claramente evidenciada donde podemos destacar que a
los aspirantes con porcentajes bajos de aciertos en su mayoría están segmenta
por la zona a la que solicitan mientras que los aspirantes con porcentajes altos y
muy altos porcentajes de aciertos se encuentran segmentados por el área a la que
solicitan en la figura se muestra la estructura del árbol de decisión que se obtuvo
Atreves de este árbol de segmentación se ha observado que existen diferencias
entre los aspirantes por zona y área por tal motivo se ha tomado la sección de
realizar árboles de segmentación para cada zona y área tratando de obtener un
mejor perfil para los aspirantes, debido que el número de aceptados en la
Universidad Veracruzana en cada zona y área está basado por el número ofertado
de matrículas el cual es un proceso de selección de la universidad, realizaremos
árboles de segmentación tomando la variable porcentaje de aciertos como variable
dependiente resultados que serán mostrados posteriormente de los análisis para
cada zona y área atreves de los dos métodos CHAID a partir de este árbol y
mediante árbol es realizados de manera descriptiva encontramos en todos los
árboles de decisión que el mejor predictor para que un aspirantes sea aceptado o
no aceptado es el porcentaje de acierto en la prueba de EXANI-II, el cual está
altamente correlacionado con la trayectoria por esta razón y por la razones ya
mencionadas de las área y zonas se realizaron los análisis sin considerar estas
variables como independientes, para dicha investigación se tomara en cuenta el
árbol que facilite la interpretación comenzando con la zona Veracruz Anexando
los árboles con mayor número de nodos terminales.
60
Análisis con porcentaje de aciertos dependiente, en el estado de Veracruz
Tabla.8 Resumen de modelo CHAID variable dependiente porcentaje de aciertos
En la tabla 8. Se muestra el resumen del modelo mediante método CHAID
tomando como variable dependiente el por porcentaje de aciertos obtenidos en la
prueba EXANI-II resultando 7 variables significativas teniendo 153 nodos de los
cuales 99 son terminales obteniendo un árbol de decisión de tres niveles
En el gráfico 21. Ver ANEXO 2. Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID
tomando todas las zonas y áreas donde la variable que resultó ser el mejor
predictor para obtener puntajes altos en la prueba de EXANI-II es la trayectoria
escolar del aspirantes, segmentada por su capital cultural y como nodos
terminales la zona, área sistema de bachillerato y género.
3.2.10.2 Árboles de decisión para cada zona
En siguiente aparato se muestran los modelos resultados del análisis para cada
zona sin considerar el variable porcentaje de acierto en la prueba EXANI-II y el
área solicitada
61
Zona Veracruz considerando (ATD) aceptado no aceptado como dependiente
Resultado de la zona Veracruz sin considerar variable porcentaje de aciertos y
trayectoria escolar considerando dos variables dependientes por separado ATD
(aceptado y no aceptado ) y la variables (KPEC) porcentaje de aciertos.
Tabla 9 resumen de modelo CHAID variable dependiente aceptado no aceptado
En la tabla 9. Se muestra el resumen del modelo mediante método CHAID
tomando como variable dependiente el ser aceptado y no ser aceptado para la
zona Veracruz, las variables que resulta significativa en el análisis son género,
sistema de bachillerato, apoyo en preparación ante el examen, capital cultural
teniendo 3 nodos de los cuales 7 son terminales resultando un árbol de tres un
nivel
En el gráfico 22 se muestra el árbol atreves del método CHAID donde el mejor
predictor para los aspirantes de la zona Veracruz es la variable la género los
aspirantes de género femenino tienen una probabilidad de 53.8% de ser
aceptadas los cuales se encuentra segmentado por el sistema de bachillerato
cursado donde los sistemas con menor probabilidad de aceptación son para
adultos (IVEA) los aspirantes de género masculino presentan una probabilidad de
ser aceptados de 42.2% estos aspirantes se encuentran segmentados por su
62
capital cultural los aspirantes con capital cultural alto tienen una probabilidad de
47.6% de aceptación los aspirantes con capital cultural bajo los segmenta el
sistema de bachillerato , conforme aumenta el apoyo en la preparación del
examen disminuye al probabilidad de aceptación
Grafico 22. Árbol de clasificación variable dependiente aceptado no aceptado
Zona Veracruz considerando (KPEC) porcentaje de acierto como dependiente
Tabla 10. Resumen de modelo CHAID variable porcentaje de aciertos
Tabla 10. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el porcentaje de aciertos en la prueba EXANI-II para la
zona Veracruz, solo una variable resultaron no significativa la cual es la edad se
obtuvo un árbol de 26 nodos de los cuales 16 son terminales resultando un árbol
de 3 niveles
En el gráfico 23 ver ANEXO 3. Se muestra el árbol atreves del método CHAID
tomando como variable dependiente el porcentaje de aciertos para la zona Xalapa
donde el mejor predictor es la variable capital cultural para la zona Veracruz los
aspirantes que puntual porcentajes altos en el prueba EXANI-II presentan capital
cultural alto y pertenecen al género femenino los aspirantes que pertenezcan la
género masculino y presenten un capital cultural alto puntuaran en un 57% de
aciertos en la prueba de acceso los aspirantes con porcentajes bajos en las
puntuaciones de la prueba presentan capital cultural alto y se encuentran
segmentados por el sistema de bachillerato puntuando con un menor porcentaje
de aciertos los sistemas privados, educación para adultos (IVEA) y telebachillerato
65
Figura 8. Estructura del grafico 23
Zona Xalapa considerando (ATD) aceptado no aceptado como dependiente
Tabla 11. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 11. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para la zona Xalapa,
las variables que resulta significativa en el análisis son capital cultural, sistema de
66
bachillerato género apoyo antes del examen y capital económico teniendo 29
nodos de los cuales 17 son terminales resultando un árbol de tres un nivel
En el gráfico 24 ver ANEXO 4 Se muestra el árbol atreves del método CHAID
donde el mejor predictor es la variable capital cultural los aspirantes con capital
cultural bajo se encuentra segmentados por sistema de bachillerato los sistemas
que tienen una mayor probabilidad de aceptación son los sistemas general,
técnico, pedagógico, y sistema abierto federal los puntajes más bajos de
aceptación se encuentran en aspirantes con sistemas de bachilleratos privados y
educación para adultos (IVEA)
Para la zona Xalapa, los aspirantes de género femenino tienen una probabilidad
de ser aceptado mayor que los de género masculino,
Con forma aumenta el apoyo de preparación antes del examen disminuye la
probabilidad de aceptación los aspirantes con un capital cultural alto sistema de
bachillerato general, abierto federal y pedagógico y presenten un capital cultural
económico alto tendrán una probabilidad de aceptación de 68.1%, los que
presenten un capital económico bajo su probabilidad de aceptación será de 60.2%
Los aspirantes con capital cultural alto están segmentados por la variable sistema
de bachillerato en dos nodos agrupando en el nodo (13) los sistemas privado,
bachillerato técnico, tele bachillerato y educación para adultos (IVEA) y nodo (14)
en bachillerato general sistema abierto federal y bachillerato
Para la zona Xalapa en general tienen mayores porcentajes de probabilidad para
ser aceptados son aquellos aspirantes de capital cultural alto, capital económico
alto sistemas de bachilleratos generales, sistemas abiertos federal y pedagógico
Los aspirantes con menores porcentajes de probabilidad para ser aceptados son
aquellos aspirantes de capital cultural bajo, sistemas de bachillerato privado y
educación para adultos y sean de género femenino
67
Figura 9. Estructura del grafico 24
Zona Xalapa considerando (KPEC) porcentaje de acierto como dependiente
Tabla 12. Resumen de modelo CHAID variable porcentaje de aciertos
Tabla 12 Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el porcentaje de aciertos en la prueba EXANI-II para la
zona Xalapa, solo una variable resultaron no significativa la cual es el capital
económico se obtuvo un árbol de 56 nodos de los cuales 34 son terminales
resultando 3 niveles.
68
En el gráfico 25 ver ANEXO 5 Se muestra el árbol atreves del método CHAID
tomando como variable dependiente el porcentaje de aciertos para la zona Xalapa
donde el mejor predictor es la variable capital cultural para los aspirantes con
capital cultural muy altos se encuentran segmentados por el sistema de
bachillerato cursado donde puntúan mejor los sistemas general y federal abierto
para los aspirantes de capital cultural muy bajo se encuentran segmentados por el
sistema de bachillerato puntuando con un mejor porcentaje los sistemas general y
técnico para posteriormente segmentarse por el apoyo recibido antes del examen
donde a medida que aumenta el apoyo disminuye el porcentaje de puntuación de
aciertos.
Figura 10. Estructura del grafico 25
69
Zona Córdoba-Orizaba (ATD) aceptado no aceptado como dependiente
Tabla 13. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 13. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para la zona
córdoba-Orizaba, las variables que resulta significativa en el análisis son género,
sistema de bachillerato, apoyo en preparación antes del examen, capital cultural
teniendo 10 nodos de los cuales 6 son terminales resultando un árbol de tres un
nivel
En el gráfico 26. Se muestra el árbol atreves del método CHAID donde se toma la
variable aceptado como variable dependiente resultando como mejor predictor
para los aspirantes de la zona córdoba-Orizaba la variable apoyo en la
preparación antes del examen los aspirantes que reciben un apoyo alto se
encuentran segmentados por el sistema de bachillerato los aspirantes con mayor
probabilidad de aceptación cursaron un sistema técnico, general y sistema abierto
federal los aspirantes que cursaron un sistema privado y telebachillerato los
segmenta su capital cultural , los que reciban un apoyo bajo presentan una
probabilidad de 58.3 de aceptación y se encuentran segmentados por el género
del aspirante teniendo mayor de probabilidad de ser aceptado los aspirante de
género femenino.
