A study of socio-economic factors associated with performance in the Saber 11 exam in Colombia
Keywords:
High schools, social inequality, entrance examination, examination standardsAbstract
In Colombia, the overall score of the Saber 11 test is considered a proxy for a student's possibility of accessing quality higher education and opportunities for social mobility. The question addressed is whether obtaining high scores depends mainly on each student or if there are socio-economic factors that determine certain scores. To do this, socio-economic information was collected from senior students who took the Saber 11 test between the years 2016-2020. It was found that low scores were clearly associated with the absence of educational resources and a low educational level of the parents, while high scores were systematically associated with high indices of family life.
Downloads
References
Bernal, L. K. A.-G., & Bernal, G. (2016). Brechas de género en el rendimiento escolar a lo largo de la distribución de puntajes: Evidencia pruebas Saber 11. Universidad Javeriana-Bogotá. https://ideas.repec.org/p/col/000416/015301.html
Bonilla-Mejía, L. (2014). Doble jornada escolar y calidad de la educación en Colombia. Capítulo 1. Doble jornada escolar y calidad de la educación en Colombia. Pág.: 3-56. https://repositorio.banrep.gov.co/handle/20.500.12134/6705
Castillo, A. D., & Rodríguez, J. G. O. (2013). Pruebas ICFES Saber 11 y su relación con el desempeño académico en estudiantes de primer semestre de psicología. Cuadernos hispanoamericanos de psicología, 13(1), 26-35. https://doi.org/10.18270/chps..v13i1.1355
Costa, P. S., Santos, N. C., Cunha, P., Cotter, J., & Sousa, N. (2013). The use of multiple correspondence analysis to explore associations between categories of qualitative variables in healthy ageing. Journal of aging research, 2013. https://doi.org/10.1155/2013/302163
Cuenca, A. (2016). Desigualdad de oportunidades en Colombia: Impacto del origen social sobre el desempeño académico y los ingresos de graduados universitarios. Estudios pedagógicos (Valdivia), 42(2), 69-93. http://dx.doi.org/10.4067/S0718-07052016000200005
Díaz, L. P. A., Carvajal, R. R., & da Costa, U. (2020). Análisis de la relación entre el resultado de lectura crítica en las pruebas Saber 11, el promedio académico y el desempeño en tareas de atención y memoria en estudiantes universitarios. Revista Temas: Departamento de Humanidades Universidad Santo Tomás Bucaramanga, 14, 99-108. https://doi.org/10.15332/rt.v0i14.2461
Echavarría, J. J. (2018). La calidad de vida en el sector agropecuario colombiano: Una mirada a la población rural. Capítulo 3. La calidad de vida en el sector agropecuario colombiano: una mirada a la población rural. Pág.: 73-91. https://repositorio.banrep.gov.co/handle/20.500.12134/9645
Gabalán-Coello, J., & Vásquez-Rizo, F. E. (2016). SABER 11 y rendimiento universitario: Un análisis del progreso en el plan de estudios. Ciencia, docencia y tecnología, 53, 135-161. http://ref.scielo.org/cgkk3p
Greenacre, M. (2005). From correspondence analysis to multiple and joint correspondence analysis. Available at SSRN 847664. https://dx.doi.org/10.2139/ssrn.847664
Hall, M. (1999). Correlation-based Feature Selection for Machine Learning. University of Waikato. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.444.2856&rep=rep1&type=pdf
Lin, M., Lucas, H., & Shmueli, G. (2013). Too Big to Fail: Large Samples and thep-Value Problem. Information Systems Research, Articles in Advance, 1-12. doi: 10.1287/isre.2013.0480
