Icfes Instituto Colombiano para la Evaluación de la Educación - … · 2018-09-21 · TÉRMINOS Y...

ESTUDIOS

Análisis de las diferencias de género en el desempeño

de estudiantes colombianos en matemáticas y lenguaje

Presidente de la RepúblicaJuan Manuel Santos Calderón

Ministra de Educación NacionalMaría Fernanda Campo Saavedra

Viceministra de Educación Preescolar, Básica y MediaRoxana Segovia de Cabrales

Directora GeneralMargarita Peña Borrero

Secretaria GeneralGioconda Piña Elles

Jefe Oficina Asesora de Comunicaciones y MercadeoAna María Uribe González

Director de EvaluaciónJulián Patricio Mariño von Hildebrand

Director de Producción y OperacionesFrancisco Ernesto Reyes Jiménez

Director de TecnologíaAdolfo Serrano Martínez

Subdirectora de Análisis y DivulgaciónMaria Isabel Fernandes Cristóvão

Elaboración del documentoBlanca Lilia Caro AceroAndrés Fernando Casas M.

Revisión de estiloFernando Carretero Socha

DiagramaciónNancy Alejandra Guzmán Escobar

ISBN de la versión electrónica: 978-958-11-0598-4

Bogotá, D.C., marzo de 2013

Advertencia

Con el fin de evitar la sobrecarga gráfica que supondría utilizar en español “o/a” para denotar uno u otro género, el ICFES opta por emplear el masculino genérico en el que todas las menciones de este se refieren siempre a hombres y mujeres.

ICFES. 2013. Todos los derechos de autor reservados ©.

Todo el contenido es propiedad exclusiva y reservada del ICFES y es el resultado de investigaciones y obras protegidas por la legislación nacional e internacional. No se autoriza su reproducción, utilización ni explotación a ningún tercero. Solo se autoriza su uso para fines exclusivamente académicos. Esta información no podrá ser alterada, modificada o enmendada.

TÉRMINOS Y CONDICIONES DE USO PARA PUBLICACIONES Y OBRAS DE PROPIEDAD DEL ICFES

El Instituto Colombiano para la Evaluación de la Educación (ICFES) pone a la disposición de la comunidad educativa y del público en general, DE FORMA GRATUITA Y LIBRE DE CUALQUIER CARGO, un conjunto publicaciones a través de su portal www.icfes.gov.co. Dichos materiales y documentos están normados por la presente política y están protegidos por derechos de propiedad intelectual y derechos de autor a favor del ICFES. Si tiene conocimiento de alguna utilización contraria a lo establecido en estas condiciones de uso, por favor infórmenos al correo [email protected]. Queda prohibido el uso o publicación total o parcial de este material con fines de lucro. Únicamente está autorizado su uso para fines académicos e investigativos. Ninguna persona, natural o jurídica, nacional o internacional, podrá vender, distribuir, alquilar, reproducir, transformar (*), promocionar o realizar acción alguna de la cual se lucre directa o indirectamente con este material. Esta publicación cuenta con el registro ISBN (International Standard Book Number, o Número Normalizado Internacional para Libros) que facilita la identificación no sólo de cada título, sino de la autoría, la edición, el editor y el país en donde se edita. En todo caso, cuando se haga uso parcial o total de los contenidos de esta publicación del ICFES, el usuario deberá consignar o hacer referencia a los créditos institucionales del ICFES respetando los derechos de cita; es decir, se podrán utilizar con los fines aquí previstos transcribiendo los pasajes necesarios, citando siempre la fuente de autor ) lo anterior siempre que estos no sean tantos y seguidos que razonadamente puedan considerarse como una reproducción simulada y sustancial, que redunde en perjuicio del ICFES. Asimismo, los logotipos institucionales son marcas registradas y de propiedad exclusiva del Instituto Colombiano para la Evaluación de la Educación (ICFES). Por tanto, los terceros no podrán usar las marcas de propiedad del ICFES con signos idénticos o similares respecto de cualesquiera productos o servicios prestados por esta entidad, cuando su uso pueda causar confusión. En todo caso queda prohibido su uso sin previa autorización expresa del ICFES. La infracción de estos derechos se perseguirá civil y, en su caso, penalmente, de acuerdo con las leyes nacionales y tratados internacionales aplicables. El ICFES realizará cambios o revisiones periódicas a los presentes términos de uso, y los actualizará en esta publicación. El ICFES adelantará las acciones legales pertinentes por cualquier violación a estas políticas y condiciones de uso.

* La transformación es la modificación de la obra a través de la creación de adaptaciones, traducciones, compilaciones, actualizaciones, revisiones, y, en general, cualquier modificación que de la obra se pueda realizar, generando que la nueva obra resultante se constituya en una obra derivada protegida por el derecho de autor, con la única diferencia respecto de las obras originales que aquellas requieren para su realización de la autorización expresa del autor o propietario para adaptar, traducir, compilar, etcétera. En este caso, el ICFES prohíbe la transformación de esta publicación.

Análisis de las diferencias de género en el desempeño de estudiantes colombianos

en matemáticas y lenguaje

ESTUDIOS

3Análisis de las diferencias de género en el desempeño de estudiantes colombianos


ESTUDIOS

Contenido

Introducción.........................................................................................................................................10

1. Revisión bibliográfica sobre las diferencias de género en desempeño académico ..............................................................................................................................16

1.1. Diferencias de género en el desempeño en matemáticas ..............................................181.1.1 Determinantes biológicos y cognitivos ...............................................................................181.1.2 Determinantes psicosociales ............................................................................................... 20 1.1.3 Determinantes contextuales ................................................................................................ 33 1.1.4 Aspectos psicométricos relacionados con la equidad de género en la evaluación ... 42

1.2. Diferencias de género en el desempeño en lenguaje ..................................................... 471.3. Estudios sobre la magnitud y el patrón de comportamiento de las diferencias de género en desempeño académico ............................................................................... 49

2. Magnitud y variación de las diferencias de género en matemáticas y lenguaje, en pruebas internacionales y nacionales ................................................ 53

2.1. PISA 2006 y 2009. Diferencias de género en lectura y matemáticas ............................ 55 2.1.1. Diferencias de género en lectura ........................................................................................ 562.1.2. Diferencias de género en matemáticas ............................................................................. 592.1.3. Razones de las varianzas de los puntajes por género ................................................... 62

2.2. TIMSS 1995 y 2007. Diferencias de género en matemáticas ......................................... 64 2.2.1. Resultados generales, 1995 y 2007 .................................................................................... 642.2.2. Diferenciastipificadasdegénero,1995y2007................................................................ 65 2.2.3. Razones de las varianzas de los puntajes por género, 1995 y 2007 ............................ 66

2.3. SABER 5o. y 9o. 2009. Diferencias de género en matemáticas y lenguaje ............... 662.3.1. Diferenciastipificadasenmatemáticas.............................................................................. 662.3.2. Diferenciastipificadasenlenguaje..................................................................................... 682.3.3. Razones de las varianzas de los puntajes por género .................................................... 70

2.4. SABER 11o. 2005 - 2009. Diferencias de género en matemáticas y lenguaje ............. 72 2.4.1. Diferenciastipificadasenmatemáticas.............................................................................. 722.4.2. Diferenciastipificadasenlenguaje..................................................................................... 892.4.3. Razones de varianza ...........................................................................................................103

4

2.5. SABER 11o. 2009. Heterogeneidad y variables moderadoras de la brecha de género en matemáticas en los departamentos .............................................................. 1052.6. Resumen y conclusiones ................................................................................................... 108

3. Análisis jerárquico de los factores que afectan la brecha de género ................ 111

3.1. Factores que afectan las diferencias en matemáticas. Colombia, TIMSS 2007 ...... 1113.1.1. Modelo estadístico .............................................................................................................. 1113.1.2. Información descriptiva ...................................................................................................... 1143.1.3. Análisis multinivel ................................................................................................................ 116

3.2. Factores que afectan las diferencias en lectura. Colombia, PISA 2009..................... 1193.2.1. Información descriptiva ...................................................................................................... 1203.2.2. Análisis multinivel ................................................................................................................ 121

3.3. Resumen y conclusiones ................................................................................................... 125



ESTUDIOS

Referencias

Anexos

1. Cuadros de resultados total y por género en PISA 2006 y 2009 y TIMSS 1995 y 2007............................................................................................................1342. Tamaños de efecto de la diferencia a favor de los hombres en matemáticas y lenguaje de grado 11o. en los departamentos. 2005-2009 ....................................... 1473. Indicadores utilizados como variables independientes en el análisis de moderación. Matemáticas SABER 11o. 2009. ...............................................................1504. Análisis jerárquico de factores que afectan la brecha de género en matemáticas en Colombia, a partir de la información de TIMSS 2007. Construcción de índices.......................................................................................................157

Índice de gráficos

Gráfico 1. Tasas de deserción por género y grado. Total nacional, 2008 ............................ 13Gráfico 2. Escolaridad promedio de jóvenes entre 15 y 24 años. Total nacional. 1993 y 2008 ................................................................................................................. 13Gráfico 3. Diferencias en el desempeño por género según diferentes objetivos de las pruebas ............................................................................................................ 23Gráfico 4. Relación entre la brecha de género en matemáticas y el GGGI .......................... 38Gráfico 5. Diferencias por género en la totalidad de los ítems de las pruebas de 1996 y 1997, según su ubicación en las 9 categorías de la tabla 3 ............. 46Gráfico 6. Lectura.PISA2006.Diferenciatipificadadegéneroafavordelasniñas.......... 58Gráfico 7. Lectura.PISA2009.Diferenciatipificadadegéneroafavordelasniñas........ 58Gráfico 8. Lectura.PISA2006-2009.Variacióndeladiferenciatipificadaafavor de las niñas ................................................................................................................. 59Gráfico 9. Matemáticas.PISA2006.Diferenciatipificadadegénero................................... 61Gráfico 10. Matemáticas.PISA2009.Diferenciatipificadadegénero................................... 61Gráfico 11. Matemáticas.PISA2006-2009.Variacióndeladiferenciatipificada de género .................................................................................................................... 62Gráfico 12. Lectura. PISA 2006-2009. Razón de varianza de los puntajes de hombres/mujeres ................................................................................................. 63Gráfico 13. Matemáticas. PISA 2006-2009. Razón de varianza de los puntajes hombres/mujeres ....................................................................................................... 63Gráfico 14. Matemáticas.TIMSS1995-2007.Variacióndeladiferenciatipificada de género .................................................................................................................... 65Gráfico 15. Matemáticas. TIMSS 1995-2007. Razón de varianza de los puntajes de hombres/mujeres ................................................................................................. 66

6

Gráfico 16. SABER5o.y9o.2009.Diferenciastipificadasenlaprueba de matemáticas por tipo de colegio ........................................................................ 67Gráfico 17. SABER5o.y9o.2009.Diferenciastipificadasenlaprueba de matemáticas por nivel socioeconómico ........................................................... 67Gráfico 18. SABER5o.y9o.2009.Diferenciastipificadasenlaprueba de matemáticas por municipio ................................................................................. 68Gráfico 19. SABER5o.y9o.2009.Diferenciastipificadasenlaprueba de lenguaje por tipo de colegio ............................................................................... 69Gráfico 20. SABER5o.y9o.2009.Diferenciastipificadasenlaprueba de lenguaje por nivel socioeconómico ................................................................... 69Gráfico 21. SABER5o.y9o.2009.Diferenciastipificadasenlaprueba de lenguaje por ciudad ............................................................................................. 70Gráfico 22. Matemáticas. SABER 5o. y 9o. 2009. Razón de la varianza de los puntajes de hombres/mujeres ................................................................................. 71Gráfico 23. Lenguaje. SABER 5o. y 9o. 2009. Razón de la varianza de los puntajes de hombres/mujeres ................................................................................................. 71Gráfico 24. Matemáticas. Grado 11o. Total nacional ................................................................. 72Gráfico 25. Matemáticas.Grado11o.Totaloficialurbano....................................................... 73Gráfico 26. Matemáticas.Grado11o.Totaloficialrural............................................................. 73Gráfico 27. Matemáticas.Grado11o.Totalnooficial................................................................ 74Gráfico 28. Matemáticas. Grado 11o. Capitales ........................................................................ 74Gráfico 29. Matemáticas. Resto de los departamentos ............................................................ 75Gráfico 30. SABER11o.Diferenciastipificadasenmatemáticas a nivel departamental ................................................................................................ 75Gráfico 31. Matemáticas. Atlántico .............................................................................................. 76Gráfico 32. Matemáticas. Bolívar .................................................................................................. 77 Gráfico 33. Matemáticas. Córdoba .............................................................................................. 77Gráfico 34. Matemáticas. Magdalena .......................................................................................... 77Gráfico 35. Matemáticas. Sucre .................................................................................................... 78Gráfico 36. Matemáticas. Cauca ................................................................................................... 78Gráfico 37. Matemáticas. Antioquia ............................................................................................. 79Gráfico 38. Matemáticas. Caldas................................................................................................... 79Gráfico 39. Matemáticas. Cundinamarca .................................................................................... 79Gráfico 40. Matemáticas. Meta ..................................................................................................... 80Gráfico 41. Matemáticas. Norte de Santander ........................................................................... 80Gráfico 42. Matemáticas. Risaralda ............................................................................................. 80Gráfico 43. Matemáticas. Tolima ................................................................................................... 81Gráfico 44. Matemáticas. Arauca .................................................................................................. 81Gráfico 45. Matemáticas. Bogotá, D. C. ...................................................................................... 82 Gráfico 46. Matemáticas. Boyacá ................................................................................................. 82 Gráfico 47. Matemáticas. Huila ..................................................................................................... 82



ESTUDIOS

Gráfico 48. Matemáticas. Quindío ................................................................................................ 83Gráfico 49. Matemáticas. Santander ........................................................................................... 83Gráfico 50. Matemáticas. Valle del Cauca ................................................................................... 84 Gráfico 51. Matemáticas. Nariño .................................................................................................. 84Gráfico 52. Matemáticas. Casanare ............................................................................................. 84Gráfico 53. Matemáticas. La Guajira ............................................................................................ 85 Gráfico 54. Matemáticas. Cesar ................................................................................................... 85Gráfico 55. Matemáticas. Caquetá ............................................................................................... 86Gráfico 56. Matemáticas. Chocó .................................................................................................. 86Gráfico 57. Matemáticas. Amazonas ........................................................................................... 86Gráfico 58. Matemáticas. Guaviare .............................................................................................. 87Gráfico 59. Matemáticas. Guainía ................................................................................................ 87Gráfico 60. Matemáticas. Putumayo ............................................................................................ 87Gráfico 61. Matemáticas. San Andrés ......................................................................................... 88Gráfico 62. Matemáticas. Vaupés ................................................................................................. 88Gráfico 63. Matemáticas. Vichada ............................................................................................... 88Gráfico 64. Lenguaje. Grado 11o. Total nacional ...................................................................... 89Gráfico 65. Lenguaje.Grado11o.Totaloficialurbano.............................................................. 90Gráfico 66. Lenguaje.Grado11o.Totaloficialrural................................................................... 90Gráfico 67. Lenguaje.Grado11o.Totalnooficial..................................................................... 90Gráfico 68. Lenguaje. Grado 11o. Capitales .............................................................................. 91Gráfico 69. Lenguaje. Grado 11o. Resto de los departamentos ............................................ 91Gráfico 70. Lenguaje. Grado 11o. Magnitudes de las diferencias en los departamentos. 2005-2009. .......................................................................... 92Gráfico 71. Lenguaje. Bogotá, D. C. ............................................................................................ 93Gráfico 72. Lenguaje. Boyacá ....................................................................................................... 93Gráfico 73. Lenguaje. Cundinamarca .......................................................................................... 93Gráfico 74. Lenguaje. Caquetá ..................................................................................................... 94Gráfico 75. Lenguaje. Meta ........................................................................................................... 94Gráfico 76. Lenguaje. Santander .................................................................................................. 94Gráfico 77. Lenguaje. Caldas ........................................................................................................ 95Gráfico 78. Lenguaje. Casanare ................................................................................................... 95Gráfico 79. Lenguaje. Huila ........................................................................................................... 95Gráfico 80. Lenguaje. Norte de Santander ................................................................................. 96Gráfico 81. Lenguaje. Risaralda ................................................................................................... 96Gráfico 82. Lenguaje. Cauca ......................................................................................................... 96Gráfico 83. Lenguaje. Cesar .......................................................................................................... 97Gráfico 84. Lenguaje. Córdoba .................................................................................................... 97Gráfico 85. Lenguaje. La Guajira .................................................................................................. 97Gráfico 86. Lenguaje. Sucre .......................................................................................................... 98Gráfico 87. Lenguaje. Atlántico ..................................................................................................... 98

8

Gráfico 88. Lenguaje. Bolívar ........................................................................................................ 98Gráfico 89. Lenguaje. Magdalena ................................................................................................ 99Gráfico 90. Lenguaje. Antioquia ................................................................................................... 99Gráfico 91. Lenguaje. Quindío ...................................................................................................... 99Gráfico 92. Lenguaje. Amazonas ................................................................................................100Gráfico 93. Lenguaje. Arauca ......................................................................................................100Gráfico 94. Lenguaje. Nariño .......................................................................................................100Gráfico 95. Lenguaje. Valle del Cauca ........................................................................................101Gráfico 96. Lenguaje. Chocó .......................................................................................................101Gráfico 97. Lenguaje. Guainía .....................................................................................................101 Gráfico 98. Lenguaje. Vaupés ......................................................................................................102Gráfico 99. Lenguaje. Guaviare ...................................................................................................102Gráfico 100. Lenguaje. San Andrés ..............................................................................................102 Gráfico 101. Lenguaje. Vichada ....................................................................................................103Gráfico 102. Matemáticas. SABER 11o. 2005-2009. Razón de la varianza de los puntajes de hombres/mujeres .....................................................................104 Gráfico 103. Lenguaje. SABER 11o. Lenguaje. Razón de la varianza de los puntajes de hombres/mujeres .....................................................................104Gráfico 104. Puntaje en matemáticas según niveles socioeconómicos, TIMSS 2007, octavo grado ..............................................................................................................114Gráfico 105. Puntaje en lectura según nivel socioeconómico en PISA 2009 ............................121Gráfico 106. PISA 2009. Estudiantes por sector, según quintiles de NSE .............................123Gráfico 107. PISA 2009. Media en lenguaje de estudiantes por sector, según quintiles de NSE ............................................................................................124Gráfico 108. PISA 2009. Porcentaje de escuelas por sector,según quintiles de NSE promedio ......................................................................................................124Gráfico 109. PISA 2009. Media en lenguaje de escuelas por sector, según quintiles de NSE promedio ......................................................................................................125

Índice de figuras

Figura 1. El modelo parental de socialización ........................................................................ 21Figura 2. Modelo explicativo del bajo desempeño con la activación negativa como mediadora ........................................................................................................ 24Figura 3. Modelo explicativo del bajo desempeño con la agitación positiva como mediadora ........................................................................................................ 26Figura 4. Modelo de estudio del efecto de autorregulación y ansiedad en el desempeño en matemáticas ........................................................................... 29 Figura 5. Modelo biopsicosocial para entender las diferencias cognitivas entre hombres y mujeres ........................................................................................... 32Figura 6. Distribución según la curva normal ......................................................................... 54



ESTUDIOS

Índice de tablas

Tabla 1. Correlación de las diferencias de género en puntajes en matemáticas y lectura con indicadores de equidad de género .................................................. 35Tabla 2. Resultados de la estimación de la brecha de género en matemáticas ............. 37Tabla 3. VersiónmodificadadelataxonomíaGallagheret al. (2000) ............................... 45Tabla 4. Percentiles para diferentes valores d ....................................................................... 54Tabla 5. Variables seleccionadas para el análisis ...............................................................105Tabla 6. Variables del nivel del estudiante y de la institución educativa que complementarán el análisis jerárquico, TIMSS 2007, octavo grado .....................113Tabla 7. Estadísticas descriptivas por género de los índices construidos para el análisis jerárquico (nivel 1) en TIMSS 2007, octavo grado ..........................115Tabla 8. Resultados del análisis de regresión multinivel, Colombia. TIMSS 2007, octavo grado ..............................................................................................................118Tabla 9. Variables del nivel del estudiante y de la institución educativa que complementarán el análisis jerárquico, PISA 2009. ............................................119Tabla 10. Resultados del análisis de regresión multinivel. Colombia, PISA 2009. ..............128

10

Introducción

Desde décadas recientes, distintos organismos internacionales han priorizado en su agenda la medición y el seguimiento a la equidad de género en relación con educación, salud, participación laboral, ingresos y poder público.

El Índice global de brecha de género (GGGI, por su sigla en inglés), estimado por el Foro Económico Mundial desde 2006, busca medir la magnitud y el alcance de las disparidades de género en los países (Hausmann, et al., 2010). Tres principios orientan su medición: (a) se centra en capturar la brecha en el acceso a recursos y oportunidades, más que en sudisponibilidad,afindehacerloindependientedelniveldedesarrollodelospaíses;(b)se interesa en la brecha entre variables de resultado más que en mediciones de medios o insumos;(c)buscaordenarlospaísessegúnequidaddegéneroynosegúnempoderamientode las mujeres. El interés se centra en que los resultados de las mujeres sean iguales a los de los hombres y no en penalizar o premiar casos, si las mujeres superan a los hombres en variables o dimensiones particulares.

El GGGI sintetiza la brecha entre hombres y mujeres en 14 indicadores relacionados con cuatrodimensiones: (i) oportunidadesyparticipacióneconómica; (ii) logroeducativo; (iii)salud y supervivencia; (iv) empoderamiento político1. En 2010, con un puntaje de 0,692, Colombia ocupó el puesto 55 entre 134 países y el 14 entre 26 países de América Latina y el Caribe2. En el subíndice de oportunidades y participación económica ocupó el puesto 45;enlogro educativo, el puesto 443;ensalud y supervivencia, el puesto 404;finalmente,enempoderamiento político ocupó el 83.

1 En lo económico considera: (1) la brecha de participación en la fuerza laboral; (2) la brecha de los ingresos; (3) igualdad salarial en trabajos similares; (4) brecha de número de legisladores, gerentes y altos funcionarios públicos; 5) brecha de número de trabajadores técnicos y profesionales. En educación considera tasas de cobertura neta por género en educación primaria y secundaria y de cobertura bruta en educación terciaria, además de la relación entre las tasas de alfabetización por género. En salud, la razón de número de mujeres/hombres y la esperanza de vida. El empoderamiento político lo mide según del número de sillas en el Congreso, número de ministros y el número de años de una mujer como jefe de Estado o del gobierno en los últimos 50 años. Todas las variables anteriores las trabaja en forma de razones (valor entre las mujeres / valor entre los hombres). El índice toma valores entre 0 (total desigualdad) y 1 (total igualdad).

2 En 2006, con un puntaje de 0,704, ocupó el puesto 22.3 Veintidós países obtuvieron un puntaje igual a 1, es decir, de plena igualdad en logro educativo.4 En este subíndice, 37 países obtuvieron un puntaje de plena igualdad (1).



ESTUDIOS

Por su parte, el Índice de desigualdad de género (IDG) del Programa de Naciones Unidas para el Desarrollo (PNUD) es “una medida que capta los logros no realizados debido a las disparidades entre hombres y mujeres en las dimensiones de salud reproductiva, empoderamiento y participación en la fuerza laboral. El índice adquiere valores entre cero (igualdad perfecta) y 1 (desigualdad total)” (PNUD, 2010). Los tres componentes del IDG –salud, empoderamiento y mercado laboral– se miden con cinco indicadores5 a partir de los cuales se construyen los índices de género de mujeres y de hombres, cuya relación se sintetiza en el IDG.

En 2010, mientras en el Índice de desarrollo humano (IDH) Colombia ocupó la posición 79 entre 169 países, en el IDG ocupó el puesto 90, la peor posición entre los 11 países latinoamericanosenel grupode IDHalto enque se clasificael país.CostaRica,Chile yUruguay son los tres países de la región con mejores posiciones en el IDG (51, 53 y 54, respectivamente). Dentro del índice, según el indicador educativo, el porcentaje de mujeres y de hombres de 25 años y más con secundaria completa en Colombia es 49,5%6 y 48,5% respectivamente;latasademortalidadmaternaporcada100.000nacidosvivoses1307;latasa de fecundidad adolescente (número de partos por cada 1.000 mujeres entre 15 y 19 años) es de 74,4%8;yelporcentajedemujeresenelCongresoes9,7%9.

Larevisióndealgunosindicadoressociodemográficos,educativosylaboralesporgéneroenelpaísmuestraunmayorcrecimientonetodelapoblaciónfemeninaquedelamasculina;mayornúmerodeañosdevidadelasmujeresquedeloshombres;unamortalidadmaternarelativamentealta;unatasadealfabetismosimilarentresexos;unatendenciadelasmujeresa permanecer más tiempo en el sistema educativo, con coberturas netas mayores que las de loshombres;unatasadeparticipaciónlaboralcrecienteaunqueinferioraladeloshombres;y una mayor tasa de desempleo. En efecto, de acuerdo con el reporte 2010 del World’s Women: Trends and Stats de las Naciones Unidas10, en Colombia:

5 Salud: tasa de mortalidad materna y tasa de fertilidad de las adolescentes. Empoderamiento: mujeres y hombres con al menos educación secundaria completa y participación de mujeres en el Congreso. Mercado laboral: tasa de participación de mujeres y hombres en la fuerza laboral.

6 En Chile es 67,3%, en Perú 64%, en México 57,7%, en Argentina 57% y en Costa Rica 54,4%.7 Esa tasa es de 16 en Chile, 30 en Costa Rica, 60 en México, 77 en Argentina y 110 en Brasil.8 Esa tasa en Perú es 54,7%, en Argentina 56,9%, en Chile 59,6%, en Uruguay 61,1% y en México 64,8%.9 En Argentina su participación es del 39,8%; en Costa Rica 36,2%; en Perú, el 29,2%; en México, el 22,1%; en

Ecuador, el 25% y en Venezuela, el 18,6%.10 Publicación quinquenal de Naciones Unidas desde 1995 en respuesta a la Declaración y Programa de Acción del

Cuarto Congreso Internacional sobre la Mujer celebrado en Pekín en ese año.

12

• La población de hombres y mujeres creció el 72% en los últimos 30 años: 74% las mujeres y 70% los hombres.

• La esperanza de vida de las mujeres y de los hombres es 77 y 69 años, respectivamente11. • La tasa de mortalidad materna por cada 100.000 nacidos vivos es 130. • La tasa de alfabetismo tanto de hombres como de mujeres de 15 años y más es 93% y

entre los jóvenes de 15 a 24 años de ambos sexos es 98%12. • La cobertura neta en primaria, tanto de niñas como de niños, es del 87%13. • Noventa y dos de cada 100 niñas que comienzan primaria la terminan, mientras que 85

de cada 100 niños lo hacen14.• La cobertura neta de secundaria es del 71% entre las niñas y 64% entre los niños15. • La cobertura neta en educación superior es del 33% entre las mujeres y 30% entre los

hombres16. • La participación relativa de las mujeres en el cuerpo docente es del 72%, 57% y 35% en

primaria, secundaria y educación superior, respectivamente17;yentrelosinvestigadoreses del 36%18.

• La participación laboral de las mujeres de 15 años y más pasó de 44% en 1990 a 65% en 201019 y la de los hombres, de 77 pasó a 79%.

• La tasa de desempleo de las mujeres de 15 años y más es de 14% y de los hombres de 9%20.

• Las mujeres representaban solo el 8% y el 12% del total de representantes y de senadores, respectivamente, en 200921.

La mayor cobertura educativa de mujeres que de hombres en todos los niveles responde a la mayor deserción o retiro más temprano del sistema educativo de los hombres, como se apreciaenelgráfico1.

11 Esas cifras son: 82 años para las mujeres y 76 años para los hombres en Chile; en Costa Rica, 81 y 76 años, respectivamente.

12 En Chile es del 99% para hombres y mujeres.13 En Cuba es del 98% en ambos casos; en México, 97% para mujeres y 98% para hombres.14 En Chile esa tasa es 98% en ambos casos y en Cuba 97%, también para ambos géneros.15 En ese orden, esa tasa en Cuba es 87% y 85%; en Chile, 87% y 84%; en Argentina, 83% y 74%; y en Brasil, 83% y 75%.16 Las cifras de coberturas corresponden a 2007. En Chile, esa tasa es del 52% en ambos casos.17 En Cuba, y en ese mismo orden, la participación es del 76%, 56% y 56%.18 En Argentina y Brasil esa participación es del 52% y 50%, respectivamente.19 Después de Paraguay (72%) y Bolivia (68%), junto a Perú (65%), una de las más altas de América Latina.20 Cifras de 2007. Esa tasa en Cuba es del 2% en ambos casos; en Chile, 7% en mujeres y 5% en los hombres; en

Costa Rica, 7% y 3%, respectivamente.21 Según la Registraduría Nacional del Estado Civil, en las elecciones de octubre de 2011, del total de candidatos

inscritos para concejos y alcaldías, las mujeres representaron el 14%.



ESTUDIOS

Gráfico1.Tasasdedeserciónporgéneroygrado.Totalnacional,2008.

Fuente: cálculos de la Dirección de Evaluación del ICFES, basados en DANE, C-600, 2009.

Estamayordeserciónde loshombresse reflejaen ladiferenciadelnúmeropromediodeaños de educación o escolaridad promedio de hombres y mujeres entre 15 y 24 años (véase gráfico2).

Gráfico2.Escolaridadpromediodejóvenesentre15y24años.Totalnacional.1993y2008.

Fuente: cálculos de la Dirección devaluación del ICFES basados en ENH-1993 y GEIH-2008.

Si bien la equidad de género se refiere a la igualdad de acceso a recursos y a susoportunidades y las brechas demandan políticas y acciones focalizadas para lograr su ajuste, la desigualdad de género, en términos de resultados del aprendizaje en –aparente– igualdad de condiciones, demanda investigación para determinar su origen.

Hombres Mujeres

0 1o. 2o. 3o. 4o. 5o. 6o. 7o. 8o. 9o. 10o. 11o.

8

6

4

2

0

%

1993 2008

Hombres Mujeres Hombres Mujeres

10

8

6

4

2

0

%

7,0 7,48,9 9,5

14

Las desigualdades de género en cuanto a logro académico marcan diferencias en las rutas educativas y los desempeños laborales posteriores. Por esta razón, desde hace más de tres décadas el mejor desempeño de los niños en matemáticas y de las niñas en lenguaje ha sido objeto de interés de muchos investigadores. El origen de tales diferencias se ha intentado explicar desde distintas perspectivas teóricas –biológicas, cognitivas, psicosociales y escolares–, en su mayoría con métodos experimentales o cuasiexperimentales. La revisión de bibliografía que se presenta en este documento evidencia que, desde el punto de vista empírico, ninguna de estas teorías ha sido concluyente. Lo anterior ha llevado a algunos investigadores a proponer un modelo teórico explicativo más comprehensivo: el biopsicosocial. No obstante, su comprobación empírica está pendiente.

De hecho, la vasta bibliografía sobre el tema sugiere que el fenómeno sería el resultado de una combinación de factores, no siempre todos de fácil medición. Así lo expresan algunos investigadores,quienes reconocen la complejidaddelproblemadeestudioy ladificultadpara abordarlo, como se verá en el primer capítulo.

El presente trabajo tiene pretensiones más limitadas. En primer lugar, explora la magnitud y variación del tamaño de las diferencias de género en los resultados de los estudiantes en matemáticas y lenguaje en pruebas nacionales e internacionales. En segundo lugar establece la heterogeneidad de las brechas de género entre departamentos y las variables quelaexplican.Porúltimo,identificalasvariablesindividuales(cognitivas,motivacionalesyactitudinales) y escolares que afectan la magnitud de la brecha de género en logro educativo en el país.

El documento se organiza de la siguiente manera: el primer capítulo presenta la revisión bibliográfica de los resultados de investigaciones que, desde las distintas perspectivasteóricas predominantes en este campo de estudio, se han realizado. El segundo describe la magnitud, la importancia y el cambio de la brecha de género en matemáticas y en lenguaje a nivel nacional (SABER 5o. y 9o. 2009), por departamentos (SABER 11o.) y en diferentes países (PISA y TIMSS).

► Este análisis se realizó con base en el cálculo del tamaño tipificado del efecto (estadístico d), el cual permite establecer la relevancia de la magnitud de la diferencia de género. En cada uno de los análisis de resultados nacionales e internacionales se estimó además la razón de varianza de los puntajes de hombres y de mujeres (RV = VarH ⁄ VarM )

22.

► En el análisis internacional se tomaron los ciclos de las evaluaciones en que participó Colombia (TIMSS 1995 y 2007 y PISA 2006 y 2009). Se estimó el tamaño del efecto por país y se ordenaron según la dirección y magnitud de su cambio en la segunda aplicación.

22 Una RV > 1 da cuenta de una mayor variabilidad en los puntajes de los hombres y viceversa; una RV < 1 se asocia con mayor variabilidad en los puntajes de las mujeres.



ESTUDIOS

► En el análisis de las diferencias de género en quinto y noveno grados, a partir de SABER 5o. y 9o. (2009) se estimaron los tamaños de efecto nacionales en matemáticas y lenguaje por sector-zona y nivel socioeconómico. También se realizaron estimaciones para cinco ciudades con muestras representativas (Bogotá, Bucaramanga, Cali, Medellín y Pasto).

► En el análisis de las diferencias en grado 11o., se tomó un periodo de 5 años de resultados en SABER 11o. (2005 a 2009). Se estimaron, en cada año, los tamaños de efecto (d) en matemáticasyenlenguaje,nacionalesydepartamentales;luego,estosseagruparonsegún patrones de comportamiento. Tanto para el nivel nacional como el departamental, las estimaciones se hicieron para el total, por sector-zona y capital-resto.

► Parafinalizarelcapítulo,conbaseenlosresultadosdeSABER11o.2009seanalizalaheterogeneidad de los tamaños de efecto entre departamentos, y utilizando el modelo deefectosmixtosdeLipseyyWilson(2001),seidentificanlasvariablesqueexplicanesa heterogeneidad.

En el tercero y último capítulo se realiza un análisis jerárquico a nivel nacional (estudiantes, escuelas) utilizando la información de contexto y los resultados de los estudiantes colombianos en las últimas evaluaciones internacionales (matemáticas en TIMSS 2007 y lectura en PISA 2009),conelpropósitodeidentificarlosfactoresindividualesdeordencognitivo,motivacionaly actitudinal y los factores escolares que afectan la magnitud de la brecha de género.