70
Grafico 26 Árbol de clasificación variable dependiente aceptado no aceptado
71
Zona córdoba considerando (KPEC) porcentaje de acierto como dependiente
Tabla 14. Resumen de modelo CHAID variable porcentaje de aciertos
Tabla 14. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el porcentaje de aciertos en la prueba EXANI-II para la
zona córdoba-Orizaba , solo una variable resultaron no significativa la cual es
capital económico se obtuvo un árbol de 18 nodos de los cuales 12 son terminales
resultando un árbol de 3 niveles
En el gráfico 27 ver ANEXO 6 Se muestra el árbol atreves del método CHAID
tomando como variable dependiente el porcentaje de aciertos para la zona Xalapa
donde el mejor predictor es el capital cultural los aspirantes que presente una
capital cultural muy alto puntuaran en un 63. % de aciertos en la prueba EXANI-II
los aspirantes con capital cultural bajo se encuentran segmentados por el sistema
de bachillerato cursado para los cuales pronostica con un valor 45.27% los
sistemas técnico los aspirantes con capitán cultural medio alto que presentan una
edad mayor de 19 años puntuaran con un mayor valor de porcentaje en la prueba
en comparación de los que presentan una edad menor a los 19 años
72
Figura 11. Estructura del grafico 27
Zona Poza Rica (ATD) aceptado no aceptado como dependiente
Tabla 15. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 15. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para la zona
córdoba-Orizaba, las variables que resulta significativa en el análisis son género,
73
sistema de bachillerato, apoyo en preparación antes del examen, capital cultural
teniendo 10 nodos de los cuales 6 son terminales resultando un árbol de tres un
nivel
En el gráfico 28.ver ANEXO. 7 Se muestra el árbol atreves del método CHAID
donde se toma la variable ser aceptado como independiente el mejor predictor
para los aspirantes de la zona Poza Rica es el sistema de bachillerato que han
cursado los aspirantes el sistema que presenta la menor probabilidad de 43.7% de
aceptación es el sistema privado los aspirantes que cursaron en los demás
sistemas aquí analizados presentan una probabilidad de 60.0% de aceptación
estos aspirantes se encuentran segmentados por su capital cultural los aspirantes
con capital cultural bajo presentan una probabilidad de aceptación de 65.4%
mientras que los que presentan un capital cultural tienen una ´probabilidad de
aceptación 57.2%
Figura 12. Estructura del grafico 28
Zona Poza Rica considerando (KPEC) porcentaje de acierto como dependiente
74
Tabla 16. Resumen de modelo CHAID variable porcentaje de aciertos
Tabla 16. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el porcentaje de aciertos en la prueba EXANI-II para la
zona córdoba-Orizaba , las variables que resultaron significativas son capital
cultural, género , sistema de bachillerato se obtuvo un árbol de 16 nodos de los
cuales 10 son terminales resultando un árbol de 3 niveles
En el gráfico 29 ver ANEXO 8 Se muestra el árbol atreves del método CHAID
tomando como variable dependiente el porcentaje de aciertos para la zona Poza
Rica donde el mejor predictor es el capital cultural los aspirantes con cultural muy
altos puntuaran con un 57.27 los aspirantes con cultural muy bajo puntuaran en un
valor de 43.55 los aspirantes con puntajes medios se encuentran segmentados
por el género y sistema de bachillerato puntuando con valores más altos los
aspirantes de género femeninos y el sistema de bachillerato, general y privados,
75
Figura 13. Estructura del grafico 29
Zona Coatzacoalcos considerando (ATD) aceptado no aceptado como
dependiente
Tabla 17. Resumen de modelo CHAID variable dependiente aceptado no aceptado
76
Tabla 17. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para la zona
Coatzacoalcos, las variables que resulta significativa en el análisis son Género,
sistema de bachillerato, apoyo en preparación antes del examen, capital cultural
teniendo 9 nodos de los cuales 5 son terminales resultando un árbol de tres un
nivel
En el gráfico 30. Se muestra el árbol atreves del método CHAID donde se toma la
variable ser aceptado como independiente el mejor predictor para los aspirantes
de la zona Coatzacoalcos donde mejor predictor resulta ser el sistema de
bachillerato que han cursado los aspirantes creando dos nodos 1 y 2 en el nodo
(1) agrupa los sistemas general, privado, educación para adultos, telebachillerato y
sistema abierto federal, con una probabilidad de aceptación de 42.6%
posteriormente se segmentan por el género teniendo más probabilidades de
aceptación los aspirantes con género femenino en el nodo (2) se encuentra solo el
sistema técnico con una probabilidad de 55.3% de ser aceptados segmentados
por el apoyo recibido en la preparación ante el examen los aspirantes que reciben
un mayor apoyo reducen su probabilidades de aceptación
77
Grafico 30. Árbol de clasificación variable dependiente aceptado no aceptado
78
Zona Coatzacoalcos considerando (KPEC) porcentaje de acierto como dependiente
Tabla 18. Resumen de modelo CHAID variable porcentaje de aciertos
Tabla 18. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el porcentaje de aciertos en la prueba EXANI-II para la
zona Coatzacoalcos, las variables que resultaron significativas son Capital
Cultural, Género , Sistema de bachillerato, Apoyo en la preparación ante en
examen se obtuvo un árbol y edad categorizada de 16 nodos de los cuales 10 son
terminales resultando un árbol de 3 niveles
En el gráfico 31 ver ANEXO 9 Se muestra el árbol atreves del método CHAID
tomando como variable dependiente el porcentaje de aciertos para la zona
Coatzacoalcos donde el mejor predictor es el capital cultural los aspirantes con
capital cultural muy alto puntuaran con un porcentaje de aciertos de 59.69% los
aspirantes con capital cultural muy altos encuentran segmentados por el género
presentando mayores puntajes los aspirantes de género femenino y los aspirantes
con puntajes de capital cultural bajo se encuentran segmentados por la edad
donde los aspirantes con edad menor a 19 años puntuaran mejor que los
aspirantes mayor de 19 años de edad
79
Figura 14. Estructura del grafico 31
4.2.10.3. Árboles de decisión para cada área considerando todas las zonas
Área técnica en el estado de Veracruz considerando (ATD) aceptado no
aceptado como dependiente
Tabla 19. Resumen de modelo CHAID variable dependiente aceptado no aceptado
80
Tabla 19. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área técnica
en el estado de Veracruz las variables que resultaron no significativas en el
análisis son edad categorizada y capital económico teniendo 28 nodos de los
cuales 17 son terminales resultando un árbol de tres niveles
En el grafico 32 ver ANEXO 10. Se muestran el árbol de decisión para los aspiran
que solicitaron para el área técnica en el estado de Veracruz tomando como
variable dependiente el ser aceptado el mejor predictor es la zona los aspirantes
que solicitan para el área técnica tienen una probabilidad de aceptación en la zona
Xalapa de un 44.1% la zona que presentan mayor porcentaje de aceptación es
Veracruz, con un 75% de aceptación los aspirantes para las zonas Xalapa,
Córdoba - Orizaba y Coatzacoalcos se encuentran diferenciados o segmentados
por su capital cultural teniendo mayor probabilidad de aceptación los aspirantes
con capital cultural alto, agrupando la zonas Córdoba - Orizaba y Coatzacoalcos
en el nodo (4) donde puntúan mejor los de capital cultural alto, los aspirantes de la
zona Veracruz se encuentran caracterizados por el apoyo que reciban antes del
examen disminuyendo la probabilidades de aceptación para aquellos aspirantes
que reciban un apoyo alto en comparación de los que reciban un apoyo bajo,
siendo estos porcentaje 78.6%, y un 65.0% para la zona Poza Rica la variable que
mejor segmenta a los aspirantes es el sistema de bachillerato cursado teniendo
mayor probabilidad de aceptación aquellos que han cursado en telebachillerato,
sistema general, sistema técnico, y sistema educación para adultos (IVEA) siendo
de un 57.% porciento
81
Figura 15. Estructura del grafico 32
Área técnica en el estado de Veracruz Considerando (KPEC) porcentaje de acierto como dependiente
Tabla 20 resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 20. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el por porcentaje de aciertos obtenidos en la prueba
EXANI-II las variable que resultaron significativa en el análisis son capital cultural,
82
zona, sistema de bachillerato, apoyo en examen categorizada teniendo 46 nodos
de los cuales 29 son terminales resultando un árbol e decisión de tres niveles
En el gráfico 33 ver ANEXO 11 Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID para los
aspirantes que solicitaron el área técnica en las cinco zonas donde resultó ser el
mejor predictor el capital cultural de los aspirantes, con un capital cultural alto
puntuaran calificaciones altas en el examen contrario con los aspirantes con
capital cultural bajo puntuaran calificaciones bajas en el examen de admisión la
zona donde más alto puntuaran los aspirantes con capital cultural alto es Xalapa,
segmentados por el sistema de bachillerato. Los aspirantes con un capital cultural
bajo puntuaran más alto en la zona Xalapa, Veracruz, segmentados por el sistema
de bachillerato puntuando mejor el sistema general
Figura 16. Estructura del grafico 33
83
Área Humanidades considerando (ATD) aceptado no aceptado como
dependiente
Tabla 21. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 21. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área
Humanidades en el estado de Veracruz, las variables que resulta no significativa
en el análisis son edad categorizada y capital económico teniendo 26 nodos de los
cuales 17 son terminales resultando un árbol de tres niveles
En el grafico 34.ver ANEXO.12. Se muestran el árbol de decisión para la variable
dependiente aceptado de aspiran que solicitaron para el área Humanidades en el
estado de Veracruz el mejor predictor es la zona con una mayor probabilidad de
aceptación es Poza Rica con un 85.4% la cual se encuentra agrupada por el
género del aspirante en el cual el género masculino presenta una mayor
probabilidad de aceptación con 89.1% contra el género femenino con una
probabilidad de aceptación de 75% la zona Coatzacoalcos presenta una
probabilidad de aceptación de 71.4% la cual no se encuentra segmentada por
ninguna otra característica del aspirante, en la zona Xalapa los aspirantes se
encuentran segmentados por su capital cultural los que tienen capital muy alto
tienen mayores probabilidades de aceptación en comparación de los que
presentan un capital cultural muy bajo los que representan un capital cultural alto
84
se encuentran segmentados por el sistema de bachillerato que cursaron teniendo
mayores probabilidades de aceptación los sistemas generales, y bachilleratos
pedagógicos los sistemas con menor probabilidades de ser aceptados son sistema
técnico, telebachillerato, educación para adultos , los aspirante de la zona
Veracruz presentan una probabilidad de aceptación de 37.9% estos aspirantes se
encuentran segmentados por el apoyo que reciben antes del examen tendrán una
probabilidad de 47.1 de aceptación los aspirantes que reciban un apoyo medio, lo
que reciban un apoyo bajo tendrán una probabilidad de aceptación de 35.9% y los
que reciban un apoyo alto tendrán una probabilidad del 19.8% las probabilidades
de aceptación disminuirán para los aspirantes que reciban un apoyo alto
Figura 17. Estructura del grafico 34
Área Humanidades Considerando (KPEC) porcentaje de acierto como dependiente
Tabla 22. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 22 Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área
Humanidades el en estado de Veracruz, las variables que resulta significativa en
el análisis son capital cultural, zona y sistema de bachillerato conteniendo 21
nodos de los cuales 14 son terminales obteniendo un árbol de tres niveles
En el gráfico 35. Ver ANEXO 13 Se muestra el árbol de clasificación de tres
niveles para la variable dependiente porcentaje de aciertos con el método CHAID
para los aspirantes que solicitaron el área Humanidades en las cinco zonas el
mejor predictor es el capital cultural de los aspirantes, con un capital cultural alto
puntura en promedio un 62.16 los cuales se encuentran segmentados por el
sistema puntuando mejor el sistema general y federal los aspirantes con un capital
cultural muy bajo puntuaran en promedio un 41.60 lo cuales no los segmenta
ninguna otra variables a los aspirantes con un capital cultural bajo se encuentran
segmentados por las zonas puntuando más alto la zona Xalapa, y esta zona
segmentada por el sistema de bachillerato cursado
86
Figura 18. Estructura del grafico 35
Área Económica-Administrativa considerando (ATD) aceptado no aceptado
como dependiente
Tabla 23. Resumen de modelo CHAID variable dependiente aceptado no
aceptado
Tabla 23. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área
87
Económico-Administrativa en el estado de Veracruz, las variables que resulta
significativa en el análisis son zona, capital cultural y género teniendo 16 nodos
de los cuales 10 son terminales resultando un árbol de tres niveles
En el grafico 36.ver ANEXO 14. Se muestran el árbol de decisión para la variable
dependiente aceptado de aspiran que solicitaron para el área Económico-
Administrativa en el estado de Veracruz el mejor predictor es la variable zona los
aspirantes que solicitan para esta área en la zona Poza Rica tienen una
probabilidad del 100% de ser aceptado sin tener alguna otra variable que los
segmente los aspirantes de la zona Córdoba-Orizaba presentan una probabilidad
del 88.1% de aceptación sin resultar segmentados por alguna otra variable, los
aspirantes de la zona Coatzacoalcos presentan una probabilidad de 76.6% de
aceptación los cuales se encuentran segmentados por el capital cultural que
presenten teniendo una mayor probabilidad de aceptación los aspirantes con
capital cultural los la zona Xalapa, Veracruz se encuentran agrupados en el nodo
(1) con una probabilidad de 58.9% de aceptación segmentados por el capital
cultural bajo, medio , alto presentando mayor probabilidad de aceptación los
aspirantes con capital cultural ascendente estos mismos aspirantes se encuentran
segmentados en su capital cultural por el género presentando mayores
probabilidades de aceptación los aspirantes de género femenino.
