Rendimiento académico en el bachillerato tecnológico: análisis descriptivo y correlacional por programa técnico y asignatura
Barra lateral del artículo
Contenido principal del artículo
Resumen
Este estudio analiza el rendimiento académico de 256 estudiantes de tercer semestre de un plantel público de bachillerato tecnológico en Durango, México, durante el periodo agosto 2025-febrero 2026. Mediante un diseño cuantitativo no experimental, descriptivo-correlacional y de corte transversal, se examinaron las calificaciones finales en seis asignaturas y el promedio final del semestre, organizados en función de cinco carreras técnicas. El análisis descriptivo incluyó tablas de distribución de frecuencias agrupadas en cinco niveles de rendimiento, histogramas para visualizar la forma de la distribución, y medidas de tendencia central y dispersión. El análisis inferencial comprendió la prueba de Kolmogórov-Smirnov con corrección de Lilliefors para verificar el supuesto de normalidad, la prueba de Kruskal-Wallis para comparar el rendimiento entre programas, comparaciones post hoc con Mann-Whitney U y corrección de Bonferroni, y correlaciones de Spearman entre asignaturas y promedio final con intervalos de confianza al 95%. Los resultados evidencian diferencias significativas entre programas [H(4)= 104.29, p < .001, η² = .40], con la carrera de Administración de Recursos Humanos distinguiéndose significativamente de todas las demás. Las correlaciones de Spearman fueron fuertes y significativas en todas las asignaturas (ρ entre .804 y .925), con patrones diferenciados por carrera. Se discuten las implicaciones pedagógicas e institucionales de los hallazgos.
Detalles del artículo
Número
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Cómo citar
Referencias
Barrera, L. F., Sotelo, M. A., Barrera, R. A., & Aceves, J. (2019). Bienestar psicológico y rendimiento académico en estudiantes universitarios. Enseñanza e Investigación en Psicología, 1(2), 244-251. https://doi.org/https://doi.org/10.62364/yq42v268
Barreto, F. J., y Álvarez, J. (2017). Clima escolar y rendimiento académico en estudiantes de preparatoria. Daena: International Journal of Good Conscience., 2(12), 31-44.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2.ª ed ed.). Lawrence Erlbaum Associates.
Edel, R. (2003). El rendimiento académico: concepto, investigación y desarrollo. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 1(2), 1-15.
Evans, J. D. (1996). Straightforward statistics for the behavioral sciences. Brooks/Cole Publishing.
Field, A. (2013). Discovering statistics using IBM SPSS Statistics (4.ª ed. ed.). SAGE Publications.
Garbanzo, G. M. (2013). Factores asociados al rendimiento académico en estudiantes universitarios desde el nivel socioeconómico: Un estudio en la Universidad de Costa Rica. Revista Electrónica Educare, 17(3), 57-87. https://doi.org/http://doi.org/10.15359/ree.17-3.4
Hernández, R., Fernández, C., y Baptista, M. d. (2014). Metodología de la Investigación (6a ed.). McGraw-Hill.
Ibarra, E., Ibarra, E., y Sánchez, Y. L. (2024). Cansancio emocional y rendimiento académico en estudiantes universitarios durante el retorno a clases presenciales. IE Revista de Investigación Educativa de la REDIECH, 15, 1-16. https://doi.org/https://doi.org/ie_rie_rediech.v15i0.1979
Lilliefors, H. W. (1967). On the Kolmogorov-Smirnov test for normality with mean and variance unknown. Journal of the American Statistical Association, 62(318), 399-402. https://doi.org/https://doi.org/10.2307/2283970
Mello, J. D., y Hernández, A. (2019). Un estudio sobre el rendimiento académico en Matemáticas. Revista Electrónica de Investigación Educativa, 21(e29), 1-10. https://doi.org/https://doi.org/10.24320/redie.2019.21.e29.2090
Morales, M. A. (2009). Manual de usuario del Sistema de Servicios Escolares de la Educación Media Superior. Secretaría de Educación Pública [SEP].
Pérez, F., y Villarruel, M. (2016). Desigualdad en el acceso educativo en México: Un estudio con sujetos egresados de un bachillerato tecnológico de alto desempeño. Revista Electrónica Educare, 20(3), 1-22. https://doi.org/http://dx.doi.org/10.15359/ree.20-3.21
Salazar, C., y Del Castillo, S. (2018). Fundamentos Básicos de Estadística. Del Castillo Galarza.
Secretaría de Educación Pública. (2025). Modelo educativo 2025: Marco curricular común de la educación media superior. Subsecretaría de Educación Media Superior.
Siegel, S., y Castellan, N. J. (1995). Estadística no paramétrica, aplicada a las ciencias de la conducta ( 4.ª ed. ed.). Trillas.
Soto, J. (2020). Descriptive statistics (II): Measures of central tendency and dispersion / Estadística descriptiva (II): Medidas de tendencia central y de dispersión. Red de Investigación en Salud en el Trabajo, 3(5), 73-83. https://rist.zaragoza.unam.mx/index.php/rist/article/view/263
Tomczak, M., y Tomczak, E. (2014). The need to report effect size estimates revisited. An overview of some recommended measures of effect size. Trends in Sport Sciences, 1(21), 19-25.
Triola, M. F. (2004). Estadística. Novena Edición. Pearson Educación.
Velázquez, Y., y González, M. A. (2017). Factores asociados a la permanencia de estudiantes universitarios: caso UAMM-UAT. Revista de la Educación Superior, 46(184), 117-138. https://doi.org/https://doi.org/10.1016/j.resu.2017.11.003
Vivas, A. D., y Doria, A. (2024). Plataforma Moodle y su influencia en el rendimiento académico de los estudiantes de educación. Revista Aula Virtual, 5(11), 227-242.