16

1. Revisión bibliográfica sobre las diferencias de género en

desempeño académicoEn las últimas cuatro décadas se produjo una vasta bibliografía sobre las diferencias de géneroenlogroacadémico.Podríaafirmarsequelacontroversiageneradaporlametodologíay conclusiones del estudio de Maccoby y Jacklin (1974, citado por Cole, N. y Willingham, W., 1997) The Psychology of Sex Differences, basado en el análisis de más de 1.600 estudios sobre logro en ocho áreas académicas, despertó un gran interés por el tema. Según estos autores, cuatro diferencias de género se habían establecido: (i) las niñas tienen mayor habilidad verbal;(ii)losniñossedestacanenlahabilidadvisoespacial;(iii)losniñossedestacanenmatemáticas;y(iv)loshombressonmásagresivos.Desdeentoncessecomenzóaproduciruna amplia bibliografía, dentro de la cual las diferencias en rendimiento académico ocupa un puesto central, en particular en matemáticas, ciencias y lenguaje.

De hecho, en los siguientes tres decenios las diferencias –en pruebas estandarizadas– a favor de los niños en matemáticas y ciencias y de las niñas en lectura y en especial en escritura, se han documentado ampliamente. Sin embargo, como se verá más adelante, en algunos paísescomoEstadosUnidos,CanadáylosdelReinoUnido,enlaspruebasycalificacionesescolares se observa un cierre de la brecha en la educación básica (primaria y secundaria) en el rendimiento de niños y niñas en matemáticas y ciencias y, algo menos, en lenguaje. Sin embargo, la brecha se abre de nuevo en la educación media. Aun cuando las niñas se desempeñen igual o mejor que los niños, su interés intrínseco por las matemáticas comienza adeclinarapartirdelamedia, loquesereflejaposteriormenteensueleccióndecarrera:siguen representadas pobremente en matemáticas, ingeniería, ciencias físicas y áreas relacionadas. Según algunos investigadores, este es un problema de valores y elección. La declinación de las expectativas por el éxito a largo plazo tiene que ver con la socialización. Frente a la elección de carrera, las mujeres tienen que balancear sus valores para decidir en qué se quieren concentrar. La elección entre tener una carrera prestigiosa y bien pagada y estar en casa cuidando la familia es un precio que muchas mujeres están dispuestas a pagar, aun cuando se sientan capacitadas para estudiar cualquier carrera (Eccles et al., 2005).

Análisis de los mayores programas de pruebas en Estados Unidos, incluidos ACT-Math, SAT-Math, National Education Longitudinal Study (NELS) y High School and Beyond (HSB), indicaban que las diferencias estandarizadas de las medias, o tamaño del efecto, estaban entre 0,27 y 0,45 a favor de los hombres (Willingham & Cole, 1997). También en Estados Unidos se han reportado diferencias de género en matemáticas según conjuntos de habilidades. El álgebra favorece a las mujeres, mientras que los hombres se desempeñan



ESTUDIOS

significativamentemejorencomputación,análisisdedatos,geometríaymedición(Garner& Engelhard, 1999). En los grados 10 a 12, las mujeres superan a los hombres en lógica y razonamientogeométrico,peroellosobtienenmayorescalificacionesenescalasdepruebasyengeometríasólida tridimensional (Pattison&Grieve,1984;citadosporHong,O’neil&Feldon, 2005).

Las investigaciones sobre las causas de tales diferencias han sido innumerables, aunque unastienenmayorrigorcientíficoqueotras.Sinembargo,aundentrodelasquereclamanlarobustez de sus hallazgos respecto a alguna relación de causalidad, en general admiten la limitación de los mismos en razón de una posible multicausalidad del fenómeno.

En efecto, la dicotomía teórica sobre el origen de las diferencias, representada en aquellas teorías que privilegian factores biológicos (o de la naturaleza) y en aquellas que privilegian factores ambientales o sociales (nature vs nurture), parece haber sido superada. Según Halpern, Wai y Saw (2005), tal dicotomía genera un falso sentido de que tales efectos pueden separarse. Aun las teorías que atribuyen las diferencias solo a los procesos de socialización deben reconocer que diferencias biológicas pueden dar lugar a diferentes experiencias.

Asimismo,segúnestosautores“las influenciasbiológicasyambientalesestándemasiadoentrelazadas para ser aisladas, haciendo que la brecha de género sea un asunto difícil de tratar.Lanaturalezaylasociedadnosolointeractúan;seinfluencianmutuamentedemaneracíclica”. Proponen entonces el modelo biopsicosocial como una mejor alternativa teórica a la dicotomía nature/nurture o el continuum nature-nurture.

En la bibliografía priman los estudios sobre las diferencias de género en el logro en matemáticas debido a su incidencia en la elección de carrera, la ocupación y los ingresos futuros (Murnane, Willet&Levy,1995;Altonjii&Blank,1999).Paraalgunosautores,lanaturalezarealdelarelaciónentre matemáticas y género es más compleja de lo que la mayoría de la gente cree. Aunque encuentran diferencias en algunos aspectos del desempeño en matemáticas, reconocen que sus causas son variadas y difíciles de determinar (Gallagher & Kaufman, 2005).

Estas líneas de investigación sobre las diferencias de género en matemáticas,clasificadassegún el énfasis de sus teorías explicativas, se resumen así:

a. Determinantes biológicos y cognitivos: argumentan la existencia de diferencias innatas en la estructura y funcionamiento del cerebro, en producción hormonal y en variables genéticas.

b. Determinantes psicosociales: incluyen una amplia gama de estudios que privilegian en sus modelos explicativos los factores familiares, los procesos de socialización y de creación de estereotipos; asimismo, privilegian algunos efectos psicológicos

18

asociados a los anteriores procesos, relacionados con la motivación, el autoconcepto, la percepcióndeautoeficacia, laansiedad frenteapruebasacadémicasy laaversiónaambientes competitivos.

c. Determinantes contextuales: buscan el origen de las diferencias en elementos del contexto institucional o escolar con énfasis en el ambiente sociocultural y educativo.

d. Elementos psicométricos: estas investigaciones se centran en la equidad de la evaluación (fair assessment).

Posteriormente se presentan algunos estudios que se concentran en las diferencias de género enlenguaje.Parafinalizar,seresumenotrosmásexploratoriosencuantobuscancaracterizarla magnitud y los patrones de comportamiento de las diferencias de género en el desempeño.

1.1. Diferencias de género en el desempeño en matemáticas

1.1.1 Determinantes biológicos y cognitivos

El tipo de hormonas, la estructura y el funcionamiento del cerebro y la genética son las tres categorías comúnmente estudiadas para explicar, desde el punto de vista biológico, las diferencias en desempeño entre hombres y mujeres.

Encuantoaltipodehormonas,sehaestudiadolainfluenciadelashormonasmasculinasen el desarrollo de habilidades visoespaciales asociadas con el desarrollo de competencias matemáticas. La ventaja de los hombres en estas habilidades se analiza en la etapa prenatal. Para probar esta hipótesis se estudian mujeres con desórdenes causados por la exposición ahormonasquenosontípicasdesusexo(Berenbaum,1999;citadoporHalpern,Benbow,Geary, Gur, Hyde & Gernsbacher, 2007). Trabajos en esta dirección, como el de Halpern et al. (2007), describen una ventaja en habilidades visoespaciales para mujeres con estos desórdenes, mientras que otros no la encuentran o lo hacen solamente en algunas tareas puntuales, y concluyen que “los datos sobre los patrones cognitivos de las niñas que fueron expuestas prenatalmente a hormonas masculinas no proporcionan pruebas concluyentes sobre la necesidad de vincular las hormonas prenatales directamente con las capacidades cognitivas” (p. 23).

Los cambios cognitivos se han estudiado también desde esta perspectiva con personas interesadas en cambiar de sexo y que durante este proceso son tratadas con hormonas según su inclinación, con testosterona para quienes cambian de mujer a hombre y con una combinación de supresores de andrógenos y estrógenos para cambios de hombre a mujer.



ESTUDIOS

En los trabajos desarrollados por Van Goozen et al. (1994, 1995) y Slabbekoorn et al. (1999) se encuentra una mejora en la habilidad espacial en las mujeres tratadas con andrógenos, pocos meses después de iniciar el tratamiento para el cambio de sexo. La supresión de andrógenos no se tradujo en una reducción de esas habilidades, lo cual implica ciertas “influencias postnatales en la expresión de ciertos aspectos de habilidades espaciales”(Halpern et al., 2007, p. 22).

La estructura y las funciones del cerebro se han estudiado igualmente para explicar las diferencias cognitivas. Haier et al. (2005) utilizan la técnica de neuroimagen VBM (voxel based morphometry) que permite investigar las diferencias en la anatomía cerebral, y demuestran en las mujeres un mayor uso de las regiones del cerebro asociadas al lenguaje (lóbulo frontal, área de Broca) y, en los hombres, de las regiones asociadas con habilidades espaciales (lóbulos frontal y parietal, área de Brodmann). De acuerdo con Halpern et al. (2007), aunque no hay consenso sobre diferencias por sexo en el tamaño de cuerpo calloso, responsable de la comunicación entre los dos hemisferios, se ha encontrado que las mujeres retienen mejor sus habilidades de lenguaje después de un daño cerebral en un hemisferio.

Existe un enfoque alternativo que analiza no tanto la estructura del cerebro sino su funcionamiento, es decir, su respuesta a diferentes tareas cognitivas. Con base en la premisa demayor flujode sangreenaquellaspartesdondeexisteunamayor actividadneuronal,sehaidentificadoquelasmujeresutilizanlosdoshemisferiosparaactividadesdelenguajemientras que los hombres utilizan solamente uno, usualmente el izquierdo. En cuanto a las matemáticas, Halpern et al. (2007) argumentan que los “estudios actuales no resultan suficientesparaefectuarjuiciossobrediferenciasdesexoenlaactividadcerebralduranteelprocesamiento de información matemática” (p. 27).

El tercer tipo de teorías aporta una explicación genética a las diferencias en desempeño. En la década de los años 1970 se publicaron estudios que aportaron evidencia sobre la relación entre genes recesivos en los cromosomas X y altas habilidades espaciales (Bock & Kolakowski, 1973). En el decenio de los años 1980, Boles (1980) desvirtuó esta hipótesis al reconocer que estudios con metodologías superiores no apoyan la teoría de habilidad espacial ligada al cromosoma X.Yaenladécadadelosaños1990,ThomasyKail(1991)calificandeprematura esta conclusión al corroborar, en cuatro de cinco hipótesis, la mediación de un gen recesivo en tareas de rotación mental.

De acuerdo con Penner (2008), la investigación actual reconoce la importancia de los genes ysu influenciasobreotrasconsideracionesbiológicas,sinpretenderhallarel “gende lashabilidades espaciales”. Utilizando datos TIMSS 1995, Penner encuentra que en todos los países examinados los hombres tienen puntajes superiores y que el tamaño de estas diferencias varía considerablemente, lo cual evidencia la importancia de otros factores, adicionales a los biológicos.

20

Desde la perspectiva de diferencias en los procesos cognitivos, algunos estudios analizan las distintas estrategias con las que hombres y mujeres abordan la solución de un problema. Gallagher y De Lisi (1994) analizan este aspecto con estudiantes que obtuvieron al menos 670 puntos –de un máximo de 800– en las preguntas de matemáticas de la prueba de aptitud académica (SAT). Entrevistaron a 47 personas (25 hombres y 22 mujeres) con el objetivo de conocer sus estrategias para resolver problemas en los que previamente se había identificadodiferenciaspor género. Los resultadosmuestranque entre estudiantesde mejores desempeños, las mujeres tienen una mayor probabilidad de usar estrategias convencionales, las cuales se correlacionan con actitudes negativas. En los problemas convencionaleselmétododesoluciónseencuentraclaramentedefinido,mientrasqueenlos no convencionales la estimación y la intuición son los principales métodos utilizados.

Gallagher y De Lisi (1994) describen que estos hallazgos corroboran las hipótesis planteadas porKimball(1989)yHalpern(1992).Kimballmuestraquelasmujerestienenmayordificultadenresolverproblemasnovedososfrentealoscualesnohanaprendidoestrategiasespecíficasde solución (novelty versus familiarity hypothesis). Halpern concluye que diferencias en la socialización hacen a las mujeres mejores en tareas que requieren respuestas de memoria.

1.1.2 Determinantes psicosociales

A partir de las primeras evidencias sistemáticas (décadas de los años 1970 y 1980) del mayor rendimiento de los niños en matemáticas y de las teorías iniciales sobre el origen biológico de las diferencias, surgió una amplia y vasta literatura, en Estados Unidos en particular, sobre la contribución de factores psicosociales a la explicación de las mismas.

a. Los procesos de socialización y los estereotipos negativos

Una corriente de investigación dentro de los factores psicosociales enfatiza el papel del proceso de socialización y del contexto social en la formación y en el refuerzo de estereotipos. En esa misma línea, otros se concentran en los efectos y los mediadores de los estereotipos en el rendimiento académico.

Jacobs et al. (2005) utilizan el modelo parental de socialización de Eccles (véasefigura1),para determinar el papel de los padres en la elección y motivación de logros de sus hijos en diferentes dominios. Aunque son muchos los vehículos de socialización y de formación de valores en los niños, el modelo se centra en el rol de los padres.



ESTUDIOS

Figura 1. El modelo parental de socialización.

Fuente: Jacobs, et al. (2005, p. 249).

Estemarcoconceptualhasidoprobadoparamostrarlasformasenquelospadresinfluyenenlasdecisionesdelosniñosylasniñasrespectoaalgúndominio.ElinterésespecíficodeJacobs et al.secentraenlasprácticas,lasactitudesylosvaloresespecíficosdelospadresasociados al logro en matemáticas y ciencias (MT / CC).

Para el estudio se utilizó la base de datos longitudinal recolectada en Michigan, con el objetivo de estudiar el desarrollo de las percepciones, las tareas valoradas y la elección de actividades por los niños. Desde 1987, 864 niños, 550 padres y 70 maestros de 10 escuelas de primaria fueron reclutados para el estudio. Tres cohortes se monitorearon desde la primaria hasta la educación media. Cerca de la mitad de niños y niñas estuvieron en todos los cortes de recolección de información hasta tercer año de postsecundaria. Los participantes fueron entrevistados cada año, entre 1987 y 2000.

El estudio logra mostrar el sesgo de género de las expectativas y oportunidades relacionadas con MT / CC que los padres proveen a sus hijos. Estos padres fomentan ambientes más favorables al desarrollo de las matemáticas para los niños que para las niñas, compran más juegos de MT / CC, pasan más tiempo con sus niños en actividades relacionadas con estas áreas y mantienen una alta percepción de las habilidades matemáticas de sus hijos más que de sus hijas, al igual que una visión de género estereotipada acerca del talento natural en MT.

PARENT, FAMILY, & NEIGHBORHOODCHARACTERISTICS (e.g., Education, Occupation, Number of Children, Ethnicity, Neighborhood).

CHILD AND SIB CHARACTERISTICS (e.g., Sex, Past Performance,Aptitudes,Temperament,Attitudes).

PARENTS’ CHILD- SPECIFIC BELIEFS (e.g., Perceptions of Child’s Abilities/Talents,Perceptions of Child’sTemperament, Perceptions of the Value of Various Skills for Child, Perceptions of Child’s Interests.

PARENT’S GENERALBELIEFS & BEHAVIOR(e.g., Gender Role Stereotypes, General & Specific Personal Values, Child Rearing Beliefs, Emotional Warmth, Involvement in Activities).

PARENT-SPECIFICBEHAVIORS(e.g., Time Spent with Child, Encouragement to Participate in Activities, Provision of Toys, Equipment, Lessons, Training of Specific Personal Values,Attributions for Child’s Successes/Failures).

CHILD OUTCOMES(e.g., Self-Perceptions, Subjective Task Values, Interest Values, Future Goals, Performance Expectations, Activity Choices, Performance).

22

También evidencia la relación entre el interés temprano, percepciones y actividades de los niños y niñas en MT y su posterior desempeño en MT/CC en el GPA23, y entre los estereotipos degénerode lospadresy lascreenciasespecíficasyposterior interésenMT.Elestudiolongitudinal enfatizó la importancia de los años de básica secundaria (middle school) en la elección posterior: si las niñas no están interesadas en MT/CC en las edades tempranas o si creen que sus padres no valoran su habilidad en esos temas, es menos probable que las escojan en estudios posteriores. La investigación sugiere que el interés en MT disminuye a lo largo de la educación media (high school), aun cuando su desempeño (medido por las calificaciones)esmayorqueeldeloshombres.Inclusosilasniñastienenundesempeñoaltoen MT, la probabilidad de que estén interesadas en elegir en el college un énfasis (o major) en MT es baja.

Otralíneadeinvestigaciónpsicosocialconcentrasuatenciónenlosefectospsicológicosdelos estereotipos que afectan el desempeño académico. Esta corriente de investigación parte de lo que Steele y Aronson (1995) denominaron la “amenaza de estereotipo” (stereotype threat), la cual expresa la relevancia que tiene un estereotipo negativo sobre el grupo al que pertenece la persona. El riesgo de sentirse juzgado o amenazado por estereotipos negativos produce estados psicológicos problemáticos.

Esta teoría se basa en innumerables estudios experimentales o de laboratorio en los que grupos de estudiantes de ambos géneros, de alto rendimiento y habilidad en matemáticas, sonsometidosacondicionesespecíficasbajocontrol,quebuscan,mediantedeterminadasestrategias (instrucciones o aseveraciones diferentes según el grupo, antes de iniciar el test de matemáticas), exacerbar la amenaza de estereotipo o desestimularla. Claude Steele y sus colegas fueron lospionerosdeestacorriente(Steele&Aronson,1995;Spencer,Steele&Quinn,1999;Steele,Spencer&Aronson,2002).

En un experimento posterior (Steele, et al., 2002), estudiantes de pregrado de alto rendimiento en matemáticas fueron clasificados aleatoriamente en dos grupos: uno respondería unaprueba difícil de matemáticas y el otro, una prueba fácil. Los ítems difíciles se tomaron de lapruebaespecíficadematemáticasdelGREy los fáciles,de lapruebageneraldeGRE.Ninguna información previa se les brindó a los grupos. Los resultados mostraron lo esperado. Las mujeres en la prueba difícil tuvieron un rendimiento menor que los hombres, mientras que en la prueba relativamente fácil, el rendimiento fue igual24. Según estos autores, los

23 El GPA (Grade Point Average) se calcula con base en todos los cursos tomados en pregrado. Las calificaciones de los cursos se convierten en puntajes desde 4 (A) hasta 0 (F). Así, la media se basa en todo el récord académico. Este es importante para los comités de admisiones como indicador del trabajo de largo término de un estudiante. Generalmente, para una maestría exigen un promedio entre 3,0 y 3,3 y para un doctorado, entre 3,3 y 3,5. Dado que las calificaciones no están estandarizadas, lo cual impide comparaciones, los comités de admisiones recurren a los resultados en exámenes estandarizados.

24 Hallazgos similares se han encontrado en experimentos sobre la amenaza del estereotipo respecto al rendimiento de grupos de estudiantes afroamericanos y asiático-americanos.



ESTUDIOS

estudios de este tipo muestran que cuando los efectos de la amenaza de estereotipo se desestimulan, el rendimiento en matemáticas por género es similar. Aun en aquellos de alto nivel, el rendimiento de las mujeres tiende a ser tan bueno o mejor que el de los hombres. Es decir, las mujeres responden mejor cuando están en un ambiente menos susceptible de sentir la amenaza de estereotipo, como en las pruebas estandarizadas.

Johns et al. (2005) argumentan que “enseñar sobre la amenaza de estereotipo puede llegar a constituir una forma práctica para reducir sus efectos perjudiciales” (p. 175). Se conformaron tres grupos mixtos para desarrollar una misma prueba. Antes de comenzar su desarrollo, se les informaron los diferentes objetivos a cada uno de ellos. El objetivo de la prueba para el primer grupo era estudiar aspectos generales del proceso cognitivo (problem solving condition). El objetivo para el segundo grupo consistió en encontrar diferencias por género en el desempeño matemático math test condition. Al tercer grupo se le informó adicionalmente que la ansiedad puede generar estereotipos negativos que nada tienen que ver con la habilidad para desarrollar una prueba (teaching intervention condition).

Lospuntajesdecadaunodelosgrupossepresentanenelgráfico3(laslíneassobrelasbarras representan el error estándar). Puede observarse que las mujeres tienen menores puntajesenelsegundogrupo,mientrasqueenelterceronohaydiferenciassignificativas.

Gráfico3.Diferenciaseneldesempeñoporgénerosegúndiferentesobjetivosdelaspruebas.

ProblemSolving

Men

Women

MathTest

Teaching Intervention

72

60

48

36

24

12

0

Perfo

rman

ce A

ccur

acy

Adju

sted

for S

AT

Fuente: Johns et al., 2005, p. 177

Dentro de esta misma línea, otros investigadores van más allá en la búsqueda de posibles mediadores entre la amenaza de estereotipo y el desempeño. Ben-Zeev et al. (2005) sugieren que la activación es mediadora de la amenaza de estereotipo. De acuerdo con los autores, la leyde laactivaciónfisiológicadeYerkesyDonson(1908)establecequeeldesempeñoes mejor en niveles intermedios de activación y decrece en niveles altos o bajos, lo cual da comoresultadounafuncióndeltipodeUinvertida.Lainvestigaciónneurofisiológicarecientehacorroborado y expandido los hallazgos de Yerkes y Donson. Según Ben-Zeev et al. y Lupien &

24

McEwen (1997) mostraron evidencia de la relación de U invertida entre el nivel de corticoides (hormona que se produce como resultado de altos niveles de agitación) y los procesos cognitivosenhumanosyanimales.Esdecir,loanteriorplanteaelefectofisiológicodeunacondición psicológica que afecta a su vez el proceso cognitivo.

La hipótesis de Ben-Zeev y colegas es: una exposición a una situación de amenaza de estereotipo puede interferir con el desempeño del individuo a través del aumento excesivo de laactivación–porencimadelnivelóptimo–ycausaundéficitensudesempeño.Pero¿cuáles factores cognitivos agudizan la activación? La valoración cognitiva de amenaza versus desafío. Según Ben-Zeev et al., interpretar un evento como amenaza al bienestar o comodesafíoparaalcanzarunobjetivotieneefectosdistintosenlaactivaciónfisiológicay,asu vez, en el desempeño intelectual. Cuando un ambiente se percibe como amenazante, en humanosyanimalesseincrementaelniveldecortisol;cuandosepercibecomodesafiantese produce un aumento de adrenalina. Y el aumento de agitación se asocia con cambios cognitivos y de comportamiento.

Mediante dos experimentos, los investigadores sometieron a prueba un modelo en el que la valoración cognitiva de amenaza produce un menor desempeño a través de la activación con aumento de la hormona cortisol (véasefigura2).

Figura 2. Modelo explicativo del bajo desempeño con la activación negativa como mediadora.

Stereotype activation

Cognitive appraisal of threat

Increased arousal (cortisol)

Underperformance

Fuente: Ben-Zeev et al. (2005, p. 196).

Segúnlabibliografía,losindividuosqueexperimentanaltosnivelesdeactivaciónfisiológicase desempeñan mejor en tareas fáciles que en tareas difíciles. Así, en el primer experimento mujeres universitarias y con alto desempeño en matemáticas se dividieron aleatoriamente en dos grupos. El grupo experimental se puso en la condición estereotipada de amenaza (se les dijo que en el pasado las mujeres se habían desempeñado peor que los hombres en los test



ESTUDIOS

de matemáticas), mientras que al grupo control se le dijo que el desempeño de hombres y mujeres había sido igual. Ambos grupos realizaron las mismas tareas, primero fáciles y luego difíciles. Los resultados mostraron que en el grupo experimental –expuesto a la amenaza– las mujeres se desempeñaron mejor en las tareas fáciles que en las difíciles. En el grupo control, se desempeñaron igual (que las del grupo experimental) en las tareas fáciles, pero mejor en las tareas difíciles.

En un segundo experimento se conformaron aleatoriamente grupos de tres personas: dos de solo mujeres y dos de dos hombres y una mujer. Tanto el grupo experimental como el grupo control estaban conformados por uno de cada uno de esos subgrupos. A los participantes se les dijo que el experimento buscaba determinar el efecto de un “ruido subliminal” en el desempeño en una prueba. Así, en frente de ellos se colocó una gran máquina, argumentando que era la generadora del “ruido subliminal o silencioso”. A los del grupo control se les dijo que este no había producido ningún efecto en otros participantes anteriores. A los del grupo experimental se les dijo que en anteriores experimentos el ruido había producido nervios, agitación y aumento del ritmo cardíaco, aunque tales efectos solo fueron temporales. Todos los participantes debían responder un test difícil tomado del GRE de matemáticas. El análisis reveló que entre las mujeres del grupo control (no sometidas a una mala interpretación de su agitación) se activó la amenaza de estereotipo: las del grupo del mismo sexo se desempeñaron mejor que aquella del grupo donde era minoría. En contraste, no hubo diferencias entre los dos subgrupos (mismo sexo y mixto) que fueron inducidos a una atribución engañosa de su alteración(ruido).Esdecir,eldéficitdedesempeñoseeliminócuandoamujeresdealtologroen situación de amenaza (grupos mixtos) se les dio la oportunidad de atribuir erróneamente su elevada agitación a una causa externa. Es decir, la manipulación de la atribución causal puede reducir la agitación a niveles óptimos (intermedios).

Complementariamente, el modelo plantea que los hombres en situación de amenaza de estereotipo femenino pueden percibirla como una situación de desafío, la cual elevaría su desempeño.Elmodeloquecapturaríaesasituaciónserepresentaenlafigura3(estenofue probado).

26

Figura 3. Modelo explicativo del bajo desempeño con la agitación positiva como mediadora.

Fuente: Ben-Zeev et al., (2005, p. 201).

Por su parte, Shih et al. (1999) examinaron los efectos de la activación de la amenaza de estereotipo en el desempeño en matemáticas de las mujeres asiático-americanas. En condiciones experimentales, antes de presentar una prueba difícil de matemáticas, dos grupos de estudiantes asiático-americanas fueron enaltecidas en razón de su grupo étnico en un caso y, en el otro, lo fueron por su condición de mujeres. Esto se hizo mediante el diligenciamiento previo de un cuestionario que pedía responder preguntas sobre su etnicidad o sobre su género. A un tercer grupo (control) no se aplicó previamente ningún cuestionario. Shih et al. encontraron que aquellas enaltecidas por su condición étnica tuvieron puntajes significativamentemayoresqueaquellasdelgrupocontrol,mientrasque lasparticipantesenaltecidas por su condición de mujeres tuvieron el menor desempeño de los tres grupos.

Lascríticasqueharecibidoestacorrienteteórica(Whaley,1998;Cullen,Hardison&Sackett,2004, citados en http://www.reducingstereotypethreat.org/criticisms.html) incluyen: (a) una dependencia excesiva en muestras de estudiantes universitarios, las cuales en opinión de otros investigadores pueden resultar una base muy estrecha para derivar teorías psicosocialesdelcomportamientohumano;(b)lafaltadedistinciónentrelapercepcióndeamenazaylaexperienciarealdediscriminación;(c)elfracasodedarcompletacuentadelascausasdediferenciasrealeseneldesempeño;(d)ladificultaddegeneralizarsushallazgosen contextos reales, debido a que la brecha no se presenta solo en estudiantes de alto desempeño. Aunque en general se aceptan las implicaciones negativas del estereotipo que afecta a las mujeres, el debate continúa sobre si este surge por la existencia de diferencias reales en habilidad matemática.

Stereotype activation

Cognitive appraisal of challenge

Increased arousal (adrenaline)

Optimal performance



ESTUDIOS

b. Teorías sobre determinantes psicológicos del comportamiento humano que afectan el desempeño académico

Según la psicología, el desarrollo de la investigación ha enfatizado la relación entre los procesos psicológicos (cognitivos, emocionales y motivacionales) y el desempeño académico, en el marco de las teorías sobre la motivación al logro, la asignación de valor a tareas o dominios, laautorregulación, laconfianzaen laautoeficacia, laansiedady laaversiónal riesgooaambientes competitivos.

La teoría de la motivación al logro postula que la motivación al logro de éxito es un determinante del comportamiento humano. La motivación se compone de tres elementos: intensidad (esfuerzo), dirección (hacia objetivos) y persistencia (continuidad). La motivación depende además de estímulos externos o internos. La motivación extrínseca proviene de estímulos del ambiente social, mientras que la motivación intrínseca de las valoraciones y necesidades del individuo. Frente al logro académico, la motivación extrínseca proviene de las expectativas de lospadres,lascalificacionesylospremios,mientrasquelamotivaciónintrínsecasederivadelas propias necesidades cognitivas, de autorreconocimiento y autorrealización.

A su vez, la teoría de los valores esperados (hacia una tarea, objetivo o actividad) se ha concentrado en identificar los factores psicosociales que influyen en la elección y en lapersistencia en un área de estudio. Según Jacobs et al. (2005), este modelo fue elaborado y probado especialmente respecto al rendimiento en matemáticas por Eccles (1987), Eccles, Adler & Meece (1984), Eccles & Wigfield (1995), Eccles [Parsons] et al. (1983), Meece, Parsons,Kaczala,Goff&Futterman(1982)yMeece,Wigfield&Eccles(1990).Deacuerdocon esta teoría, los determinantes claves de la elección son el valor relativo y la percepción delaprobabilidaddeéxito.Losvaloresylasexpectativasinfluyendirectamenteenlatareaelegidayeneldesempeño;asuvez,son influenciadospor lascreenciasy lapercepcióndel individuo sobre las demandas que exige la tarea y por la propia competencia para desarrollarla. La teoría de Eccles et al. (2005) del valor subjetivo de la tarea incluye cuatro componentes: valor del logro, valor intrínseco, valor de la utilidad y costo. El primero es el valorasignadoaléxitodelatarea;elsegundoinvolucraelinterésinnatoquesetieneenlatarea;lautilidadseasemejaalvalorextrínsecoyreflejaquétanútileimportanteeslatareaparaellogrodeotrosobjetivosdecortoolargoplazo.Elcostoestáasociadoalsacrificioquese tiene que hacer para realizar la tarea. Según Eccles et al., las mujeres hacen un análisis costo/beneficio y no invierten tiempoenel desarrollode tareasque tienenunbajo valor,esto es, no invierten en el desarrollo de habilidades matemáticas porque consideran que las carreras disponibles no lo exigen.

Lateoríade laautorregulacióndeZimmerman(1986,1989,1990,citadoporHong,O’neil& Feldon, 2005) plantea que los estudiantes autorregulados sistemáticamente usan estrategias metacognitivas y motivacionales en sus tareas académicas. Específicamente,

28

planeanyseautoevalúandurantesuprocesodeaprendizaje(componentemetacognitivo);soncompetentes,autoeficaces, inviertenesfuerzoy tienenmenosansiedad (componentemotivacional). Hong et al. (2005) citan otros trabajos relacionados con esta teoría: (i) Bandura (1993) sostiene que el aprendizaje autodirigido requiere motivación así como estrategias cognitivas y metacognitivas. Los estudiantes autorregulados reportan no solo una alta percepcióndeautoeficacia, sinoademásaltosnivelesdeesfuerzoypersistenciaduranteel aprendizaje. La planeación metacognitiva se representa en el establecimiento de metas (de manera jerárquica) para resultados específicos de aprendizaje. El logro de metasintermediasmejoralaautoeficacia.Enmatemáticas,esteefectoseasocióaunincrementode lamotivación intrínseca; (ii)PintrichyDeGroot (1990)encontraronqueaunquehabíaunarelaciónentreautorregulaciónycreenciasmotivacionales,laprimerainfluenciabamásdirectamenteeldesempeñoenlasasignaturas;(iii)deigualmanera,Zimmerman&Martinez-Pos (1988, 1990) hallaron una relación entre la autorregulación y la motivación y entre el uso de estrategias autorregulatorias de aprendizaje y logro.

Desdeunaperspectivasociocognitiva,lateoríadelaautoeficaciadeBandura(1993,citadopor Hong et al., 2005) define esta como “la confianza en las propias capacidades paraorganizar y ejecutar los cursos de acción requeridos para manejar situaciones prospectivas”. Enotraspalabras,laautoeficaciaeslaconfianzadeunindividuoensupropiahabilidadparateneréxitoenuna tareaespecífica.Lascreenciasque los individuos tienenacercadesucompetencia(autoeficacia)influyenenlaseleccionesquehacen,enelesfuerzoquerealizan,en el tiempo que perseveran frente a un desafío y en el grado de aprehensión para llevar a término la tarea que los ocupa. Estudios experimentales muestran que personas con altos nivelesdeautoeficaciarealizanmayoresesfuerzosconmásfrecuenciaqueaquellosconbajaautoeficacia.

Lascreenciassobrelaautoeficaciaseformanatravésdelainterpretacióndeinformacióndecuatro fuentes: (i) de anteriores desempeños o experiencia (resultados interpretados como exitososelevanlaautoeficaciayviceversa);(ii)delaobservacióndeldesempeñodeotros;(iii)delapersuasiónquerecibendeotros;y(iv)estadossomáticosoemocionalescomolaansiedad, el estrés, la agitación y los estados de humor. Fuertes reacciones emocionales frente a una tarea dan indicios anticipados acerca del éxito o fracaso del resultado.

Lapercepcióndeautoeficaciaharecibidoespecialatenciónenla investigacióneducativa,especialmente en los estudios sobre motivación académica, y en el área de las matemáticas en particular.

¿Cuáles son las diferencias de género en relación con los efectos de estos procesos cognitivos, emocionales y motivacionales en el desempeño académico?



ESTUDIOS

La investigación de Hong, O’neil y Feldon (2005) examinó el papel mediador de laautorregulación y la ansiedad en el desempeño por género en matemáticas. En su modelo, la autorregulación es un constructo de tercer nivel compuesto por dos constructos de segundo nivel (metacognición y motivación), con la planeación y la autoevaluación como factores de primerniveldelametacogniciónyelesfuerzoylaautoeficaciacomofactoresdeprimernivelde la motivación.

Numerosos estudios muestran mayores niveles de ansiedad en las mujeres que en los hombres. Las pruebas de ansiedad miden factores como preocupación (expectativas negativas y preocupación acerca de la prueba, el desempeño y las potenciales consecuencias) y nerviosismo (como reacción psicológica). Los estudios han detectado una relación más fuerte e inversa entre preocupación y desempeño y una relación débil o inexistente entre este y nerviosismo. En su estudio, Hong et al. (2005) incluyeron los componentes de preocupación y de autorregulación de la prueba de ansiedad, como variables mediadoras en la relación de género y desempeño en matemáticas (véasefigura4).

Figura 4. Modelo de estudio del efecto de autorregulación y ansiedad en el desempeño en matemáticas.

SR: self-regulation; Mcog: metacognition; Motiv: Motivation; Plan: planning; SelCh: self-checking; SelEf: self-efficacy. Fuente: Hong, et al., 2005, p. 275.

La muestra constó de 209 estudiantes de grado 11o., 149 hombres y 60 mujeres de dos colegios coreanos de educación media de la capital de Corea del Sur. Allí los estudiantes se agrupan según su rendimiento promedio en áreas como matemáticas, lenguaje y literatura al finaldelañoanterior,locualgenerapuntajespromediodeclasesimilares.