Figura 19. Estructura del grafico 36
88
Área Económica-Administrativa considerando (KPEC) porcentaje de acierto como dependiente
Tabla 24. Resumen de modelo CHAID variable dependiente aceptado no aceptado
La tabla 24 .Muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área
Económico-Administrativa en las cinco zonas, las variables que resulta
significativa en el análisis son capital cultural, zona y sistema de bachillerato apoyo
previo al examen género y edad conteniendo 33 nodos de los cuales 20 son
terminales obteniendo un árbol de tres niveles
En el gráfico 37 ver ANEXO 15.Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID para los
aspirantes que solicitaron el área Humanidades en las cinco zonas el mejor
predictor es el capital cultural, los aspirantes que solicitan en la zona Xalapa,
Veracruz presenten capital cultural alto puntuaran en promedio con 62.82 de
aciertos con la prueba de acceso siendo estos los aspirantes con mejor puntaje
Los aspirantes que presenten un capital cultural bajo, puntura en un 47.3 la mejor
zona donde puntura es Xalapa, y Poza Rica para los aspirantes con capital medio,
se encuentran segmentados por la zona puntuando mejor la zona Xalapa,
89
puntuando más alto los aspirantes de género femenino y en la zona Veracruz
puntuaran mejor los aspirantes con más de 20 años
Figura 20. Estructura del grafico 37
Área Ciencias de la Salud considerando (ATD) aceptado no aceptado como
dependiente
Tabla 25. Resumen de modelo CHAID variable dependiente aceptado no aceptado
90
En la tabla 25. Se muestra el resumen del modelo mediante método CHAID
tomando como variable dependiente el ser aceptado y no ser aceptado para el
área Ciencias de la Salud en el estado de Veracruz, las variables que resulta
significativa en el análisis son Zona, capital cultural, sistema de bachillerato, y
género teniendo 18nodos de los cuales 11 son terminales resultando un árbol de
tres niveles
En el grafico 38.ver ANEXO 16. Se muestran el árbol de decisión para la variable
dependiente aceptado de aspiran que solicitaron para el área Económico-
Administrativa en el estado de Veracruz el mejor predictor es el capital cultural los
aspirantes con un capital cultural alto presentan una probabilidad de aceptación de
37.5% los aspirantes con capital cultural medio tienen una probabilidad de 29.1%
aceptación de los cuales se encuentran segmentados por la zona teniendo una
mayor probabilidad en Veracruz y Poza Rica los aspirantes de la zonas Xalapa,
córdoba–Orizaba y Coatzacoalcos se encuentran agrupados por el género
teniendo una probabilidad de 27.1% de aceptación los hombre contra la de las
mujeres de 21.7% los aspirantes con un capital cultural bajo son los que presentan
baja probabilidad de aceptación con un 21.0% estos aspirantes se encuentran
segmentados por la variable zona los aspirantes de zona Poza Rica presentan la
mayor probabilidad de ser aceptado con un capital cultural bajo con un valor de
32.3% posteriormente esta zona por el género los aspirantes con género
masculino tienen una probabilidad de 37.6% de aceptación contra la de género
femenino de 21.7%. Agrupa las zonas Xalapa y Córdoba-Orizaba en el nodo (5)
con una probabilidad del 18.6% de aceptación estas zonas y Veracruz se
encuentran segmentadas por el sistema de bachillerato que cursaron presentando
mayor probabilidad de aceptación los sistemas generales y técnicos
91
Figura 21. Estructura del grafico 38
Área Ciencias de la Salud considerando (KPEC) porcentaje de acierto como dependiente
Tabla 26. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 26. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente porcentaje de aciertos en la prueba EXANI-II para el
área ciencias de la salud en las cinco zonas, las variables que resulta significativa
en el análisis son capital cultural, zona y sistema de bachillerato apoyo previo al
examen género y edad conteniendo 35 nodos de los cuales 22 son terminales
obteniendo un árbol de tres niveles
En el gráfico 39 ver ANEXO 17. Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID para los
aspirantes que solicitaron el área Humanidades en las cinco zonas el mejor
predictor es el capital cultural, los aspirantes con un capital cultural muy alto
puntuaran en promedio un 63.84 segmentados por la zona donde la zona con
mayor puntaje es Xalapa y Córdoba -Orizaba para las demás zonas las agrupa en
un nodo (nodo22) puntuando en un 60.18 los aspirantes con un capital cultural
muy bajo puntuaran en promedio un 44.18 puntuando más alto los aspirantes de
género femenino segmentados por el sistema de bachillerato puntuando mejor los
93
sistemas general, federal y técnico y puntuando más bajo los demás sistemas
(particular, IVEA, Telebachillerato) los aspirantes con un capital cultural medio , se
encuentran segmentados por el sistema de bachillerato que cursaron en general
puntuando mejor los mismos sistemas que en los aspirantes con capital cultural
bajo. La variable apoyo previo antes del examen resulta significativa en los
aspirantes con un capital cultural bajo, hayan cursado un sistema de bachillerato
privado, IVEA, telebachillerato, y abierto federal puntuaran mejor un 45.67 los que
reciban un apoyo previo en comparación con los que no reciban los cuales
puntuaran en 41.57
Figura 22. Estructura del grafico 39
Área Biológicas-Agropecuaria considerando (ATD) aceptado no aceptado
como dependiente
94
Tabla 27. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 27. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área
Biológicas-agropecuarias en el estado de Veracruz, las variables que resulta
significativa en el análisis son Zona, capital cultural, y género teniendo 9 nodos de
los cuales 6 son terminales resultando un árbol de tres niveles
En el grafico 40. Se muestran el árbol de decisión para la variable dependiente
aceptado de aspiran que solicitaron para el área Biológicas-agropecuaria en el
estado de Veracruz el mejor predictor es la zona los aspirantes de la zona
Córdoba–Orizaba presentan una probabilidad del 100% de ser aceptados los
aspirantes de la zona Poza Rica presentan una probabilidad de ser aceptados del
92.1% los aspirantes de la zona Xalapa presentan una probabilidad de ser
aceptados de 79.1% de los cuales el aspirante de género femenino tiene una
probabilidad de aceptación de 85.1% y los de género femenino un 70.2% los
aspirantes de la zona Veracruz presentan un 51.7% de ser aceptados y se
encuentran segmentados por su capital cultural los aspirantes con alto nivel capital
presentan mayor probabilidad de aceptación contra los de un bajo capital cultural
95
Grafico 40. Árbol de clasificación variable dependiente aceptado no aceptado
Área Biológicas-Agropecuaria considerando (KPEC) porcentaje de acierto como dependiente
Tabla 28. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
96
Tabla 28. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área
Biológicas-agropecuaria en las cinco zonas, las variables que resulta significativa
en el análisis son capital cultural, zona y sistema de bachillerato 33 nodos de los
cuales 20 son terminales obteniendo un árbol de tres niveles
En el gráfico 41 ver ANEXO. 18 Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID para los
aspirantes que solicitaron el área Humanidades en las cinco zonas el mejor
predictor es capital cultural, los aspirantes para esta área con un capital cultural
muy alto, puntuaran en un 60.60 de acierto en el examen los aspirantes con un
capital culturan muy bajo puntuaran en un 39.41 los aspirantes con capital cultural
medio se encuentran segmentados por el sistema de bachillerato cursado
puntuando más altos los sistemas general y pedagógico las zonas con mejor
puntajes es Xalapa, puntuando en un 57.89 contra las demás zonas agrupadas en
el nodo (8) puntuando en un 50.60
Figura 23. Estructura del grafico 41
97
Área Artes considerando (ATD) aceptado no aceptado como dependiente
Tabla 29. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 29 Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área artes
en el estado de Veracruz, las variables que resulta significativa en el análisis son
capital cultural teniendo 3 nodos de los cuales 2 son terminales resultando un
árbol de tres un nivel
En el grafico 42 ver ANEXO.19. Se muestran el árbol de decisión para la variable
dependiente aceptado de aspiran que solicitaron para el área artes en las cinco
áreas los aspirantes con un capital cultural alto presentan una probabilidad de ser
aceptados de 40.3% y los aspirantes con un capital cultural bajo presentan una
probabilidad de 21.0% de ser aceptados no existe ninguna otra característica que
segmenta a los aspirantes a esta área
98
Figura 24. Estructura del grafico 42
Área artes considerando (KPEC) porcentaje de acierto como dependiente
Tabla30. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
Grafico # árbol de clasificación variable dependiente porcentajes de aciertos
99
Tabla 30. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el ser aceptado y no ser aceptado para el área artes
en las cinco zonas, las variables que resulta significativa es capital cultural,
conteniendo 3 nodos de los cuales solo 1 es terminal obteniendo un árbol de tres
niveles
En el gráfico 43 ver ANEXO.20. Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID para los
aspirantes que solicitaron el área artes en las cinco zonas el mejor predictor y
único es el capital cultural puntuando en un 60.45 los aspirantes con capital
cultural alto los aspirantes con un capital cultural bajo puntuaran en promedio en
un 51.90
Figura 25. Estructura del grafico 43
100
3.2.10.4. Árboles de decisión para cada área sin considerar las zonas
Análisis general por área considerando aceptado no aceptado como dependiente sin considerar la zona Tabla 31. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 31. Se muestra el resumen del modelo mediante método CHAID para las
cinco áreas tomando como variable dependiente el ser aceptado y no ser
aceptado la única variable que resulta no significativa en el análisis es la edad
teniendo 30 nodos de los cuales 19 son terminales resultando un árbol de decisión
de tres niveles
En el gráfico 44 ver ANEXO 21. Se muestra el árbol atreves del método CHAID
donde el mejor predictor es el capital cultural los aspirantes con capital cultural
bajo se encuentra segmentados por sistema de bachillerato en dos nodos
agrupando en el nodo (5) a los bachilleratos particulares, educación de adultos y
en el nodo (6)bachillerato general, bachillerato técnico, sistema abierto federal, y
sistema abierto federal los aspirantes con capital cultural alto están segmentados
por la variable sistema de bachillerato en dos nodos agrupando en el nodo(13) los
sistemas privado, bachillerato técnico, tele bachillerato y educación para adultos
101
(IVEA) y nodo (14) en bachillerato general sistema abierto federal y bachillerato
pedagógico puntuando con un mayor porcentaje de aceptación los sistemas
bachillerato general, bachillerato pedagógico sistema abierto federal y bachillerato
técnico los bachilleratos que presentan las probabilidades más bajas para los
aspirantes son los privados y los de sistema educación adulta (IVEA) los
aspirantes que presenten un capital cultural muy alto hayan cursados sus estudios
en un sistema de bachillerato general, bachillerato pedagógico sistema abierto
federal y con un capital económico alto tienen una probabilidad de 68% de ser
aceptados. Los aspirantes que presente un capital cultural muy bajo hayan
cursado sus estudios en un bachillerato privado y educación de adultos (IVEA) y
sea hombre tiene un probabilidad del 34.8% de ser aceptado. Los aspirantes que
reciban un apoyo muy alto antes de examen tienden a disminuir sus
probabilidades de ser aceptados con respecto a los que reciben un apoyo muy
bajo en todos los nodos donde la variable género resulta significativa tiende a
tener mayor probabilidades de ser aceptado el género femenino
Figura 26. Estructura del grafico 44
Análisis general por área considerando la variable porcentaje de aciertos como dependiente sin considerar la zona Tabla 32. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 32. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el por porcentaje de aciertos obtenidos en la prueba
EXANI-II la única variable que resulta no significativa en el análisis es la edad
categorizada teniendo 63 nodos de los cuales 38 son terminales resultando un
árbol e decisión de tres niveles
En el gráfico 45 ver ANEXO 22.Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID en el
estado de Veracruz donde la variable que resultó ser el mejor predictor para
obtener puntajes altos en la prueba de EXANI-II es el capital cultural el cual se
encuentra segmentado por el sistema de bachillerato donde los aspirantes que
tiene mayor puntuación son los que han cursado un bachillerato general y
bachillerato sistema pedagógico los bachilleratos que tuvieron una menor
puntuación son los tele bachilleratos y educación de adultos los aspirantes que
reciban un mayor apoyo antes de examen puntuaran un menor porcentaje en la
prueba en comparación con los que reciban un apoyo muy bajo a los aspirantes
con capital cultural altos los segmenta también su capital económico los que
103
presentaron un capital económico alto puntuaron con un mayor porcentaje que los
que presentaron un capital económico bajo mientras que a los aspirantes con
capital cultural bajo los segmenta su género tuvieron una menor puntuación los
aspirantes con género masculino
Figura 27. Estructura del grafico 45
Área técnica considerando la variable aceptado no aceptado como
dependiente.
