Academic Performance in Technological High School: Descriptive and Correlational Analysis by Technical Program and Subject
Article Sidebar
Main Article Content
Abstract
This study analyzes the academic performance of 256 third-semester students at a public technological high school in Durango, México, during the August 2025- February 2026 academic period. Using a quantitative, non-experimental, descriptive-correlational, cross-sectional design, final grades from six subjects and the semester GPA were examined across five technical programs. Descriptive analysis included grouped frequency distribution tables whit five performance levels, frequency histograms, and measures of central tendency and dispersion. Inferential analysis comprised the Kolmogorov-Smirnov test whit Lilliefors correction to verify normality, Kruskal-Wallis to compare performance across programs, post hoc Mann-Whitney U comparisons whit Bonferroni correction, and Spearman correlations between subjects and GPA whit 95% confidence intervals. Results show significant differences among programs [H(4)= 104.29, p < .001, η² = .40], whit the Human Resources Administration program deferring significantly from all others. Spearman correlations were strong and significant across all subjects (ρ between .804 and .925), with differentiated patterns by program. Pedagogical and institutional implications are discussed.
Article Details
Issue
Section
This work is licensed under a Creative Commons Attribution 4.0 International License.
How to Cite
References
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.