MathGender

SR

Worry

Mcog

Plan SelCh SelEf Effort

Motiv

30

Haciendo una analogía de los constructos de la teoría de estados o rasgos de ansiedad de Spielberger (1975), Hong et al. distinguieron entre estados de preocupación y de autorregulación y rasgos de preocupación y autorregulación, desarrollando dos cuestionarios, uno relativo a los estados y otro a los rasgos. Ambos se aplicaron a los grupos durante el tiempo de clases. El primero se aplicó inmediatamente después de la prueba de matemáticas y se les solicitó que indicaran qué habían pensado durante la prueba. El segundo se aplicó una semana antes, y se les pidió que indicaran qué pensaban generalmente en situaciones en que tienen que resolver tareas académicas en general25.

Mientras que se encontraron diferencias de género en la declaración de estados de preocupación y de autorregulación, no se hallaron en el caso de percepción de rasgos de preocupación o de autorregulación (esto último va en contravía de otros hallazgos de estudios similares en Estados Unidos con estudiantes de college). Las mujeres mostraron mayores estados de preocupación mientras que los hombres evidenciaron mayores actividades de autorregulación durante la prueba.

Ambos, estados y los rasgos de preocupación y de autorregulación, tuvieron un efecto significativoeneldesempeño.Losestudiantesquesepreocuparondurantelaprueba,aligualque aquellos que declararon tender a preocuparse cuando presentan pruebas en general, tuvieron un desempeño más pobre en la prueba. En contraposición, los que realizaron actividades de autorregulación durante la prueba así como aquellos que declararon tender a hacerlo en general, se desempeñaron mejor en la prueba de matemáticas. Las actividades metacognitivas (planeaciónyautoevaluación) y lamotivación (autoeficacia yesfuerzo) seasociaron fuertemente, tanto en la medición de estado como la de rasgos de autorregulación.

Los investigadores concluyen que el estudio de género y los efectos de la autorregulación en el desempeño en matemáticas fueron altamente complejos y requieren evaluaciones simultáneas de muchas variables relevantes para una mejor comprensión de la diversidad de hallazgos en la literatura.

Pajares (2005), por su parte, hace una revisión de los estudios sobre las diferencias de género enautoeficaciaenmatemáticasyresumesushallazgosencuatropuntos:

25 La medición del “estado” hace referencia a la declaración del grado de preocupación que tuvo durante el examen y las actividades de autorregulación que realizó durante el mismo (en absoluto, algo, moderadamente, mucho). El cuestionario de “estado” conformó 23 ítems. La medición de “rasgos” de autorregulación hace referencia a la declaración de cómo percibe su grado de preocupación o de desarrollar actividades de autorregulación cuando presenta pruebas (casi nunca, algunas veces, frecuentemente, casi siempre). El cuestionario sobre rasgos tenía 34 ítems.



ESTUDIOS

1. La mayoría de los investigadores encontraron que los estudiantes hombres reportaron unapercepciónmás fuertedeautoeficaciaenmatemáticasque lasmujeres, aunquevale la pena enfatizar que algunos investigadores no hallaron diferencias. En la mayoría de los casos, los resultados dependen fuertemente de las variables incluidas en los modelos de regresión o en los análisis de caminos.

2. Cuando se detectan diferencias, estas comienzan en la básica secundaria (middle school) y se acentúan a medida en que los estudiantes avanzan en la escuela.

3. Lasdiferenciasdegéneroenautoeficaciaenmatemáticasnofavorecenalasmujeresenningún nivel de estudios.

4. Las diferencias que favorecen a los hombres (en pruebas estandarizadas) con frecuencia se encuentran cuando las mujeres tienen calificaciones escolares similares, o aunsuperiores, que los hombres.

Pajares(2005)concluyequelasdiferenciasdegéneroenautoeficacianosurgendehabilidadesespecíficasensímismas,sinodesurelaciónconelcontexto.Surgencomounafuncióndeinfluenciasdelhogar,culturales,educativasydelosmediosmasivos.Loshallazgossugierenque las niñas desarrollan una alta autoeficacia enmatemáticas en hogares y salones declases donde los padres y los maestros refuerzan la importancia y el valor de las habilidades matemáticas, estimulan a las niñas a persistir frente a obstáculos sociales y académicos y a romper las concepciones estereotipadas en relación con dominios académicos.

Finalmente, aunque los psicólogos han estudiado y documentado durante mucho tiempo el rechazo de niñas y mujeres a competir, los economistas comenzaron, hace relativamente poco, a estudiar este fenómeno. La teoría de la aversión al riesgo se basa en el comportamiento humano (especialmente de consumidores e inversionistas) en situaciones de incertidumbre. Consisteenlarenuenciadeunapersonaaaceptarunaofertacuyobeneficioopagoesmásinciertoqueotraofertaconbeneficioopagomásseguro,aunqueposiblementemenoralpago esperado. Experimentos de laboratorio y estudios en contextos reales (verbigracia, desempeño en competencias de atletismo de alto rendimiento, Garratt, Weinberger & Johnson, 2010) han mostrado que las mujeres tienen mayor aversión al riesgo y a la competencia que loshombres.Encambio,nosehanestudiadosuficientementelascausasdeesaaversión:siresponde a variables culturales y de contexto, ¿cuáles han sido los cambios generacionales y culturales en ese patrón de comportamiento en diferentes contextos?

c. El modelo biopsicosocial sobre las diferencias de género en desempeño académico

El modelo biopsicosocial de Halpern et al. (2005) es una propuesta conceptual enfocada a superar la tradicional dicotomía en la explicación de las diferencias entre hombres y mujeres en las que estas son atribuidas a factores biológicos o factores psicosociales relacionados con las experiencias, los valores y expectativas. Según los autores, todas estas explicaciones

32

caen en un “continuum” en el que unas y otras se sitúan en sus extremos. Sin embargo, admiten que ningún psicólogo o educador acepta hoy que un comportamiento humano pueda explicarse enteramente por la naturaleza o por el ambiente psicosocial (nature o nurture).

Una crítica al modelo lineal general de la mayoría de los análisis estadísticos utilizados para explicar diferencias entre hombres y mujeres es que en estos es propio preguntar cuál es la proporción de la varianza en los datos explicada por variables biológicas, ambientales / sociales y por su interacción. El supuesto es que las variables biológicas y ambientales / sociales pueden separarse en variables independientes y su interacción puede separarse de los efectos principales (main effects). Esto parte de una premisa falsa acerca de la separabilidad de estos factores.

Según Halpern et al., el modelo biopsicosocial ofrece una mejor alternativa al “continuum nature-nurture”. Es más productivo pensar en estas influencias como una relacióninterdependienteen laque lanaturalezayelambientepsicosocialsenecesitane influyenmutuamente.Esunmodeloholísticoquedacuentadelasinfluenciasrecíprocasydinámicas.Elmodeloserepresentaenlafigura5.

Figura 5. Modelo biopsicosocial para entender las diferencias cognitivas entre hombres y mujeres.

Fuente: Halpern et al.(2005, p. 52).

En el modelo, cada elemento no es un segmento autónomo: son elementos dinámicos que setraslapan,interconectaneinfluyentodosenlashabilidadescognitivasdelosindividuos.

Para el planteamiento de su modelo, Halpern et al. parten de la revisión de los hallazgos y limitaciones de múltiples investigaciones con perspectivas teóricas en una u otra corriente antes descrita. Señalan, por ejemplo, que la investigación ha mostrado que el cerebro tiene cambios físicos en respuesta a estímulos del ambiente: ambientes intelectualmente favorables producen crecimiento neural y conectividad. Experimentos con roedores han mostrado que ambientes estimulantes generan un impacto grande en la estructura del cerebro: un

Lear

ning

Thou

ghts

Beha

viors

Experiences/environments

Inte

rnal

chan

ges

(e.g

., ho

rmon

e se

cret

ions

)

Genetic predispositionsBrain and

other central nervous system

development



ESTUDIOS

mayor desarrollo cerebral, especialmente en las cortezas. Adicionalmente, la producción de hormonaspuedeafectarsesignificativamenteporciertosfactoresambientales–porejemplo,el uso de drogas, estrés prolongado– y las hormonas pueden alterar el desarrollo del cerebro. Por extensión, experiencia en resolución de problemas matemáticos y otras experiencias de aprendizaje pueden acondicionar el cerebro para “hacer matemáticas”.

Desde la perspectiva psicosocial y su contribución al modelo, se ha documentado ampliamente la forma en que factores emocionales, producto de creencias y valores, pueden alterar los sistemas biológicos como la secreción de hormonas, el ritmo cardíaco y de la respiración, el sistema digestivo, entre otros.

Así,paralosautoresnotienesentidointentarcuantificarlacontribuciónindependientedelos factores biológicos y psicosociales, porque no son independientes. Abogan por un avancehaciamodelosquedencuentadelasinfluenciasmúltiples,recíprocasycontinuasde estos factores.

1.1.3 Determinantes contextuales

Se agrupan aquí los estudios que han explicado las diferencias de género en el desempeño académico, principalmente en matemáticas y ciencias, por factores institucionales (sistemas educativos), culturales (estratificación de género) y escolares (rol de los docentes y delambiente escolar).

Guiso et al. (2008) parten de la hipótesis de que ambientes con sesgo de género pueden tener grandes efectos en el desempeño académico. Para su estudio usaron los resultados en matemáticas de 40 países en PISA 2003.

En general, las niñas tuvieron en promedio 10,5 puntos menos que los niños (2% menos que lamediade losniños),pero los resultadosvariaronentrepaíses;porejemplo,enTurquíafue de -22,6 puntos mientras que en Islandia, de +14,5 puntos. La brecha de género fue la contraria en lectura. En promedio, las niñas tuvieron 32,7 puntos por encima de los niños (6,6% más que la media de los niños). En Turquía fue 25,1 puntos mientras que en Islandia fue de +61,0 puntos por encima. La brecha en lectura mostró una variación entre los países, similar a la de matemáticas. Donde las niñas tuvieron las mayores ventajas en lectura tuvieron las menores desventajas en matemáticas (algunas veces con ventajas también respecto a los niños). La correlación entre la media de la brecha de género en matemáticas y en lectura entre países fue 0,59.

Para explorar los insumos culturales de estos resultados, Guiso et al. (2008) utilizaron cuatro medidas de inequidad de género:

34

I. El Índice global de brecha de género (GGGI) del Foro Económico Mundial (FEM) que reflejalasoportunidadespolíticasyeconómicas,laeducaciónyelbienestardelasmujeres.

II. De las Encuestas mundiales de valores (WVS), construyeron un índice de actitudes culturaleshacialasmujeresbasadoenelpromediodedesacuerdoconseisafirmaciones(verbigracia, “cuando los trabajos son escasos, los hombres deben tener más derecho al trabajo que las mujeres”).

III. La tasa de actividad económica de las mujeres,quereflejaelporcentajedemujeresde 15 años o más que ofrecen o están dispuestas a ofrecer su fuerza de trabajo a la producción de bienes o servicios.

IV. El Índice de empoderamiento político estimado por el Foro Económico Mundial que mide la participación política femenina. Los cuatro índices están fuertemente correlacionados.

El GGGI se calcula anualmente y fue introducido por la FEM en 2006 como marco para capturar la magnitud y el alcance de las desigualdades de género y hacer seguimiento a su progreso. Permite el ordenamiento de los países, comparaciones entre regiones y grupos de ingreso y a través del tiempo. Tiene en cuenta las oportunidades económicas, la participación económica, el logro educativo, la participación política, la salud y el bienestar. Mayores valores delíndicesignificanunamejorposicióndelamujerenlasociedad.ElestudiotomóelGGGIestimado en 2006.

El Índice de empoderamiento político está conformado por tres componentes: (i) la razón de mujeres/hombresconsillasenelparlamento(InternationalParlamentaryUnion);(ii)larazónmujeres/hombresdenivelministerial(U.N.HumanDevelopmentReport);(iii)larazóndelnúmero de años de mujeres / hombres al frente del Estado, en los últimos 50 años (cálculos del FEM).

La asociación World Values Survey (http://www.worldvaluessurvey.org/) es una organización sinánimodelucrocreadayfinanciadaporfundacionescientíficas.Porsurápidocrecimientoennúmerodepaísesparticipanteshaconformadounaredmundialdecientíficossociales.La primera serie de encuestas (1981 - 1984)26 se aplicó básicamente en algo más de 20 países industrializados (en su mayoría de Europa). Hasta 2008 se habían realizado cinco series de encuestas, con la participación de Colombia en dos de ellas (en la tercera, entre 1995 y 1998 y en la quinta, entre 2005 y 2007, esta última en más de 130 países). Los países miembros realizan las encuestas con muestras representativas nacionales, acerca de los valores y creencias de las personas en relación con su propio país.

26 Las encuestas no se realizan en el mismo año en todos los países participantes. La aplicación de la misma encuesta puede tomar entre 3 o cuatro años en total, aunque la mayoría de cada serie que se ha realizado se aplican en los dos primeros años de la serie.



ESTUDIOS

Guisoysuscolegas,utilizandounmodeloderegresióndemínimoscuadradosordinarios(OL,por su sigla en inglés) encontraron una asociación positiva entre los diferentes indicadores de equidad de género en la sociedad y la brecha de género en matemáticas y en lenguaje, aunque esa asociación fue más fuerte respecto al índice global de brecha de género (GGGI)27 (véase tabla 1).

Tabla 1. Correlación de las diferencias de género en puntajes en matemáticas y lectura con indicadores de equidad de género.

LHS: Gender difference in math LHS: Gender difference in reading

Women’s emancipation (GGGI) 105,49± 26,92**

83,56±30,43**

Avg. WVS indicators 13,21± 7,06

16,39± 8,46

Female economic activity rate0,45±0,14**

0,34±0,15*

Women’s political empowerment

29,10±10,05**

24,35±10,86*

Log GDP per capita, 2003 -6,56± 2,40**

1,09± 2,26

-3,12± 1,93

-4,95± 2,52

-2,23± 2,71

0,52± 2,71

-0,56± 2,15

-1,06± 2,73

Constant -19,62± 20,01

-57,16± 23,27*

-2,75±17,72

32,43±23,72

-3,02±22,62

-16,09± 27,90

21,49±19,80

39,03±25,63

Observations (no.) R2 370,32

320,15

390,23

360,21

370,20

320,14

390,12

360,15

Fuente: Guiso et al. (2008, p. 1165)

Los resultados de sus análisis sugieren que la brecha de género en matemáticas, que históricamente favorece a los hombres, desaparece en sociedades con mayor equidad de género, mientras que la brecha en lectura se amplía a su favor. No se puede decir lo mismo respecto a los puntajes de los niños en matemáticas y lectura. Sus puntajes siempre son mayores en matemáticas que en lectura y aunque esa diferencia varía entre los países, no se correlaciona con el GGGI ni con alguno de los otros índices de equidad de género.

Aunque la brecha de género en todos los componentes de matemáticas decrece en estas sociedades más igualitarias en términos de género, las diferencias en geometría y en aritmética continúan siendo las de mayor y menor ventaja de los niños sobre las niñas, respectivamente. Lo anterior sugiere que las diferencias de desempeño intragénero en matemáticas versus lectura y en geometría versus aritmética se mantienen en las culturas más igualitarias.

27 Frente a las posibles diferencias en tasas de deserción entre los países, se sacaron de la muestra los estudiantes de la mitad más baja (percentil 50) del índice de estatus socioeconómico (donde es más factible la deserción).

36

Fryer y Levitt (2009), usando una base de datos nacional de carácter longitudinal por cohortes28, buscaronidentificarelpatróndeevolucióndelabrechadegéneroenmatemáticasalolargode la vida escolar y su relación con los procesos de socialización. Frente al primer objetivo, el estudio mostró lo siguiente:

• Cuando entran a kínder, las niñas y los niños muestran un desempeño similar en matemáticas y lectura.

• Al terminar el tercer grado, sin embargo, las niñas están más de 0,2 desviaciones estándar por debajo del rendimiento de los niños en matemáticas. La brecha se mantiene constante entre tercero y quinto grados. Luego, el desempeño de los niños mejoró levemente respecto al de las niñas.

• En lectura, las niñas aventajan a los niños desde su entrada al colegio y esa diferencia persiste hasta quinto grado, tanto en los puntajes originales como luego de introducir las variables de control.

• Las niñas pierden terreno en matemáticas en cada región del país, cada grupo racial, todos los niveles socioeconómicos, cada estructura familiar y en escuelas públicas y privadas.Alfinaldequintogrado,lasniñassedesempeñansignificativamentepeorquelos niños en todas las habilidades matemáticas evaluadas.

Los datos no permiten identificar una fuente probable del fenómeno. No se observarondiferencias respecto al tiempo que gastan niños y niñas a la semana en actividades relacionadas con matemáticas. En relación con la hipótesis sobre la socialización, aunque los padres mostraron tener bajas expectativas respecto a sus hijas en matemáticas, cuando se incluyó como covariable en las regresiones, la brecha de género no se redujo (apenas como máximo en 0,04 desviaciones estándar y en algunos casos aumentó levemente). La falta de impacto de las expectativas de los padres fue consistente con la ausencia de efecto en niñas con madres más educadas que los padres o madres que trabajan en profesiones relacionadas con matemáticas.

En suma, para los investigadores, su búsqueda de explicaciones de la brecha de género en matemáticas dentro de la educación básica y media, usando variables proxy de socialización “debe ser juzgada como un fracaso”. No se encontró evidencia que sustentara las hipótesis planteadas.

En un segundo ejercicio, usando los datos de PISA 2003 y TIMSS 2003, los autores buscaron reproducir el ejercicio realizado por Guiso et al. (con PISA 2003) de relacionar la brecha de género

28 Estos autores usaron la base de datos del estudio nacional “Early Childhood Longitudinal Study Kindergarden Cohort (ECLS-K)” administrada por el Departamento de Educación. La encuesta cubre una muestra de más de 20.000 niños de cerca de 1.000 escuelas, que entraron a kínder en el otoño de 1988. Recoge una gran cantidad de información de cada estudiante, incluyendo sus antecedentes familiares, las características de la escuela y la comunidad, expectativas y valoraciones de docentes y padres y calificaciones. La muestra original ha sido entrevistada en kínder, primero, tercero y quinto grados. Se espera hacerles seguimiento hasta octavo grado.



ESTUDIOS

en matemáticas y el GGGI del FEM. Según Fryer y Levitt , el hecho de que Guiso y sus colegas encontraran una fuerte asociación entre la cultura de los países (en términos de género) y el desempeño relativo de las niñas en matemáticas y lenguaje, es consistente con su imposibilidad de aislar los determinantes de la brecha de género dentro de un mismo país (Estados Unidos).

• Confirman los hallazgos de Guiso et al. respecto al desempeño de las niñas en matemáticas y lenguaje en PISA 2003.

• No obstante, no encontraron la misma relación entre equidad de género y desempeño de las niñas en matemáticas en TIMSS 2003. Cuando restringieron el análisis a los mismos países que participaron en PISA y TIMSS en ese año, la relación resurgió. En los 17 países incluidos en ambas pruebas, la correlación entre los puntajes de matemáticas de las dos pruebas fue 0,89.

Analizando los países participantes en una y otra prueba internacional, encontraron que la principaldiferenciaesqueTIMSSincluyeungrannúmerodepaísesdelOrienteMedio,loscuales, a pesar de tener una alta inequidad de género, no presentan diferencias de género en la media de los puntajes en matemáticas.

A continuación se presentan los resultados de los tres modelos estimados por los investigadores para cada una de las siguientes muestras: la muestra completa de PISA, la muestra completa deTIMSSyparaelsubconjuntodepaísescomunes(17).UsandoOLS,enlaprimeraecuaciónlabrechaenmatemáticas(ponderada)esunafuncióndelGGGI-FEM;lasegunda,adicionaelGDP (producto interno bruto, por su sigla en inglés) y la tercera adiciona la razón (ponderada) de género (mujeres / hombres que presentaron la prueba) (véase tabla 2).

Tabla 2. Resultados de la estimación de la brecha de género en matemáticas.

PISA TIMSS - full sample TIMSS - PISA overlap

WEF_GGGI 0.599* (.25)

0.824** (.28)

0.789* (.30)

.019(.47)

.006(.56)

.069(.75)

.916(.58)

1.131*(.51)

1.204*(.45)

Controls

GDP -0.001(.00)

-0.001(.00)

0.000(.00)

0.000(.00)

-0.001(.00)

-0.001(.00)

Gender Ratio .119(.16)

-.059(.29)

-1.065*(.48)

Constant -0.531**(.17)

-0.647**(.18)

-0.746***(.20)

-0.008(.34)

-0.002(.38)

0.015(.36)

-0.707(.43)

-0.818(.38)

0.205(.39)

Observations 41 41 41 47 47 47 17 17 17

R-squared 0.148 0.196 0.211 0.003 0.005 0.007 0.207 0.224 0.541 Notes: Estimation is done using ordinary least squares. Test scores are standardized by country to have mean () and standar deviation over the full weighted sample. Gender gap is calculated as the weighted mean score of females minus the weighted mean score of males. Gender ratio was constructed at the country level as the weighted ratio of female to male amoung test takers. GDP was divided by 1000. Standard errors of coefficients are reported in parentheses. *denotes significance at 5% level: **denotes significance at 1% level.Fuente: Fryer y Levitt (2008, p. 44).

38

Según Fryer y Levitt (2009), la relación encontrada en PISA parece espuria, toda vez que al introducir otros países (TIMSS) desaparece.

Apartir de la informaciónde contexto queofrece TIMSS, identificaron los países enqueprevalece la educación segmentada por género (colegios o aulas de clase del mismo sexo). En la mayoría de los países, ese no es el caso. En un grupo de países participantes en TIMSS (Bahréin, Irán, Jordania, Palestina y Arabia Saudita) prácticamente toda la educación secundaria es segregada por sexo. En unos pocos (Egipto, Corea y Siria), existen las dos ofertas pero la mayoría de los estudiantes están en colegios o aulas unisexo. El hecho de que la prevalencia de educación segmentada por sexo coincida en países musulmanes, complica el análisis (veásegráfico4).

Gráfico4.RelaciónentrelabrechadegéneroenmatemáticasyelGGGI.

A. TIMSS 2003 (todos) y 17 países comunes TIMSS - PISA 2003 (en negro)

Fuente: Fryer & Levitt (2008, p. 33).

gend

er g

ap

gender equality index



ESTUDIOS

B. Países con predominio de educación segmentada (en gris) versus mixta (en negro) - TIMSS 2003

Fuente: Fryer & Levitt (2008, p. 33).

Cuando se excluyen los países con predominio de educación segregada, emerge de nuevo la relación positiva entre equidad de género y los puntajes relativos de las mujeres. Al controlar con otras covariables como el GDP, no afecta los resultados.

Los investigadores concluyen que, aunque estimada de manera imprecisa, parece que las niñas se desempeñan mejor en la educación segmentada. Sin embargo, admiten que esto puede ser altamente especulativo dado que es difícil distinguir esta educación de la religión islámica.

Else-Quest et al. (2010) realizaron un metaanálisis a partir de las bases de datos PISA y TIMSS 2003. Conformaron una muestra de 69 países y 493.495 estudiantes entre los 14 y 16 años. Su objetivo era examinar los patrones de las diferencias de género en el desempeño en matemáticas, las actitudes y afectos, y evaluar la relación de estos patrones con la equidad de género a nivel nacional en Estados Unidos.

Para su análisis utilizaron un conjunto de índices compuestos: Gender Empowerment Measure – (GEM), Gender Equality Index (GEQ), Standardized Index of Gender Equality (SIGE) y Gender

gend

er g

ap

gender equality index

40

Gap Index (GGGI). Además, un conjunto de indicadores simples: tasas de cobertura para las mujeres en primaria, secundaria y superior, tasa de participación laboral, participación en investigaciónyenelCongreso.Losautoresesperabanque indicadoresmásafinesallogro en matemáticas fueran los moderadores más robustos, por ejemplo, la representación femeninaeninvestigacióncientífica,laparticipaciónencarrerastécnicasversusprofesionalesyencargosadministrativosversusgerenciales;ademásdelosindicadorestradicionalesdeacceso a la educación.

ParaevaluaractitudesyafectosenTIMSS,construyeronunaescaladeconfianzaensímismoa partir de las respuestas de los estudiantes en 4 ítems. La segunda escala, valoración de las matemáticas, se compone de las respuestas a 7 ítems de la prueba. En PISA, utilizaron las 5escalasconsideradasporlaOECD:motivaciónextrínseca(4ítems),motivaciónintrínseca(4ítems),ansiedadenmatemáticas(5ítems),conceptodesímismo(5ítems)yautoeficacia(8 ítems). Calcularon el estadístico d (o tamaño del efecto de las diferencias estandarizadas de género) para estas 7 escalas de actitudes y afectos y para 11 medidas de logro en matemáticas(enTIMSS,números,álgebra,medidas,geometríaydatos;enPISA,cantidad,espacio, forma, cambio, relaciones e incertidumbre).

Para el análisis de los datos emplearon un modelo de efectos mixtos, considerando valores d < 0,10 como no significativos o cercanos a cero y para el análisis de moderadores,regresiones múltiples jerárquicas.

En TIMSS, el d promedio ponderado por país fue de -0,01. Para las preguntas sobre medidas seencontróunadiferenciasignificativa(d = 0,07). Sin embargo, concluyen que en general los dsonmuypequeños.Respectoalasactitudesyafectos,lavariabledeconfianzaensímismo obtuvo un d = 0,15 y la valoración de las matemáticas un d = 0,10, ambos casos estadísticamentesignificativos.EnPISA,eld promedio ponderado fue de 0,11, con un patrón similar en las seis mediciones de logro contempladas. En cuanto a actitudes y afectos, los hombres reportan mayor motivación extrínseca e intrínseca, mayor concepto de sí mismos y deautoeficaciaymenoransiedad.

Consistente con lo encontrado por Fryer y Levitt (2009), en TIMSS los índices de equidad de géneronopredicendemanerasignificativalasdiferenciasdelogroenmatemáticas,mientrasqueenPISAloscuatroíndicesresultansignificativosyconlarelaciónesperada.Respectoalos indicadores simples, encuentran en TIMSS que un acceso más equitativo a la educación setraduceenpuntajessimilaresentrehombresymujeres;lomismoocurreenPISAcuandose incluyen las variables de participación en el mercado laboral.



ESTUDIOS

Otrosresultadosrelevantesdelestudiofueron:

• Laparticipaciónfemeninaeninvestigacióncientíficaesunpredictorfuerteyconsistentedelabrechaderesultadosenmatemáticas;tambiénlosonlasactitudesylosafectosporel área.

• Los tamaños del efecto encontrados para las diferencias de género en PISA y TIMSS no estáncorrelacionadossignificativamente.TIMSSmuestraunfuertepatróndesimilitudde género mientras que en PISA existe un patrón de ventaja, aunque muy pequeño, a favor de los hombres, especialmente en los contenidos de espacio/forma (d = 0,15).

Else-Quest et al. argumentan que existen factores como la calidad de la enseñanza y el currículo que pueden atenuar los efectos de la inequidad de género en el rendimiento en matemáticas.

Berdad y Cho (2007), usando los datos de TIMSS 1995, 1999 y 200329,buscaronidentificarcaracterísticas institucionales determinantes en la brecha temprana de género en matemáticas yciencias.Específicamentesepreguntabansipaísesconnormaselitistasdeclasificaciónoseparación (elitist streaming rules) de los grupos de estudiantes, tienen sistemáticamente, a su vez, mayores o menores brechas de género en matemáticas y ciencias, aun entre estudiantes en los mismos programas o clases. Las investigadoras encontraron que:

a. Los países que formalmente segmentan la formación en programas académicos y vocacionales (obligando a los estudiantes desde edades tempranas a seguir uno u otro) tienen mayores brechas de género en los puntajes de matemáticas y ciencias, incluso antes de que la separación de la formación ocurra.

b. Existe un grado sustancial de asignación sesgada de género a las clases en muchos paísesdelaOCDEantesoenoctavogrado.ComparandolosestimadoresOLSylosestimadoresdeefectosfijosaniveldeclase,encuentranquelosprimerossubestimanla brecha de género real porque las niñas tienen mayor probabilidad de estar en las “mejores” clases o grupos. Cuando se controla el sesgo de asignación, la brecha aumenta por lo menos un 35% en 11 países.

Las autoras concluyen que estimar la magnitud de la brecha y descubrir los mecanismos que la causan, ha probado ser increíblemente difícil. Consideran, sin embargo, que sus hallazgos contribuyen al stock de conocimiento en los dos aspectos descritos.

29 La muestra se restringió a países con una participación casi universal de los grados octavo y cuarto (26 y 18 países, respectivamente).

42

1.1.4 Aspectos psicométricos relacionados con la equidad de género en la evaluación

De acuerdo con Cohen e Ibarra (2005), la presencia de variables psicosociales, como la amenaza de estereotipo y otras vistas atrás, representan una fuente indeseada de variación en las pruebas que puede llevar a errores de estimación sobre la habilidad de los evaluados. La presencia de una o más de estas fuentes lleva a un funcionamiento diferencial del ítem (DIF). “El DIF surge cuando examinados de la misma habilidad tienen diferentes probabilidades de responder correctamente una pregunta” (Pine, 1977, citado por Cohen & Ibarra, 2005).

Cohen e Ibarra (2005) describen dos enfoques para examinar estas diferencias en el desempeñoconel findepromoverunamayorcomprensiónsobre lascausasdelDIF:elprimero, tomado de la teoría sociocultural y el segundo, basado en la teoría de respuesta alítem(TRI).Segúnelprimerenfoque,elDIFpuededarseporelconflictoentreelcontextocultural representado en un ítem y las expectativas culturales del examinado. Para examinar este planteamiento, Cohen e Ibarra (2005) muestran los resultados del trabajo de Li (2001), enelcuallosítemsdeunapruebadelniveluniversitarioseclasificaronenuncomponentesociocultural y un componente matemático. En el primer componente se consideró la naturaleza del ítem, su aplicabilidad en el mundo real y si involucraba razonamiento espacial. Elsegundocomponenteclasificólosítemsenfuncióndeltipodeproblemaasociado(álgebraogeometría,preguntasbasadasendefiniciones,razonamientomatemático,etcétera).

Para cada ítem se calculó la razón de probabilidad (likelihood ratio test) para detectar los ítems con DIF y un puntaje multicontexto con el objetivo de predecir el DIF en función de sus connotaciones socioculturales. De 64 ítems considerados, la predicción del DIF fue acertada en el 75% de los casos, lo que implica 10 ítems con DIF a favor de los hombres y 4 ítems con DIF a favor de las mujeres (en 34 ítems no se encontró DIF), y concluyeron así que las “características estructurales de los ítems parecieran ser instrumentos útiles para predecir el DIF por género” (Cohen & Ibarra, 2005). Los ítemsque favorecíana loshombres incluíanpreguntasbasadasendefiniciones,querequerían soluciones múltiples, razonamiento matemático o la representación espacial de problemas. Por su parte, los ítems DIF que favorecían a las mujeres se caracterizaban por contener preguntas típicas de libros de texto, con símbolos confusos, que requerían manipulación algebraica o indicaban, desde la pregunta, cómo podía obtenerse la solución.

El segundo enfoque propuesto para explicar el DIF se fundamenta en la teoría de respuesta al ítem (TRI). En este caso, la fuente de variación se presenta cuando los examinados usan estrategias de respuesta diferentes para resolver los mismos ítems, y hacen que los modelos estándar de TRI describan de forma inadecuada la relación entre la propensión a dar una respuesta particular y la habilidad subyacente, al confundirse tal habilidad con las diferencias



ESTUDIOS

en las estrategias de respuesta (Cohen & Ibarra, 2005). Para comprender este fenómeno se trabajaconmodelosTRImixtos,medianteloscualespuedeidentificarsealosindividuosquese favorecen por el DIF.

Gierl et al.(2003)argumentanladificultaddeexplicarconceptualmentelasdiferenciaseneldesempeñoentrehombresymujeres,unavezlosanálisisestadísticosconfirmanlapresenciadel DIF. Para subsanar este problema, recomiendan utilizar la metodología propuesta por Roussos y Stout (1996), según la cual, previo al análisis estadístico, se debe realizar un análisis sustantivo que genere las hipótesis por probar. En este caso, las hipótesis fueron desarrolladas por dos expertos a partir de dos insumos claves: las pruebas de logro en matemáticas utilizadas en la provincia de Alberta (Canadá) en 1996 y 1997 para evaluar a estudiantes de grado noveno30 (6.000 hombres y 6.000 mujeres escogidos aleatoriamente de una muestra aproximada de 72.000 estudiantes) y la taxonomía desarrollada por Gallagher et al. (2000). De acuerdo con esta taxonomía, los ítems que favorecen a los hombres son los relacionados con su contexto, con habilidades espaciales y con rutas de solución abreviadas o múltiples, mientras que los ítems que favorecen a las mujeres corresponden a los asociados con su contexto, con habilidades verbales y con el dominio de contenidos matemáticos.

Para adelantar el análisis sustantivo, los dos expertos fueron informados de las diferencias entre hombres y mujeres respecto a sus habilidades para solucionar problemas matemáticos. Posteriormente,practicaron la tareadeclasificaciónde los ítemsapartirde la taxonomíaoriginal, encontraron que la categoría de “dominio de contenidos matemáticos” era demasiado inclusiva y propusieron su desagregación en cuatro nuevas categorías: aplicación de soluciones matemáticas rutinarias a situaciones nuevas, poco familiares; aplicaciónde soluciones matemáticas rutinarias a situaciones familiares; memorización y procesossimbólicos.Laversióndelataxonomíamodificada,utilizadaparaefectosdelaclasificaciónde los ítems, se presenta en la tabla 3.

En el análisis estadístico, segunda etapa de la metodología de Roussos y Stout (1996), se emplearon tres métodos: SIBTEST, DIMTEST y regresión lineal múltiple. El primero, para cuantificar el tamaño del DIF (estadístico β ) , el segundo para probar la estructura multidimensional de los datos, y el tercero para determinar si las diferencias cognitivas y en contenidos entre los ítems predicen β .

En el análisis SIBTEST (Shealy & Stout, 1993), los ítems se dividieron en dos grupos: studied y matching. El primero contenía los ítems en los que se creía existían diferencias en desempeño según el análisis sustantivo y el segundo, los ítems que se consideraba que

30 Las pruebas realizadas en los dos años fueron sometidas a procesos internos de revisión y a pilotajes, con el fin de mejorar su calidad y, además, evitar diferencias de género en función de sus contenidos.

44

medían únicamente la dimensión primaria31. Con el análisis DIMTEST (Froelich & Habing, 2001), se analizó si los ítems studied son dimensionalmente diferentes frente a los matching. Para estos dos análisis, dado que un ítem puede corresponder a más de una categoría de latabla3, losexpertosidentificaronaquellaqueresultabamásrelevante(enpromedio,seidentificaronporítem2,6categoríasrelevantes).Enelanálisisderegresiónmúltipleseasignóacadacategoríaunacalificaciónde1a4segúnsurelevancia.