Un comportamiento similar con los análisis donde se introduce la zona se realizara
una análisis breve ya que presenta características similares que los análisis
previos, la importancia de este análisis es observar la fuerza de segmentación de
la variable zona
Tabla 33. Resumen de modelo CHAID variable dependiente aceptado no aceptado
104
Tabla 33. Se muestra el resumen del modelo mediante método CHAID para en
área técnica en las cinco zonas tomando como variable dependiente el ser
aceptado y no ser aceptado la única variable que resulta no significativa en el
análisis es la edad teniendo 13 nodos de los cuales 9 son terminales resultando un
árbol de decisión de tres niveles
En el gráfico 46. Se muestra el árbol atreves del método CHAID los aspirantes
para el área técnica el predictor es su capital cultural los aspirantes con un capital
cultural medio se encuentran segmentados por el apoyo recibido mientras más
apoyo reciban menores serán sus probabilidades de aceptación, los aspirantes
con un apoyo bajo, tendrán mayores probabilidades de aceptación si son de
género femenino el sistema de bachillerato que presenta las probabilidades más
bajas de aceptación son telebachillerato y IVEA
Grafico 46. Árbol de clasificación con variable dependiente aceptado no aceptado
Área técnica considerando la variable porcentaje de aciertos como
dependiente.
Tabla 34. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 34. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el por porcentaje de aciertos obtenidos en la prueba
EXANI-II las únicas variables que resultan no significativas en el análisis son edad
categorizada y el género teniendo 63 nodos de los cuales 38 son terminales
resultando un árbol e decisión de tres niveles
En el gráfico 47 ver ANEXO 23. Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID en las
cinco zona del estado de Veracruz donde la variable que resultó ser el mejor
predictor para obtener puntajes altos en la prueba de EXANI-II es el capital
cultural, de los aspirantes los aspirantes con un capital cultural muy bajo
puntuaran en un 50.08 el sistema de bachillerato cursado por los aspirantes con
mayor puntuación son el general y el pedagógico los aspirantes con un capital
cultural medio se encuentran segmentados por su capital económico puntuado en
un 62.50 los aspirantes altos, a diferencia de un capital económico bajo que
puntúa en un 58.15.
107
Figura 28. Estructura del grafico 47
108
Área Humanidades considerando la variable aceptado no aceptado como
dependiente.
Tabla 35. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 35.Se muestra el resumen del modelo mediante método CHAID para el área
Humanidades en las cinco zonas tomando como variable dependiente el ser
aceptado y no ser aceptado la única variable que resulta no significativa en el
análisis es la edad teniendo 15 nodos de los cuales 10 son terminales resultando
un árbol de decisión de tres niveles
En el gráfico 48 ver ANEXO.24. Se muestra el árbol atreves del método CHAID los
aspirantes para el área Humanidades el predictor es capital cultural, los aspirantes
con un capital muy bajo presentan una probabilidad de aceptación de 36.7%
respecto a los que presentan un capital cultural alto se encuentran segmentados
por el sistema de bachillerato con una probabilidad de 83.4% de aceptación los
que han cursado en un sistema general y sistema pedagógico de los cuelas
tendrán una probabilidad de 88.9 % de aceptación los que presenten una capital
cultural muy alto
109
Figura 29. Estructura del grafico 48
Área Humanidades considerando la variable porcentaje de aciertos como dependiente
Tabla 36. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 36. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el por porcentaje de aciertos obtenidos en la prueba
110
EXANI-II las únicas variables que resultan no significativas en el análisis son edad
categorizada y el género teniendo 63 nodos de los cuales 38 son terminales
resultando un árbol e decisión de tres niveles
En el gráfico 49.ver ANEXO 25 Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID en las
cinco zona del estado de Veracruz donde la variable que resultó ser el mejor
predictor para obtener puntajes altos en la prueba de EXANI-II es el capital
cultural, para los aspirantes que presenten un capital cultural alto puntuaran mejor
los que hayan cursado en un sistema de bachillerato general y pedagógico siendo
estos los mejores sistemas en general los aspirantes con un capital cultural medio
se encuentran segmentados por el apoyo recibido previo al examen los aspirantes
que reciban un apoyo mayor puntuaran menor en el examen
Figura 30. Estructura del grafico 49
Económico – administrativo considerando la variable aceptado no aceptado
como dependiente.
111
Tabla 37. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 37. Se muestra el resumen del modelo mediante método CHAID para el
área económico administrativo en las cinco zonas tomando como variable
dependiente el ser aceptado y no ser aceptado la única variable que resulta no
significativa en el análisis es la edad teniendo 11 nodos de los cuales 6 son
terminales resultando un árbol de decisión de tres niveles.
En el gráfico 50. Se muestra el árbol atreves del método CHAID los aspirantes
para el área económico administrativo el mejor predictor es el género el aspirante
que sean de género femenino hayan cursado en un sistema de bachillerato
general, privado, técnico, abierto federal y pedagógico hayan recibido un poyo
bajo previo al examen tendrán un probabilidad de aceptación de 75.3% los
aspirantes de género masculino presentan una probabilidad de aceptación de 61.1
de aceptación los cuales se encuentran segmentados por su capital cultural, los
aspirantes con un capital cultural bajo se encuentran segmentados por su capital
económico , los aspirantes con un capital económico alto capital cultural bajo, y de
género femenino son los que presentan una menor probabilidad de aceptación
siendo esta de 49.8 %
Grafico 50. Árbol de clasificación variable dependiente aceptado no aceptado
Económico – administrativo considerando la variable porcentaje de aciertos como dependiente
Tabla 38. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 38. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el por porcentaje de aciertos obtenidos en la prueba
EXANI-II para el área económico administrativo las únicas variables que resultan
no significativas en el análisis son edad categorizada y el género teniendo 21
nodos de los cuales 14 son terminales resultando un árbol de decisión de tres
niveles
En el gráfico 51 ver ANEXO 26. Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID para el
área económico administrativo en las cinco zona del estado de Veracruz donde la
variable que resultó ser el mejor predictor para obtener puntajes altos en la prueba
de EXANI-II es el capital cultural, los aspirantes con un capital cultural alto
puntuaran en un 62.82 los cuales se encuentran segmentados por su capital
cultural, puntuando en un64.19 los que presenten un capital económico alto, a
diferencia de los de capital económico bajo que puntuaran en un 59.3 los
aspirantes con un capital cultural bajo puntuaran en un 47.37 los cuales se
114
encuentran segmentados por el sistema de bachillerato que cursaron puntuando
mejor el sistema general y técnico a diferencia de los demás sistemas que se
encuentran agrupados en el nodo (9) puntuando en un 43.7 los aspirantes con un
capital cultural medio se encuentran segmentados por su género puntuando mejor
los aspirantes de género femenino
Figura 31. Estructura del grafico 51
Ciencias de la salud considerando la variable aceptado no aceptado como
dependiente.
Tabla 39. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 39. Se muestra el resumen del modelo mediante método CHAID para el
área ciencias de la salud en las cinco zonas tomando como variable dependiente
el ser aceptado y no ser aceptado las variables que resulta significativa en el
análisis son capital cultural y sistema de bachillerato teniendo 6 nodos de los
cuales 4 son terminales resultando un árbol de decisión de tres niveles
En el gráfico 52 ver ANEXO 27. se muestra el árbol atreves del método CHAID los
aspirantes para el área ciencias de la salud el mejor predictor es su capital cultural
los aspirantes con un capital cultural alto presentan una probabilidad del 37.5 % de
aceptación en los cuales no existe ninguna otra variables que los segmente los
aspirantes con un capital cultural medio presentaran 29.1% de probabilidad los
aspirantes de capital cultural bajo presentan una probabilidad de aceptación de
21% los cuales se encuentran segmentados por el sistema de bachillerato que
cursaron creando dos nodos, nodo (4) con los sistemas general, técnico y abierto
federal, y nodo (5) con los sistemas privado, IVEA, Telebachillerato, y pedagógico
presentando una probabilidad de aceptación de 14.4
116
Figura 32. Estructura del grafico 52
Área Ciencias de la Salud considerando la variable porcentaje de aciertos como dependiente
Tabla 40. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
117
Tabla 40. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el por porcentaje de aciertos obtenidos en la prueba
EXANI-II para el área Ciencias de la salud las únicas variables que resultan no
significativas en el análisis son edad categorizada y el capital económico teniendo
30 nodos de los cuales 19 son terminales resultando un árbol de decisión de tres
niveles
En el gráfico 53 ver ANEXO 28. Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID para el
área ciencias de la salud en las cinco zona del estado de Veracruz donde el mejor
predictor es el capital cultural de los aspirantes con capital cultural muy alto
puntúan en un 63.48 sin ninguna variables que los segmente los aspirantes con un
capital cultural muy bajo, se encuentran segmentados por el género puntuando
más alto los aspirantes de género femenino segmentados por el sistema de
bachillerato que cursaron, los aspirantes con capital cultural medio se encuentran
segmentados por el sistema de bachillerato que han cursado puntuando mejor los
sistemas general, técnico y en algunos casos el sistema abierto federal y
pedagógico.
Figura 33. Estructura del grafico 53
118
Biológicas agropecuarias considerando la variable aceptado no aceptado
como dependiente.
Tabla 41. Resumen de modelo CHAID variable dependiente aceptado no aceptado
Tabla 41. Se muestra el resumen del modelo mediante método CHAID para el
área Biológicas–Agropecuarias en las cinco zonas tomando como variable
dependiente el ser aceptado y no ser aceptado ninguna variable resulto
significativa en el análisis teniendo un único nodo
En el gráfico 54. Ver ANEXO 29. Se muestra el árbol atreves del método CHAID
los aspirantes para el área Biológicas–Agropecuarias obteniendo un dodo raíz
como único nodo donde la probabilidad de ser aceptado por un aspirantes en la
zona Biológicas–Agropecuarias sin considerar la zona, el porcentaje de aciertos
en el examen y su trayectoria escolar es de 78.4% no existen variables predictoras
esto nos indica que en esta área no existen variables que predigan que un
aspirantes pueda ser aceptado,
Puedo concluir sin poder firmarlo ya que se deberían realizar un estudio más
afondo en este árbol que sin considerar la variables, zona, porcentaje de aciertos y
trayectoria escolar, no existe ninguna diferencia en los aspirantes que soliciten en
119
el área biológicas-agropecuarias para ser aceptado, el capital cultural no es un
predictor en los aspirantes de esta zona
Biológicas agropecuarias considerando la variable porcentaje de aciertos
como dependiente
Tabla 42. Resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 42. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el por porcentaje de aciertos obtenidos en la prueba
EXANI-II para el área Biológicas–Agropecuarias las únicas variables que resultan
no significativas en el análisis son capital cultural, sistema de bachillerato y edad
categorizada cursado teniendo 10 nodos de los cuales 7 son terminales resultando
un árbol de decisión de tres niveles
En el gráfico 55. Ver ANEXO 30. Se muestra el árbol de clasificación de tres
niveles para la variable dependiente porcentaje de aciertos con el método CHAID
para el Biológicas–Agropecuarias en las cinco zona del estado de Veracruz donde
el mejor predictor es el capital cultural los aspirantes con un capital cultural muy
alto puntuaran en promedio un 60.60 de aciertos en la prueba los aspirantes con
un capital muy bajo puntuaran en promedio con un 39.41% en la prueba los
120
aspirantes que presenten un capital cultural medio se encuentran segmentados
por el sistema de bachillerato cursado puntuando mejor los sistemas general y
pedagógico, para estos mismo aspirantes los que presenten una edad mayor a 19
años puntuaran mejor
Figura 34. Estructura del grafico 55
Artes considerando la variable aceptada no aceptada como dependiente.