Lopes de Oliveira, T., Oliveira, R. V. C. de, Griep, R. H., Moreno, A. B., Almeida, M. da C. C. de, Almquist, Y. B., & Fonseca, M. de J. M. da. (2021). Brazilian Longitudinal Study of Adult Health (ELSA-Brasil) participant’s profile regarding self-rated health: A multiple correspondence analysis. BMC Public Health, 21(1), 1-9. https://doi.org/10.1186/s12889-021-11760-2
López, D. E. T., Blanquicett, E. J. G., Ramos, M. C. M., Tovar, A. C. M., & Morinson, M. L. V. (2022). Actividades Complementarias-Extraescolares y el aprendizaje en Estudiantes de Básica Primaria: Un Estudio con Análisis en Correspondencias Múltiples: Impact of Supplementary and Extracurricular Activities to Students Learning of Primary Basic: A Study with Multiple Correspondence Analysis. STUDIES IN ENGINEERING AND EXACT SCIENCES, 3(1), 137-155. https://doi.org/10.54018/seesv3n1-013
Meisel Roca, A. (2019). ¿Atrapados en la periferia? Brechas de calidad en la educación en Colombia: Pruebas Saber 11 (2000-2018). Universidad del Norte. https://EconPapers.repec.org/RePEc:col:000383:018078
Ogunsakin, R. E., Moyo, S., Olugbara, O., & Israel, C. (2021). Relating student engagement indicators to academic performance using multiple correspondence analysis. Cybernetics and Information Technologies, 21(1), 87-102. https://doi.org/10.2478/cait-2021-0007
Oyola, J., & Echeverri, H. (2021). Análisis comparativo de las políticas de admisión de la Universidad de Córdoba: Un caso de estudio en el programa de Ingeniería Industrial en el semestre 2019-I. Revista Aglala, 12(1). https://revistas.curn.edu.co/index.php/aglala/article/view/1824
Peña, Y., & González, J. (2022). Modelo de predicción de los resultados de la prueba icfes saber 11 en el área de matemáticas a partir de variables socioeconómicas. Studies in Engineering and Exact Sciences, 3(1), 31-37. https://doi.org/10.54021/seesv3n1-006
Pereira, R. T., Caicedo, X., & Troya, A. H. (2019). Árboles de decisión para predecir factores asociados al desempeño académico de estudiantes de bachillerato en las pruebas Saber 11. Revista de Investigación Desarrollo e Innovación: RIDI, 9(2), 12. Doi: 10.19053/20278306.v9.n2.2019.9184
Pereira, R. T., Troya, A. H., & Caicedo, X. (2020). Factores asociados al desempeño académico en Lectura Crítica en las pruebas Saber 11 con árboles de decisión. Investigación e Innovación en Ingenierías, 8(3), 29-37. https://doi.org/10.17081/ invinno.8.3.4701
Quintero, O. L. L., & Vélez, D. H. (2016). Un estudio de las brechas municipales en calidad educativa en Colombia: 2000-2012. Ensayos sobre política económica, 34(79), 3-20. https://doi.org/10.1016/j.espe.2016.01.001
Ricardo Benitez, W. V., Tunjo Prada, C. J., & Soto Ortiz, L. P. (2020). Prevención frente a los factores escolares asociados a la deserción escolar. Universidad El Bosque. http://hdl.handle.net/20.500.12495/4047
Singh, S. (2003). Simple Random Sampling. En S. Singh (Ed.), Advanced Sampling Theory with Applications: How Michael ‘ selected’ Amy Volume I (pp. 71-136). Springer Netherlands. https://doi.org/10.1007/978-94-007-0789-4_2
Vargas, V., & Ardila, L. (s. f.). Predicción del desempeño en las pruebas Saber 11 utilizando variables del contexto socio-económico de los aplicantes mediante un análisis estadístico con técnicas de machine learning. ICFES. https://www.icfes.gov.co/documents/20143/2157860/04+Policy+Brief+Vladimir+Vargas+y+Leonel+Ardila.pdf
Varvarigos, D. (2020). Cultural transmission, education-promoting attitudes, and economic development. Review of Economic Dynamics, 37, 173-194. https://doi.org/10.1016/j.red.2019.11.005