31 Para Gierl et al. (2003), los ítems tienen una dimensión primaria (el principal constructo que se intenta medir) y una o varias dimensiones secundarias. Los ítems que muestran diferencias estadísticas en desempeño (ítems DIF) tienen al menos una dimensión adicional. Esta connotación multidimensional, conocida como MMD (Multidimensional Model for DIF), fue propuesta inicialmente desde el punto de vista teórico por Shealy y Stout (1993).



ESTUDIOS

Tabla3.VersiónmodificadadelataxonomíaGallagheret al. (2000).

Conocimiento y habilidades que favorecen a los hombres

Conocimiento y habilidades que favorecen a las mujeres

1. Contexto del ítem: problemas con mayor probabilidad de familiaridad para los hombres (carreras de autos, fútbol).

2. Soluciones abreviadas / múltiples:

• Posibilidades múltiples: más de una solución lleva a una respuesta correcta.

• Uso de otros ítems para encontrar pistas, definiciones para solucionar el ítem actual.

• Ítems cuya solución, aunque parezca, no se asocia con el contexto.

3. Habilidades espaciales:

• Conversión de un problema de palabras a una representación espacial.

• Uso de una representación espacial dada.• Transformación de una representación en un formato

espacial a un diferente formato espacial.• La información espacial se mantiene en la memoria

mientras que otra información espacial se transforma.• Posibilidades múltiples de solución en las que una

o más de las soluciones involucra dibujar o usar una imagen.

1. Contexto del ítem: problemas con mayor probabilidad de familiaridad para las mujeres (costo de cuidado familiar, relaciones interpersonales).

2. Habilidades verbales:• Conversión de un problema de palabras a una

expresión algebraica.• La información verbal se mantiene en la memoria

mientras que otra información se procesa.• Lectura matemática (por ejemplo, comprensión de las

propiedades de una expresión algebraica).

3. Aplicación de soluciones matemáticas rutinarias a situaciones nuevas, poco familiares:• Problemas de un tipo específico y/o recuperación de

una fórmula que debería conocerse de memoria.• Solución del problema en múltiples pasos. Se

requiere precisión y un enfoque sistemático para cálculos en situaciones poco familiares.

4. Aplicación de soluciones matemáticas rutinarias a situaciones familiares:• Ruta de solución se asocia a un contexto familiar,

visto frecuentemente en el desarrollo del curso.• Solución del problema en múltiples pasos. Se

requiere precisión y un enfoque sistemático para cálculos en situaciones familiares.

5. Memorización:• Recordar definiciones, términos, fórmulas y hechos

matemáticos.6. Procesos simbólicos:

• Las soluciones requieren cálculos y manipulaciones algebraicas.

• Comparación de expresiones o cantidades matemáticas.

Fuente: Gierl et al. (2003, pp. 289 – 290).

Laformacomoseagruparonlosítemsenlasnuevecategoríassegúnlaclasificacióndelosexpertos y los valores βsepresentaenelgráfico5.

46

Gráfico5.Diferenciasporgéneroenlatotalidaddelosítemsdelaspruebasde1996y 1997, según su ubicación en las 9 categorías de la tabla 3.

Fuente: Gierl et al. (2003, p. 292).

Las categorías que agruparon más ítems fueron la aplicación de soluciones matemáticas rutinarias a situaciones familiares y las habilidades verbales32. Se observa igualmente que las categorías de habilidades espaciales tienden a favorecer más a los hombres mientras que las habilidades de memorización favorecen más a las mujeres. En las categorías restantes no se evidencian diferencias sistemáticas a favor de uno u otro género.

Las dos hipótesis anteriores se corroboraron por el análisis estadístico (SIBTEST) a un ρ <,05, aunque en el caso de la memorización, el tamaño del β fue menor. En el análisis de estructura multidimensional (DIMTEST) se encuentra que la habilidad espacial es de una dimensión diferente, mientras que para la memorización no se comprobó esta hipótesis, lo cual implica que “DIMTESTsoloconfirmóunadelasdimensionesdelanálisisSIBTEST”. En relación con elanálisisderegresiónmúltiple,elúnicopredictorqueresultósignificativo,a favorde loshombres, fue habilidad espacial. En la prueba de 1997, este mismo comportamiento se halló en habilidad verbal.

De acuerdo con lo anterior, Gierl et al. (2003) concluyen que “la taxonomía de Gallagher et al. no es completamente adecuada para comprender las bases cognitivas de las diferencias de género en matemáticas, al menos en estudiantes de noveno grado”. Respecto al análisis sustantivo plantean como una de sus limitaciones el supuesto de que los alumnos

32 En el documento se destaca la ausencia de ítems en la categoría de contexto. Después de mostrar las características psicométricas de las pruebas de los dos años, Gierl et al.(2003) afirman que las pruebas de los dos años, por lo menos en las diferencias en puntajes, resultaron exitosas en minimizar las diferencias de género.

0.1519961997

0.10FavorsMales

FavorsFemales

Beta-Uni

0.10

-0.05

-0.10

-0.15

0.001

Hom contact Item context(Female)

ApplicationUnfamiliar

Applicationfamiliar

Memorization SymbolicVerbal Shortcuts Spacial Male

2 4 6 9



ESTUDIOS

utilizan la misma estrategia para resolver el ítem. Para enfrentar este inconveniente, una de las alternativas consistiría en incorporar dentro de los procesamientos estadísticos las frecuencias con las que los estudiantes utilizan diferentes estrategias. Plantean como enfoques promisorios, adaptaciones al modelo multidimensional de TRI y el desarrollo de evaluaciones diagnósticas cognitivas.

Le (2009) analiza el DIF por género en PISA 2006 a partir de una muestra de 83.000 estudiantes de 50 países (49% hombres y 51% mujeres). Aunque se concentra en los ítems de ciencias, sus conclusiones son relevantes para las otras áreas evaluadas. Entre los dos tipos de DIF, uniforme y no uniforme, en el trabajo se detecta únicamente el primero, es decir, se supone que la probabilidad de responder correctamente un ítem es mayor para un grupo de manera uniforme en todos los niveles de habilidad.

Para calcular los parámetros de dificultad asociados a los ítems se utilizó unmodelo deTRI: el Partial Credit Model (Masters, 1982). Para cada ítem se obtuvo el valor DIF a partir deladiferenciaentrelosdosestimadosdedificultadrelativa(mujeres-hombres).UnvalornegativodelDIFsignificaqueelítemsemueveenunadirecciónquefavorecealoshombres.Se determinó que un valor DIF caracterizado por un ρ <,01 y un valor absoluto mayor a 0,25 logits tenía un DIF considerable.

Seencontróunacorrelaciónde0,96entrelosestimadosdedificultadparahombresymujeres.Seidentificaron5,6%delosítemsconunDIFsustancialafavordeloshombresyun2,8%a favorde lasmujeres;noobstante,24%de los ítemsmostraronevidenciacontradictoriadependiendo del idioma en el que estaba escrita la prueba.

A partir de lo anterior se concluye que el “DIF en submuestras no puede abordarse en evaluaciones internacionales, especialmente cuando se utilizan para muestras grandes y heterogéneas. La evidencia muestra que el DIF depende del formato del ítem y de los ámbitos de contenido”.

1.2 Diferencias de género en el desempeño en lenguaje

La ventaja a favor de las mujeres en el desempeño en lenguaje pareciera observarse desde los primeros años de vida. Huttenlocher et al. (1991) señalan que la diferencia en el número de palabras pronunciadas por las niñas aumenta de 13 en los primeros 16 meses de vida a 115 a los 2 años.

De acuerdo con un artículo de Science Daily (http://www.sciencedaily.com/releases/2008/03/080303120346.htm.), que resume los hallazgos de Burman et al. (2007), las diferencias encontradas pueden tener una connotación biológica, puesto que hay áreas del cerebro de

48

las mujeres que trabajan en mayor medida frente a las mismas tareas de lenguaje. Usando imágenes de resonancia magnética con un grupo de 62 niños entre los 9 y 15 años (31 hombres), Burman et al. encontraron que durante el desarrollo de esas tareas se activan zonas del cerebro femenino relacionadas con el pensamiento abstracto, lo que se traduce a su vez en mejores desempeños.

McGeown et al. (2011)citanunaseriedeartículosdondeidentificanfactoresadicionalesalos biológicos que podrían explicar las diferencias en desempeño: en promedio las mujeres leenmás,tienenmásactitudespositivashacialalectura,mayorconfianzaensushabilidadesespecíficasyvaloranlalecturaconmayorintensidad.Unodelosartículosallícitadoseselde Ming Chui y McBride-Chang (2006), quienes encontraron, a partir de datos de PISA 2000, quedisfrutarlalecturaeselúnicopredictorsignificativodelefectodegénero.Enesteestudiose halló, además, que después de controlar por una serie de variables de contexto (índice socioeconómico individual, índice socioeconómico promedio de la escuela, porcentaje de mujeres en la escuela, libros en el hogar y disfrute de la lectura) el género explica solamente el 1% de las diferencias de desempeño en lenguaje, que muestra claramente la relación entre el género y otro tipo de variables.

En un metaanálisis realizado por Lietz (2006a) para investigar las diferencias de desempeño en lenguaje en el nivel de secundaria, se encontró que las mujeres obtienen un puntaje de 0,19 unidades de desviaciones estándar por encima del de los hombres. También en un metaanálisis, Hide y Linn (1988) encontraron un tamaño del efecto en habilidad verbal que favorecía a las mujeres (d=0,20),aunqueeseefectovariabademanerasignificativasegúnla fecha de los estudios: para estudios realizados antes de 1973 el efecto era en promedio de 0,23, y de 0,10 para los estudios realizados con posterioridad a ese año.

Lietz (2006b) investigó también si las diferencias encontradas se debían a la fecha en que seefectuaron los estudios.Para tal fin, dividió los 147estudios entre aquellos realizadosantes de 1991 y los que se efectuaron con posterioridad a esa fecha. La escogencia de este año obedeció a que a partir de ese momento “muchos de los programas de evaluación comenzaron a utilizar procedimientos para eliminar, al menos en parte, los efectos de los errores de medición de los puntajes estimados, así como a utilizar valores plausibles en sus reportes y análisis.

Para abordar esta hipótesis, el autor utilizó análisis multinivel en el que el tamaño del efecto es función de tres variables: edad promedio de los estudiantes, inglés como lenguaje utilizado en la prueba y año de realización del estudio. Entre estas variables, la única que contribuye a explicar la variabilidad de d es el año de realización del estudio (γ = 0,24, ρ < 0,000), lo cual implica que en los estudios ejecutados a partir de 1992 las mujeres superan a los hombres en una magnitud mayor respecto a los estudios realizados hasta 1991.



ESTUDIOS

En este trabajo se concluye que esta diferencia puede obedecer a cambios en la forma como se mide el desempeño, en particular al uso de procedimientos de estimación que “introducen algunos sesgos sistemáticos como consecuencia de una reducción en la varianza en el interior del grupo”.

Strand et al. (2006) investigaron el tamaño del efecto en el Reino Unido utilizando información de la prueba de habilidad cognitiva (CAT) para niños entre 11 y 12 años. Concluyeron que las diferencias en los puntajes de razonamiento verbal y no verbal a favor de las mujeres eran pequeñasopocosignificativas.Sinembargo,elestudiodeCole(1997)mostróunatendenciacontraria. Entre 1960 y 1990, la ventaja a favor de las mujeres en pruebas de escritura se ha mantenido alrededor de 0,40. En una revisión de más de 1.500 bases de datos, en este trabajo se concluye que mientras que “en matemáticas y ciencias la ventaja para los hombres es muy pequeña,significativamenteinferioralaobservada30añosatrás,enlenguajelaventajaafavordelasmujeressehamantenidoinmodificableduranteelmismoperíodo”(p.15).

1.3 Estudios sobre la magnitud y el patrón de comportamiento de las diferencias de género en desempeño académico

Lindberg et al.(2010)utilizaronlatécnicademetaanálisisparaidentificarlamagnituddelabrechayconfirmarsiladiferenciadegénerofavorecealoshombresamedidaqueavanzanen su proceso formativo, en particular en los últimos años de secundaria, y en pruebas que demandan la resolucióndeproblemas complejos.Para tal fin, construyeronunamuestrade 242 artículos que reunieron 441 muestras y 1.286.350 personas. Para cada muestra recopilaron características de los estudiantes evaluados que se usaron como moderadores potenciales, es decir, como variables que afectaban la relación (en su dirección y/o magnitud) entre las variables dependientes e independientes: edad, nacionalidad, grupo étnico (solo para Estados Unidos) y nivel de habilidad. Se utilizaron también otras variables asociadas conlapruebaensí,porejemplo,silapruebafijabauntiempomáximoparasudesarrollo,el tipo de problemas que planteaba (selección múltiple, pregunta abierta), el contenido específicodelárea(números,operaciones,etc.)ylaprofundidadrequeridadeconocimiento,enunaescalade1a4,segúnlacual1esinformaciónasociadaconhechosydefinicionespara recordar y el desarrollo de algoritmos simples y 4, un nivel que requería razonamiento complejo, planeación, desarrollo y pensamiento sobre un periodo de tiempo.

Para el cálculo del tamaño del efecto se empleó la diferencia estandarizada de medias conocida como la d de Cohen (Cohen, 1988): d = ((MH - MM ) ⁄ Sw ;dondeMH y MM corresponden al puntaje promedio de hombres y mujeres, respectivamente, y Sw a la desviación estándar agrupada33. Se calculó igualmente la razón de varianza (RV)definidacomolarazónentre

33 De acuerdo con Cohen (1988), valores d iguales a 0,20; 0,50 y 0,80 se consideran pequeños, medianos y grandes, respectivamente.

50

la varianza de hombres y mujeres RV = VH ⁄VM34. Para el análisis de los datos se empleó el

modelo de efectos mixtos (Lipsey & Wilson, 2001) y para medir la heterogeneidad de la varianza se utilizó el estadístico Q(laheterogeneidadsignificativajustificóelanálisisderegresión).

Se encontró un tamaño del efecto promedio ponderado igual a d = +0,05 y una heterogeneidad significativa.Eltamañodelefectoindicaqueya no pareciera existir una diferencia por género en el desempeño en matemáticas. La razón de varianza (RV) tuvo un valor de 1,07 y señaló un 7% de mayor varianza entre los hombres.

En cuanto a los moderadores relacionados con las características de las pruebas, la única variablesignificativafueeltipodepregunta.Lapresenciadepreguntasdeselecciónmúltiplepredice mejores resultados para los hombres mientras que la presencia de respuestas cortas y preguntas abiertas predice un mejor resultado para las mujeres. Se reconoce, sin embargo, laimportanciadeidentificarmoderadoresdelasdiferenciasdegéneroquecubranelrangocompleto de razonamiento matemático, incluidos ítems que requieran razonamiento sobre problemas complejos.

En relación con las características de los estudiantes, solo la edad resultó una variable moderadora significativa. Las diferencias de género en la educación básica (primaria ysecundaria)fueroninsignificantes,mientrasqueen high school alcanzó el punto más alto (d = +0,23). Esta diferencia a favor de los hombres en high school se presentaba en pruebas queincluíanproblemasenlosniveles3y4dedificultad.Sinembargo,eseefectoserevertíaen estudiantes de college (d = -0,11).

Cole (1997), en su estudio de las diferencias de género, tenía como objetivo mejorar su comprensión sobre los patrones de las diferencias y similitudes de género en desempeño académico y examinar sus implicaciones en la evaluación educativa, actual y futura.

Para el análisis se tomaron los datos de pruebas con muestras representativas nacionales de 4o., 8o. y 12o. grados. Se incluyeron, además, pruebas con muestras de autoselección (para entrar en college) y pruebas para aplicar a estudios de postgrado. En total se tomaron más de 400 pruebas y 1.500 bases de datos. Lo anterior permitió contar con muchas pruebas y gran variedad de escalas y de muestras. Dado que se necesitaba comparar las diferencias, se utilizó el estadístico d o diferencia estandarizada de las medias. Si no había diferencia, d = 0. Si las mujeres tenían mayor promedio, despositivo;encasocontrario,esnegativo.En general, la diferencia fue considerada muy pequeña para valores de dmenoresque0,20;moderadamente pequeña para valores entre 0,2 y 0,5; moderadamente alta para valores de d entre0,5y0,8;yalta para valores mayores que 0,8.

34 El cálculo de la RV parte del supuesto de una mayor varianza en los resultados de los hombres. De esta forma, aun si no hay diferencias promedio, habrá una mayor probabilidad de encontrar hombres dentro de las personas con mayores puntajes. A esta hipótesis se le conoce en la literatura como “greater male variability hypothesis”.



ESTUDIOS

Los resultados mostraron que las diferencias de género:

• En grado 12o. en muchos temas son muy pequeñas. Sin embargo, una mirada cuidadosa de las habilidades descubre que las diferencias no son uniformes dentro de las áreas. Las mujeres son más fuertes en algunas habilidades matemáticas y los hombres en otras. De igual manera, las mujeres no son mejores en todos los aspectos de las habilidades de lenguaje.

• Se han cerrado, especialmente en matemáticas y ciencias, no tanto en escritura.• Crecen durante los años escolares. En 4o. grado hay solo unas diferencias mínimas en unampliorangodehabilidadesespecíficas.Mayoresdiferenciasocurrenmástardeyendiferentes momentos para diferentes áreas.

• No son fácilmente explicadas por variables simples como el curso tomado o los tipos depruebas.Nosoloocurrenantesdetomarlapruebasinoqueademássereflejanendiferencias de intereses y actividades por fuera de la escuela, lo que sugiere una historia compleja de cómo emergen las diferencias de género.

• La varianza de los puntajes entre los hombres es mayor que entre las mujeres.• Lasmujerestienen,enpromedio,mayorescalificacionesescolaresqueloshombresen

todas las áreas principales, lo que contrasta con el desempeño reportado en las pruebas estandarizadas.Laspruebasmidenhabilidadesparticularesyaisladas;lascalificacionesmidenunamplioeimportantenúmerodehabilidades,aunquenotanbiendefinidas.

• No hallaron evidencias que apoyaran el supuesto de que diferentes hábitos y respuestas a la limitación del tiempo afectaban los puntajes de hombres y mujeres de manera diferente. Tampoco las preguntas de selección múltiple. Respecto a las preguntas abiertas, los resultados fueron mixtos.

• Un resultado sustantivo de la revisión de esa gran cantidad de bases de datos es que cuando hay diferencias de género es una diferencia real. Esto se encontró en muchos tipos de mediciones, enfoques y muestras.

Glenn y Swanson (2010) se concentraron en las diferencias de género en los percentiles de mayor desempeño. Las estimaciones recientes reportan un cierre de la brecha promedio y una diferencia muy pequeña en matemáticas. En contraste, entre los estudiantes de alto rendimiento es mayor. Por ejemplo, hay 2,1 hombres por cada mujer entre los estudiantes con cerca del máximopuntaje–800puntos–enSAT-Matemáticas;yporlomenos1,6hombresporcadamujeren el percentil 99 en PISA en 36 de los 41 países estudiados (citando a Guiso, et al., 2008).

El trabajo de Glen y Swanson(2010) pretende aportar nueva evidencia de la brecha de género en los niveles altos de desempeño en los colegios de secundaria, usando los datos de las competenciasamericanasdematemáticas(AMC,porsusiglaeninglés),financiadasporlaAsociación Americana de Matemáticas. La competencia se realiza en cerca de 3.000 high schools y participan cerca de 225.000 estudiantes. Se diseña especialmente para distinguir entre estudiantes de muy alto rendimiento.

52

Sus hallazgos mostraron que la brecha de género se amplía sustancialmente en el extremo superior de la distribución (percentil 99 o superior): 10 hombres por una mujer. En los percentiles menos extremos, encontraron que las mujeres están más subrepresentadas en los puntajes altos de las competencias (AMC) que entre los estudiantes de desempeño comparable en SAT35, lo cual sugiere que estas competencias son menos atractivas para las mujeres de alto desempeño.

35 De acuerdo con su experiencia, las investigadoras estiman que obtener un puntaje de 100 en AMC12 (grado 12o.) es tan difícil y comparable con obtener un puntaje ente 780 - 800 (percentil 99) en SAT-Matemáticas.



ESTUDIOS

2 2σp =

2. Magnitud y variación de las diferencias de género en

matemáticas y lenguaje, en pruebas internacionales y nacionales

En el presente capítulo se describe la magnitud, importancia y variación de las brechas de género de los estudiantes colombianos en lectura y matemáticas en PISA 2006 y 2009 y en matemáticas en TIMSS 1995 y 200736. A nivel nacional ese análisis se hace para los grados 5o., 9o. y 11o. a partir de los resultados nacionales de la muestra controlada de SABER 5o. y 9o. en 200937 y de los resultados nacionales y departamentales de SABER 11o. entre 2005 y 2009. Asimismo, se estima, en cada caso, la razón de varianza de los puntajes de hombres y mujeres.

La brecha de género se estima a partir del cálculo del tamaño del efecto (d). De acuerdo con Morales (2011), cuando se comparan dos medias lo más frecuente es indagar si existen diferenciassignificativasentreellas(t de Student), ignorando el tamaño de esa diferencia y, por ende, su importancia. “Una diferencia estadísticamente significativa no es necesariamente una diferencia grande y tampoco es necesariamente una diferencia importante”. El autor señala que la utilización del tamaño del efecto “permite hablar de magnitudes, de diferencia grande o pequeña y consiguientemente de la relevancia de la diferencia encontrada” y que, aunque los procedimientos para su cálculo se han desarrollado en conexión con el metaanálisis, son procedimientos “utilizables y recomendados en cualquier otro planteamiento de investigación primaria”.Enresumen,elcálculodeltamañodelefectoesimportantepara“cuantificarunadiferencia de modo que se pueda interpretar mejor en términos de magnitud e importancia paranoconfundirlasignificanciaestadísticaconlarelevanciapráctica”.

Uno de los procedimientos contemplados para el cálculo del tamaño del efecto es la diferencia tipificada, equivalente a la diferencia entre dos medias dividida por una desviación estándar (d=(X1 ) - (X2)⁄σ). Así, el cálculo del tamaño del efecto o diferencia entre hombres y mujeres es igual a d=(MH - MM)⁄σp , donde Mh y Mm corresponden al puntaje promedio de hombres y mujeres, respectivamente, y σp a la desviación estándar combinada:

(n1 – 1) SD1 + (n2 – 1) SD2 (n1-1) + (n2 –1)

36 De ambas pruebas se tomaron los ciclos de evaluación en los que ha participado Colombia. De TIMSS se analizó la brecha de género en matemáticas de octavo grado, por cuanto Colombia no participó en la evaluación de cuarto grado en 1995.

37 A partir de SABER 5o. y 9o. 2009, no es posible realizar análisis departamentales. La muestra controlada es representativa para el nivel nacional (total y por sector-zona), regional y para cinco ciudades.

54

Valores positivos para d representan puntajes superiores para los hombres, mientras que valores negativos representan puntajes superiores para las mujeres.

En su interpretación, una diferencia de medias de hombres-mujeres, por ejemplo igual a 1 (d =1)significaquelamediadeloshombresseubicaaunadesviaciónestándar(percentil84)por encima de la media de las mujeres (percentil 50). Es decir, el 84% de las mujeres tienen un resultado inferior a la media de los hombres (véasefigura6).

Figura 6. Distribución según la curva normal.

La tabla 4 presenta los percentiles para diferentes valores de d o porcentaje de sujetos (del otro grupo) superados por el grupo con media superior.

Tabla 4. Percentiles para diferentes valores d.

d % d % d % d %

0 50,0 ,70 75,8 1,4 91,9 2,2 98,6

,10 54,0 ,80 78,8 1,5 93,3 2,4 99,2

,20 57,9 ,90 81,6 1,6 94,4 2,6 99,5

,30 61,8 1,0 84,1 1,7 95,5 2,8 99,7

,40 65,5 1,1 86,4 1,8 96,4 3,0 99,9

,50 69,1 1,2 88,5 1,9 97,1 3,2 99,9

,60 72,6 1,3 90,3 2,0 97,7

Fuente: Morales (2011).

,13%

-4s -3s -2s -1s 0 +1s +2s +3s +4s

13,59% 34,13% 34,13% 13,59% 2,14% ,13%2,14%

0,1% 15,9% 50% 84,1% 97,7% 99,9%2,3%



ESTUDIOS

Cohen (1988) propone que valores d iguales a 0,20 corresponden a tamaños del efecto pequeños (el grupo conmediamayor supera al 58%de sujetos del otro grupo); valoresiguales a 0,50 a tamaños moderados (supera el 69%) e iguales a 0,8 a tamaños grandes (supera el 79%). En algunos estudios, como el de Else-Quest et al. (2010) mencionado en el capítulo anterior, valores iguales a 0,10 caracterizan a tamaños poco importantes, no diferentesdecero.Sinembargo,paraalgunosanalistas,elcriteriodecalificacióndeltamañodel efecto lo establece el investigador en función del fenómeno que está midiendo. Por ello, enfatizan que los rangos establecidos por Cohen son solamente una orientación.

En relación con diferencias en rendimiento académico, valores en torno a 0,30 suelen considerarse de relevancia práctica en razón de que los tamaños de efecto que se encuentran son menores que en otras disciplinas (Morales, 2011). No obstante, no siempre es el caso porque, como se verá más adelante, en la prueba de lectura de PISA el rango entre los países delasdiferenciastipificadasdegéneroesbastanteamplio,aunquenoloesenmatemáticas(tampoco en TIMSS).

Anivelnacional,lasdiferenciastipificadasdegénerootamañodelefecto,tantoenmatemáticascomo en lenguaje, excepcionalmente superan valores absolutos de 0,30. Por lo anterior, en casos como este se establecieron las siguientes categorías de tamaño de efecto según los valores absolutos del mismo:

• Hasta 0,05 se considera irrelevante o nula (no diferente de cero). • Mayor que 0,05 y hasta 0,10, pequeña.• Mayor que 0,10 e inferior a 0,20, moderada.• Mayor que 0,20 e inferior a 0,30, relevante.• Igual o mayor que 0,30, grande.

2.1 PISA 2006 y 2009. Diferencias de género en lectura y matemáticas

PISAeselProgramaInternacionalparalaEvaluacióndeEstudiantesdelaOCDE(Organizaciónpara la Cooperación y el Desarrollo Económico) para monitorear los resultados de los sistemas educativos, en términos de los logros de los estudiantes, dentro de un marco conceptualinternacionalmenteacordado.PISAevalúahastaquépuntolosestudiantesalfinalde la educación obligatoria (15 años de edad) han adquirido los conocimientos y habilidades necesarias para su total participación en la sociedad moderna. Se concentra en la evaluación de tres áreas: lectura, matemáticas y ciencias.

La prueba internacional se realiza cada tres años desde 2000, y cada aplicación con un mayor énfasis o concentración en una de las tres áreas, sin dejar de evaluar las otras dos. En

56

su orden, lectura, matemáticas y ciencias fueron los énfasis de las evaluaciones realizadas en 2000, 2003 y 2006. Así, en 2009 comenzó de nuevo el ciclo con el área de lectura como énfasis de la evaluación.

2.1.1 Diferencias de género en lectura

El enfoque de la evaluación se basa en un concepto de lectura funcional (literacy reading) quelaOCDEdefinecomolacapacidaddeentender,usar,reflexionarsobreyengancharsecon (dejarse atraer por) textos escritos para lograr sus propios objetivos, desarrollar su propio conocimientoypotencialyparaparticiparensociedad(OCDE,2010).

En 2009, PISA evaluó textos escritos por dos medios, impreso y digital (este último por primeravez)yen formatoscontinuos(redactadosenoraciones)ynocontinuos(gráficos,tablas, listados). Cinco aspectos orientaron el diseño de la evaluación de lectura funcional: (a)extraer(recuperar)información;(b)formarunaampliacomprensión;(c)desarrollarunainterpretación;(d)reflexionarsobre,yevaluar,elcontextodeuntexto;y(e)reflexionarsobre,y evaluar, la forma de un texto. Estos cinco aspectos se condensaron en la evaluación de tres competencias metacognitivas: (a) acceder y recuperar informacióndeltexto;(b) integrar e interpretarloleído;y(c)reflexionar sobre y evaluar el texto a partir de la propia experiencia (OCDE,2010).

Cuando el énfasis de la evaluación es lectura (2000, 2009), PISA reporta un puntaje total y los resultados en cada competencia, medio y formato evaluado. En las demás aplicaciones, cuando el tiempo de evaluación (de lectura) se reduce sustancialmente, aunque se evalúan también las tres competencias, PISA solo reporta un puntaje total. Por lo anterior, la magnitud yelcambiodelasdiferenciastipificadasdegéneroentre2006y2009seanalizanrespectoalpuntaje total, teniendo en cuenta que se trata de dos evaluaciones que van de menor a mayor profundidad38. A continuación se presentan algunos de los resultados generales de lectura en ambas aplicaciones.

a. Resultados generales en PISA 2006 y 2009

En 2006, entre 56 países39, Corea, Finlandia, Hong Kong, Canadá y Nueva Zelanda obtuvieron, en su orden, los cinco puntajes, que estuvieron entre 521 y 556 puntos, frente a una media delaOCDEde492puntos.Colombiaobtuvo385puntos,seguidosoloporTúnez,Argentina,Azerbaiyán, Catar y Kirguistán40.

38 Como se mencionó, en 2006 el énfasis de PISA fue ciencias. 39 Estados Unidos se presentó a las pruebas de ciencias y matemáticas, pero no a la de lectura. 40 En http://www.pisa.oecd.org. Tablas de resultados 2006. Véase anexo 2, cuadro A2.1.



ESTUDIOS

Entodoslospaíses,lasniñassuperaronalosniñoscondiferenciasestadísticamentesignificativasque variaron entre 66 puntos en Catar y 17 puntos en Chile. En Colombia, la diferencia fue 19 puntosyentrelospaísesintegrantesdelaOCDE,38puntosenpromedio.

En 2009, entre 65 países o regiones de determinados países, Shanghái, Corea, Finlandia, Hong Kong y Singapur, seguidos por Canadá, Nueva Zelanda y Japón obtuvieron puntajes promedio entre520y556puntos, frenteaunamediade laOCDEde493puntos.Perú,AzerbaiyányKirguistán obtuvieron promedios de 370 puntos o menos. Colombia obtuvo 413 puntos41.

En todos los países, las niñas superaron a los niños con diferencias estadísticamente significativasquevariaronentre62puntosenAlbaniay9puntosenColombia.ChileyPerúlesiguen a Colombia con 22 puntos de diferencia a favor de las niñas. La diferencia promedio entrelospaísesdelaOCDEfue39puntos.

En todos los países, las brechas de género, en las subescalas medidas en la prueba, las niñas superaron a los niños. En Colombia se registraron las menores diferencias:

• Acceder y recuperar: la diferencia varió entre 65 (Albania) y 4 puntos (Colombia) a favor de las niñas. Colombia fue el único país donde tal diferencia no fue estadísticamente significativa.

• Integrar e interpretar: las diferencias variaron entre 58 (Albania) y 8 puntos (Colombia) a favordelasniñas.Entodosloscasosfueronsignificativas.

• Reflexionar y evaluar: la diferencia varió entre 70 (Albania y Bulgaria) y 15 puntos (Colombia)afavordelasniñas.Entodosloscasosfueronsignificativas.

• Textos continuos: la diferencia varió entre 67 (Albania) y 14 puntos (Colombia) a favor de lasniñas.Entodosloscasosfueronsignificativas.

• Textos no-continuos: la diferencia varió entre 63 (Jordania) y 5 puntos (Colombia) a favor de las niñas. Colombia fue el único país donde tal diferencia no fue estadísticamente significativa.

b. Diferencias tipificadas de género, 2006 y 2009

En2006,ladiferenciatipificadadegéneropromedioenlospaísesdelaOCDEfuede-0,40,y entre los países asociados de -0,4642. En todos los países, la diferencia favoreció a las niñas y varió entre -0,18 en Chile, seguido por Colombia con -0,19, y -0,75 en Tailandia (véasegráfico6)43.

41 En http://www.pisa.oecd.org.http://www.pisa.oecd.org. Tablas de resultados para países y economías. Véase anexo 2, cuadro A2.2.

42 Como ya se indicó, valores negativos de d significan promedios superiores de las niñas y valores positivos corresponden a promedios superiores de los niños.

43 En el gráfico 6 se muestran en colores oscuros los países con diferencias tipificadas de género superiores a -0,50.

58

En2009,entrelospaísesdelaOCDE,ladiferenciatipificadapromediofuede-0,42yentrelospaíses asociados, -0,47. En todos los países, la diferencia favoreció a las niñas y varió entre -0,11 en Colombia y -0,75 en Lituania (véasegráfico7).

Gráfico6.Lectura.PISA2006.Diferenciatipificadadegéneroafavordelasniñas.

Fuente: cálculos de la Dirección de Evaluación del ICFES.

Gráfico7.Lectura.PISA2009.Diferenciatipificadadegéneroafavordelasniñas.

Nota: en ambos años, en todos los países la diferencia de género fue estadísticamente significativa según el reporte de resultados de la OCDE. Se diferencian en verde claro los países con diferencias tipificadas de género iguales o superiores a 0,50; entre 0,30 e inferiores a 0,50, en verde oscuro; e inferiores a 0,30 en azul.


0,80

0,70

0,60

0,50

0,40

0,30

0,20

0,10

0,00

Chile

Indo

nesi

aHo

land

aCh

ina T

aipe

iRe

ino

Unid

oAz

erba

iyán

Bras

ilLu

xem

burg

o

Japó

n

Suiza

Dina

mar

caPo

rtuga

l

Fran

cia

Cana

dá

Mac

ao-C

hina

Nuev

a Ze

land

a

Colo

mbi

a

Méx

ico

Isra

el

Irlan

daAl

eman

ia

Bélg

ica

Italia

Urug

uay

Hong

Kon

gAu

stra

liaEs

paña

Core

aEs

lova

quia

Aust

riaTu

nez

Rep.