Tabla 43. Resumen de modelo CHAID variable dependiente aceptado no aceptado
121
Tabla 43. Se muestra el resumen del modelo mediante método CHAID para el
área artes en las cinco zonas tomando como variable dependiente el ser aceptado
y no ser aceptado la variable que resulto significativa en el análisis fue el capital
cultural obteniendo teniendo un árbol de 3 nodos de los cuales 2 son y un nivel
En el gráfico 56. Ver ANEXO 31.Se muestra el árbol atreves del método CHAID
los aspirantes para el área arte en las cinco zonas del estado de Veracruz donde
el mejor predictor es el capital cultural de los aspirantes los aspirantes con un
capital cultural alto presenta una probabilidad del 40.3% de aceptación los
aspirantes con un capital cultura bajo presentan una portabilidad de 21% de ser
aceptados
Artes considerando la variable porcentaje de aciertos como dependiente
Tabla 44 resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 44 se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente el por porcentaje de aciertos obtenidos en la prueba
EXANI-II para el área de arte las únicas variables que resulto significativa en el
análisis es el capital cultural teniendo 3 nodos de los cuales 2 son terminales
resultando un árbol de decisión de un niveles
122
En el gráfico 57 ver ANEXO 32.Se muestra el árbol de clasificación de tres niveles
para la variable dependiente porcentaje de aciertos con el método CHAID para el
área ciencias de la salud en las cinco zona del estado de Veracruz donde el mejor
predictor para los puntajes obtenidos en la prueba de selección por la universidad
es el capital cultural, los aspirantes con un capital cultural alto puntuaran en
promedio en un 60.45% de aciertos los aspirantes con un capital cultural bajo
puntuaran en promedio en un 51.90%
3.2.10.5. Árboles de decisión por zona con trayectoria escolar como dependiente.
Zona Xalapa.
Tabla. 45. Resumen de modelo CHAID variable dependiente Trayectoria escolar.
Tabla 45. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para la zona
Xalapa, las variables que resultaron no significativas son la edad categorizada se
obtuvo un árbol y edad categorizada de 20 nodos de los cuales 12 son terminales
resultando un árbol de 3 niveles
En el gráfico 58 ver ANEXO 33. Se muestra el árbol atreves del método CHAID
tomando como variable dependiente la trayectoria escolar de los aspirantes para
la zona Xalapa donde resulta ser el mejor predictor el género, segmentado para
los aspirantes de género masculino en el sistema de bachillerato que cursaron y
para los de género femenino en capital económico los aspirantes que puntuarán
en un trayectoria alta serán los que presenten un apoyo previo al examen bajo,
hayan cursado el bachillerato en un sistema técnico, telebachillerato pedagógico y
sean de género masculino los que puntuaran con la menor trayectoria son
aquellos que hayan cursado el bachillerato en un sistema privado, privado, (IVEA),
124
y sistema abierto federal presenten un capital económico alto y sean de género
femenino
Zona Veracruz
Tabla. 46. Resumen de modelo CHAID variable dependiente Trayectoria escolar.
Tabla 46. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para la zona
Veracruz, la variable que resulto no significativa fue la edad categorizada, se
obtuvo un árbol y edad categorizada de 21 nodos de los cuales 14 son terminales
resultando un árbol de 3 niveles
En el grafico 59.ver ANEXO 34. Se aprecia que el mejor predictor es el género de
los aspirantes el cual se encuentra segmentado por el capital económico y en un
tercer nivel por la variable sistema de bachillerato, donde los aspirantes con un
mayor capital cultural serán aquellos que presenten un mayor puntaje de
trayectoria escolar, aquellos que presenten un capital económico medio y sean
de género masculino puntuaran en un 0.337 de trayectoria escolar siendo los
aspirantes que mejor puntúan en su trayectoria escolar, los menores puntajes de
trayectoria escolar serán los que presenten edad mayor de 19 años un capital
económico muy alto y sean de género femenino puntuaran en un -0.681
125
Zona córdoba
Tabla. 47. Resumen de modelo CHAID variable dependiente Trayectoria escolar.
Tabla 47. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para la zona
Córdoba, la variable que resulto no significativa fue la edad categorizada, Se
obtuvo un árbol y edad categorizada de 11 nodos de los cuales 6 son terminales
resultando un árbol de 3 niveles
En el grafico 60 ver ANEXO 35.Se aprecia que el mejor predictor para la
trayectoria escolar de los aspirantes es el género, los aspirantes que presentan las
puntuaciones más altas en trayectoria escolar son aquellos, que presenten un
capital cultural mayor a 1.24 (muy alto) y sean de género masculino puntuaran
aproximadamente en un 0.557de trayectoria escolar los aspirantes que presenten
las puntuaciones más bajas en su trayectoria escolar serán aquellos, que
presenten un capital cultural menor a (-0.15) bajo y hayan cursado un sistema de
bachillerato privado, educación para adultos (IVEA) y sistema abierto federal.
126
Zona poza rica
Tabla. 48. Resumen de modelo CHAID variable dependiente Trayectoria escolar
Tabla 48. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para la zona
Poza Rica, la variable que resulto no significativa fue la edad categorizada, Se
obtuvo un árbol y edad categorizada de 11 nodos de los cuales 6 son terminales
resultando un árbol de 3 niveles
En el grafico 61.ver ANEXO 36. Se aprecia que el mejor predictor para la
trayectoria escolar de los aspirantes es el género, los aspirantes que presentan las
puntuaciones más altas en trayectoria escolar son aquellos, que presenten un
capital cultural mayor a -0.23 (muy alto) y sean de género masculino puntuaran
aproximadamente en un 0.524 de trayectoria escolar, los aspirantes que puntúen
más bajo en su trayectoria escolar serán aquellos, que hayan cursado un sistema
de bachillerato privado y sistema abierto federal y sean de género femenino
puntuaran aproximadamente en un -0.374 de trayectoria escolar.
127
Zona Coatzacoalcos
Tabla. 49. Resumen de modelo CHAID variable dependiente Trayectoria escolar
Tabla 49. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para la zona
Coatzacoalcos, las variables que resultaron no significativas fueron la edad
categorizada y apoyo previo. Se obtuvo un árbol y edad categorizada de 12 nodos
de los cuales 7 son terminales resultando un árbol de 3 niveles
En el grafico 62 ver ANEXO 37 se aprecia que el mejor predictor para la
trayectoria escolar de los aspirantes es el género, los aspirantes que presentan las
puntuaciones más altas en trayectoria escolar son aquellos, que presenten un
capital cultural mayor a 0.37 (muy alto) hayan cursado un sistema de bachillerato
general, técnico/tecnológico y sean de género masculino puntuaran
aproximadamente en un 0.596 de trayectoria escolar, los aspirantes que puntúen
más bajo en su trayectoria escolar serán aquellos, que hayan cursado un sistema
de bachillerato privado y sistema abierto federal y sean de género femenino
puntuaran aproximadamente en un -0.370 de trayectoria escolar.
128
4.2.10.6. Árboles de decisión para cada área con trayectoria escolar por área
Se realizaron árbol es de decisión para cada Zona tomando como variable
dependiente la Trayectoria escolar de los aspirantes atreves de la técnica CHAID
continuación hago una breve descripción de los árbol es obtenidos donde solo
mostrare los árboles con mejor visibilidad ANEXANDO los demás árbol es
obtenidos
Área Técnica
Tabla. 50. Resumen de modelo CHAID variable dependiente Trayectoria escolar
Tabla 50. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para el área
Técnica, las variables que resultaron no significativas fueron la edad categorizada
y apoyo previo. Se obtuvo un árbol y edad categorizada de 17 nodos de los cuales
10 son terminales resultando un árbol de 3 niveles
En el grafico 63 ver ANEXO 38.Se aprecia que el predictor en la puntuación de la
trayectoria escolar de los aspirantes es el género donde los de género masculino
puntúan mayor que las mujer, los de género masculino los segmenta su capital
cultural, posteriormente su capital económico a los de género femenino se
129
encuentran segmentados por su capital económico, posteriormente por su sistema
de bachillerato, en los nodos 14,15 y 16 observamos que mayor capital económico
menor puntúan los aspirantes con respectó a su trayectoria escolar, en los nodos
6 y 7 observamos que los aspirantes con mejor trayectoria escolar son aquello que
presentan un capital cultural muy alto mayor a 1.27 en general los sistema de
bachillerato que menor puntúan son privado, educación para adultos (IVE) y
sistema abierto federal
Área Humanidades
Tabla. 51. Resumen de modelo CHAID variable dependiente Trayectoria escolar
Tabla 51. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para el área
Humanidades, las variables que resultaron no significativas fueron la edad
categorizada y apoyo previo y sistema de bachillerato, se obtuvo un árbol y edad
categorizada de 11 nodos de los cuales 7 son terminales resultando un árbol de 3
niveles
En el grafico 64 ver ANEXO 39. Se aprecia que el mejor predictor para la
trayectoria escolar de los aspirantes es el género, ambos géneros se encuentran
segmentados por el capital económico donde a mayor capital económico menor
130
puntúan en su trayectoria escolar los aspirantes con mejores puntuaciones en su
trayectoria escolar serán aquellos que sean de género masculino presenten capital
económico alto y capital cultural alto. Los aspirantes que puntuaran menor en su
trayectoria escolar son a aquellos que sean de género femenino y presenten un
capital económico bajo
Área Económica –Administrativa.
Tabla. 52. Resumen de modelo CHAID variable dependiente Trayectoria escolar
Tabla 52. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para el área
Económica-Administrativa, la variable que no resulto significativa fue la edad. Se
obtuvo un árbol y edad categorizada de 19 nodos de los cuales 11 son terminales
resultando un árbol de 3 niveles
En el grafico 65 ver ANEXO 40. Se aprecia que el mejor predictor para la
trayectoria escolar de los aspirantes es el género, los aspirantes que presentan las
puntuaciones más altas en trayectoria escolar son aquellos, que sean de género
masculino presenten un capital económico bajo y un apoyo previo en sus estudios
bajo, los aspirantes que menor puntúan en su trayectoria escolar son aquellos que
hayan cursado un sistema de bachillerato general, privado, abierto federal,
131
educación para adultos (IVEA) presenten un capital económico medio y sean de
género femenino
Área Ciencia de la salud
Tabla. 53. Resumen de modelo CHAID variable dependiente Trayectoria escolar
Tabla 53. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para el área
Ciencias de la Salud, la variable que no resulto significativa fue la edad. Se obtuvo
un árbol y edad categorizada de 21 nodos de los cuales 13 son terminales
resultando un árbol de 3 niveles
En el grafico 66 ver ANEXO 41. Se aprecia que el mejor predictor para la
trayectoria escolar de los aspirantes es el género, los aspirantes que presentan las
puntuaciones más altas en trayectoria escolar son aquellos, que presenten un
capital cultural alto y sean de masculino, los aspirantes que tendrán las menores
puntuaciones en su trayectoria escolar son aquellos que presenten un capital
cultural menor de -0.15 (bajo) hayan cursado un sistema de bachillerato privado,
educación para adultos (IVEA) y sean de género femenino.
132
Áreas Biológicas agropecuarias
Tabla. 54. Resumen de modelo CHAID variable dependiente Trayectoria escolar
Tabla 54. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para el área
Biológicas Agropecuarias, las variables que resultaron significativas fueron el
género, capital económico, edad categorizada y capital cultural. Se obtuvo un
árbol y de 5 nodos de los cuales 3 son terminales resultando un árbol de 3 niveles
En el grafico 67 ver ANEXO 42. Se aprecia que el mejor predictor para la
trayectoria escolar de los aspirantes es el género, los aspirantes que presentan las
puntuaciones más altas en trayectoria escolar son aquellos, que sean de género
masculino puntuaran aproximadamente en un 0.006 de trayectoria escolar, los
aspirantes que puntúen más bajo en su trayectoria escolar serán aquellos, que
hayan cursado un sistema de bachillerato privado, general, educación para adultos
(IVEA), sistema abierto federal y sean de género femenino puntuaran
aproximadamente en un -0.662 de trayectoria escolar.
133
Área Artes
Tabla. 55. Resumen de modelo CHAID variable dependiente Trayectoria escolar
Tabla 55 se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente la trayectoria escolar de los aspirantes para el área
artes, el árbol no muestra ninguna variable significativa para el modelo a tres
niveles con un valor de fusión de 0.05.mostrado en el grafico 68 ver ANEXO 43.
134
3.2.10.7. Árboles de decisión para el área técnica en la zona Xalapa
Para este apartado se muestran los resultados en cada área considerando la
trayectoria escolar como variables dependiente para lo que se muestran los árbol
es obtenidos.