Che

ca

Hung

ría

Noru

ega

Serb

ia

Turq

uía

Bulg

aria

Isla

ndia

Polo

nia

Suec

ia

Rusi

a

Arge

ntin

a

Liec

hten

stei

n

Rum

ania

Mon

tene

gro

Esto

nia

Grec

ia

Croa

cia

Jord

ania

Finl

andi

a

Kirg

uist

án

Litu

ania

Leto

nia

Eslo

veni

a

Qata

r

Taila

ndia

0,80

0,70

0,60

0,50

0,40

0,30

0,20

0,10

0,00

Colo

mbi

aRe

ino

Unid

oBé

lgic

aCh

ileHo

land

aM

éxic

oBr

asil

Azer

baiy

ánEs

paña

Arge

ntin

aDi

nam

arca

Aust

ralia

Tune

zFr

anci

aLu

xem

burg

oIs

rael

Cana

dáLi

echt

enst

ein

Japó

nHo

ng K

ong

Aust

riaIrl

anda

Suiza

Hung

ríaAl

eman

iaUr

ugua

yCh

ina T

aipe

iQa

tar

Portu

gal

Nuev

a Ze

land

aCo

rea

Chin

aIs

land

iaSu

ecia

Rum

ania

Serb

iaIta

liaGr

ecia

Rusi

aNo

rueg

aRe

p. C

heca

Turq

uía

Taila

ndia

Esto

nia

Bulg

aria

Kirg

uist

ánPo

loni

aIn

done

sia

Eslo

vaqu

iaM

onte

negr

oCr

oaci

aLe

toni

aEs

love

nia

Jord

ania

Finl

andi

aLi

tuan

ia



ESTUDIOS

LavariacióndeladiferenciatipificadadegéneroafavordelasniñasmuestraquemientrasenEslovenia, Hong-Kong y Austria se mantuvo igual, en 36 países aumentó y en 17 disminuyó. El aumento de la diferencia a favor de las niñas varió entre 0,01 (Finlandia, Dinamarca y Serbia) y 0,35 (Indonesia) y la disminución entre -0,01 (Hungría, Estonia y Brasil) y -0,22 puntos (Catar). En Colombia la diferencia disminuyó en 0,08 puntos (véasegráfico8).

Gráfico8.Lectura.PISA2006-2009.Variacióndeladiferenciatipificadaafavordelasniñas.


2.1.2. Diferencias de género en matemáticas

PISA 2003 se concentró en la evaluación de conocimientos y habilidades en el área de matemáticas. En 2006 y 2009 se evaluaron las mismas competencias pero de manera global, para mantener información actualizada sobre el desempeño general en el área.

El enfoque de la evaluación se basa en un concepto de matemática funcional (mathematical literacy) que la OCDE define como la capacidad de formular, emplear e interpretar lasmatemáticas en una variedad de contextos. Esto incluye el razonamiento matemático y el uso de conceptos, procedimientos y herramientas matemáticas para describir, explicar y predecir fenómenos. En las evaluaciones de PISA esto se demuestra mediante la habilidad de los estudiantes para analizar, razonar y comunicar efectivamente a través del planteamiento, resolución e interpretación de problemas que involucran conceptos matemáticos (cuantitativos, espaciales,probabilísticos,etcétera)(OCDE,2010).

0,80

0,70

0,60

0,50

0,40

0,30

0,20

0,10

0,00

Chile

Colo

mbi

aIn

done

sia

Holan

daCh

ina T

aipei

Rein

o Un

ido

Azer

baiyá

nJa

pón

Bras

ilLu

xem

burg

oSu

izaPo

rtuga

lDi

nam

arca

Cana

dáFr

ancia

Nuev

a Ze

landa

Mac

ao-Ch

ina

Isra

elM

éxic

oBé

lgic

aIrl

anda

Alem

ania

Italia

Urug

uay

Hong

Kon

gAu

stra

liaEs

paña

Core

aEs

lova

quia

Tune

zAu

stria

Polo

nia

Rep.

Che

caSu

ecia

Hung

ríaRu

siaNo

rueg

aAr

gent

ina

Serb

iaLi

echt

enst

ein

Turq

uía

Rum

ania

Bulg

aria

Islan

dia

Mon

tene

gro

Kirg

uist

ánEs

toni

aLi

tuan

iaGr

ecia

Leto

nia

Croa

ciaEs

love

nia

Jord

ania

Qata

rFi

nlan

dia

Taila

ndia

2006 2009

60

a. Resultados generales 2006 y 2009

En 2006, entre 57 países, Taipéi, Finlandia, Hong Kong, Corea y Holanda obtuvieron promedios entre531y549puntos,frenteaunpromediode498puntosentrelospaísesdelaOCDE.Colombia obtuvo 370 puntos, seguido solo por Brasil, Túnez, Catar y Kirguistán (este último con 311 puntos)44.

En35países,ladiferenciafueestadísticamentesignificativaafavordelosniños.Entreestos,Chile y Austria, seguidos por Colombia, tuvieron las mayores diferencias (entre 22 y 28 puntos). En 21 países no hubo diferencia estadística entre los puntajes de niños y niñas, y soloenCatarladiferenciafueestadísticamentesignificativaafavordelasniñas.

En 2009, entre 65 países o regiones, Shanghái, Singapur, Hong Kong, Corea y Taipéi alcanzaronpromediosentre543y600puntos, frentealde lospaísesde laOCDEde496puntos. Los puntajes más bajos, 365 o menos los obtuvieron Perú, Panamá y Kirguistán. El promedio de Colombia fue 381 puntos45.

Por género, estadísticamente los niños superaron a las niñas en 35 países. Este grupo es liderado por Colombia con una diferencia de 32 puntos y en segundo lugar aparece Liechtenstein, con 24 puntos a favor de los niños. En 25 países no hubo diferencia estadística en los puntajes de niños y niñas y en 5 esta favoreció a las niñas (Catar, Kirguistán, Lituania, Trinidad y Tobago y Albania).

b. Diferencias tipificadas de género en 2006 y 2009

En2006, ladiferencia tipificadapromediopara lospaísesde laOCDEfue0,14ypara lospaíses asociados de 0,09. En 52 de los 57 países, la diferencia favoreció a los niños aunque en la mayoría con valores pequeños o moderados. Chile registró la mayor diferencia a favor deloshombres(0,34),seguidaporColombia(0,27);juntoaellos,otrosseispaísesregistrarondiferencias a favor de los niños superiores a 0,20. En total, ocho países registraron diferencias insignificantes,cuatroafavordelasniñas;12países,diferenciaspequeñas(dosafavordelasniñas)ylamayoríadiferenciasmoderadas(unoafavordelasniñas).Elgráfico9muestrala distribución de los países según el tamaño de la diferencia.

44 En http://www.pisa.oecd.org. Tablas de resultados 2006. Véase anexo 2, cuadro A2.3. 45 En http://www.pisa.oecd.org. Tablas de resultados 2006. Véase anexo 2, cuadro A2.4.



ESTUDIOS

Gráfico9.Matemáticas.PISA2006.Diferenciatipificadadegénero.

Nota: En azul oscuro, diferencias tipificadas iguales y superiores a 0,20; en azul claro y verde oscuro los países donde la diferencia de género fue estadísticamente significativa según el reporte oficial de resultados de la OCDE.


En 2009, cincuenta de 57 países presentaron diferencias a favor de los niños, grupo en el que sobresale Colombia al registrar la mayor entre todos los países (0,47). Le sigue un grupo de 12 países con diferencias a favor de los niños entre 0,20 y 0,30. En los 44 restantes, en 15 paísesladiferenciafueinsignificanteonula;en7,pequeña(entresdeellos,afavordelasniñas)yen22,moderada.Elgráfico10muestraladistribucióndelospaísessegúneltamañode la diferencia.

Gráfico10.Matemáticas.PISA2009.Diferenciatipificadadegénero.

Nota: En azul oscuro, diferencias tipificadas iguales y superiores a 0,20; en azul claro y verde oscuro los países donde la diferencia de género fue estadísticamente significativa según el reporte oficial de resultados de la OCDE.


0,40

0,30

0,20

0,10

0,00

0,10

0,20

0,30

0,40

Chile

Colo

mbi

aAu

stria

Indo

nesia

Japó

nBr

asil

Alem

ania

Rein

o Un

ido

Luxe

mbu

rgo

Italia

Tune

zCa

nadá

Hong

Kon

gAu

stra

liaPo

rtuga

lCr

oacia

Eslo

vaqu

iaFi

nlan

dia

Holan

daIrl

anda

Mon

tene

gro

Suiza

Urug

uay

Mac

ao-

Chin

aAr

gent

ina

Taip

ei-C

hina

Dina

mar

caNv

a Ze

landa

Isra

elHu

ngría

Méx

icoPo

loni

aRe

p. C

heca

Core

aEs

paña

Est.

Unid

osRu

man

iaNo

rueg

aFr

ancia

Bélg

icaLe

toni

aFe

d. R

usa

Turq

uía

Serb

iaSu

ecia

Eslo

veni

aGr

ecia

Esto

nia

Litu

ania

Kirg

uist

ánLi

echt

enst

ein

Azer

baiyá

nBu

lgar

iaIs

landi

aTa

iland

iaJo

rdan

iaQa

tar

0,10

0,00

0,10

0,20

0,30

0,40

0,50

Colo

mbi

aEs

toni

aCh

ileRe

ino

Unid

oEs

paña

Core

aNo

rueg

aSu

izaLu

xem

burg

oAu

stria

Hola

nda

Bras

ilTa

ipei

Hung

ríaTu

nez

Rum

ania

Suec

iaIta

liaAl

eman

iaHo

ng K

ong

Jord

ania

Mon

tene

gro

Cana

dáUr

ugua

yM

acao

-Chi

naKi

rgui

stán

Portu

gal

Israe

lFe

d. R

usa

Croa

cia

Leto

nia

Grec

iaAu

stral

iaJa

pón

Qatar

Irlan

daDi

nam

arca

Nva

Zela

nda

Polo

nia

Arge

ntin

aBu

lgar

iaEs

t. U

nido

sM

éxic

oAz

erba

iyán

Rep.

Che

caFi

nlan

dia

Eslo

vaqu

iaBé

lgic

aFr

anci

aSe

rbia

Islan

dia

Indo

nesi

aTu

rquí

aLi

echt

enste

inTa

iland

iaEs

love

nia

Litu

ania

62

En los 57 países en que fue posible comparar los resultados de matemáticas en los dos añosanalizados,lavariacióndeladiferenciatipificadadegéneromuestraquemientrasenUruguay se mantuvo igual, en 24 países la diferencia a favor de los niños aumentó con valores entre 0,01 (Macao y Montenegro) y 0,27 puntos (Catar y Estonia). En Colombia, ese aumento fue 0,20 puntos. Mientras tanto, en 28 países esa diferencia disminuyó con valores entre -0,01 (Brasil y Túnez) y -0,25 puntos (Indonesia) (véasegráfico11).

Gráfico11.Matemáticas.PISA2006-2009.Variacióndeladiferenciatipificadadegénero.


2.1.3. Razones de las varianzas de los puntajes por género, 2006 y 2009

En 2006, en lectura, excepto en uno, en todos los países los puntajes de los niños variaron más que los de las niñas (RV > 1)46. En 29 países, esa mayor varianza entre los niños fue igual o superior al 20%. Se destacan entre ellos Jordania y Grecia, con el 65% y 60% de mayor varianza. En Colombia fue el 9% superior. En 2009, la mayor varianza de los puntajes de los niños se registró en todos los países, aunque la diferencia de las varianzas se cierra (Israel registra la mayor RV, 42%), en 28 países fue superior al 20%. Solo en Colombia las varianzas fueron iguales (RV = 1). Respecto a 2006, la RV aumentó en 24 países, en uno (República Checa) se mantuvo igual, y en 31 países disminuyó. En Colombia disminuyó un 9% (véasegráfico12).

En 2006, en matemáticas, excepto en cinco, en todos los países las RV fueron mayores a 1 y, de ellos, 22 registraron varianzas entre los niños superiores a las de las niñas en un 20% o más (Catar registra la mayor, con 47%). En Colombia fue superior en un 13%. En 2009, excepto un país, en todos fueron mayores las de los niños, aunque también la diferencia de

46 Como se mencionó al comienzo, RV = VarH / VarM, es decir, para RV = 1, las varianzas son iguales; para RV > 1, la varianza de los puntajes de los niños es mayor que la de las niñas y viceversa.

0,20

0,10

0,00

0,10

0,20

0,30

0,40

0,50

Chile

Colo

mbi

aAu

stria

Indo

nesia

Japó

nBr

asil

Alem

ania

Rein

o Un

ido

Luxe

mbu

rgo

Italia

Tune

zCa

nadá

Hong

Kon

gAu

stra

liaPo

rtuga

lCr

oacia

Eslo

vaqu

iaFi

nlan

dia

Holan

daIrl

anda

Mon

tene

gro

Suiza

Urug

uay

Mac

ao-C

hina

Arge

ntin

aCh

ina-

Taip

ei

Dina

mar

caNv

a Ze

landa

Isra

elHu

ngría

Méx

ico

Polo

nia

Rep.

Che

caCo

rea

Espa

ñaEs

t. Un

idos

Rum

ania

Noru

ega

Fran

ciaBé

lgica

Leto

nia

Rusia

Turq

uía

Serb

iaSu

ecia

Eslo

veni

aGr

ecia

Litu

ania

Esto

nia

Kirg

uist

ánLi

echt

enst

ein

Azer

baiyá

nBu

lgar

iaIs

landi

aTa

iland

iaJo

rdan

iaQa

tar

2006 2009



ESTUDIOS

varianzas se cierra: solo en 13 la de los niños fue superior en un 20% o más (Israel registra la mayor, con 38%). Respecto a 2006, en 2009, en 24 países la varianza entre los niños aumentó, en cinco países no cambió y en 26 disminuyó. En Colombia disminuyó un 2% (véasegráfico13).

Gráfico12.Lectura.PISA2006-2009.Razóndevarianzadelospuntajesdehombres/mujeres.


Gráfico13.Matemáticas.PISA2006-2009.Razóndevarianzadelospuntajeshombres/mujeres.


0,90

1,00

1,101,20

1,30

1,40

1,60

1,70

1,50

Jord

ania

Grec

iaTa

iland

iaIs

rael

Isla

ndia

NOru

ega

Japó

nTu

rquí

aPo

loni

aIta

liaRe

ino

Unid

oAu

stra

liaFr

anci

aHu

ngria

Bélg

ica

Eslo

veni

a

Finl

andi

aEs

paña

Cata

rTu

nez

Core

aBu

lgar

iaCr

oaci

a

Mac

ao-C

hina

Esto

nia

Cana

dáRu

sia

Irlan

daNe

w Ze

land

aIn

done

sia

Eslo

vaqu

iaKi

rgui

stán

Chile

Hong

Kon

gAl

eman

iaUr

ugua

yM

onte

negr

oLu

xem

burg

oSu

ecia

Leto

nia

Portu

gal

Arge

ntin

aBr

asil

Chin

a Ta

ipei

Azer

baiyá

nEs

love

nia

Méx

ico

Autri

aHo

land

aDi

nam

arca

Litu

ania

Rum

ania

Colo

mbi

aSu

izaRc

a Ch

eca

Liec

hten

stei

n

2006 2009

0,90

1,00

1,10

1,20

1,30

1,40

1,50

Qata

rJo

rdan

iaIs

rael

Grec

iaHu

ngría

Croa

ciaEs

toni

aNo

rueg

aIta

liaTa

iland

iaBé

lgica

Kirg

uist

ánM

acao

-Chi

naNv

a Ze

landa

Rum

ania

Bulg

aria

Core

aIn

done

sia

Espa

ñaRe

ino

Unid

oAu

stra

liaIs

landi

aFi

nlan

dia

Turq

uía

Japó

nFr

ancia

Irlan

daPo

rtuga

lPo

loni

aLu

xem

burg

oM

éxic

oRu

siaCa

nadá

Colo

mbi

aHo

ng K

ong

Eslo

veni

aEs

t. Un

idos

Leto

nia

Eslo

vaqu

iaSe

rbia

Chile

Tune

zUr

ugua

yAl

eman

iaBr

asil

Suec

iaCh

ina

Taipe

iLi

tuan

iaM

onte

negr

oHo

landa

Aust

riaSu

izaDi

nam

arca

Azer

baiyá

nRc

a Ch

eca

Liec

hten

stei

nAr

gent

ina

2006 2009

64

2.2. TIMSS 1995 y 2007. Diferencias de género en matemáticas

TIMSS (Estudio Internacional de Tendencias en Matemáticas y Ciencias, por su sigla en inglés) es un proyecto de la IEA (Asociación Internacional para la Evaluación del Logro Educativo, por su sigla en inglés) que tiene como objetivo proveer información comparativa entre países acerca del desempeño educativo de los estudiantes para mejorar la enseñanza y el aprendizaje de las matemáticas y las ciencias. Con aplicaciones regulares realizadas cada cuatro años, TIMSS evalúa el desempeño de los estudiantes de cuarto y octavo grados en matemáticas y ciencias desde 1995. Además de las pruebas, mediante cuestionarios a rectores, docentes y estudiantes, recoge información sobre los sistemas educativos, la organización y las prácticas de enseñanza en los centros educativos y sobre los antecedentes familiares, la experiencia educativa, las prácticas de estudio y las actitudes y expectativas de los estudiantes.

En 1995, en secundaria se evaluó matemáticas y ciencias de estudiantes de 7o. y 8o. grados47 con la participación de 45 países. Sin embargo, el informe internacional reportó resultados para8o.gradode39paísesyde7o.en38;en2007,de48paísesy7entidadesregionalesdealgunos países. En ambas aplicaciones, los contenidos evaluados fueron números, álgebra, geometría, representación de datos y probabilidad. En 1995 se evaluó adicionalmente medición y proporcionalidad.

2.2.1. Resultados generales, 1995 y 2007

En 1995, la media de los puntajes en matemáticas fue de 484 y 513 puntos en 7o. y 8o. grados, respectivamente. En ambos grados, Singapur, Corea, Japón y Hong Kong obtuvieron los puntajes más altos48. Colombia obtuvo 385 y 369 puntos en 8o. y 7o. grados, respectivamente, seguido por Suráfrica. En 31 países en 8o. grado y en 33 en 7o., los niños superaron a las niñas, aunque solo en 8 y en 6, respectivamente, la diferencia fue estadísticamente significativa.EnColombia,ladiferenciaafavordelosniñosde2puntosen8o.yde7puntosen7o.,nofueestadísticamentesignificativa(Beatonet al.,1996)49.

En 2007, de nuevo países o regiones asiáticas tuvieron los mejores resultados. Taipéi, Corea del Sur, Singapur, Hong Kong y Japón obtuvieron puntajes promedios que variaron entre 570 y 598 puntos en 8o. grado. Colombia obtuvo 380 puntos50.

47 Por ser los grados donde se encontraba la mayoría de los niños de 13 años, en gran parte de los países. 48 Con puntajes entre 588 y 643 en 8o. y 564 y 601 puntos en 7o. Colombia estuvo en el grupo de cuatro países en

que la mayoría de los estudiantes de ambos grados tenían edades superiores a los 13 años. 49 Véase tabla de resultados en el anexo 2 – cuadro A2.6, del libro de estos autores. 50 Véase tabla de resultados en el anexo 2 – cuadro A2.6, del libro de estos autores.



ESTUDIOS

En24paísesoregionesnohubodiferenciaentrelospuntajesdeniñosyniñas;en16,lasniñas superaron a los niños, y en solo 8 los niños superaron a las niñas, y Colombia se llevó el liderazgo en este sentido, con 32 puntos a favor de los niños.

2.2.2. Diferencias tipificadas de género, 1995 y 2007

En 19 países es posible comparar los resultados en matemáticas de 8o. grado entre 1995 y 200751.Comoseobservaenelgráfico14,en1995,en13paísesladiferenciadegénerofue a favor de los niños, aunque solo en dos de ellos (Irán y Hong Kong) fue superior a 0,20 (enColombiafueapenas0,03superior);enuno(Hungría)nohubodiferenciayencincoladiferencia fue a favor de las niñas, aunque con valores iguales o inferiores a -0,05. En 2007, los niños superaron a las niñas en 8 de los 19 países. Entre ellos, Colombia se destaca con una diferencia de 0,41, seguido por Australia con 0,20. Y mientras de nuevo en Hungría no hubo diferencia, en los 10 restantes las niñas superaron a los niños, aunque solo en Chipre con una diferencia superior a 0,20.

Gráfico14.Matemáticas.TIMSS1995-2007.Variacióndeladiferenciatipificadadegénero.

Nota: barras y puntos en azul corresponden a países con diferencias de género estadísticamente significativas, según los reportes

de resultados de la TIMSS de los respectivos años.


51 De los 24 países que participaron en la evaluación de octavo grado en 1995 y 2007, es posible la comparación en 19 de ellos, por cuanto no se reportaron resultados de cinco países en 1995.

0,30

0,20

0,10

0,00

0,10

0,20

0,30

0,40

0,50

Irán

Hong

Kon

g

Esco

cia

Core

a

Rep.

Che

ca

Eslo

veni

a

Japó

n

Est.

Unid

os

Noru

ega

Ingl

ater

ra

Rum

ania

Colo

mbi

a

Suec

ia

Hung

ría

Fed.

Rus

a

Litu

ania

Sing

apur

Chip

re

Aust

ralia

1995 2007

66

2.2.3. Razones de las varianzas de los puntajes por género, 1995 y 2007

En los 19 países para los cuales es posible realizar comparaciones entre sus puntajes de 8o. grado en 1995 y 2007, en 1995 la RV fue menor que 1 en tres países, en dos las varianzas fueron iguales (RV = 1) y en los demás la varianza fue superior entre los niños, aunque en proporciones menores que las observadas en PISA, pues solo en Rusia fue superior en un 20% o más. En Colombia fue superior en un 10%. En 2007, en todos los países la RV fue mayor a la unidad y la diferencia de varianzas se amplió: en cinco países fue igual o superior al 20%, y se registró la mayor en Hong Kong (29%). Respecto a 1995, en 2007 la RV aumentó en13países (enColombiaaumentóotro10%)yenel restodisminuyó;Japón registró lamayor disminución (17%) (véasegráfico15).

Gráfico15.Matemáticas.TIMSS1995-2007.Razón de varianza de los puntajes de hombres/mujeres.


2.3. SABER 5o. y 9o. 2009. Diferencias de género en matemáticas y lenguaje

2.3.1. Diferencias tipificadas en matemáticas

Tantoparaeltotalnacionalcomoparalossectores,nooficialyoficial–urbanoyrural–,losresultados de SABER 5o. y 9o. 2009 muestran un comportamiento similar al observado en otros países, en el sentido de que la brecha de género en matemáticas a favor de los niños se amplía en secundaria. De hecho, en general se observan tamaños de efecto pequeños enprimariaygrandesensecundaria.Anivelnacional, ladiferencia tipificadaa favorde

0,90

1,00

1,10

1,20

1,30

1,40

1,50

Fed.

Rus

a

Japa

n

Noru

ega

Hong

Kon

g

Colo

mbi

a

Esco

cia

Rum

ania

Ingl

ater

ra

Aust

ralia

Chip

re

Eslo

veni

a

Rep.

Che

ca

Core

a

Sing

apur

Irán

Suec

ia

Hung

ría

Litu

ania

1995 2007

Esta

dos

Unid

os



ESTUDIOS

los niños se amplía en 0,24 puntos entre quinto y noveno grados. Esa diferencia a favor de loshombresenambosgradosesmenorencolegios privadosymayorenoficiales-urbanos (véasegráfico16).Laampliacióndelabrechaennovenosereproducepornivelessocioeconómicos (véasegráfico17),conlamayorampliacióndeladiferenciaentrequintoy noveno en el nivel 3 (0,29 puntos).

Gráfico16.SABER5o.y9o.2009.Diferenciastipificadasenlapruebadematemáticasportipodecolegio.


Gráfico17.SABER5o.y9o.2009.Diferenciastipificadasenlapruebadematemáticaspornivelsocioeconómico.


0,09

0,12

0,08

0,05

0,33

0,39

0,31

0,28

0,10 ,20 0,30 ,40 0,50 0,00

TOTAL

0 0

0,10

0,00 ,20 0,30 ,40 0,50

0,08

0,12

0,10

0,08

0,32

0,38

0,39

0,32

NSE 1

NSE 2

NSE 3

NSE 4

0 0

No oficial

Oficial rural

Grado 5o.

Grado 5o.

Grado 9o.

Grado 9o.

Oficial urbano

68

EnlascincociudadesdondelamuestracontroladadeSABER5o.y9o.2009fuerepresentativa;se observa también la ampliación de la brecha de género en matemáticas entre ambos grados a favor de los niños, aunque en magnitudes distintas. En resumen: (i) en promedio, en las cincociudades, labrechaentrequintoynovenogradosde0,11pasaa0,33;(ii)elmayoraumentodelabrechasedaenCali(0,28)ylamenorenBucaramanga(0,07);(iii)enquintogrado, mientras que en Medellín prácticamente no hay diferencia, en las demás ciudades es moderada, con la mayor en Pasto (0,15) (véasegráfico18).

Gráfico18.SABER5o.y9o.2009.Diferenciastipificadasenlapruebadematemáticaspormunicipio.


2.3.2. Diferencias tipificadas en lenguaje

En lenguaje, la brecha de género a favor de las niñas tiende a ser moderada en ambos grados,aunquemenorennoveno,exceptoen loscolegiosoficiales-rurales.Enestos,alcontrario,labrechaafavordelasniñasseamplíaennoveno.Así,podríaafirmarsequeporel tamaño del efecto, la brecha de género tiende a ser moderada, sin mayores diferencias entreambosgradoseneltotalnacionalyenlossectoresoficial-urbanoyprivado(véase gráfico19).

0,05

0,12

0,15

0,13

0,11

0,11

0,29

0,34

0,34

0,20

0,39

0,33

0,10

0,20

0,30

0,40

0,50

Bogotá Pasto B/manga Cali d’PromMedellín

Grado 5o. Grado 9o.



ESTUDIOS

Gráfico19.SABER5o.y9o.2009.Diferenciastipificadasenlapruebadelenguajeportipodecolegio.


Por niveles socioeconómicos, mientras en el nivel 1 la brecha a favor de las mujeres se amplía entre quinto y noveno, en los demás niveles es mayor en quinto, especialmente entre los de nivel socioeconómico más alto (NSE 4) (véasegráfico20).

Gráfico20.SABER5o.y9o.2009.Diferenciastipificadasenlapruebadelenguajepornivelsocioeconómico.


0,15

0,17

0,13

0,19

0,12

0,12

0,21

0,15

0,25 0,20 0,15 0,10 0,05 0,00

TOTAL

0,14

0,18

0,16

0,24

0,23

0,13

0,13

0,19

0,25 0,20 0,15 0,10 0,05 0,00

NSE 1

NSE 2

NSE 3

NSE 4

No oficial

Oficial rural

Oficial urbano

Grado 5o. Grado 9o.

Grado 5o. Grado 9o.

70

Finalmente, en las cinco ciudades en promedio la diferencia es algo mayor en quinto grado, aunque en ambos casos, moderada. Sin embargo, la situación varía entre ellas: (i) Pasto presentabrechaspequeñasenambosgradosynohaydiferenciaentreellos; (ii)enCali,mientrasquenohaydiferenciadegéneroennovenogrado,enquintoestaesmoderada;(iii)a diferencia del resto, en Bucaramanga la brecha a favor de las niñas se amplía en noveno, conuntamañodeefecto importante;y(iv)enMedellín, ladiferenciadegéneroenquintogrado tiene un valor importante (véasegráfico21).

Gráfico21.SABER5o.y9o.2009.Diferenciastipificadasenlapruebadelenguajeporciudad


2.3.3. Razones de las varianzas de los puntajes por género

Comoseobservaenelgráfico22,enmatemáticasentodosloscasos(totalnacional,porsector-zona, por niveles socioeconómicos y en las cinco ciudades), los puntajes de los niños varían más que los de las niñas (RV > 1), aunque mucho más en noveno que en quinto, excepto en Bucaramanga.

En lenguaje, sin embargo (véasegráfico23),elpatrónesmuyirregulary,además,lasvarianzasen quinto y noveno tienden a ser similares por sector-zona y por nivel socioeconómico. Hay algo más de variación entre ciudades.

0,22

0,17

0,08

0,16

0,15

0,18

0,14

0,12

0,06

0,24

0,01

0,11

0,30 0,25 0,20 0,15 0,10 0,05 0,00

Grado 5o. Grado 9o.

d’ Prom

Cali

Bucaramanga

Pasto

Bogotá

Medellín



ESTUDIOS

Gráfico22.Matemáticas.SABER5o.y9o.2009Razón de la varianza de los puntajes de hombres/mujeres.


Gráfico23.Lenguaje.SABER5o.y9o.2009Razón de la varianza de los puntajes de hombres/mujeres.


0,95

1,00

1,05

1,10

1,15

1,20

1,25

1,30

1,35

Bogo

tá

Med

ellín

Past

o

Cali

NSE4

NSE3

NSE1

NSE2

0,90

0,95

1,00

1,05

1,10

1,15

1,20

Pasto

Bogo

tá

Cali

Med

ellín

NSE4

NSE3

NSE1

NSE2

Grado 5o.

Ofic

ial r

ural

Ofic

ial u

rban

o

No o

ficia

l

Tota

l nac

iona

l

Buca

raman

ga

Grado 9o.

Grado 5o.

Ofic

ial r

ural

Ofic

ial u

rban

o

No o

ficia

l

Tota

l nac

iona

l

Buca

raman

ga

Grado 9o.

72

2.4. SABER 11o. 2005 - 2009. Diferencias de género en matemáticas y lenguaje52

2.4.1. Diferencias tipificadas en matemáticas

a. Total nacional, por sector-zona y capital-resto

Entre 2005 y 2009, en grado 11o., la brecha promedio nacional a favor de los hombres en matemáticas presenta un comportamiento irregular, en forma casi de M. Sin embargo, se observa una tendencia a aumentar, pues de tamaños de efecto moderado pasa a importante (véasegráfico24).

Gráfico24.Matemáticas.Grado11o.Totalnacional.


Elcomportamientoymagnitudde ladiferencia tipificadapromedionacionalse repitendemaneracasi idénticaentre losestudiantesoficiales-urbanos53 (véasegráfico25);entre losoficiales-rurales,seobservaunatendenciairregularmássuave,aunqueaumentademaneramás pronunciada: comienzan el periodo con una diferencia irrelevante y lo terminan con una importante en los dos últimos años (véasegráfico26);encontraste,entre losestudiantesprivados se observa una tendencia de la diferencia también irregular pero más moderada y relativamente estable (véasegráfico27).

52 El análisis se hizo para los estudiantes de jornadas diurnas evaluados en calendario A - 2009. A ellos se sumaron los de jornadas diurnas de los departamentos del Valle del Cauca y Nariño evaluados en calendario B, el mismo año. La diferencia o tamaño de efecto promedio nacional corresponde a calendario A - 2009 y no incluye los tamaños de efecto en Valle del Cauca y Nariño.

53 Ellos representan la mayoría de los evaluados. En 2009, su número es 2,8 veces mayor que el de los privados y 6,7 veces superior al de los oficiales-rurales.

0,15

0,31

0,17

0,290,25

0,00

0,10

0,20

0,30

0,40

0,50

2005 2006 2007 2008 2009

d’ Prom nacional d’ + 1 DE d’ - 1 DE



ESTUDIOS

Gráfico25.Matemáticas.Grado11o.Totaloficialurbano.


Gráfico26.Matemáticas.Grado11o.Totaloficialrural.


0,14

0,32

0,18

0,310,27

0,00

0,10

0,20

0,30

0,40

0,50

2005 2006 2007

0,05

0,18

0,10

0,24

0,21

0,30

0,20

0,10

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

2008 2009



74

Gráfico27.Matemáticas.Grado11o.Totalnooficial.


Deigualmanera,elcomportamientonacionalyoficial-urbanodeladiferenciadegéneroserepite en las capitales de departamentos (véasegráfico28)yeneloficial-rural,enelrestodelos departamentos (véasegráfico29).

Gráfico28.Matemáticas.Grado11o.Capitales.


0,19

0,32

0,17

0,27

0,22

0,00

0,10

0,20

0,30

0,40

0,50

0,60

2005 2006 2007

0,17

0,33

0,18

0,29

0,26

0,00

0,10

0,20

0,30

0,40

0,50

2005 2006 2007 2008 2009

2008 2009





ESTUDIOS

Gráfico29.Matemáticas.Restodelosdepartamentos.


b. Totales departamentales

La tendencia a aumentar la diferencia en matemáticas a favor de los hombres se ilustra también por la proporción de departamentos que en cada año presentan un valor del tamaño de efecto igualosuperiora0,20.Comoseobservaenelgráfico30,enlostresañosimpareslaproporcióndedepartamentoscondiferenciastipificadasigualesosuperioresa0,20de27%pasóa61%.En los dos años atípicos (2006 y 2008), esa proporción aumentó del 73% al 85%.

Gráfico30.SABER11o.Diferenciastipificadasenmatemáticasaniveldepartamental.


0,12

0,28

0,16

0,290,25

-0,10

0,00

0,10

0,20

0,30

0,40

0,50

2005 2006 2007 2008 2009

0,73

0,27

0,64

0,15

0,39

0,27

0,73

0,36

0,85

0,61

-

0,20

0,40

0,60

0,80

1,00

2005 2006 2007 2008 2009

< >=


0,20 0,20

76

Con solo tres excepciones –San Andrés en 2007, La Guajira en 2008 y Cesar en 2009-: (i) los ocho departamentos de la Costa Caribe tienen, en los cinco años considerados, una brecha de género en matemáticas a favor de los niños, inferior al promedio nacional54;(ii)juntoaellos,Chocó,Vichada,AmazonasyVaupés;(iii)ladiferenciadegéneroenAntioquiaestuvo alrededor de la media nacional durante los cinco años, al igual que Tolima, excepto esteúltimoen2009,añoenqueaumentóesadiferencia;(iv)Casanarepresenta lamayordiferencia a favor de los niños durante los cinco años, excepto en 2009, cuando fue superado porGuaviare;y(v)elrestodedepartamentostendieronamantenerunadiferenciasuperiorala media nacional durante el periodo analizado (véase la tabla 2.1 del anexo 2).

Aunqueelcomportamientoirregulardeladiferenciatipificadadegéneroenmatemáticasyadescrita se repite en la mayoría de los departamentos, se observan distintos grupos según el patrón y magnitud que toman los tamaños de efecto durante el periodo, como lo muestran losgráficos31a63.

a. Atlántico, Bolívar, Magdalena, Córdoba, Sucre y Cauca muestran una clara tendencia creciente de los tamaños de efecto, y de diferencias irrelevantes o nulas pasan a diferencias moderadas a favor de los niños (véanse gráficos31a36).

Gráfico31.Matemáticas.Atlántico.


54 El tamaño del efecto promedio para el total de departamentos (el total de país) se corrigió en función de los dife-rentes tamaños de muestra o población. Para tal fin, se calculó la varianza inversa ponderada: w=1/se2 (se = error estándar combinado). Así, el tamaño del efecto promedio ponderado se obtuvo a partir del cálculo de la siguiente

fórmula: d= . ∑(w*d )∑w

0,07

0,19

0,10

0,21

0,15

0,00

0,05

0,10

0,15

0,20

0,25

2005 2006 2007 2008 2009



ESTUDIOS

Gráfico32.Matemáticas.Bolívar.


Gráfico33.Matemáticas.Córdoba.