Tabla. 56. Resumen de modelo CHAID para el área Técnica en la zona Xalapa
Tabla 56. Se muestra el resumen del modelo mediante método CHAID tomando
como variable dependiente (ATD) aceptado no aceptado para el área técnica en la
zona Xalapa, las variables que resultaron significativas fueron el porcentaje de
aciertos y carrera seleccionada, se obtuvo un árbol de 12 nodos de los cuales 8
son terminales resultando un árbol de 3 niveles
En el grafico 69. Se muestra todos los aspirantes para el área técnica solo en la
zona Xalapa donde se observa que el mejor predictor es el porcentaje de acierto
135
en la prueba EXANI-II la cual muestra diferentes probabilidades en función del
porcentaje de aciertos en un segundo nivel encontramos la carrera solicitada por
el aspirantes la cual cambiara su probabilidad de aceptaciones en función de cual
sea la carrera solicitada,
En base a los resultado generales obtenidos para esta área y se realizaron árbol
es de decisión para los aspirantes que fueron aceptado y los que no fueron
aceptado eliminando el mejor predictor (por contaje de acierto) con la finalidad de
describir a un mejor a los aspirantes y conocer las variables que mejor los
segmente.
Grafico 69. Árbol de clasificación variable dependiente aceptado no aceptado
Aceptados CHAID SPSS
Tabla. 57. Resumen de modelo CHAID para el área Técnica en la zona Xalapa
Tabla 57 se muestra el resumen del modelo mediante método CHAID. Para los
aspirantes que fueron aceptados para el área técnica en la zona Xalapa tomando
como variable dependiente el porcentaje de aciertos en la prueba EXANI-II, las
variables que resultaron significativas fueron trayectoria escolar, capital cultural y
carrera , se obtuvo un árbol de 12 nodos de los cuales 7 son terminales resultando
un árbol de 3 niveles.
En el grafico 70 ver ANEXO 44. Se aprecia que el mejor predictor para la
puntuación de aciertos en la prueba de acceso EXANI-II en los aspirantes
aceptados es la trayectoria escolar en un segundo nivela la variable capital cultural
y en el tercer nivel la carrera solicitada, los aspirantes que puntuaran mejor en su
porcentaje de aciertos en la prueba EXANI-II serán aquellos que presenten una
trayectoria escolar mayor a 1.05 y un capital cultural mayor a 0.54 puntuaran en un
81.04 de porciento de aciertos en la prueba de EXANI-II
138
No aceptados CHAID SPSS.
Tabla 58 resumen de modelo CHAID variable dependiente porcentaje de aciertos
Tabla 58. Se muestra el resumen del modelo mediante método CHAID. Para los
aspirantes que no fueron aceptados en el área y zona anteriormente mencionada
Tomando como variable dependiente el porcentaje de aciertos en la prueba
EXANI-II, las variables que no resulto significativa fue la edad categorizada, se
obtuvo un árbol de 11 nodos de los cuales 6 son terminales resultando un árbol de
3 niveles
En el grafico 71 ver ANEXO 45. Se aprecia que el mejor predictor para la
puntuación de aciertos en la prueba de acceso EXANI-II en los aspirantes no
aceptados es la trayectoria escolar en un segundo nivela la variable capital cultural
y en el tercer nivel sistema de bachillerato donde puntúan mejor los sistemas
privados, general y educación para adultos.
139
3.2.10.8. Análisis área técnica zona Xalapa con programa TAID-LCD.
Se realizó un análisis para el área técnica en la zona Xalapa, debido a la gran
complejidad en un contexto general de los análisis de los aspirantes se ha
decidido realizar árbol es de decisión para el área técnica en la zona Xalapa
aclarando previamente que se tomó esta zona por ser de las de mayor demanda
el área se tomó técnica debido que es equitativa en sus porcentajes de aceptación
y rechazo esto con el objetivo de caracterizar a los aspirantes de mencionada área
y zona así como describir los mejores predictores al respecto, para este apartado
realice un análisis en general por separado para los aceptados y los no aceptados
utilizando la técnica CHAID, CART y TAID, atreves de los de los programas SPSS
vers. 20 y TAID-LCA
El primer proceso implica la realización de los análisis a través del programa
SPSS. Vers. 20, posteriormente la realización de la técnica CHAID y TAID en el
programa TAID.LCA ver ANEXO II.
Tabla. 59. Resumen de árboles de decisión para área técnica en la zona Xalapa
Variable dependiente Análisis CHAIDSPSS TAID-LCA
ATD (Aceptado, No
aceptado )
General TAID
CHAID
(%)Porcentaje de aciertos 1.-Aceptados
TAID
CHAID
2.-No aceptados TAID
CHAID
140
En las siguientes tablas mostrare un resumen de los modelos obtenidos por los
árboles de decisión
Tabla. 60. Resumen de análisis en el estado
ANALISIS DE SEGMENTACION GENERAL
Aceptado Porcentaje %
VARIABLES
RESULTADO
VARIABLES RESULTADO
ESTADO DE
VERACRUZ
KPEC, ARE,ZN,GN VESTADO DE
VERACRUZ
KTES, KCUT, GN, ZN, ARE,
STM,EDD
Tabla. 61. Resumen de análisis por zona
Zona
Aceptado % Trayectoria
Xalapa KCUT, STM, GN, APEX,
KECN
KCUT, STM, APEX, GN,
EDD
GN, KECN,
STM, KCUT,
APEX
Veracruz GN, STM, APEX, KCUT KCUT, STM, APEX, GN,
KECN
GN, KECN,
STM, EDD,
KCUT
Orizaba APEX, GN, STM, KCUT, KCUT, STM, GN, EDD,
APEX,
GN, STM,
KECN, KCUT
Poza rica STM, KCUT, KCUT, GN, STM GN, KCUT,
STM, KECN
Coatzacoalcos STM, GN, APEX KCUT, EDD, APEX,
STM, GN
GN, STM,
KCUT, KECN
141
Tabla. 62. Resumen de análisis por Área incluyendo Zona
AREA INCLUYENDO ZONA
Aceptado %
Técnicas ZN, KCUT, STM, APEX,
GN
KCUT, ZN, STM, APEX
Humanidades ZN, APEX, GN, KCUT,
STM
KCUT, ZN, STM
Econ/Admin ZN, KCUT, GN KCUT, ZN, STM, APEX,
GN, EDD
C. Salud KCUT, ZN, STM, GN KCUT, GN, STM, ZN,
APEX
Biolog/Agrop ZN, KCUT, GN KCUT, STM, ZN
Arte KCUT KCUT
Tabla. 63. Resumen de análisis por Área sin incluir la Zona
AREA SIN INCLUIR ZONA
Aceptado % Trayectoria
Técnicas KCUT, APEX, GN, STM KCUT, STM, APEX,
KECN
GN, KECN, STM,
KCUT,
Humanidades KCUT, STM KCUT, GN, STM, APEX GN, KECN, KCUT
Econ/Admi GN, STM, APEX, KCUT,
KECN
KCUT, STM, APEX, GN,
KECN
GN, KEC, STM, APEX,
KCUT
C. Salud KCUT, STM, KCUT, GN, STM, APEX GN, KCUT, KECN,
STM
Biolog/Agrop* EDD, STM KCUT, STM, EDD GN, STM
Arte EDD2
142
Tabla. 64. Resumen de análisis para el área técnica.
Área técnica en Xalapa
GENERAL Aceptados No Aceptados
ATD KPEC, CD KPEC = CD, KCUT KPEC= CD, KCUT, GN
PORCENTAJE KTES, KCUT, STM, GN TESC TESC= GN, STM, APEX
TESC GN, KECN, CD, STM
4. CONCLUSIONES
4.1. CONCLUSIONES GENERALES
Cabe aclarar que en este estudio analizamos únicamente los que corresponden al
proceso de selección 2010 que solicitaron para el sistema escolarizado, en el nivel
licenciatura y en cinco zonas del estado de Veracruz Las cuales son Xalapa,
Veracruz, Córdoba–Orizaba, Poza Rica y Coatzacoalcos en este sentido
abarcamos solo una parte del complejo sistema de educación superior en la
Universidad Veracruzana, las principales variables que influyen en el proceso de
selección son el porcentaje de aciertos, la zona, área, trayectoria escolar y sistema
de bachillerato cursado, existiendo una gran complejidad al analizar las
característica de los aspirantes en un contexto general debido que en cada zona y
área existe una diferencia de matrículas ofertadas esto produciendo diferentes
puntos de corte en la prueba de selección para ser aceptados,
Como conclusión de los análisis previos, utilizando las variables categóricas
resaltamos, la independencia en la prueba Chi-Cuadrada con una alfa de 0.05 de
los indicadores Capital Económico, Supervisión familiar y Corresidencia. La
correlaciones del porcentaje de aciertos en la prueba de selección con respecto a
tres indicadores, capital cultural el cuan es muy cercana a cero, la correlación
negativa inversa cercana a cero con respecto el capital económico y la correlación
positiva media con respectó a la trayectoria escolar estas conclusiones la detallare
143
a continuación hare mención a algunas conclusiones hechas por otro autores las
cuales apoyaran las reforzaran las conclusiones de esta investigación de
numerosas investigaciones han permitido establecer correlaciones entre el
sistema educativo y el contexto socioeconómico, atribuyendo a causales
económicas el éxito o fracaso académico, sin embargo, Guiselle Garbanzo, (2007)
declara lo siguiente. “En este punto hay que tener cuidado, ya que si bien es cierto
el contexto socioeconómico afecta el nivel de calidad educativa, pero que de
ningún modo lo determinan si atienden a otras causales,” se requerirán estudios
específicos para conocer otro Tipo de correlaciones, que permitan hacer con
exactitud esta determinación causal (p.55),
Marchesi (2000) en un informe de la OCDE-CERI de 1995, donde señala que
factores como la pobreza y la falta de apoyo social están relacionados con el
fracaso académico; advierte que, sin embargo, no existe una correspondencia
estricta entre las desigualdades sociales y las educativas, aduciendo que hay
otros factores como la familia, el funcionamiento del sistema educativo y la misma
institución que pueden incidir en forma positiva o negativa
Castejón y Pérez (1998) hacen referencia a lo usual que es encontrar
investigaciones que concluyen que en la medida que se asciende en la escala
social (nivel económico), los resultados académicos son mejores,
En esta investigación demostramos una relación estadísticamente significativa en
el caso del índices económico con las variables dependiente ser aceptado (ATD) y
(KPEC) porcentaje de aciertos en la prueba EXANI-II sorprendiendo que la
dirección de la asociación es ligeramente inversa. Por cada punto que aumenta el
índice socioeconómico disminuye la probabilidad de aceptación y puntúan menor
los aspirantes en la prueba de selección, resultados similares encontramos en
estudios realizados por Montero y Villalobos (2004, citado por Carrión 2007),
Gómez y Sánchez (2011) en un estudio con jóvenes aspirantes a la Universidad
Nacional Autónoma de México,
La independencia del capital económico en la prueba Chi-cuadrada y la nula
correlación con R de Pearson así como lo descrito en los arboles de decisión
144
podemos considerar una causa que el capital económico no incide claramente en
las oportunidades de ingreso a nivel superior por concurso de selección sin poder
afirmarlo que los aspirantes, al lograr ingresar a la Universidad, pasaron por un
filtro que los convierte en una población selectiva y que dentro de la Universidad
se ponen en juego otros factores, tales como habilidades, capacidades y todos los
factores propios del entorno social.