Gráfico34.Matemáticas.Magdalena.


0,04

0,20

0,13

0,22

0,15

0,00

0,05

0,10

0,15

0,20

0,25

2005 2006 2007 2008 2009

0,04

0,18

0,10

0,21

0,18

0,00

0,05

0,10

0,15

0,20

0,25

2005 2006 2007 2008 2009

0,00

0,05

0,10

0,15

0,20

0,25

2005 2006 2007 2008 2009

0,000,04

0,150,19

0,11

78

Gráfico35.Matemáticas.Sucre.


Gráfico36.Matemáticas.Cauca.


b. Antioquia, Caldas, Meta, Cundinamarca, Norte de Santander, Risaralda, Tolima y Arauca

pasarondediferenciastipificadasdegéneromoderadasarelevantesalfinaldelperiodo,con tamaños de efecto entre 0,25 y 0,29. Una tendencia creciente más clara se observa en Antioquia, Risaralda y Tolima. Los otros cinco departamentos tuvieron diferencias de género anuales muy similares durante los cuatro primeros años del periodo. Excepto Tolima, en todos los demás se observa, sin embargo, una tendencia negativa entre 2006 y 2009 (véansegráficos37a44).

0,00

0,05

0,10

0,15

0,20

0,25

2005 2006 2007 2008 2009

0,06

0,20

0,15

0,22

0,17

0,00

0,05

0,10

0,15

0,20

0,25

2005 2006 2007 2008 2009

0,05

0,17

0,09

0,220,18



ESTUDIOS

Gráfico37.Matemáticas.Antioquia.


Gráfico38.Matemáticas.Caldas.


Gráfico39.Matemáticas.Cundinamarca.


0,12

0,31

0,17

0,30

0,25

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

20090,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008

0,18

0,37

0,17

0,35

0,25

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,19

0,37

0,19

0,34

0,29

80

Gráfico40.Matemáticas.Meta.


Gráfico41.Matemáticas.NortedeSantander.


Gráfico42.Matemáticas.Risaralda.


0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,19

0,37

0,18

0,34

0,26

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,17

0,36

0,18

0,35

0,29

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,13

0,36

0,21

0,34

0,29



ESTUDIOS

Gráfico43.Matemáticas.Tolima.


Gráfico44.Matemáticas.Arauca.


c. Bogotá, Boyacá, Huila, Quindío y Santander muestran diferencias importantes a favor de los niños y similares en todos los años y, al igual que el grupo anterior, con tendencia a disminuir entre 2006 y 2009. De tamaños de efecto relevantes pasaron a tamaños grandesalfinaldelperiodo(cercanosoigualesa0,30)(véansegráficos45a49).

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,13

0,29

0,18

0,290,29

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,16

0,35

0,18

0,33

0,28

82

Gráfico45.Matemáticas.Bogotá,D.C.


Gráfico46.Matemáticas.Boyacá.


Gráfico47.Matemáticas.Huila.


0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,23

0,37

0,21

0,32

0,30

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,21

0,38

0,23

0,33

0,28

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,22

0,36

0,20

0,300,29



ESTUDIOS

Gráfico48.Matemáticas.Quindío.


Gráfico49.Matemáticas.Santander.


d. Valle del Cauca y Nariño presentan una tendencia negativa entre 2005 y 2007 y positiva entre ese último año y 2009, especialmente en Valle del Cauca. Además, tendieron a mantenerse en un rango de tamaños de efecto importantes o relevantes (entre 0,20 y 0,29) (véansegráficos50y51).

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,20

0,38

0,23

0,32

0,27

0,00

0,10

0,20

0,30

0,40

20052 006 2007 20082 009

0,23

0,35

0,210,30 0,30

84

Gráfico50.Matemáticas.ValledelCauca.


Gráfico51.Matemáticas.Nariño.


e. Casanare se distingue del resto de departamentos por presentar unas diferencias muy grandes durante todo el periodo considerado (véasegráfico52).

Gráfico52.Matemáticas.Casanare.


0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,21

0,26

0,15

0,220,24

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 20082 009

0,22

0,28

0,16

0,290,23

0,00

0,10

0,20

0,30

0,40

0,50

2005 2006 2007 2008 2009

0,30

0,41

0,30

0,40

0,31



ESTUDIOS

f. Finalmente, los 11 departamentos restantes, La Guajira, Cesar, Caquetá, Chocó y siete que corresponden a los antiguos territorios nacionales –se exceptúan Arauca y Casanare–, presentan comportamientos muy atípicos (véansegráficos53a63):(i)Chocópresentadiferenciasprácticamenteinsignificantesentodoelperiodo;(ii)CaquetáyPutumayo,adiferencia del resto de este grupo, muestran comportamientos algo parecidos a los de gruposanteriores,aunquenosepudieronasimilaraningunodeellosenparticular;(iii)Guaviarepresenta la tendenciapositivamásclarade todos losdepartamentos;y (iv)Cesar presenta un comportamiento algo parecido al del Valle del Cauca.

Gráfico53.Matemáticas.LaGuajira.


Gráfico54.Matemáticas.Cesar.


0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,11

0,17

0,10

0,30

0,19

0,09

0,27

0,16

0,25 0,28

0,00

0,10

0,20

0,30

2005 2006 2007 2008 2009

86

Gráfico55.Matemáticas.Caquetá.


Gráfico56.Matemáticas.Chocó.


Gráfico57.Matemáticas.Amazonas.


0,19

0,33

0,27

0,31

0,29

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,02

0,060,00

0,06

0,11

0,10

0,00

0,10

0,20

2005 2006 2007 2008 2009

0,10

0,00

0,10

0,20

2005 20062 007 2008 2009

-0,05

0,15

0,06

0,11

-0,05



ESTUDIOS

Gráfico58.Matemáticas.Guaviare.


Gráfico59.Matemáticas.Guainía.


Gráfico60.Matemáticas.Putumayo.


0,19

0,29 0,280,31

0,48

0,00

0,10

0,20

0,30

0,40

0,50

0,60

2005 2006 2007 2008 2009

0,00

0,10

0,20

0,30

0,40

2005 2006 2007 2008 2009

0,12

0,23

0,27

0,36

0,07

0,00

0,10

0,20

0,30

0,40

0,50

2005 2006 2007 2008 2009

0,18

0,32

0,21

0,39

0,26

88

Gráfico61.Matemáticas.SanAndrés.


Gráfico62.Matemáticas.Vaupés.


Gráfico63.Matemáticas.Vichada.


-0,09

0,09

0,24 0,24

0,11

-0,20

-0,10

0,00

0,10

0,20

0,30

2005 2006 2007 2008 2009

-0,39

0,03

0,14

0,06

-0,13

-0,50

-0,40

-0,30

-0,20

-0,10

0,00

0,10

0,20

2005 2006 2007 2008 2009

0,00

0,10

0,20

0,30

0,40

-0,102005 2006 2007 2008 2009

0,01

0,29

-0,02

0,03

0,18



ESTUDIOS

2.4.2. Diferencias tipificadas en lenguaje

a. Total nacional, por sector-zona y capital-resto

En lenguaje, el patrón de comportamiento de la diferencia tipificada de género es muydiferente del observado en matemáticas. En promedio, no se aprecia una ventaja clara de las niñas en esta área, como ocurre en muchos países.

A nivel nacional, total y por sectores, entre 2005 y 2009 la diferencia de género se mueve dentro de los márgenes de diferencias pequeñas e irrelevantes o nulas. En efecto, en grado 11o. la brecha promedio nacional en lenguaje, aunque se movió de positiva a negativa55, su magnitud fue nula durante todo el periodo, pero varió entre departamentos, especialmente el primeroyúltimoaño,comoseobservaenelgráfico64.

Gráfico64.Lenguaje.Grado11o.Totalnacional.


Ese movimiento de positivo a negativo con diferencias irrelevantes y pequeñas se repite en los sectores, y los tres terminan con diferencias pequeñas a favor de las niñas, especialmente entrelosestudiantesoficiales,urbanosyrurales(véansegráficos65,66y67).

55 Es decir, como se mencionó al comienzo de este capítulo, de una diferencia a favor de los niños a una a favor de las niñas.


90

Gráfico65.Lenguaje.Grado11o.Totaloficialurbano.


Gráfico66.Lenguaje.Grado11o.Totaloficialrural.


Gráfico67.Lenguaje.Grado11o.Totalnooficial.







ESTUDIOS

El promedio nacional de la diferencia de género en capitales de departamento se comporta de manera casi idéntica al promedio nacional total (véasegráfico68)yelpromedioderestodelosdepartamentos,alpromedionacionaloficial-rural(véasegráfico69).

Gráfico68.Lenguaje.Grado11o.Capitales.


Gráfico69.Lenguaje.Grado11o.Restodelosdepartamentos.




92

b. Totales departamentales

Elpredominiodediferenciasdegéneronulasypequeñassereflejaenlacrecienteproporciónde departamentos que anualmente presentan un tamaño del efecto absoluto igual o menor que0,10.Comoseobservaenelgráfico70,esaproporciónpasóde73%a82%.

Gráfico70.Lenguaje.Grado11o.Magnitudes de las diferencias en los departamentos, 2005 - 2009.


Cauca, Chocó y los ocho departamentos de la Costa Caribe tendieron a mantener diferencias por debajo (valores cercanos a cero o negativos) del promedio nacional, con algunas pocas excepciones en 2008 y 2009. Lo mismo sucedió en los departamentos correspondientes a los antiguos territorios nacionales, aunque en algunos de ellos el comportamiento es tan irregular que se mueven fácilmente entre extremos. No obstante, dado que los tamaños de efecto en lenguaje varían en su mayoría entre valores pequeños (+-0,10), es más fácil hallar variaciones aparentemente importantes en las posiciones relativas frente a la media nacional (véase la tabla 2.2 del anexo 2).

De acuerdo con los patrones de comportamiento y con los valores que adquieren los tamaños deefecto,sepuedenclasificarlosdepartamentosenlossiguientesgrupos:

a. Bogotá, Boyacá, Cundinamarca, Caquetá, Meta y Santander muestran una tendencia alpasardevalorespositivospequeñosanulosentérminosdeladiferenciatipificadade género (véansegráficos71a76).



ESTUDIOS

Gráfico71.Lenguaje.Bogotá,D.C.


Gráfico72.Lenguaje.Boyacá.


Gráfico73.Lenguaje.Cundinamarca.


94

Gráfico74.Lenguaje.Caquetá.


Gráfico75.Lenguaje.Meta.


Gráfico76.Lenguaje.Santander.




ESTUDIOS

b. Caldas, Casanare, Huila, Norte de Santander y Risaralda, con un patrón de comportamiento disímil, muestran una tendencia al pasar de valores positivos moderadosanulosentérminosdeladiferenciatipificadadegénero(véansegráficos77 a 81).

Gráfico77.Lenguaje.Caldas.


Gráfico78.Lenguaje.Casanare.


Gráfico79.Lenguaje.Huila.


96

Gráfico80.Lenguaje.NortedeSantander.


Gráfico81.Lenguaje.Risaralda.


c. Cauca, Cesar, Córdoba, La Guajira y Sucre se caracterizan por pasar de tamaños de diferencia nulos a pequeños a favor de las mujeres (véansegráficos82a86).

Gráfico82.Lenguaje.Cauca.




ESTUDIOS

Gráfico83.Lenguaje.Cesar.


Gráfico84.Lenguaje.Córdoba.


Gráfico85.Lenguaje.LaGuajira.


98

Gráfico86.Lenguaje.Sucre.


d. Atlántico, Bolívar y Magdalena se caracterizan por pasar de diferencias de género insignificantesonulasadiferenciasmoderadasafavordelasmujeres(véansegráficos87 a 89).

Gráfico87.Lenguaje.Atlántico.


Gráfico88.Lenguaje.Bolívar.




ESTUDIOS

Gráfico89.Lenguaje.Magdalena.


e. Tres grupos de parejas de departamentos tienen las siguientes características: (i) Antioquia y Quindío por pasar de diferencias positivas pequeñas a negativas pequeñas, a favor de las mujeres (véansegráficos90y91);(ii)Amazonas y Arauca porelpredominiodediferenciasnulasconunañoatípico;Amazonasenparticular(véansegráficos92y93);(iii)Valle del Cauca y Nariño por un patrón irregular similar entre sí y diferente de los otros departamentos (véansegráficos94y95).

Gráfico90.Lenguaje.Antioquia.


Gráfico91.Lenguaje.Quindío.


100

Gráfico92.Lenguaje.Amazonas.


Gráfico93.Lenguaje.Arauca.


Gráfico94.Lenguaje.Nariño.




ESTUDIOS

Gráfico95.Lenguaje.ValledelCauca.


f. Finalmente, Chocó, Guainía, Vaupés, Guaviare, San Andrés y Vichada presentan los comportamientos más irregulares (véansegráficos96a101).

Gráfico96.Lenguaje.Chocó.


Gráfico97.Lenguaje.Guainía.


102

Gráfico98.Lenguaje.Vaupés.


Gráfico99.Lenguaje.Guaviare.


Gráfico100.Lenguaje.SanAndrés.




ESTUDIOS

Gráfico101.Lenguaje.Vichada.


2.4.3. Razones de varianza

En 2005, en matemáticas, excepto en Guainía, Guaviare, Vichada y Chocó, donde los puntajes de los niños variaron menos que entre las niñas (un 18% menos en los dos primeros casos y entre un 3% y 4% menos en los dos últimos), en los 29 departamentos restantes la RV fue > 1 y en 19 de ellos igual o superior al 1,20. Entre estos, Vaupés presenta un caso muy singular con una varianza entre los niños 128% superior a la de las niñas en 2005 y solo el 7% superior en 2009. En este último año, solo San Andrés muestra una RV < 1 y Guainía la mayor RV positiva (pasó de una varianza de los niños menor en un 18% a la de las niñas a una superior en un 54%). Respecto a 2005, en 2009 la RV aumentó en 16 departamentos, en 4 se mantuvo igual y en los 13 restantes disminuyó (véasegráfico102).

En 2005, en lenguaje, en 10 departamentos la RV fue < 1, en especial en cuatro de ellos (Guaviare,SanAndrés,Vaupés yCaquetá); enBogotá, las varianzas fueron iguales y enlos 23 restantes los niños registraron mayor varianza en sus puntajes que las niñas, en 21 de ellos con valores entre 1,01 y 1,11. Solo dos departamentos presentan una RV igual o superior al 20%: Amazonas (1,30) y en particular Guainía (1,87). En 2009, solo en Chocó y especialmente en Tolima la RVfuemenorparalosniños;enelrestodedepartamentoslospuntajes de los niños tuvieron mayor varianza, aunque en solo dos (Amazonas y Putumayo) fue superior en un 20% o más. Respecto a 2005, en 2009 la RVsemantuvoigualenCaldas;en 12 departamentos aumentó y en 13 disminuyó (especialmente en Guainía que pasó de 1,87 a 1,02) (véasegráfico103).

104

Gráfico102.Matemáticas.SABER11o.2005-2009.Razón de la varianza de los puntajes de hombres/mujeres.


Gráfico103.Lenguaje.SABER11o.Lenguaje. Razón de la varianza de los puntajes de hombres/mujeres.




ESTUDIOS

2.5. SABER 11o. 2009. Heterogeneidad y variables moderadoras de la brecha de género en matemáticas en los departamentos

En el apartado anterior se utilizaron técnicas de metaanálisis para estimar la magnitud, importancia y variación de las diferencias de género en pruebas nacionales e internacionales. El objetivo de esta sección es explicar, para Colombia, la variabilidad de las diferencias de género entre departamentos a partir de los resultados de matemáticas en la prueba SABER 11o. de 2009.

Else-Quest et al. (2010) encuentran que índices compuestos como el Gender Empowerment Measure (GEM) y el Gender Equality Index (GEQ) constituyen variables moderadoras de la brecha en matemáticas (PISA), al asociarse negativamente con la diferencia de resultados de hombres y mujeres, es decir, a mayor equidad y empoderamiento de género menor es la brecha en los resultados. Lo mismo ocurre con indicadores simples de mercado laboral (tasa de participación), investigación (participación de las mujeres en puestos de investigación) y empoderamiento (participación de las mujeres en los parlamentos). En TIMSS, un acceso más igualitario a la educación (tasas de cobertura en primaria, segundaria y superior) se asocia con menores diferencias de resultados por género.

Teniendo en cuenta estos referentes, en este análisis se seleccionaron seis variables, cuatro de ellas educativas, una relacionada con mercado laboral y otra con empoderamiento (véase tabla 5).

Tabla 5. Variables seleccionadas para el análisis. (http://www.registraduria.gov.co/Informacion/elec_2011_histo.htm)

Categoría Variable Forma de cálculo Fuente

Educación

Porcentaje de la población de 25 y más años con secundaria completa

% mujeres con secundaria completa / % hombres con secundaria completa

Gran encuesta integrada de hogares (GEIH) 2008

Tasa de alfabetismo para la población de 15 y más años

% mujeres que leen y escriben / % hombres que leen y escriben

GEIH 2008

Tasa de cobertura neta (TCN) en primaria

TCN mujeres en primaria / TCN hombres en primaria

SINEB y proyecciones de población 2009

Tasa de cobertura neta en básica secundaria

TCN mujeres en secundaria / TCN hombres en secundaria

SINEB y proyecciones de población 2009

Mercado laboral Tasa global de participación (TGP)

TGP mujeres / TGP hombres GEIH 2008

Empoderamiento Aspiración a cargos de elección pública

% mujeres inscritas como aspirantes a alcaldías o concejos / % hombres inscritos

Registraduría 2007.

Nota: para todos los indicadores, mayores valores indican una mejor situación para las mujeres.

106

En el anexo 3 se presenta el comportamiento de estos indicadores para 23 departamentos y el Distrito Capital. Se excluyen del análisis a los nueve departamentos que no cuentan con información de la GEIH56.

En cuanto a los indicadores educativos, los valores para las mujeres en TCN de básica secundaria superan a los de los hombres en todos los departamentos. En TCN de primaria, Chocó, junto a Magdalena, tienen las mayores diferencias a favor de los hombres. En todos los departamentos, la tasa de deserción de básica secundaria es superior para los hombres. En el porcentaje de población de 25 y más años con secundaria completa, Caquetá, Cauca y Córdoba tienen las mayores diferencias a favor de las mujeres, mientras que en Atlántico y Valle del Cauca el porcentaje de los hombres es superior en dos puntos. Finalmente, en tasa de alfabetismo, la mayor diferencia a favor de los hombres se presenta en Chocó (84% versus 81%), mientras que en Magdalena se presenta una diferencia a favor de las mujeres en una magnitud similar (91% versus 88%).

En todos los departamentos, los valores de los indicadores de mercado laboral y empoderamiento político son superiores para los hombres. Respecto a la tasa de participación laboral, el comportamiento más equitativo se presenta en Bogotá (0,80), seguido de Cundinamarca y Valle del Cauca (0,73). El único departamento donde este indicador toma valores inferiores a 0,50 es Caquetá. En cuanto a empoderamiento, Quindío es el único departamento donde el indicador supera 0,30, y muestra una importante inequidad en cuanto a las aspiraciones para acceder a cargos públicos. La situación más extrema es la de Norte de Santander, donde los hombres representan el 98% de los candidatos inscritos para aspirar a las alcaldías o concejos.

Antesdeanalizarlarelaciónentreestasvariablesyladiferenciatipificadaotamañodeefecto,debe probarse si la dispersión de estas diferencias alrededor de su media es mayor que lo esperado por el error muestral, es decir, si son heterogéneas.

La prueba realizada se basa en la estimación del estadístico Q, el cual tiene una distribución Chi-cuadrado con k -1 grados de libertad (k=númerodediferenciastipificadas):

Q = ∑wi (di - d )2 (1)

En la ecuación (1), w se refiere al inverso de la varianza ponderada, calculada como semuestra en la ecuación (2), y dladiferenciatipificadapromedio.

56 La Gran encuesta integrada de hogares del DANE no cubre los departamentos de Arauca, Casanare, Putumayo, San Andrés, Amazonas, Guainía, Guaviare, Vaupés y Vichada.



ESTUDIOS

1 2nG1 nG2 (nG1 + nG2) w = = (2)57

SE2 2(nG1 + nG2)2 + nG1nG2 (d)2

El valor de Q es 343,39. Dado que el valor crítico para una Chi-cuadrado con k = 23 y p = 0,05 es 35,17, se rechaza la hipótesis de homogeneidad. Al probar la heterogeneidad, el paso siguiente fue analizar si las variables independientes consideradas afectan la diferencia tipificadadegéneroenlosdepartamentos.

En el análisis de distribuciones heterogéneas se asume un modelo de efectos mixtos y se utiliza un análisis de regresión ponderada. El modelo de efectos mixtos supone que el comportamientodelavarianzadelasdiferenciastipificadasnoobedeceúnicamentealerrordemuestreoanivelindividual(modelodeefectosfijos),sinotambiénafactoressistemáticosrelacionados con la evaluación (características de las pruebas, metodología, procedimientos, etc.) y a otros factores de naturaleza aleatoria externos a la evaluación (Lipsey & Wilson, 2001).Elanálisisponderadosignificaqueenelanálisisderegresióncadadiferenciatipificadase pondera por el inverso de su varianza. Los paquetes estadísticos tradicionales estiman de maneracorrectaloscoeficientesderegresiónatravésdeunaregresióndemínimoscuadradosponderada;sinembargo,enestecaso,puedenreportarerroresestándarimprecisos.Porloanterior, el modelo se estimó a partir de las macros construidas por Lipsey y Wilson (2001) para tal efecto.

Los resultados que se presentan a continuación muestran, en primer lugar, un análisis sobre lahomogeneidadtotaldelmodeloderegresión;posteriormentesepresentanloscoeficientesdel modelo de regresión en el que la variable dependiente corresponde a las diferencias tipificadas de género en matemáticas en las 24 entidades territoriales y las variablesindependientes, a los indicadores presentados en la tabla 5.

— Descriptivos — R2 0,3548 k 24,0000

— Análisis de homogeneidad —

Q gl p

Modelo (Q)R 13,4596 6,0 0,0363**

Residual (Q)R 24,4711 17,0 0,1072

Total 37,9307 23,0 0,0259

57 En esta ecuación, nG1 es el número de hombres en la muestra y nG2 el número de mujeres.

108

—Coeficientesderegresión—

B SE -95%IC +95%IC pConstante -1,5128 1,2218 -3,9074 0,8819 0,2157

Secundaria ,2336* 0,1359 -0,0328 0,5001 0,0857

Alfabetismo 0,6221 0,6833 -0,7172 1,9614 0,3626

TCN_prim 0,6787 0,648 -0,5913 1,9487 0,2949

TCN_sec -0,0196 0,4432 -0,8882 0,849 0,9648

TGP ,3895** 0,1628 0,0705 0,7086 0,0167

Emp. político -0,0418 0,2047 -0,4431 0,3594 0,8381

* p < 0,1, ** p < 0,05.

En cuanto al análisis de homogeneidad, el estadístico asociado con el modelo de regresión (QR)essignificativo,locualpermiteconcluirqueesteexplicalavariabilidaddelasdiferenciastipificadas.Porsuparte,elestadísticoasociadoconelerror(QE)noessignificativo,locualquiere decir que los tamaños son homogéneos después de eliminar la variabilidad asociada con los predictores.

El análisis de los coeficientes de regresión muestra que ninguna de las dos variables que actúan como moderadoras, es decir, se asocian de manera negativa con las diferencias tipificadas(TCNensecundariayempoderamientopolítico)resultasignificativa.Adiferenciade lo encontrado por Else-Quest et al. (2010) y contrario a lo esperado, indicadores relacionados con mayores niveles de equidad a favor de las mujeres como el nivel educativo y la participación laboral, se asocian positivamente con las brechas de género, es decir, predicen la brecha a favor de los hombres.

En resumen, un acceso más igualitario a la educación o un papel más activo de la mujer, ya sea en lo laboral o político, no constituyen características de la equidad de género que disminuyan las brechas existentes en matemáticas.

2.6. Resumen y conclusiones

En PISA 2006 y 2009, en la mayoría de los países, los niños superaron a las niñas en matemáticas: esto ocurrió en 51 países en ambos años, de un total de 57 participantes. No obstante,enlamayoríadeaquellos,ladiferenciatipificadaafavordelosniñosfuepequeña según los estándares de Cohen (igual o inferior a 0,20): 44 países en 2006 y 41 en 2009 de los 51 países en cada caso. En el resto de países la diferencia a su favor fue moderada: hasta 0,34 en 2006 y hasta 0,29 en 2009, excepción hecha de Colombia. En efecto, el país ha



ESTUDIOS

sobresalido entre los de mayor diferencia a favor de los niños, y ocupó el segundo lugar en 2006 (0,27) después de Chile, y el primer lugar en 2009 con una diferencia (0,41) cercana al doble (1,6 veces) de la siguiente (Estonia, con 0,29).

En lospocospaísesdonde lasniñassuperarona losniños,esadiferencia tipificadaasufavor fue muy pequeña (inferior a 0,10) en ambos años (excepto un país en 2006, donde fue de 0,17).

En TIMSS, la diferencia a favor de los niños es menos notoria. En los 19 países en que fue posible comparar los resultados de matemáticas en octavo grado, en 1995 los niños superaronalasniñasen13paísescondiferenciastipificadaspequeñas:inferioresa0,10en8 de ellos e iguales o inferiores a 0,22 en los otros cinco. En un país (Hungría), los puntajes de niños y niñas fueron iguales y en los cinco restantes fueron mayores los puntajes de las niñas,aunqueconunadiferencianosignificativa(inferiora0,05).En2007,enochopaíseslasdiferenciasfavorecieronalosniños,aunqueenseisdeelloscondiferenciastipificadasinferiores a 0,10; en los otros dos, fuede 0,20 (Australia) y 0,41 (Colombia). EnHungríade nuevo no hubo diferencia en los puntajes, mientras que en 10 países las niñas tuvieron mayores puntajes, aunque con diferencias pequeñas en nueve de ellos (inferiores a 0,20).

En lectura, en los 56 países en los que fue posible comparar los dos años que participó Colombia, PISA 2006, en todos los países las niñas superaron a los niños, aunque solo en 16deellosladiferenciatipificadafuerelevante (superior a 0,50). En dos países fue pequeña (inferior a 0,20 en Chile y Colombia) y en los 38 restantes, moderada (inferior a 0,50), según los estándares de Cohen. En 2009, también en todos los países, las niñas superaron a los niños,yaumentóelnúmerodepaísescuyadiferenciatipificadaesrelevante(21).

En las pruebas nacionales, las diferencias tipificadas excepcionalmente superan el 0,30.Porestarazón,sedefinierondistintascategoríasdetamañoalasestablecidasporCohen,considerando como irrelevantes o nulasaquellasdiferenciastipificadascuyovalorabsolutofuera igualo inferiora0,05; pequeñas, inferiora0,10;moderadas, igualo inferiora0,20;grandes o relevantes,igualoinferiora0,30;ymuy relevantes, superiores a 0,30.

En SABER 5o. y 9o. 2009, en matemáticas se observa lo encontrado en otros países respecto a la ampliación de la brecha de género a favor de los niños en secundaria: mientras que en quinto grado la diferencia tiende a ser pequeña o levemente moderada, en noveno tiende a ser muy relevante. En lenguaje, con algunas excepciones, sucede lo contrario: la brecha tiende a cerrarse en noveno grado. En efecto, la diferencia favorece a las niñas en ambos grados dentro de magnitudes moderadas, aunque superiores en quinto que en noveno. Estoseobservaeneltotalnacional,enlossectoresoficial-urbanoyprivado,enlosnivelessocioeconómicos (NSE) 2, 3 y 4 y, con algunas particularidades, en Bogotá, Medellín, Cali y Pasto. Sin embargo, en el NSE 4 y en Medellín, la diferencia de género, aunque también

110

superior en quinto que en noveno, en quinto deja de ser moderada y pasa a ser relevante (superior a 0,20), pero en noveno se mantiene en moderada. En Cali, la diferencia en quinto es moderada pero en noveno es nula (-0,01) y en Pasto, aunque superior en quinto, en ambos grados la diferencia es pequeña a favor de las niñas.

Contrario a lo anterior, con diferencias a favor de las niñas superiores en noveno que en quinto (mayores y relevantes en noveno y moderadas en quinto) se observan en el sector oficial-rural,enBucaramangayenelNSE1.

En SABER 11o., en matemáticas, a pesar del patrón irregular de la diferencia de género entre 2005 y 2009 –con picos en dos años intermedios: 2006 y 2008–, en general se observa una tendencia creciente de la diferencia a favor de los hombres: de moderada pasó a relevante eneltotalnacional(de0,15a0,25)yenelsectoroficial-urbano(de0,14a0,27).Enelsectoroficialrural,deirrelevantepasaagrandeorelevante(0,05a0,21).Enelsectorprivadoesmásirregular, aunque en los tres años impares considerados en el análisis se mueve en un rango menor (0,19, 0,17 y 0,22). Tanto en las capitales como en el resto de los departamentos, en promedio, aumentó también de moderada a relevante.

La tendencia a aumentar la diferencia en matemáticas a favor de los hombres se ilustra también por la proporción de departamentos que en cada año presentan un valor del tamaño de efecto igual o superior a 0,20. En los tres años impares del periodo, esa proporción pasa de 27% a 36% y a 61%. En los dos años atípicos (2006 y 2008), esa proporción aumenta del 73% al 85%.

Ese comportamiento irregular se reproduce en todos los departamentos. Sin embargo, segúnelpatrónylamagnituddelasdiferencias,seclasificaronenseisgrupos,ysedejóenun grupo aquellos con un comportamiento bastante atípico.

En lenguaje, el patrón de comportamiento de la diferencia de género es muy diferente del observado en matemáticas. Además, no se observa una ventaja clara de las niñas en esta área, como es el caso en muchos países. A nivel nacional, total y por sectores, entre 2005 y 2009 la diferencia de género se mueve dentro de los márgenes de diferencias pequeñas y diferenciasirrelevantesonulas.Elpredominiodeestasdiferenciassereflejaenlacrecienteproporción de departamentos que presentan un tamaño del efecto absoluto igual o menor que 0,10: de 73% pasó a 82%.

Aunque con patrones más irregulares de comportamiento anual de la diferencia promedio, según el patrón y magnitud del tamaño del efecto en que se movieron anualmente durante elperiodo,losdepartamentosseclasificaronenseisgrupos,ysedejótambiénenungrupoaquellos de comportamientos más atípicos.



ESTUDIOS

3. Análisis jerárquico de los factores que afectan la magnitud de la brecha de género

Comoseanotóenlaintroducción,elterceranálisisbuscaidentificarlosfactoresindividualesde orden cognitivo, motivacional y actitudinal y los factores escolares que afectan la magnitud de la brecha de género. El análisis jerárquico se hizo en el nivel nacional, para matemáticas, a partir de la información (de antecedentes y contexto) y de resultados de octavo grado en TIMSS 2007, y para lectura, a partir de la información y de los resultados en PISA 2009.

3.1. Factores que afectan las diferencias en matemáticas. Colombia, TIMSS 2007

3.1.1 Modelo estadístico

El uso de técnicas estadísticas de análisis multinivel facilita el reconocimiento de la estructura jerárquica del sistema educativo (alumnos agrupados en aulas de clase, clases en instituciones educativas, instituciones en entidades territoriales,...). Cuando las características de los estudiantes, la provisión de insumos y las prácticas de enseñanza y de gestión son similares dentro de los colegios pero diferentes entre estos, la utilización de las técnicas estadísticas tradicionalessetraduceendistorsionesdelosnivelesdesignificanciadelosestimados.

El análisis propuesto incluye la estimación de los siguientes modelos multinivel, en los que el nivel 1 corresponde al estudiante y el 2 a la institución educativa.

i. Modelo incondicional (vacío). Modelo 1

Yij = β0j + rij , donde rij ~ N ( 0, σ2) (1) β0j = γ00 + u0j , donde u0j ~ N ( 0, τ2) (2)

En (1) el puntaje (Y ) del alumno i de la escuela j se explica según la media de los puntajes de la escuela j ( β0j ) más el error asociado a los alumnos. En (2), la media de los puntajes de la escuela j se explica según la media de los puntajes de las escuelas (γ00) y el error asociado a las escuelas.

112

La estimación de este modelo vacío, sin predictores, permite calcular la proporción de la varianzatotalexplicadaporaquellaentreinstitucioneseducativas(coeficientedecorrelaciónintraclase, CCI). τ2 CCI = × 100 (3) τ2 + σ2

Donde τ2 es la varianza entre escuelas y σ2 la varianza entre estudiantes.

ii. Modelo de referencia. Modelo 2

Yij = β0j +β1j NSEij + rij , donde NSE = nivel socioeconómico. (4) β0j = γ00 + γ01 NSEj + μ0j , donde NSE = nivel socioeconómico promedio. (5) β1j = γ10 + μ1j

La ecuación (4) añade a la ecuación (1) el NSE del estudiante como variable explicativa de sus puntajes. La ecuación (5) añade a la ecuación (2) el NSE promedio general de las escuelas como variable explicativa de los puntajes de las escuelas.

La estimación de este modelo permite calcular el CCI después de controlar por el NSE del estudiante y por el NSE promedio de la institución.

iii. Modelo 3. Brecha de género a favor de los hombres Yij = β0j +β1j NSEij +β2j Hombre ij + rij (6)

β0j = γ00 + γ01 NSEj + μ0j (7)

β1j = γ10 + μ1j

β2j = γ20 + μ2j

En la ecuación (6) se introduce el género de los estudiantes (hombre = 1, mujer = 0) como variable explicativa adicional de sus puntajes. (β2j) representa la brecha de género en matemáticas, pues permite conocer los puntos en que aumenta el puntaje por el hecho de ser hombre. Al incluir a los hombres como variable predictiva en el análisis de regresión, la inclusióndepredictoresadicionalesenlosmodelossubsiguientespermiteverificarsuefectodemoderaciónsobreβ2j y los factores que explican el logro promedio de las mujeres ( β0j ).



ESTUDIOS

iv. Modelos subsiguientes. Efecto moderación

Yij = β0j + β1j NSEij + β2j Hombre ij + ∑ p=3 βp j X pij + rij (8)

β0j = γ00 + γ01 NSEj + ∑ q=2 γ0q Wj + μ0j (9)

Las variables que se incluyen como predictores del nivel 1 ( X pij ) y del nivel 2 (Wj ) se presentan en la tabla 6. Los modelos son acumulativos en sus predictores, es decir, el modelo 5 incluye lospredictoresdelmodelo4;elmodelo6incluyelospredictoresdelmodelo5,etcétera.

En el anexo 4 se describe el diseño y valores que toma cada uno de los índices construidos. Las variables que conforman estos índices ya habían sido seleccionadas por TIMSS (2007). Sin embargo, en algunos casos fue necesario transformar la escala original de las variables y en otros cambiar la forma de cálculo del índice, con el objetivo de facilitar su interpretación en el análisis de regresión. El índice del NSE del estudiante y el de actitudes hacia el colegio se calcularon sin tener un referente previo de TIMSS.