En esta investigación el mejor predictor para ser aceptado en la Universidad
Veracruzana mediante la técnica CHAID es el porcentaje de aciertos en la prueba
EXANI-II encontrando en un segundo nivel del árbol de decisión las variables
zona, área. Múltiples concluyendo que las diferencias se encuentran dadas por el
área zona variando los puntos de corte para ser aceptados
Estudios explican que la formación académica previa a la Universidad es un claro
indicador del éxito académico en los estudios Universitarios, estudios realizados
en la enseñanza superior asociados al rendimiento académico enfatizan el valor
de la nota obtenida en las pruebas de admisión a la universidad como un predictor
de los más importantes en el rendimiento académico, junto con los rendimientos
académicos previos a la universidad. Esta subcategoría se encuentra traslapada,
a su vez, con los determinantes institucionales, en el sentido de que el puntaje
obtenido y con el que se logra el ingreso a la universidad está determinado por
políticas universitarias en lo que a cupos se refieren, múltiples investigaciones
comprobaron que “aquellos países que practican un proceso de selección
pormenorizado y completo, en cuanto a los requisitos de entrada presentan un
bajo grado de fracaso entre sus estudiantes”. Toca y Tourón (1989, p. 32),
Guiselle Garbanzo (2007) sobre este tema, Carrión (2002). Montero y Villalobos
(2004) también coinciden en que el promedio de admisión a la Universidad es
estadísticamente significativa y de importancia práctica como predictor del
promedio ponderado del estudiante excluimos esta variable en los análisis de
árboles de decisión considerándolas variables de segmentación natural ya que se
encuentran determinada por factores establecidos por el sistema educativo
145
veracruzano donde el mejor predictor resulto ser el capital cultural segmentado en
un segundo nivel la trayectoria escolar, sistema de bachillerato. Cuando
obtenemos los resultados excluyendo las variables porcentaje de aciertos y
trayectoria escolar que son variables alta mente correlacionadas existen
diferencias por zona y áreas en algunas los mejores predictores son el capital
cultural, el género, sistema de bachillerato, solo en la zona córdoba el mejor
predictor resulto ser el apoyo previo en sus estudios En los resultados para cada
zona y área tomando como dependiente la variable porcentaje de aciertos en la
prueba de selección el mejor predictor resulto ser el capital cultural en el primer
nivel a medida que aumenta el capital los aspirantes puntuaran mejor en la prueba
de selección, en niveles posteriores el sistema de bachillerato, género y capital
económico, esto es una evidencia que la prueba de selección mide claramente el
capital cultural de los aspirantes resaltando que existen diferencias en el número
de aciertos para ser aceptados por zonas En ambos casos cuando utilizamos
como dependiente la variables porcentaje de ciertos y ser aceptado o no ser
aceptado, el capital cultural es el mejor predictor, el cual se entra frecuentemente
segmentado por el sistema de bachillerato cursado por los aspirantes presentando
menor probabilidad de aceptación y con las puntuaciones más bajas en la prueba
de selección los aspirantes que hayan cursado un sistema, telebachillerato y
educación para adultos (IVEA) aclarando que existen comportamientos diferentes
por zona.
Ahora abordaros las conclusiones refiriéndonos al indicador trayectoria escolar
En diversos trabajos de investigación se han estudiado indicadores como las
calificaciones obtenidas en la educación secundaria, bachillerato constituyendo
uno de los indicadores con mayor capacidad predictiva en el rendimiento
académico en estudiantes Universitarios y tiene mucho que ver la calidad
educativa de la institución de la que proviene el estudiante estos estudios explican
que la trayectoria escolar previo a la Universidad es un buen indicador del capital
cultural de los aspirantes y este a su vez se relaciona con el porcentaje de aciertos
en la prueba EXANI-II existen teorías que la trayectoria escolar está muy
146
relacionada con el capital cultural, en este estudio cuando analizamos la
trayectoria escolar como dependiente el mejor predictor resulta ser el género en el
puntuando con una trayectoria más altas los aspirantes de género femenino, en un
segundo nivel el sistema de bachillerato, capital económico donde a mayor capital
económico los aspirantes puntúan menor su trayectoria escolar encontrando el
capital cultural en los nodos terminales, no se puede afirmar del todo una relación
directa en la trayectoria escolar y el género; sin embargo, hay estudios que le dan
al género femenino un rendimiento superior que al género masculino. (Buquet
Corleto, 2011), (Pride, 2008),
Existen diversas diferencias en los puntajes obtenidos en la prueba los cuales se
encuentran segmentados por el porcentaje de acierto para ser aceptado el cual
varía en función de la demanda diferenciado por la zona, área y carrera solicitada
el mejor predictor para ser aceptado será el porcentaje de acierto el cual se
encuentra segmentado por el capital cultural y este a su vez por sistema de
bachillerato, considerando el porcentaje de acierto como dependiente el mejor
predictor resultas ser el capital cultural y utilizando la trayectoria escolar como
dependiente el mejor predictor es el género del aspirante,
en función de nuestro tercer objetivo las técnica de segmentación constituyen una
herramienta exploratoria que puede resultar de gran utilidad en este tipos de
estudios ofreciendo la ventaja de poder operar simultáneamente con variables
cualitativas y cuantitativas facilitando la identificación de interacción entre las
variables con respecto a la variable predictoras permitiendo la caracterización o
descripción de perfiles,.en el siguiente capítulo sugiero algunas recomendaciones
y sugerencias
4.2. Recomendaciones o sugerencias
Las características sociales culturales y económicas que presentan los aspirantes
a la educación superior en la Universidad Veracruzana son muy heterogéneas
esto promueve la existencia de diferencias, desde los centros de bachilleratos
cursados por los aspirantes donde encontramos aspirantes con puntuaciones
completamente diferentes en sus características esto dificulta la realización de un
147
solo análisis en un solo contexto si lo realizamos de esta manera podemos omitir
características que solo presentan aspirantes de una cierta zona o área en
específico por esta razón se recomienda analizar el sistema educativo mexicano y
en particular el de la Universidad Veracruzana considerando analizar cada zona y
área por separado, la utilización de técnica de los árboles de decisión son de fácil
interpretación lo cual es muy importante en el proceso de comunicación de
resultado, es una herramienta exploratoria muy útil la cual nos apoyara antes de la
elaboración de modelos con fines inferenciales, final mente el realizar este tipo de
investigaciones periódicamente apoyara a conocer como se encuentran los
jóvenes aspirantes en un contexto actual así como el apoyo y recomendaciones
en la toma de estrategias educativas antes durante y después de la realización de
este proceso de selección.
148
REFERENCIAS
Aldo Colorado Carvajal, Miguel Ángel Casillas Alvarado, & (primero). (2010). Estudios
recientes en educación superior Una mirada desde Veracruz. Biblioteca Digital de
Investigación Educativa. Recuperado a partir de
http://www.uv.mx/bdie/files/2012/10/Libro1educacionsuperior.pdf
Alejandro Navarro Arredondo. (2010). Reflexiones sobre la obligatoriedad de la educación
media superior en México. Centro de Estudios Sociales y de Opinión Pública.
Carlo Magno Araya Alpízar. (s. f.). Segmentación de Mercados usando la Técnica CHAID.
Universidad de Costa Rica.
Casado, J. M. A., & López, M. H. (1998). Una panorámica regional de la educación superior en
España. Estudios de Economía Aplicada, 10, 5-18.
Center for History and New Media. (s. f.). Guía rápida. Recuperado a partir de
http://zotero.org/support/quick_start_guide
CESCC OPECH. (2010, agosto 18). ACCESO A LA EDUCACIÓN SUPERIOR: EL MÉRITO
Y LA (RE) PRODUCCIÓN DE LA DESIGUALDAD. Recuperado 1 de agosto de 2013, a
partir de http://www.opech.cl/inv/analisis/acceso.pdf
Córdoba Caro, L. G., García Preciado, V., Luengo Pérez, L. M., Vizuete Carrizosa, M., & Feu
Molina, S. (2011). Determinantes socioculturales: su relación con el rendimiento
académico en alumnos de Enseñanza Secundaria Obligatoria. Revista de Investigación
Educativa, 29(1), 83-96. doi:10.6018/110361
Edgar Márquez Banffy, Edith Soto Téllez, Cinthya Velasco Trujillo, & J. Alberto Zayas de
Jesús. (2004, agosto). Inequidades en el acceso a la educación superior. Observatorio
149
Ciudadano de la educacion. Recuperado a partir de
http://www.observatorio.org/colaboraciones/marquez.html
Eduardo Backhoff Escudero, Arturo Bouzas Riaño, Carolina Contreras, Eduardo Hernández, &
Marisela García. (2007, diciembre). Factores escolares y aprendizaje en México El caso de
la educación básica. Istituto Nacional para la evaluacion de la Educacion. Recuperado a
partir de
http://www.inee.edu.mx/images/stories/Publicaciones/Reportes_investigacion/Factores_esc
olares/Completo/factores_escolares_completo.pdf
Eduardo Mariscal Chávez. (2012). Relación entre el resultado de un examen de selección y el
nivel socioeconómico de los aspirantes al Colegio de Bachilleres de Baja California y
Preparatoria Federal Lázaro Cárdenas. UNIVERSIDAD AUTÓNOMA DE BAJA
CALIFORNI Instituto de Investigación y Desarrollo Educativo.
Eliézer.PDF - Eliezer.PDF. (s. f.). Recuperado a partir de
http://www.rieoei.org/deloslectores/Eliezer.PDF
Evengelina Carrion Pérez. (2007). VALIDACION DE CARACTERISTICAS AL INGRESO
COMO PREDICTORES DEL RENDIMIENTO ACADEMICO EN LA CARRERA DE
MEDICINA. Rev Cubana Educ Med Super 20. Recuperado a partir de
http://bvs.sld.cu/revistas/ems/vol16_1_02/ems01102.pdf
Girardo, C. (2006). Estrategias Educativas y Formativas para la Inserción Social y Productiva.
International Labour Office.
Girardo, C., Ibarrola, M., Jacinto, C., & Mochi, A. P. (2006). Herramientas para la
transformación (Vol. 31). Montevideo: Cinterfor OIT.
150
Guzmán Gómez, C., & Serrano Sánchez, O. V. (2011). Las puertas del ingreso a la educación
superior: el caso del concurso de selección a la licenciatura de la UNAM. Revista de la
educación superior, 40(157), 31-53.
Hernández Padilla, E., & González Montesinos, M. J. (2011). Modelo de ecuación estructural
que evalúa las relaciones entre el estatus cultural y económico del estudiante y el logro
educativo. Revista electrónica de investigación educativa, 13(2), 188-203.
Irene Schiattino Lemus, & Claudio Silva Zamora. (2008, diciembre). Árboles de Clasificación y
Regresión: Modelos Cart. Recuperado a partir de
http://www.cienciaytrabajo.cl/pdfs/30/pagina161.pdf
Jorge, C. (2008). Sociedad desigual, ¿Educación desigual? Sobre las desigualdades en el
sistema educativo español. Ministerio de Educación.
Leonora Romero Vadillo, Aurora Rebolledo Lopez, & Maria Del Carmen Gomez del Prado
Rosas. (2011). TRAYECTORIA ESCOLAR DE LOS ES TUDIANTES DE LA
CARRERA DE BIÓLOGO MARINO DE LA UABCS Y SU VINCULACIÓN CON EL
NIVEL MEDIO SUPERIOR DEL ESTADO DE BCS. XI Congreso Nacional de In
Departamento de Biología Marina, Univer sidad Autónoma de Baja California Sur.
Recuperado a partir de http://www.uanl.mx/eventos/xi-congreso-nacional-de-investigacion-
educativa.html
Lizasoain Hernández, L., & Joaristi Olariaga, L. (2000). El análisis de datos en la evaluación de
programas educativos. Revista de Investigación Educativa, 18(2), 357-379.
doi:10.6018/121041
Lizasoain, L., Joarasti, L., Santiago, C., Lukas, J. F., Moyano, N., Sedano, M., & Munárriz, B.
(2003). El uso de las Técnica de Segmentación en la evaluación del rendimiento en lenguas.
151
Un estudio en la comunidad autónoma vasca. Revista de Investigación Educativa, 21(1),
93-111. doi:10.6018/99101
Luis Lizasoain, & Luis Joaristi. (2012). Las nuevas tecnologías y la investigación educativa. El
análisis de datos de variables categoriales. revista española de pedagogia. Recuperado a
partir de http://revistadepedagogia.org/vol.-lxx-2012/n%C2%BA-251-enero-abril-2012/las-
nuevas-tecnologias-y-la-investigacion-educativa.-el-analisis-de-datos-de-variables-
categoriales.html
Martha Artunduaga. (2011, julio 28). Variables del rendimiento académico en la universidad.
Recuperado a partir de http://www.slideshare.net/1234509876/variables-del-rendimiento-
acadmico-universidad
Microsoft Word - PORTADA.doc - ucm-t27044.pdf. (s. f.). Recuperado a partir de
http://biblioteca.ucm.es/tesis/edu/ucm-t27044.pdf
Microsoft Word - PRE1178942492.doc - PRE1178942492.pdf. (s. f.). Recuperado a partir de
http://www.comie.org.mx/congreso/memoriaelectronica/v09/ponencias/at16/PRE11789424
92.pdf
Miguel casillas, Rague Chain, & Nancy Jácome. (2007). ORIGEN SOCIAL DE LOS
ESTUDIANTES Y TRAYECTORIAS ESTUDIANTILES EN LA UNIVERSIDAD
VERACRUZANA.