Tabla 6. Variables del nivel del estudiante y de la institución educativa que complementarán el análisis jerárquico, TIMSS 2007, octavo grado.

Modelo Nivel de estudiante Nivel de institución educativa

Modelo 4• Edad• Expectativas de estudio

• Sexo docente (hombre)• Edad docente • Formación del docente en matemáticas o

enseñanza de las matemáticas.

Modelo 5

• Matrícula total **• Porcentaje de mujeres evaluadas• Política de la escuela: agrupación de estudiantes

según rendimiento académico**• Tiempo de enseñanza (h/semana)• Asistencia de alumnos a clases * y **

Modelo 6

• Actitudes hacia el colegio*• Sentimiento positivo hacia las matemáticas*• Autoconfianza frente al aprendizaje de las matemáticas*• Valoración de las matemáticas *

Modelo 7 • Tiempo dedicado a las tareas en casa * • Énfasis en las tareas para la casa *

Modelo 8

• Limitaciones para la enseñanza de las matemáticas (relacionadas con las características de los alumnos) *• Percepción de condiciones de trabajo inadecuadas*

Modelo 9 • Percepción de seguridad en la escuela *• Percepción del clima escolar / docente*• Percepción del clima escolar / director * y **• Percepción de seguridad en el colegio *

*Índice.**Variable proveniente del cuestionario para la institución.

m

n

114

3.1.2. Información descriptiva

a. Estudiantes

La base TIMSS del nivel 1 está conformada por 4.873 registros, 2.389 (49%) correspondientes a niños y 2.484 a niñas. La edad promedio de los estudiantes es 14 años y la mayoría aspira a culminar una carrera de educación superior. Respecto a su composición socioeconómica, el 8,7% se ubica en un NSE muy bajo, el 20,7% en un NSE bajo, el 48,9% en un NSE medio, el 14,2% en un NSE alto y el 7,4% en un NSE muy alto. El nivel educativo de la madre se incluyó en la construcción del índice de NSE (véase anexo 4). Para el 20% de los estudiantes, el nivel de estudios más alto alcanzado por sus padres58 fuealgúngradodeeducaciónsuperior;para el 22%, de educación media y para el 24%, de básica secundaria. En el 31% de los casos sus padres no alcanzaron este último nivel.

Elgráfico104muestraelpuntaje(primervalorplausible)delosestudiantesdeacuerdoconsuNSEysexo.Segúnlapruebadecontrastedemedias,nohaydiferenciassignificativasentrelospuntajesdelosNSEmuybajoybajo;enlosotrostresniveleslasdiferenciasdegénero sí lo son.

Gráfico104.Puntajeenmatemáticassegúnnivelessocioeconómicos,TIMSS 2007, octavo grado.

Fuente: cálculos de la Dirección de Evaluación del ICFES, a partir de la base de datos TIMSS 2007, Colombia.

58 Hace referencia al nivel educativo más alto alcanzado por alguno de los dos.



ESTUDIOS

La tabla 7 muestra los estadísticos descriptivos de los seis índices construidos a nivel de estudiantes. En todos los casos el valor mínimo es 1 (bajo) y el valor máximo 3 (alto).

Tabla 7. Estadísticas descriptivas por género de los índices construidos para el análisis jerárquico (nivel 1) en TIMSS 2007, octavo grado.

Nombre índice Descripción

Hombres Mujeres

N Media Desv. típ. N Media Desv. típ.

Actitudes Actitudes hacia el colegio 2.369 2,9 0,335 2.457 2,9 0,276

Sentimiento positivos

Sentimientos positivos hacia las matemáticas

2.327 2,6 0,667 2.399 2,2 0,677

AutoconfianzaAutoconfianza frente al aprendizaje de las matemáticas

2.340 2,4 0,663 2.409 2,3 0,725

Valoración Valoración de las matemáticas

2.337 2,9 0,391 2.407 2,9 0,391

Tareas Tiempo dedicado a las tareas en casa

2.292 2,2 0,686 2.408 2,2 0,700

Seguridad Percepción de seguridad en la escuela

2.359 2,2 0,678 2.462 2,4 0,633

b. Institución educativa

La base del nivel 2 está conformada por 148 instituciones educativas. Como se indicó en la tabla 6, la información de la institución educativa corresponde en su mayoría a las respuestas de los docentes. Solo cuatro indicadores provienen de las respuestas del rector (matrícula total, agrupación de estudiantes según rendimiento académico, asistencia de los estudiantes a clase y percepción del clima escolar).

El62%delosdocenteseranhombres.Deltotal,el22%teníamenosde29años;28%entre30y 39 años, 23% entre 40 y 49 años y el restante 27%, 50 años o más. El 88% tenía formación en matemáticas o en enseñanza de las matemáticas.

El tamaño promedio de las instituciones es de 1.701 estudiantes, con un mínimo de 79 y un máximo de 4.837. Respecto al total de estudiantes que contestó la prueba TIMSS por institución, las niñas representan en promedio el 51% (desviación estándar de 19). Hay 4 instituciones masculinas en su totalidad y 5 completamente femeninas.

Solo el 22% de las instituciones agrupan a los estudiantes según sus habilidades académicas. El tiempo de enseñanza semanal de las matemáticas es 3 horas en promedio (desviación estándar de 1,47) y solo en 16% de ellas no se presentan problemas de asistencia de los estudiantes a la clase.

116

Los docentes de matemáticas asignan tareas para la casa en el 51% de las instituciones. En el 66% de los casos, los docentes asignan las tareas en todas o casi todas las clases y el 46% considera que los estudiantes emplean en su desarrollo más de 30 minutos. El 42% de los docentes considera que existen pocas limitaciones para la enseñanza de las matemáticas relacionadas con las características de los alumnos (estudiantes con diferentes habilidades académicas, estudiantes con necesidades especiales y estudiantes indisciplinados, entre otros);el30%consideraqueestaslimitacionestienenalgúngradodeincidenciayelrestante28%manifiestaunaincidenciaconsiderable.

Seencontróqueenel47%delasinstitucioneslosdocentesmanifiestancontarconcondicionesde trabajo inadecuadas, ya sea por problemas de infraestructura, sobrepoblación en las clases o espacios inexistentes para trabajar fuera del salón de clases. El 48% de los docentes manifestó contar con un clima escolar positivo. En el caso de los rectores o directores, este porcentaje asciende al 60%. Solo el 5% de los docentes manifestó que el clima escolar era negativo.

Finalmente, existe una alta ocurrencia de fenómenos de inseguridad según la percepción del docente. En efecto, el 34% de los docentes consideró que la institución no se ubica en un barrio seguro y manifestaron que las políticas y prácticas de seguridad en la institución no sonsuficientes.

3.1.3. Análisis multinivel

La tabla 8 presenta los resultados del análisis multinivel. Se observa que la brecha de género en matemáticas se mantiene en alrededor de 30 puntos y que no existen variables que atenúen dicha diferencia de manera importante. Al incluir a los hombres como predictor explícito en el análisis de regresión, la inclusión de predictores adicionales explican los resultados obtenidos por las mujeres.

En la parte inferior de la tabla 8 se presenta la proporción de la varianza total que se explica por aquella entre instituciones educativas. En el modelo 1 (modelo vacío), el CCI de 45% señala que las diferencias o variabilidad entre instituciones explican casi la mitad de la varianza de losresultadosacadémicos(aportebruto);sinembargo,alcontrolarporelNSEdelestudiantey el NSE promedio de la institución (modelo 2), se reduce 14 puntos al ubicarse en 31% (aporte neto de las instituciones educativas en la explicación de la varianza en matemáticas). MientraselNSEdelestudiantedejadesersignificativodesdeelmodelo4enadelantecuandose comienzan a introducir las variables moderadoras, tanto el NSE promedio de la escuela comolabrechaafavordeloshombresmantienenunaltoniveldesignificanciaentodoslosmodelos y se asocia con mayores puntajes en matemáticas.



ESTUDIOS

Respectoalasvariablesdelnivel1,laedad,lasexpectativasdeestudioylaautoconfianzaexplicandemanerasignificativalospuntajesdelasmujeresenmatemáticasaunρ < 0,01. La dirección de tal efecto es negativa respecto a la edad y positiva en los otros dos casos. Ello implicaqueaspirarauntítulodeeducaciónsuperiorylaautoconfianzasobreelrendimientoen matemáticas se traduce en mejores resultados. En este último caso, las mujeres que consideran tener un buen desempeño en matemáticas y que aprenden rápidamente los temas de la materia obtienen alrededor de 26 puntos más.

Respecto a las variables del nivel 2, se aprecia que agrupar a los estudiantes según su rendimiento académico tiene un efecto desfavorable sobre el logro promedio de las mujeres. En el modelo 9, el efecto negativo sobre sus puntajes es cercano a los 24 puntos. El énfasis en las tareas por el docente (asignar tareas que el estudiante gasta en desarrollar media hora o más,porlomenosenlamitaddelasclases)seasociaconmejoresresultados;enestecaso,elefecto sobre el puntaje de las mujeres de 20 pasa a 14 puntos entre el modelo 7 y el modelo 9.

Enelmodelo9,otrascuatrovariablesdelnivel2tienenunaasociaciónpositivaysignificativacon los resultados. La primera de ellas es la edad del docente, la segunda es la percepción de seguridad del docente y la tercera es la percepción de un buen clima escolar por el rector o director. En este mismo modelo, una alta proporción de mujeres que participa en la evaluación se asocia con menores resultados, aunque el efecto sobre los resultados es pequeño (-0,43).

Finalmente, en el modelo 7, el índice construido a partir de la opinión del rector o director sobre inexistencia de problemas de tardanza y ausentismo de alumnos tiene un efecto positivo de 12 puntos sobre el puntaje promedio de las mujeres (véase tabla 8).

118

Tabla 8. Resultados del análisis de regresión multinivel, Colombia. TIMSS 2007, octavo grado.

Predictores Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8 Modelo 9

NSE estudiante 6,86 (1,82) ***

6,27 (1,86) ***

2,55 (1,81) 2,55 (1,81) 1,83 (1,72) 1,86 (1,77) 1,86 (1,77) 1,79 (1,77)

NSE promedio escuela 47,95 (6,93) ***

47,95 (6,93) ***

45,69 (7,27) ***

44,22 (7,94) ***

43,24 (7,97) ***

44,00 (6,71) ***

41,67 (6,69) ***

40,15 (5,83) ***

Estudiante hombre 27,77 (3,34) ***

32,53 (3,43)***

32,53 (3,43) ***

28,27 (3,40) ***

29,06 (3,44) ***

29,06 (3,44) ***

29,69 (3,44) ***

Estudiante edad -10,66 (1,8) ***

-10,66 (1,8) ***

-8,08 (1,56) ***

-8,14 (1,58) ***

-8,14 (1,58) ***

-8,27 (1,57) ***

Estudiante expectativas estudio

9,06 (1,80) ***

9,06 (1,80) ***

7,23 (1,65) ***

7,23 (1,67) ***

7,23 (1,67) ***

7,20 (1,67) ***

Docente hombre -14,48 (8,93) -9,94 (8,37) -8,67 (8,21) -9,48 (7,88) -7,77 (7,59) -7,95 (7,43)

Docente edad 3,49 (4,25) 4,35 (4,08) 3,61 (3,94) 5,47 (3,56) 5,12 (3,44) 6,50 (2,98) **

Docente formación 9,10 (12,94) 5,14 (11,25) 3,52 (10,83) 11,36 (10,53) 11,97 (10,83) 9,19 (10,92)

Matrícula total -0,002 (0,003) -0,002 (0,003) -0,001 (0,003) -0,0004 (0,003) 0,0006 (0,002)

Porcentaje mujeres -0,34 (0,27) -0,33 (0,26) -0,26 (0,24) -0,18 (0,23) -0,43 (0,24) *

Agrupación selectiva -22,14 (11,18) *

-22,9 (10,95) **

-18,31 (8,63) **

-17,93 (8,67) **

-23,8 (8,79) ***

Tiempo enseñanza 2,76 (2,56) 2,28 (2,45) -0,68 (2,52) -1,00 (2,46) -0,39 (2,26)

Asistencia escolar responsable

14,61 (10,12) 14,87 (9,63) 12,36 (7,30) *

10,41 (7,30) 7,70 (6,45)

Actitudes -1,74 (5,05) -3,45 (5,61) -3,45 (5,61) -4,42 (5,73)

Sentimientos positivos

0,40 (2,03) 0,64 (2,07) 0,64 (2,07) 0,51 (2,06)

Autoconfianza 26,65 (2,01) ***

26,57 (2,13) ***

26,57 (2,13) ***

26,3 (2,09) ***

Valoración 3,00 (3,86) 4,02 (3,88) 4,02 (3,88) 4,12 (3,90)

Estudiante - tareas -2,00 (2,15) -2,00 (2,15) -1,89 (2,11)

Docente – tareas 19,92 (6,25) ***

17,74 (6,41) ***

14,10 (5,75) **

Limitaciones 0,73 (4,53) 2,52 (4,47)

Condiciones inadecuadas -8,65 (5,42) 5,00 (6,27)

Seguridad - estudiante 3,90 (2,73)

Seguridad - docente 12,25 (4,13) ***

Clima escolar - docente 8,39 (8,12)

Clima escolar - director 16,29 (9,13) *

Varianza Entre escuelas 3.063,59 1.654,96 1.662,86 1.658,12 1.529,39 1.449,77 1.176,32 1.174,28 1.026,35

En el interior de la escuela 3.700,83 3.670,35 3.499,54 3.241,15 3.240,92 2.842,79 2.824,10 2.824,18 2.817,98

CCI 45% 31% 32% 34% 32% 34% 29% 29% 27%

Nota: variables del nivel 1 en negrilla. Controles del nivel 1 centrados a nivel de grupo; controles del nivel 2 centrados con la media total.* ρ < 0,10; ** ρ < 0,05; ***ρ < 0,01 (errores estándar robustos).



ESTUDIOS

3.2. Factores que afectan las diferencias en lectura. Colombia, PISA 2009

El análisis jerárquico de los factores que afectan la brecha en lectura en Colombia a partir delosresultadosenPISA2009sedesarrollósiguiendounasecuenciasimilaraladefinidapara matemáticas en TIMSS 2007. Se estimó el modelo vacío (modelo 1). Posteriormente se identificóelaportenetodelainstituciónincorporandocomopredictoreselNSEdelestudiantey el NSE promedio de la institución (modelo 2) y luego se adicionó un predictor del nivel 1 (estudiante)quepermitióidentificarlabrechadegéneroafavordelasmujeres.

En los resultados de lectura de PISA, la diferencia favorece a las mujeres. De esta forma, el tercer modelo que se estimó tuvo la siguiente estructura (nivel 1):

Yij = β0j +β1j NSEij +β2j Mujer ij + rij (10)

Al igual que en análisis anterior, los predictores incluidos en los modelos posteriores explican entonces el puntaje promedio de los hombres.

Las variables incluidas como predictores del nivel 1 y del nivel 2 se presentan en la tabla 9.

Tabla 9. Variables del nivel del estudiante y de la institución educativa que complementarán el análisis jerárquico, PISA 2009.

Modelo Nivel de estudiante Nivel de institución educativa

Modelo 4• Edad• Grado en el que se encontraba matriculado

• Sexo director o rector (mujer)

Modelo 5

• Sector (privado)• Matrícula total• Porcentaje de mujeres en la institución• Organización de grupos según habilidad• Certificado académico como criterio de admisión

Modelo 6• Repitencia en primaria • Repitencia en secundaria

• Porcentaje de repitentes en primaria• Porcentaje de repitentes en secundaria

Modelo 7

• Disfrute de la lectura *• Diversidad de lectura *• Estímulo a la lectura por los docentes *• Uso de la biblioteca *

Modelo 8• Uso de estrategias de resumen *• Uso de estrategias de memorización *

Modelo 9• Relaciones docentes / alumnos * • Percepción del clima de disciplina en el aula *

Ambiente escolar:• Comportamiento de estudiantes *• Comportamiento de docentes *

Nota: la totalidad de variables del nivel 2 provienen del cuestionario diligenciado por el (la) rector (a) o director (a).*Índice. La totalidad de los índices utilizados fueron calculados por PISA.

120

3.2.1. Información descriptiva

a. Estudiantes

En PISA 2009 participaron 7.921 estudiantes colombianos, de los cuales el 53% fueron mujeres (4.210). Los estudiantes que presentaron la evaluación estaban matriculados en su mayoríaendécimogrado(45%);porencimadeestevalormodalseencontrabael20,4%de los estudiantes y por debajo (grados séptimo a noveno) el 34,8%. Entre los estudiantes matriculados en media, el 78% pertenecía a instituciones de carácter académico y el 22% a instituciones técnicas.

La edad promedio de los estudiantes era 15,8 años, con una desviación estándar de 0,28. El 54% de ellos vivía en hogares nucleares y el 30% vivía con uno solo de sus padres. En cuanto al nivel educativo de los padres hay una importante diferencia entre TIMSS y PISA. Mientras que en el primer caso la proporción de estudiantes con padres con algún grado de educación superior fue del 20%, en el segundo fue del 47%.

Los padres se ocupan en trabajos profesionales, gerenciales o administrativos en el 40% de los casos. Este porcentaje sube al 56% para las madres. En relación con su estatus laboral, el 65% de los padres se encontraba trabajando tiempo completo y el 19% lo hacía en tiempo parcial;paralasmadresestosdosporcentajesseubicanen32%y19%,respectivamente.

Respecto a los antecedentes académicos, aproximadamente el 80% no repitió ningún grado de primaria o secundaria. El 17% repitió un grado de primaria al menos una vez, y dos o más grados el 3,6%. En secundaria, estos dos porcentajes son similares (15% y 4%).

Todos los índices de la tabla 9 ya habían sido calculados por PISA y se encuentran disponibles en la base de datos del sitio http://pisa2009.acer.edu.au/downloads.php. A diferencia de los índices TIMSS, expresados en variables categóricas, los índices PISA se construyeron a partir de técnicas de escalonamiento que se expresan en variables continuas y que tienen valores promediosignificativamentediferentesentrehombresymujeres.

Paraelcasodel índicedelNSE,elgráfico105muestrasurelaciónconelpuntaje(primervalor plausible) de acuerdo con el sexo de los estudiantes.



ESTUDIOS

Gráfico105.PuntajeenlecturasegúnnivelsocioeconómicoenPISA2009.

Fuente: cálculos de la Dirección de Evaluación del ICFES a partir de la base de datos PISA 2009, Colombia. Muestra aleatoria del 10% de instituciones.

b. Institución. Rector(a) o director(a)

La base de instituciones (nivel 2) se compone de 275 registros con información válida provenientes de las respuestas dadas por 146 rectores (56%) y 116 rectoras. En 13 registros no hay información válida sobre el sexo del director o rector de la institución.

El 85% de las instituciones son oficiales y tienen en promedio 1.460 estudiantes (desviación = 1,179) y la participación femenina es del 51% (desviación = 16,2). Un alto porcentaje (63%) considera los antecedentes académicos como uno de los criterios de admisión, y en el 59% de los casos los estudiantes se agrupan en las clases según sus niveles de habilidad.

En primaria se presentan mayores índices de repitencia con una tasa del 5%, frente a una tasa del 3% en secundaria.

3.2.2. Análisis multinivel

La tabla 10 (página 128) presenta los resultados del análisis multinivel. Frente a lo observado en TIMSS 2007 (matemáticas), los resultados PISA 2009 en lectura indican una menor importancia de la escuela en los resultados en lenguaje. Después de controlar por el NSE del estudiante y el NSE promedio de la institución, la varianza entre escuelas pasa de explicar el 35% de la varianza total en lectura al 15%. Asimismo, y contrario a lo observado antes en matemáticas en TIMSS 2007, el NSEdelestudiante,aunquesemantienesignificativoenlatotalidaddelosmodelos,vaperdiendo

122

poder explicativo.Labrechaenlenguajeafavordelasmujeressolamenteessignificativaenelmodelo3,esdecir, al comenzar a introducir variables del nivel de estudiantes y del nivel de escuelas la variable de género pierde su poder explicativo. Al igual que en TIMSS 2007, la edad del estudianteseasociademaneranegativaconlosresultados;enpromedio,unañomásdeedad se asocia con 14 puntos menos en el puntaje de los hombres. Respecto al grado en que se encontraba matriculado el estudiante, cursar en un grado superior representa un incremento de aproximadamente 30 puntos en la evaluación. Sin embargo, haber repetido algúngradodeprimariasignificapuntajesinferioresentodoslosmodelos.

Disfrutar de las actividades de lectura y el uso de estrategias de resumen para leer y comprender textosseasociandemanerasignificativaconmejoresresultadosenlosmodelosdondeseincluyeron como variables predictivas. En los dos casos el efecto es aproximadamente de 15 puntos. Las actividades de estímulo a la lectura por el docente tienen también un efecto positivo en dos de los tres modelos donde se incluyó, en ambos casos con un efecto superior a los 3 puntos.

En cuanto a las actividades de lectura, el uso de estrategias de memorización tiene un efecto negativo, aunque el impacto sobre los resultados es inferior a los 4 puntos.

Elíndicesobreelusodelosserviciosdelabibliotecaseasociademanerasignificativaconmenores resultados en las pruebas en los tres modelos donde se incluyó. Podría ser que el uso poco productivo de estos servicios hace que no se traduzca en mejores prácticas y actitudes frente a la lectura.

A nivel de la escuela, la conformación de grupos según la habilidad de los estudiantes tiene unimpactonegativosoloenelúltimomodelo;demanerasimilar,enmatemáticasenTIMSS2007 este tipo de políticas se asoció de manera consistente con menores resultados y con un efecto considerable. Respecto al sexo del rector o director (mujer), solo en los dos últimos modelos, con una probabilidad del 90%, los estudiantes de instituciones dirigidas por mujeres obtienen alrededor de 10 puntos menos. En el modelo 9, el clima de aula, entendido como el respeto de los estudiantes hacia el docente, el interés de los docentes por el bienestar de los estudiantes y la ayuda extra que los docentes les brindan a los estudiantes en los casos que lo requieren, entre otros aspectos, tiene un efecto positivo sobre los resultados.

Respecto a la variable sector de la institución (privada = 1), los resultados muestran un comportamiento inesperado. Aunque va perdiendo poder explicativo, desde que se introduce en el análisis (modelo 5) muestra una asociación negativa con los puntajes en lenguaje, lo cual no se compadece con el amplio margen a favor de estas en los resultados simples. Varios ejercicios se realizaron en búsqueda de una explicación:



ESTUDIOS

1. El primero buscaba determinar el comportamiento de la covarianza de las variables sector, NSE de los estudiantes y NSE promedio de la escuela. Para ello, utilizando el análisis jerárquico se estimaron dos modelos: el primero incluía solo el NSE del estudiante y el sectordelainstitución(privada);elsegundomodeloadicionabaelNSEpromediodelaescuela. Este procedimiento se realizó con PISA 2009 (lectura) y con SABER 5o. y 9o. 2009 para noveno grado en lenguaje.

a. ResultadosconPISA2009:alcorrerelprimermodelo,amboscoeficientes(NSEestudiante y sector privado) se asocian positivamente con mayores puntajes en lenguaje; al introducir al análisis el NSE promedio de la escuela, el sentido delcoeficiente de sector privado cambia y se vuelve negativo, aunque deja de serestadísticamentesignificativo.

b. Resultados con SABER 2009 para noveno grado: a diferencia del anterior, al introducir enelanálisiselNSEpromediode la institución,elcoeficientedesectorprivado,aunque se reduce sustancialmente, continúa siendo positivo y estadísticamente significativo.

2. Un segundo ejercicio consistió en la revisión de la distribución de la muestra y de los resultados de estudiantes y de instituciones en PISA 2009 por sector, según quintiles de NSE. El propósito era examinar si esa distribución y esos resultados podrían insinuar problemas relacionadoscon lamuestra.Comoseapreciaen losgráficos106y107,el75%delosestudiantesdecolegiosprivadosyel32%deoficialesseubicanenlosquintiles de mayor NSE (4 y 5), y en todos los quintiles de NSE los estudiantes privados superanalosoficiales.

Gráfico106.PISA2009.Estudiantesporsector,segúnquintilesdeNSE.


124

Gráfico107.PISA2009.Mediaenlenguajedeestudiantesporsector,según quintiles de NSE.


Respecto a la muestra de instituciones educativas (véansegráficos108y109),estáaúnmásconcentrada en los niveles altos. En efecto, el 93% de las privadas se ubican en los quintiles demayorNSE(frenteal20%delasoficiales)yenestossupromedioenlenguajefueinferioraldelasoficiales.

Gráfico108.PISA2009.Porcentajedeescuelasporsector,según quintiles de NSE promedio.




ESTUDIOS

Gráfico109.PISA2009.Mediaenlenguajedeescuelasporsector,según quintiles de NSE promedio.


Lo anterior contrasta con la distribución de la muestra y resultados de las escuelas en SABER 5o. y 9o. 2009 por sector según clasificación deNSE. En esta prueba nacional, 75%deinstitucionesprivadasy13%delasoficialesseubicanenelNSEmásalto,nivelenelquelasprivadassuperanalasoficiales.

Llama también la atención que, como se comentó atrás, el máximo nivel educativo de los padres del 47% de los estudiantes es educación superior, característica que se observa en el 41%deestudiantesdecolegiosoficialesy73%deestudiantesdecolegiosprivados.Contrastalo anterior con la muestra en TIMSS 2007 en la que, aunque no se puede distribuir por sector, el porcentaje total de estudiantes cuyos padres tenían como máximo nivel educativo la educación superior fue del 20%.

3.3. Resumen y conclusiones

En este capítulo se utilizaron técnicas de análisis multinivel (HLM) para estimar los factores que moderan (atenúan o acentúan) la brecha de género en los resultados de los estudiantes colombianos en matemáticas (TIMSS 2007) y lectura (PISA 2009).

Con TIMSS 2007 se evaluaron 4.873 estudiantes matriculados en octavo grado con una edad promedio de 14 años. En PISA 2009 participaron 7.921 estudiantes matriculados entre los grados séptimo y undécimo, con una edad promedio de 16 años. El número de instituciones educativas en TIMSS y PISA fue de 148 y 275, respectivamente.

126

De acuerdo con el nivel educativo de los padres, existen diferencias importantes en cuanto al contexto socioeconómico de los estudiantes. En PISA 2009, la mayoría de los padres tiene estudios de educación superior, mientras que en TIMSS 2007 una proporción importante alcanza como máximo algún grado de secundaria y del resto, la mayoría no alcanza ese nivel.

Conlaestimacióndelmodelosinpredictores(modelovacío)seidentificóquelaescuelaexplica el 45% de los resultados en matemáticas y el 35% de los resultados en lectura. Al controlar por el NSE del estudiante y de su institución, estos porcentajes caen a 31% y a 15%, respectivamente. Esta mayor reducción del CCI en lectura, sumado al poder explicativo que mantiene en todos los modelos el NSE del estudiante, permite concluir que los factores del estudiante tienen un mayor peso en la predicción de los resultados de lectura que de matemáticas.

Después de estimar el aporte neto de la institución, descontando el efecto que tiene la composición socioeconómica del alumnado, se estimó un modelo para conocer la brecha de género, a favor de los hombres en matemáticas y a favor de las mujeres en lenguaje: en el primer caso la brecha fue de 28 puntos y en el segundo de 9 puntos, en ambos casos a un p < 0,01.

Enmatemáticas,labrechadegénerosemantienealrededordelos30puntosyessignificativaen todos los modelos estimados. En lectura, por el contrario, la brecha de género pierde su poder explicativo al controlar por la edad del estudiante y el grado en el que se encuentra matriculado. Este hallazgo corrobora la concentración de las investigaciones sobre las diferenciasdegéneroeneláreadematemáticasylainfluenciadefactoresbiopsicosociales, como determinantes de las diferencias.

Después de incluir el género del estudiante como predictor, los modelos que se estimaron permitieronidentificarlosfactoresqueseasocianconmejoresdesempeñosdelasmujeres,para el caso de matemáticas, y de los hombres, en el caso de lectura.

Lasvariablesdelestudiantequeexplicansignificativamente los resultados de las mujeres enmatemáticassonlaedad(-),lasexpectativasdeestudio(+)ylaautoconfianza(+).Lasvariablesdelnivel2conuna influenciapositivaensus resultadosson:edaddeldocente,inexistencia de problemas asociados con la asistencia de los estudiantes a clase, percepción de seguridad en la institución educativa y énfasis en las tareas por parte del docente y la percepción de un clima escolar positivo por el rector o director. La agrupación de estudiantes según su habilidad tiene efectos negativos sobre los resultados.

Las variables del estudiante que explican significativamente y con un efecto negativo losresultados de los hombres en lectura son: la edad, la repitencia en primaria, el uso de la biblioteca y el uso de estrategias de memorización. Un efecto positivo tiene el grado en el



ESTUDIOS

que se encuentra matriculado el estudiante, el disfrute de la lectura, la diversidad de lecturas, el estímulo hacia la lectura generado por el docente, el uso de estrategias de resumen y la percepción positiva del estudiante sobre el clima de disciplina en el aula. Tres predictores del nivel 2 explican significativamente resultados inferiores en lectura: estudiantes eninstituciones del sector privado, dirigidas por mujeres (en 2 de los 9 modelos estimados) y que implementan políticas de agrupación selectiva.

Finalmente, respecto al comportamiento de la variable de sector (privado) en la explicación de los puntajes en lectura en PISA 2009, se observa una altísima concentración de la muestra de estas instituciones en los niveles más altos de NSE y un porcentaje relativamente elevado deinstitucionesoficialesenlosmismos.Valdríalapenaunarevisióndetalladadeloscolegiosoficialesallíubicados(véase tabla 10).

128

Tabla 10. Resultados del análisis de regresión multinivel. Colombia, PISA 2009.

Predictores Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8 Modelo 9

NSE estudiante 9,24 (1,55) ***

9,62 (1,54) ***

3,48 (1,50) **

3,48 (1,50) **

3,28 (1,52) **

3,20 (1,43) **

2,42 (1,39) *

2,49 (1,39) *

NSE promedio escuela 49,03 (4,24) ***

49,00 (4,24) ***

49,52 (4,34) ***

57,52 (4,52) ***

56,7 (4,67) ***

54,62 (4,50) ***

52,20 (4,59) ***

52,97 (4,51) ***

Estudiante MUJER 9,32 (3,43) *** 2,98 (2,75) 2,99 (2,75) 3,46 (2,67) 1,61 (2,86) 2,84 (2,72) 2,65 (2,74)

Edad estudiante -15,29 (4,5) ***

-15,29 (4,46) ***

-14,65 (4,4) ***

-15,26 (4,7) ***

-12,33 (4,3) ***

-11,85 (4,3) ***

Grado estudiante 34,91 (1,49) ***

34,91 (1,49) ***

34,33 (1,81) ***

31,40 (1,85) ***

27,32 (1,77) ***

26,63 (1,73) ***

Rector o director mujer -6,34 (7,01) -8,41 (6,66) -7,48 (6,69) -8,37 (6,53) -10,87 (6,50) *

-11,93 (6,36) *

Sector privado -19,80 (9,54) **

-18,92 (9,41) **

-17,68 (9,63) * -15,97 (9,93) -21,27 (12,12)

*

Matrícula total -0,003 (0,002) -0,003 (0,002) -0,002 (0,002) -0,002 (0,002) -0,0008 (0,002)

Porcentaje mujeres 0,18 (0,19) 0,15 (0,20) 0,13 (0,19) 0,15 (0,19) 0,09 (0,20)

Agrupación selectiva -7,81 (6,34) -7,20 (6,40) -7,23 (6,13) -6,97 (6,05) -9,76 (5,77) *

Admisión - registro académico -3,56 (6,48) -3,20 (6,55) -2,06 (6,15) -2,54 (6,02) -1,74 (5,90)

Repitencia - primaria

-11,00 (4,1) ***

-8,96 (4,44) **

-9,09 (4,33) **

-9,23 (4,36) **

Repitencia - secundaria

9,78 (3,73) ***

8,73 (4,10) ** 6,34 (4,25) 6,44 (4,31)

% repitencia primaria -0,61 (0,91) -0,74 (0,93) -0,63 (0,97) -0,48 (0,91)

% repitencia secundaria 0,70 (0,94) 0,93 (0,91) 0,81 (0,92) 0,84 (0,92)

Disfrute de la lectura 16,51 (2,34) ***

15,61 (2,02) ***

15,19 (2,02) ***

Diversidad de la lectura 2,25 (1,33) * 1,92 (1,36) 1,93 (1,35)

Estímulo a la lectura 2,74 (1,84) 2,99 (1,73) *

3,45 (1,80) *

Uso de la biblioteca -13,88 (1,5) ***

-11,44 (1,6) ***

-11,57 (1,6) ***

Estrategias de resumen 15,42 (1,34) ***

15,22 (1,36) ***

Estrategias de memorización

-3,99 (1,37) ***

-3,57 (1,42) **

Relaciones docentes-estudiantes -1,62 (1,53)

Clima de aula 6,48 (1,82) ***

Comportamiento - estudiante 6,29 (4,02)

Comportamiento - docente -0,90 (3,52)

Varianza Entre escuelas 2.658,35 841,10 841,65 876,78 832,88 838,64 776,52 762,00 747,91

En el interior de la escuela 4.893,06 4.801,39 4.782,02 3.663,35 3.663,36 3.634,27 3.358,82 3.066,80 3.043,59

CCI 35% 15% 15% 19% 19% 19% 19% 20% 20%

Nota: variables del nivel 1 en negrilla. Controles del nivel 1 centrados a nivel de grupo; controles del nivel 2 centrados con la media total.* ρ < 0,10; ** ρ < 0,05; *** ρ < 0,01 (errores estándar robustos).



ESTUDIOS

Referencias

•Altonji, J., & Blank, R. (1999). Race and gender in the labor market. In Handbook of Labor Economics, vol.3c,ed.O.Ashenfelter,&D.Card,3144–3259.Amsterdam:ElsevierScience.

•Bandura (1993). Perceived self-efficacy in cognitive development and functioning. EducationalPsychologist, 28: 117–148.

•Ben-Zeev, T. et al. (2005). “Math is hard!” Responses of threat vs. challenge-mediated arousal to stereotypes alleging intellectual inferiority. En Gender differences in Mathematics. An integrative psychological approach. Gallagher, Ann y J. C. Kaufman (eds.). Cambridge University Press. UK

•Berdad, K., & Cho, I. (2007). The Gender test score gap in OECD countries. Department ofEconomics. University of California. Santa Barbara. Paper. Preliminary Draft.

•Berenbaum, S.A. (1999). Effects of early androgens on sex-typed activities and interests in adolescents with congenital adrenal hyperplasia. Hormones and Behavior, 35: 102–110.