Montero Rojas, Villalobos Palma, Jeannette, & Valverde Bermúdez, Astrid. (2007, octubre 25).
Factores institucionales, pedagógicos, psicosociales y sociodemográficos asociados al
rendimiento académico en la Universidad de Costa Rica: un análisis multinivel.
Text.Article. Recuperado 30 de julio de 2013, a partir de
http://www.uv.es/RELIEVE/v13n2/RELIEVEv13n2_5.htm
152
Paola Marisol Reyes Guevara y Mario Rueda, & Mario Rueda Beltral. (2010). LOS PROCESOS
Y PRUEBAS DE ADMISIÓN A LA EDUCACIÓN SUPERIOR. Revista Iberoamericana
de Evalua ción Educativa. Recuperado a partir de http://www.rinace.net/riee/numeros/vol3-
num2/editorial.pdf
PODER EJECUTIVO FEDERAL. (2010). PLAN NACIONAL DE DESARROLLO 2001-2006.
Recuperado a partir de http://dgpp.sep.gob.mx/planeacion/pdf%20inf/PND.pdf
Ramírez, N. C., Revuelta, R. C., Morales, M. M., & Ávila, N. J. (2003). Examen de selección y
probabilidad de éxito escolar en estudios superiores. Estudio en una universidad pública
estatal mexicana. REDIE. Revista Electrónica de Investigación Educativa, 5(1).
Recuperado a partir de http://www.redalyc.org/resumen.oa?id=15505105
Resumen Factores asociados al rendimiento académico en estudiantes universitarios, una
reflexión desde la calidad de la educación superior pública. (s. f.). Recuperado 1 de agosto
de 2013, a partir de http://www.redalyc.org/resumen.oa?id=44031103
Rivera Figueroa, A., Guerrero Magaña, M. de L., Sepúlveda López, A., & de Alaizola
Arizmendi, I. (2006). La pertinencia del Examen único de ingreso al bachillerato. Perfiles
educativos, 28(111), 71-88.
Rodríguez Castro, M. P., & Gómez López, V. M. (2010). Indicadores al ingreso en la carrera de
medicina y su relación con el rendimiento académico. Revista de la educación superior,
39(153), 43-50.
Sánchez, A. M. P., & Costa, J. L. C. (1998). Un modelo casual-explicativo sobre la influencia de
las variables psicosociales en el rendimiento académico. Bordón. Revista de pedagogía,
50(2), 171-185.
Sylvia Schmelkes. (2003). EDUCACION SUPERIOR INTERCULTU RAL EL CASO DE
MEXICO. Conferencia dictada en el Encuentro Internac ional Intercambio de Experiencias
153
Educativas. Recuperado a partir de
http://www.armario.cl/3Apuntes/1Autores/1AUTORES_VARIOS/Autores_Silvia%20Sch
melkes.pdf
Ujat. (s. f.). XVI Verano de la Investigación Científica 2006. Univ. J. Autónoma de Tabasco.
Vargas, G. M. G. (2007). Factores asociados al rendimiento académico en estudiantes
universitarios, una reflexión desde la calidad de la educación superior pública. Educación,
31(1), 43-63.
Backhoff, E., Bouzas, A., Hernández, E. y García, M. (2007). Aprendizaje y desigualdad ocial
en México. Implicaciones de política educativa enel nivel básico. México: INEE
Pride, M. C. C. (2008). La transformación de las representaciones de género en la educación
superior. Revista Internacional de Ciencias Sociales y Humanidades, SOCIOTAM,
XVIII(1), 155-174.
Buquet Corleto, A. G. (2011). Transversalización de la perspectiva de género en la educación
superior: Problemas conceptuales y prácticos. Perfiles educativos, 33(SPE), 211-225.
154
ANEXOS I
ANEXO 1. Grafico 20.
Grafico 20. Árbol de clasificación variable dependiente aceptado no aceptado
Porcent
aje
Zona
Área
156
ANEXO 2. Grafico 21.
Gráfico.21 árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 3. Grafico 23.
Trayectoria escolar
Capital cultural
Zona, STM, Género, AREA
157
Gráfico.23. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 4. Grafico 24.
158
Gráfico.24. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 5. Grafico 25.
159
Gráfico.25. Árbol de clasificación variable dependiente porcentajes de aciertos
. ANEXO 5. Grafico 27.
160
Gráfico.27. Árbol de clasificación variable dependiente porcentajes de aciertos
161
ANEXO 7. Grafico 28.
Gráfico.28. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 8. Grafico 29.
162
Gráfico.29. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 9. Grafico 31.
163
Gráfico.31. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 10. Grafico .32.
164
Gráfico.32. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 11. Grafico .33.
165
Gráfico.33. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 12. Grafico .34.
166
Gráfico.34. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 13. Grafico .35.
167
Gráfico.35. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 14. Grafico .36.
168
Gráfico.36. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 15. Grafico .37.
169
Gráfico.37. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 16. Grafico .38.
170
Gráfico.38. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 17. Grafico .39.
171
Gráfico.39. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 18. Grafico .41.
172
Gráfico.41. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 19. Grafico .42.
173
Gráfico.42. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 20. Grafico .43.
174
Gráfico.43. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 21. Grafico .44.
175
Gráfico.44. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 22. Grafico .45.
176
Gráfico.45. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 23. Grafico .47.
177
Gráfico.47. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 24. Grafico .48.
178
Gráfico.48. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 25. Grafico .49.
179
Gráfico.49. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 26. Grafico .51.
180
Gráfico.51. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 27. Grafico .52.
181
Gráfico.52. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 28. Grafico .53.
182
Gráfico.53. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 29. Grafico .54.
183
Gráfico.54. Árbol de clasificación variable dependiente aceptado no aceptado
184
ANEXO 30. Grafico .55.
Gráfico.55. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 31. Grafico .56.
185
Gráfico.56. Árbol de clasificación variable dependiente aceptado no aceptado
ANEXO 32. Grafico .57.
186
Gráfico.57. Árbol de clasificación variable dependiente porcentajes de aciertos
ANEXO 33. Grafico .58.
187
Gráfico.58. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 34. Grafico .59.
188
Gráfico.59. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 35. Grafico .60.
189
Gráfico 60. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 36. Grafico .61.
190
Gráfico 61. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 37. Grafico .62.
191
Gráfico 62. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 38. Grafico .63.
192
Gráfico 63. Árbol de clasificación variable dependiente Trayectoria escolar
193
ANEXO 39. Grafico .64.
Gráfico 64. Árbol de clasificación variable dependiente Trayectoria escolar
194
ANEXO 40. Grafico .65.
Gráfico 65. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 41. Grafico .66.
195
Gráfico 66. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 42. Grafico .67.
196
Gráfico 67. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 43. Grafico .67. Se muestra la salida del programa en hipervínculo 67
197
Gráfico 67. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 44. Grafico 70.
198
Gráfico 70. Árbol de clasificación variable dependiente Trayectoria escolar
ANEXO 45. Grafico 71.
199
Gráfico 71. Árbol de clasificación variable dependiente Trayectoria escolar
200
ANEXO: II
201
Resultados del análisis con el programa TLC TAID
General Chaid
Grafico # árbol de decisión con la variable dependiente aceptado no aceptado
La siguiente figura es árbol de decisión resultado de la técnica CHAID en el programa TAID-LCA tomando como variable
dependiente (ATD) donde observamos que el mejor predictor para ser aceptado o no aceptado es el capital cultural, el
cual se encuentra segmentado por el sistema de bachillerato cursado, los aspirantes que hayan cursado un sistema
general presenten un capital cultural muy alto tienen una probabilidad de aceptación del 71.17% a aquellos que presentan
un capital económico alto, y han cursado el bachillerato en los sistemas privado, técnico/tecnológico. Telebachillerato y
educación para adultos (IVEA) y presentan un capital cultural alto, tienen una probabilidad de aceptación del 63.7%. Los
aspirantes que hayan cursado los mismos sistemas de bachillerato y presentan un capital económico medio, bajo y muy
bajo tiene un probabilidad de aceptación de 50.9% Los aspirantes que presenten un capital cultural muy bajo y hayan
202
curado los sistemas de bachillerato privados, tecnológico, educación para adultos. Presentan una probabilidad de no ser
aceptados de 78%
General TAID
Grafico # árbol de clasificación con la variable dependiente aceptado no aceptado
La siguiente figura es árbol de decisión resultado de la técnica TAID en el programa TAID-LCA tomando como variable
dependiente (ATD) donde observamos que el mejor predictor para ser aceptado o no ser aceptado es el capital cultural
en un segundo nivel la variable predictoras es la carreras solicitada los aspirantes que presenten un capital cultural muy
alto y soliciten para las carreras de ingeniería civil e ingeniería ambiental presentaran una probabilidad de no aceptación
del 51%, los aspirantes que presentaran la probabilidad más alta de aceptación será aquellos que presenten un capital
cultural muy alto y soliciten para la carreras ciencia atmosféricas e ingeniería civil, hayan cursado el sistema de
203
bachillerato, el nodo 15 y 16 encontramos diferencias por el sistema de bachillerato cursado donde los que cursaron un
sistema de bachillerato general presentan una probabilidad de aceptación de 76.2% mientras que los que cursaron un
sistema privado y telesecundaria presentan una probabilidad de aceptación del 64.1%.
204
Aceptados CHAID
Grafico # árbol de clasificación con la variable dependiente porcentaje de aciertos.
La siguiente figura es árbol de decisión resultado de la técnica CHAID en el programa TAID-LCA solo de los aspirantes
que fueron aceptados tomando como variable dependiente el porcentaje de aciertos en la prueba EXANI-II donde el
mejor predictor resulta ser la carrera solicitada las cuales se encuentran segmentadas por las diferentes carreras
existentes la carrera ingeniería en alimentos presenta una probabilidad de que el aspirantes solicitante obtenga un
porcentaje de acierto muy alto es de 53.3%. La carrera ciencias atmosféricas es donde los aspirantes con menor
porcentaje de aciertos en la prueba son aceptados,
Aceptados TAID
205
Grafico # árbol de clasificación con la variable dependiente aceptado no aceptado
La siguiente figura es árbol de decisión resultado de la técnica TAID en el programa TAID-LCA solo de los aspirantes que
fueron aceptados tomando como variable dependiente el porcentaje de aciertos en la prueba EXANI-II donde el mejor
predictor resulta ser la carrera seleccionada segmentados por el sistema de bachillerato, capital cultural y capital
económico, los aspirantes que solicitaron para las licenciatura de arquitectura e instrumentación electrónica presentan un
capital cultural muy bajo, medio y muy alto hayan cursado un sistema de bachillerato abierto federal y educación para
adultos (IVEA) tienen una probabilidad del 100% de ser aceptados los aspirantes que solicitan para las licenciatura
206
ciencias atmosféricas, e ingeniería en alimentos presentan una probabilidad de ser aceptados con un porcentaje muy
bajo de aciertos en el examen de 0.13%
Poda
207
No aceptados CHAID
Grafico # árbol de clasificación con la variable dependiente aceptado no aceptado
Grafico # árbol de clasificación con la variable dependiente porcentaje de aciertos.
En el grafico # se aprecia los aspirantes que no fueron aceptados en el área técnica para la zona Xalapa donde el mejor
predictor es la carrera solicitada los aspirantes que soliciten para las carrera ingeniería en alimentos serán los que
presente los menores puntajes de aciertos en a prueba EXANI-II los aspirantes que soliciten para la carrera matemática e
ingeniería mecánica eléctrica hayan cursado un sistema general,. Privado, técnico y abierto presenten un capital cultural
muy alto serán los que obtengan los puntajes de aciertos más altos con respecto a los que fueron rechazados
208
No aceptados TAID
Grafico # árbol de clasificación con la variable dependiente aceptado no aceptado
209