•Bock, R., & Kolakowski, D.(1973).Furtherevidenceofsex-linkedmajor-geneinfluenceonhumanspatial visualizing activity. American Journal of Human Genetics 25: 1–14.

•Boles, D.B. (1980). X-linkage of Spatial Ability: A Critical Review. Child Development 51: 625–635.

•Burman, D., Bitan, T., & Booth, J. (2007). Sex differences in neural processing of language among children. Neuropsychologia 46(5): 1349-1362.

•Cohen, A. & Ibarra, R. (2005). Examining Gender-Related Differential Item Functioning. Using Insights from Psychometric and Multicontext Theory. In Gender differences in mathematics. An integrative psychological approach. Cambridge: Cambridge University Press.

•Cohen, J. (1988). Statistical power analysis for the behavioral sciences. Hillsdale, NJ: Erlbaum.

•Cole, N. (1997). ETS gender study: How females and males perform in educational settings. Princeton, NJ: Education Testing Service.

•Cullen, M. J., Hardison, C. M., & Sackett, P. R. (2004). Using SAT-grade and ability-job performance relationships to test predictions derived from stereotype threat theory. Journal of Applied Psychology, 89: 220-230.

•Eccles [Parsons] et al. (1983). Expectancies, values an academic behavior. En T.J. Spence (ed.) Achievement and achievement motivation. New York Freedman.

•Eccles, J. et al. (2005). Subjective task value and the Eccles et al. model of achievement –related choices. In Handbook on competence and motivation. Eliot, A. & Dweck, C. (eds.). The Guilford Press. New York, London

•Eccles, J. S. (1987). Gender roles and women’s achievement-related decisions. Psychology of Women Quarterly, 11: 135–172.

130

•Eccles, J. S., & Wigfield, A. (1995). In the mind of the achiever: The structure of adolescents’ academic achievement related-beliefs and self-perceptions. Personality and Social Psychology Bulletin, 21: 215–225.

•Eccles, J. S., Adler, T. F., & Meece, J. L. (1984). Sex differences in achievement: A test of alternative theories. Journal of Personality and Social Psychology, 46: 26–43.

•Else-Quest, N., Linn, M., & Hyde, J. (2010). Cross-National patterns of gender differences in mathematics: A meta-analysis. Psychological Bulletin, 136(1): 103–127.

•Froelich, A. G., & Habing, B. (2001). Refinements of the DIMTEST methodology for testingunidimensionality and local independence. Paper presentado en la reunión anual del Comité Nacional sobre Medición en Educación, Seattle, WA. Disponible en: www.public.iastate.edu/~amyf/presentations/ncme2001paper.pdf

•Fryer, R. & Levitt, S. (2009). An empirical analysis of the gender gap in mathematics. Harvard: Harvard University y NBER.

•Gallagher, A. & Kaufman, J. C. (2005). Gender differences in mathematics. An integrative psychological approach. Gallagher, Ann y J. C. Kaufman (eds.). UK: Cambridge University Press.

•Gallagher, A., & De Lisi, R. (1994). Gender differences in Scholastic Aptitude Test-Mathematics problem solving among high-ability students. Journal of Educational Psychology, 86: 204-211.

•Gallagher, A., De Lisi, R., Holst, P., McGillicuddy-De Lisi, A., Morely, M., & Cahalan, C. (2000). Gender differences in advanced mathematical problem solving. Journal of Experimental Child Psychology, 75: 165-190.

•Garner, M., & Engelhard, G., Jr. (1999). Gender differences in performance on multiple-choice and constructed response mathematics items. Applied Measurement in Education, 12: 29–51.

•Garratt, R., Weinberger C., & Johnson, N. (2010). The state street mile: age and gender differences incompetitionaversioninthefield.EconomicInquiry.OnlineISSN:1465-7295

•Gierl, M., Bisanz, J., Bisanz, G., & Boughton, K. (2003). Identifying content and cognitive skills that produce gender differences in mathematics: A demonstration of the multidimensionality-based DIF analysis paradigm. Journal of Educational Measurement, 40: 281-306.

•Glenn, E. & Swanson, A. (2010). The gender gap in secondary school mathematics at high achievement levels: Evidence from the American Mathematics Competitions. Journal of Economic Perspective, 24(2): 109-128. Spring.

• Guiso, L., Monte, F., Sapienza, P., & Zingales, L. (2008). Culture, gender, and math. Science, 320: 1164–1165.

•Haier, R., Jung, R., Yeo, R., Head, K., & Alkire, M. (2005). The neuroanatomy of general intelligence: Sex matters. NeuroImage, 25: 320–327.

•Halpern, D. F. (1992). Sex differences in cognitive abilities. Hillsdale, NJ: Erlbaum.

•Halpern, D., Benbow, C., Geary, D., Gur, R., Hyde, J., & Gernsbacher, M. (2007). The science of sex differences in science and mathematics. Psychological Science in the Public Interest, 8(1): 1-51.



ESTUDIOS

•Halpern, D., Wai, J., & Saw, A. (2005). A psychobiosocial model. Why females are sometimes greater than and sometimes less than males in math achievement. Gender differences in Mathematics. An integrative psychological approach. Gallagher, Ann y J. C. Kaufman (eds.). UK: Cambridge University Press.

•Hausmann, R. et al. (2010). The Global Gender Gap Report 2010. World Economic Forum. Suiza.

•Hong, E., O’Neil, H. & Feldon, D. (2005). Gender effects on mathematics achievement mediating role of State and trait self-regulation. In Gender differences in Mathematics. An integrative psychological approach. Gallagher, Ann &J. C. Kaufman (eds.). UK: Cambridge University Press.

•Huttenlocher, H., Bryk, A., Seltzer, M., & Lyons, J. (1991). Early vocabulary growth: Relation to language input and gender. Developmental Psychology, 27: 236-248.

•Hyde, J., & Linn, M. (1988). Gender differences in verbal ability: a meta-analysis. Psychological Bulletin, 104(1): 53-69.

•Jacobs, J.et al. (2005). I can, but I don’t want to. In Gender differences in mathematics. An integrative psychological approach. Gallagher, Ann &J. C. Kaufman (eds.). UK: Cambridge University Press.

•Johns, M., Schmader, T., & Martens, A. (2005). Knowing is half the battle: Teaching stereotype threat as a means of improving women’s math performance. Psychological Science, 16(3): 175–179.

•Kimball, M. (1989). A new perspective on women’s math achievement. Psychological Bulletin, 105: 198-214.

•Le, T. (2009). Investigating gender differential item functioning across countries and test languages for PISA science items. International Journal of Testing, 9: 122–133.

•Lietz, P. (2006a). A meta-analysis of gender differences in reading achievement at the secondary school level. Studies in Educational Evaluation, 32(4): 317–344.

•Lietz, P. (2006b). Issues in the change in gender differences in reading achievement in cross-national research studies since 1992: A meta-analytic view. International Education Journal, 7(2): 127-149.

•Lindberg, S., Hyde, J., Petersen, J., & Linn, M. (2010). New trends in gender and mathematics performance: A meta-analysis. Psychological Bulletin, 136(6): 1123–1135.

•Lipsey, M. W., & Wilson, D. B. (2001). Practical meta-analysis, Vol. 49. Thousand Oaks: SagePublications.

•Lupien, S. J., & McEwen, B. S. (1997). The acute effects of corticosteroids on cognition: Integration of animal and human model studies. Brain Research Reviews, 24: 1–27.

•Maccoby, E. y Jacklin, C, N. (1974). The psychology of sex differences. Stanford, CA. Stanford University.

•Masters, G. (1982). A Rasch model for partial credit scoring. Psychometrika, 47: 149–174.

•McGeown, S., Goodwin, H., Henderson, N. & Wright, P. (2011). Gender differences in reading motivation: does sex or gender identity provide a better account? Journal of Research in Reading.doi: 10.1111/j.1467-9817.2010.01481.

•Meece, J. L., Eccles-Parsons, J., Kaczala, C. M., Goff, S. E., & Futterman, R. (1982). Sex differences in math achievement: Toward a model of academic choice. Psychological Bulletin, 91: 324–348.

•Meece, J. L., Wigfield, A., & Eccles, J. S. (1990). Predictors of math anxiety and its consequences for young adolescents’ course enrollment intentions and performances in mathematics. Journal of Educational Psychology, 82: 60–70.

•Ming Chui, M. & McBride-Chang, C. (2006). Gender, context, and reading: A comparison of students in43countries.ScientificStudiesofReading,10(4):331–362.

•Morales, P. (2011). El tamaño del efecto: análisis complementarios al contraste de medias. UniversidadPontificiaComillas.FacultaddeCienciasHumanasySociales.Madrid.Disponibleen:http://www.upcomillas.es/personal/peter/investigacion/Tama%F1oDelEfecto.pdf

•Murnane, R., Willett, J., & Levy, F. (1995). The growing importance of cognitive skills in wage determination. NBER Working Paper w5076.

•OCDE. (2010). PISA 2009: Assessment Framework.

•Pajares, F.(2005).Genderdifferencesinmathematics.Self-EfficacyBeliefs.InGenderdifferencesin Mathematics. An integrative psychological approach. Gallagher, Ann & J. C. Kaufman (eds.). UK: Cambridge University Press.

•Pattison, P., & Grieve, N. (1984). Do spatial skills contribute to sex differences in different types of mathematical problems? Journal of Educational Psychology, 76: 678–689.

•Penner, A. M. (2008). Gender differences in extreme mathematical achievement: An international perspective on biological and social factors. American Journal of Sociology, 114: S138–S170.

•Pine, S. M. (1977). Application of item characteristic curve theory to the problem of test bias. In D. J. Weiss (Ed.), Application of computerized adaptive testing: Proceedings of a symposium presented at the 18th annual convention of the Military Testing Association (Research Rep. No. 77–1, pp. 37–43). Minneapolis: University of Minnesota, Department of Psychology, Psychometric Methods Program.

•Pintrich, P. R., & De Groot, E. V. (1990). Motivational and self-regulated learning components of classroom academic performance. Journal of Educational Psychology, 82: 33–40.

•Programa de las Naciones Unidas para el Desarrollo (PNUD) (2010). Informe de Desarrollo Humano 2010. La verdadera riqueza de las naciones: caminos al desarrollo humano.

•Roussos, L., & Stout, W. (1996). A multidimensionality-based DIF analysis paradigm. Applied Psychological Measurement, 20: 355-371.

•Shealy, R., & Stout, W. (1993). A model-based standardization approach that separates true bias/DIF from group differences and detects test bias/DIF as well as item bias/DIE. Psychometrika, 58: 159-194.

•Shih, M., Pittinsky, T. L., & Ambady, N. (1999). Stereotype susceptibility: Identity salience and shifts in quantitative performance. Psychological Science, 10.

•Slabbekoorn, D., Van Goozen, S.H.M., Megens, J., Gooren, L. J. G., & Cohen-Kettenis, P. (1999). Activating effects of cross-sex hormones on cognitive functioning: A study of short-term and longterm hormone effects in transsexuals. Psychoneuro-Endocrinology, 24: 432–447.



ESTUDIOS

•Spencer, C.J., Steele, C.M. & Quin, D.M. (1999). Stereotype threat and women’s math performance. Journal of Experimental Social Psycology, 35: 4-28.

•Spielberger, C. D. (1975). Anxiety: State-trait process. In C. D. Spielberger & I. G. Sarason (Eds.), Stress and anxiety (Vol. 1, pp. 115–143). Washington, DC: Hemisphere.

•Steele, C.M., & Aronson, J. (1995). Stereotype threat and the intellectual test-performance of African-Americans. Journal of Personality and Social Psychology, 69(5): 797-811.

•Steele, C.M., Spencer, C.J. & Aronson, J. (2002). Contending with group image: the psychology of stereotype and social identity threat. In M. P. Zanna (ed.). Advances in Experimental Social Psychology (Vol. 34) (pp. 379–440). San Francisco: Academic Press.

•Strand, S., Deary, I., & Smith, P. (2006). Sex differences in cognitive abilities test scores: A UK national picture. British Journal of Educational Psychology, 76: 463-480.

•Thomas, H. & Kail, R. (1991). Sex differences in speed of mental rotation and the X-linked genetic hypothesis. Intelligence, 15: 17–32.

•Van Goozen, S., Cohen-Kettenis, P., Gooren, L., Frijda, N. & Van de Poll, N. (1995). Gender differences in behaviour: Activating effects of cross-sex hormones. Psychoneuroendocrinology, 20: 343–363.

•Van Goozen, S., Cohen-Kettenis, P., Gooren, L., Frijda, N., & Van de Poll, N. (1994). Activating effects of androgens on cognitive performance: Causal evidence in a group of female to-male transsexuals. Neuropsychologia, 32: 1153–1157.

•Whaley, A. L. (1998). Issues of validity in empirical tests of stereotype threat theory. American Psychologist, 53: 679-680.

•Willingham, W. & Cole, N. (1997). Research on gender differences. In W. W. Willingham y N. S. Cole (eds.).Gender and fair assessment, Hillsdale, NJ: Lawrence Erlbaum.

•Yerkes, R. M., & Dodson, J. D. (1908). The relationship of strength of stimulus to rapidity of habit-formation. Journal of Comparative Neurology of Psychology, 18: 459–482.

•Zimmerman, B. J. (1986). Becoming a self-regulated learner: Which are the key subprocesses? Contemporary Educational Psychology, 11: 307–313.

• Zimmerman, B. J. (1989). A social cognitive view of self-regulated academic learning. Journal of Educational Psychology, 81: 329–339.

•Zimmerman, B. J. (1990). Self-regulated learning and academic achievement: An overview. Educational Psychologist, 25: 3–17.

•Zimmerman, B. J., & Martinez-Pons, M. (1988). Construct validation of a strategy model of student self-regulated learning. Journal of Educational Psychology, 80: 284–290.

•Zimmerman, B. J., & Martinez-Pons, M. (1990). Student differences in self-regulated learning: Relating grade,sex,andgiftednesstoself-efficacyandstrategyuse.JournalofEducationalPsychology,82:51–59.

134

ANEXO 1

Cuadros de resultados total y por género en PISA 2006 y 2009 y TIMSS 1995 y 2007



ESTUDIOS

TABLAA1.1LENGUAJE-PUNTAJETOTALYPORGÉNERO-PISA2006

Puesto País

Puntaje total Diferencias de género

MediaS.D.

Hombres Mujeres Dif.H-MMean S.E. Mean S.E. Mean S.E.

1 Corea 556 (3,8) 88 539 (4,6) 574 (4,5) -35

2 Finlandia 547 (2,1) 81 521 (2,7) 572 (2,3) -51

3 Hong Kong-China 536 (2,4) 82 520 (3,5) 551 (3,0) -31

4 Canadá 527 (2,4) 96 511 (2,8) 543 (2,5) -32

5 Nva. Zelanda 521 (3,0) 105 502 (3,6) 539 (3,6) -37

6 Irlanda 517 (3,5) 92 500 (4,5) 534 (3,8) -34

7 Australia 513 (2,1) 94 495 (3,0) 532 (2,2) -37

8 Liechtenstein 510 (3,9) 95 486 (7,7) 531 (6,3) -45

9 Polonia 508 (2,8) 100 487 (3,4) 528 (2,8) -40

10 Suecia 507 (3,4) 98 488 (4,0) 528 (3,5) -40

11 Holanda 507 (2,9) 97 495 (3,7) 519 (3,0) -24

12 Bélgica 501 (3,0) 110 482 (4,1) 522 (3,5) -40

13 Estonia 501 (2,9) 85 478 (3,2) 524 (3,1) -46

14 Suiza 499 (3,1) 94 484 (3,2) 515 (3,3) -31

15 Japón 498 (3,6) 102 483 (5,4) 513 (5,2) -31

16 Taipéi-China 496 (3,4) 84 486 (4,4) 507 (4,2) -21

17 Reino Unido 495 (2,3) 102 480 (3,0) 510 (2,6) -29

18 Alemania 495 (4,4) 112 475 (5,3) 517 (4,4) -42

19 Dinamarca 494 (3,2) 89 480 (3,6) 509 (3,5) -30

20 Eslovenia 494 (1,0) 88 467 (1,9) 521 (1,4) -54

21 Macao-China 492 (1,1) 77 479 (1,8) 505 (1,5) -26

22 Austria 490 (4,1) 108 468 (4,9) 513 (5,5) -45

23 Francia 488 (4,1) 104 470 (5,2) 505 (3,9) -35

24 Islandia 484 (1,9) 97 460 (2,8) 509 (2,3) -48

25 Noruega 484 (3,2) 105 462 (3,8) 508 (3,3) -46

26 Rep. Checa 483 (4,2) 111 463 (5,0) 509 (5,4) -46

27 Hungría 482 (3,3) 94 463 (3,7) 503 (3,9) -40

28 Letonia 479 (3,7) 91 454 (4,3) 504 (3,5) -50

29 Luxemburgo 479 (1,3) 100 464 (2,0) 495 (2,1) -32

30 Croacia 477 (2,8) 89 452 (3,8) 502 (3,3) -50

31 Portugal 472 (3,6) 99 455 (4,4) 488 (3,5) -33

32 Lituania 470 (3,0) 96 445 (3,5) 496 (3,2) -51

33 Italia 469 (2,4) 109 448 (3,4) 489 (2,8) -41

34 Eslovaquia 466 (3,1) 105 446 (4,2) 488 (3,8) -42

35 España 461 (2,2) 89 443 (2,6) 479 (2,3) -35

36 Grecia 460 (4,0) 103 432 (5,7) 488 (3,5) -57

(Tabla A1.1, continúa en la siguiente página).

136

Puesto País


MediaS.D.


37 Turquía 447 (4,2) 93 427 (5,1) 471 (4,3) -44

38 Chile 442 (5,0) 103 434 (6,0) 451 (5,4) -17

39 Fed. Rusa 440 (4,3) 93 420 (4,8) 458 (4,3) -38

40 Israel 439 (4,6) 119 417 (6,5) 460 (4,6) -42

41 Tailandia 417 (2,6) 82 386 (4,0) 440 (3,0) -54

42 Uruguay 413 (3,4) 121 389 (4,4) 435 (3,8) -45

43 México 410 (3,1) 96 393 (3,5) 427 (3,0) -34

44 Bulgaria 402 (6,9) 118 374 (7,7) 432 (6,9) -58

45 Serbia 401 (3,5) 92 381 (3,4) 422 (4,2) -42

46 Jordania 401 (3,3) 94 373 (5,6) 428 (3,4) -55

47 Rumania 396 (4,7) 92 374 (4,5) 418 (5,2) -44

48 Indonesia 393 (5,9) 75 384 (8,7) 402 (4,2) -18

49 Brasil 393 (3,7) 102 376 (4,3) 408 (3,7) -32

50 Montenegro 392 (1,2) 90 370 (2,0) 415 (1,8) -45

51 Colombia 385 (5,1) 108 375 (5,6) 394 (5,6) -19

52 Túnez 380 (4,0) 97 361 (4,6) 398 (3,9) -38

53 Argentina 374 (7,2) 124 345 (8,3) 399 (7,4) -54

54 Azerbaiyán 353 (3,1) 70 343 (3,5) 363 (3,3) -20

55 Catar 312 (1,2) 109 280 (1,9) 346 (1,6) -66

56 Kirguistán 285 (3,5) 102 257 (4,4) 308 (3,3) -51

OECD total 484 (1,0) 107 466 (1,2) 502 (1,3) -36

OECD media 492 (0,6) 99 473 (0,7) 511 (0,7) -38

Nota: Diferencias estadísticamente significativas sombreadas

Fuente: Tablas en excel de resultados en PISA-2006, disponibles en www.pisa.oecd.org



ESTUDIOS

TABLAA1.2LENGUAJE-PUNTAJETOTALYPORGÉNERO-PISA2009

Puesto País


MediaS.D.


1 Shanghái-China 556 (2,4) 80 536 (3,0) 576 (2,3) -40

2 Corea 539 (3,5) 79 523 (4,9) 558 (3,8) -35

3 Finlandia 536 (2,3) 86 508 (2,6) 563 (2,4) -55

4 Hong Kong-China 533 (2,1) 84 518 (3,3) 550 (2,8) -33

5 Singapur 526 (1,1) 97 511 (1,7) 542 (1,5) -31

6 Canadá 524 (1,5) 90 507 (1,8) 542 (1,7) -34

7 Nva. Zelanda 521 (2,4) 103 499 (3,6) 544 (2,6) -46

8 Japón 520 (3,5) 100 501 (5,6) 540 (3,7) -39

9 Australia 515 (2,3) 99 496 (2,9) 533 (2,6) -37

10 Holanda 508 (5,1) 89 496 (5,1) 521 (5,3) -24

11 Bélgica 506 (2,3) 102 493 (3,4) 520 (2,9) -27

12 Noruega 503 (2,6) 91 480 (3,0) 527 (2,9) -47

13 Estonia 501 (2,6) 83 480 (2,9) 524 (2,8) -44

14 Suiza 501 (2,4) 93 481 (2,9) 520 (2,7) -39

15 Polonia 500 (2,6) 89 476 (2,8) 525 (2,9) -50

16 Islandia 500 (1,4) 96 478 (2,1) 522 (1,9) -44

17 Estados Unidos 500 (3,7) 97 488 (4,2) 513 (3,8) -25

18 Liechtenstein 499 (2,8) 83 484 (4,5) 516 (4,5) -32

19 Suecia 497 (2,9) 99 475 (3,2) 521 (3,1) -46

20 Alemania 497 (2,7) 95 478 (3,6) 518 (2,9) -40

21 Irlanda 496 (3,0) 95 476 (4,2) 515 (3,1) -39

22 Francia 496 (3,4) 106 475 (4,3) 515 (3,4) -40

23 Taipéi-China 495 (2,6) 86 477 (3,7) 514 (3,6) -37

24 Dinamarca 495 (2,1) 84 480 (2,5) 509 (2,5) -29

25 Reino Unido 494 (2,3) 95 481 (3,5) 507 (2,9) -25

26 Hungría 494 (3,2) 90 475 (3,9) 513 (3,6) -38

27 Portugal 489 (3,1) 87 470 (3,5) 508 (2,9) -38

28 Macao-China 487 (0,9) 76 470 (1,3) 504 (1,2) -34

29 Italia 486 (1,6) 96 464 (2,3) 510 (1,9) -46

30 Letonia 484 (3,0) 80 460 (3,4) 507 (3,1) -47

31 Eslovenia 483 (1,0) 91 456 (1,6) 511 (1,4) -55

32 Grecia 483 (4,3) 95 459 (5,5) 506 (3,5) -47

33 España 481 (2,0) 88 467 (2,2) 496 (2,2) -29

34 Rep. Checa 478 (2,9) 92 456 (3,7) 504 (3,0) -48

35 Eslovaquia 477 (2,5) 90 452 (3,5) 503 (2,8) -51

36 Croacia 476 (2,9) 88 452 (3,4) 503 (3,7) -51


138

Puesto País


MediaS.D.


37 Israel 474 (3,6) 112 452 (5,2) 495 (3,4) -42

38 Luxemburgo 472 (1,3) 104 453 (1,9) 492 (1,5) -39

39 Austria 470 (2,9) 100 449 (3,8) 490 (4,0) -41

40 Lituania 468 (2,4) 86 439 (2,8) 498 (2,6) -59

41 Turquía 464 (3,5) 82 443 (3,7) 486 (4,1) -43

42 Dubái (EAU) 459 (1,1) 107 435 (1,7) 485 (1,5) -51

43 Fed. Rusa 459 (3,3) 90 437 (3,6) 482 (3,4) -45

44 Chile 449 (3,1) 83 439 (3,9) 461 (3,6) -22

45 Serbia 442 (2,4) 84 422 (3,3) 462 (2,5) -39

46 Bulgaria 429 (6,7) 113 400 (7,3) 461 (5,8) -61

47 Uruguay 426 (2,6) 99 404 (3,2) 445 (2,8) -42

48 México 425 (2,0) 85 413 (2,1) 438 (2,1) -25

49 Rumania 424 (4,1) 90 403 (4,6) 445 (4,3) -43

50 Tailandia 421 (2,6) 72 400 (3,3) 438 (3,1) -38

51 Trinidad &Tobago 416 (1,2) 113 387 (1,9) 445 (1,6) -58

52 Colombia 413 (3,7) 87 408 (4,5) 418 (4,0) -9

53 Brasil 412 (2,7) 94 397 (2,9) 425 (2,8) -29

54 Montenegro 408 (1,7) 93 382 (2,1) 434 (2,1) -53

55 Jordania 405 (3,3) 91 377 (4,7) 434 (4,1) -57

56 Túnez 404 (2,9) 85 387 (3,2) 418 (3,0) -31

57 Indonesia 402 (3,7) 66 383 (3,8) 420 (3,9) -37

58 Argentina 398 (4,6) 108 379 (5,1) 415 (4,9) -37

59 Kazajistán 390 (3,1) 91 369 (3,2) 412 (3,4) -43

60 Albania 385 (4,0) 100 355 (5,1) 417 (3,9) -62

61 Catar 372 (0,8) 115 347 (1,3) 397 (1,0) -50

62 Panamá 371 (6,5) 99 354 (7,0) 387 (7,3) -33

63 Perú 370 (4,0) 98 359 (4,2) 381 (4,9) -22

64 Azerbaiyán 362 (3,3) 76 350 (3,7) 374 (3,3) -24

65 Kirguistán 314 (3,2) 99 287 (3,8) 340 (3,2) -53

OECD media 493 (0,5) 93 474 (0,6) 513 (0,5) -39

OECD total 492 (1,2) 98 475 (1,4) 508 (1,2) -33

Nota: diferencias estadísticamente significativas sombeadas

Fuente: Tablas en excel de resultados en PISA-2006, disponibles en www.pisa.oecd.org



ESTUDIOS

TABLAA1.3MATEMÁTICAS-PUNTAJETOTALYPORGÉNERO-PISA2006

Puesto País


MediaS.D.


1 Taipéi-China 549 (4,1) 103 556 (4,7) 543 (5,9) 13

2 Finlandia 548 (2,3) 81 554 (2,7) 543 (2,6) 12

3 Hong Kong-China 547 (2,7) 93 555 (3,9) 540 (3,7) 16

4 Corea 547 (3,8) 93 552 (5,3) 543 (4,5) 9

5 Holanda 531 (2,6) 89 537 (3,1) 524 (2,8) 13

6 Suiza 530 (3,2) 97 536 (3,3) 523 (3,6) 13

7 Canadá 527 (2,0) 86 534 (2,4) 520 (2,0) 14

8 Macao-China 525 (1,3) 84 530 (2,1) 520 (1,7) 11

9 Liechtenstein 525 (4,2) 93 525 (7,4) 525 (7,0) 0

10 Japón 523 (3,3) 91 533 (4,8) 513 (4,9) 20

11 Nva. Zelanda 522 (2,4) 93 527 (3,1) 517 (3,6) 11

12 Bélgica 520 (3,0) 106 524 (4,1) 517 (3,4) 7

13 Australia 520 (2,2) 88 527 (3,2) 513 (2,4) 14

14 Estonia 515 (2,7) 80 515 (3,3) 514 (3,0) 1

15 Dinamarca 513 (2,6) 85 518 (2,9) 508 (3,0) 10

16 Rep. Checa 510 (3,6) 103 514 (4,2) 504 (4,8) 11

17 Islandia 506 (1,8) 88 503 (2,6) 508 (2,2) -4

18 Austria 505 (3,7) 98 517 (4,4) 494 (4,1) 23

19 Eslovenia 504 (1,0) 89 507 (1,8) 502 (1,8) 5

20 Alemania 504 (3,9) 99 513 (4,6) 494 (3,9) 20

21 Suecia 502 (2,4) 90 505 (2,7) 500 (3,0) 5

22 Irlanda 501 (2,8) 82 507 (3,7) 496 (3,2) 11

23 Francia 496 (3,2) 96 499 (4,0) 492 (3,3) 6

24 Reino Unido 495 (2,1) 89 504 (2,6) 487 (2,6) 17

25 Polonia 495 (2,4) 87 500 (2,8) 491 (2,7) 9

26 Eslovaquia 492 (2,8) 95 499 (3,7) 485 (3,5) 14

27 Hungría 491 (2,9) 91 496 (3,5) 486 (3,7) 10

28 Luxemburgo 490 (1,1) 93 498 (1,7) 482 (1,8) 17

29 Noruega 490 (2,6) 92 493 (3,3) 487 (2,8) 6

30 Lituania 486 (2,9) 90 487 (3,3) 485 (3,3) 2

31 Letonia 486 (3,0) 83 489 (3,5) 484 (3,2) 5

32 España 480 (2,3) 89 484 (2,6) 476 (2,6) 9

33 Azerbaiyán 476 (2,3) 48 475 (2,4) 477 (2,6) -1

34 Fed. Rusa 476 (3,9) 90 479 (4,6) 473 (3,9) 6

35 Estados Unidos 474 (4,0) 90 479 (4,6) 470 (3,9) 9

36 Croacia 467 (2,4) 83 474 (3,2) 461 (2,8) 13


140

Puesto País


MediaS.D.


37 Portugal 466 (3,1) 91 474 (3,7) 459 (3,2) 15

38 Italia 462 (2,3) 96 470 (2,9) 453 (2,7) 17

39 Grecia 459 (3,0) 92 462 (4,3) 457 (3,0) 5

40 Israel 442 (4,3) 107 448 (6,6) 436 (4,3) 12

41 Serbia 435 (3,5) 92 438 (4,0) 433 (4,4) 5

42 Uruguay 427 (2,6) 99 433 (3,6) 420 (3,1) 13

43 Turquía 424 (4,9) 93 427 (5,6) 421 (5,1) 6

44 Tailandia 417 (2,3) 81 413 (3,8) 420 (2,6) -7

45 Rumania 415 (4,2) 84 418 (4,2) 412 (4,9) 7

46 Bulgaria 413 (6,1) 101 412 (6,7) 415 (6,5) -4

47 Chile 411 (4,6) 87 424 (5,5) 396 (4,7) 28

48 México 406 (2,9) 85 410 (3,4) 401 (3,1) 9

49 Montenegro 399 (1,4) 85 405 (2,3) 393 (1,9) 12

50 Indonesia 391 (5,6) 80 399 (8,3) 382 (4,0) 17

51 Jordania 384 (3,3) 84 381 (5,3) 388 (3,9) -7

52 Argentina 381 (6,2) 101 388 (6,5) 375 (7,2) 13

53 Colombia 370 (3,8) 88 382 (4,1) 360 (5,0) 22

54 Brasil 370 (2,9) 92 380 (3,4) 361 (3,0) 19

55 Túnez 365 (4,0) 92 373 (4,4) 358 (4,4) 15

56 Catar 318 (1,0) 91 311 (1,6) 325 (1,3) -14

57 Kirguistán 311 (3,4) 87 311 (4,0) 310 (3,4) 1

OECD total 484 (1,2) 98 489 (1,3) 478 (1,3) 12

OECD media 498 (0,5) 92 503 (0,7) 492 (0,6) 11

Nota: diferencias estadísticamente significativas sombreadas.

Fuente: tablas en Excel de resultados en PISA-2009, disponibles en www.pisa.oecd.org.



ESTUDIOS

TABLAA1.4MATEMÁTICAS-PUNTAJETOTALYPORGÉNERO-PISA2009

Puesto País


MediaS.D.


1 Shanghái-China 600 (2,8) 103 599 (3,7) 601 (3,1) -1

2 Singapur 562 (1,4) 104 565 (1,9) 559 (2,0) 5

3 Hong Kong-China 555 (2,7) 95 561 (4,2) 547 (3,4) 14

4 Corea 546 (4,0) 89 548 (6,2) 544 (4,5) 3

5 Taipéi-China 543 (3,4) 105 546 (4,8) 541 (4,8) 5

6 Finlandia 541 (2,2) 82 542 (2,5) 539 (2,5) 3

7 Liechtenstein 536 (4,1) 88 547 (5,2) 523 (5,9) 24

8 Suiza 534 (3,3) 99 544 (3,7) 524 (3,4) 20

9 Japón 529 (3,3) 94 534 (5,3) 524 (3,9) 9

10 Canadá 527 (1,6) 88 533 (2,0) 521 (1,7) 12

11 Holanda 526 (4,7) 89 534 (4,8) 517 (5,1) 17

12 Macao-China 525 (0,9) 85 531 (1,3) 520 (1,4) 11

13 Nva. Zelanda 519 (2,3) 96 523 (3,2) 515 (2,9) 8

14 Bélgica 515 (2,3) 104 526 (3,3) 504 (3,0) 22

15 Australia 514 (2,5) 94 519 (3,0) 509 (2,8) 10

16 Alemania 513 (2,9) 98 520 (3,6) 505 (3,3) 16

17 Estonia 512 (2,6) 81 516 (2,9) 508 (2,9) 9

18 Islandia 507 (1,4) 91 508 (2,0) 505 (1,9) 3

19 Dinamarca 503 (2,6) 87 511 (3,0) 495 (2,9) 16

20 Eslovenia 501 (1,2) 95 502 (1,8) 501 (1,7) 1

21 Noruega 498 (2,4) 85 500 (2,7) 495 (2,8) 5

22 Francia 497 (3,1) 101 505 (3,8) 489 (3,4) 16

23 Eslovaquia 497 (3,1) 96 498 (3,7) 495 (3,4) 3

24 Austria 496 (2,7) 96 506 (3,4) 486 (4,0) 19

25 Polonia 495 (2,8) 88 497 (3,0) 493 (3,2) 3

26 Suecia 494 (2,9) 94 493 (3,1) 495 (3,3) -2

27 Rep. Checa 493 (2,8) 93 495 (3,9) 490 (3,0) 5

28 Reino Unido 492 (2,4) 87 503 (3,2) 482 (3,3) 20

29 Hungría 490 (3,5) 92 496 (4,2) 484 (3,9) 12

30 Luxemburgo 489 (1,2) 98 499 (2,0) 479 (1,3) 19

31 Estados Unidos 487 (3,6) 91 497 (4,0) 477 (3,8) 20

32 Irlanda 487 (2,5) 86 491 (3,4) 483 (3,0) 8

33 Portugal 487 (2,9) 91 493 (3,3) 481 (3,1) 12

34 España 483 (2,1) 91 493 (2,3) 474 (2,5) 19

35 Italia 483 (1,9) 93 490 (2,3) 475 (2,2) 15

36 Letonia 482 (3,1) 79 483 (3,5) 481 (3,4) 2


142

Puesto País


MediaS.D.


37 Lituania 477 (2,6) 88 474 (3,1) 480 (3,0) -6

38 Fed. Rusa 468 (3,3) 85 469 (3,7) 467 (3,5) 2

39 Grecia 466 (3,9) 89 473 (5,4) 459 (3,3) 14

40 Croacia 460 (3,1) 88 465 (3,6) 454 (3,9) 11

41 Dubái (EAU) 453 (1,1) 99 454 (1,5) 451 (1,6) 2

42 Israel 447 (3,3) 104 451 (4,7) 443 (3,3) 8

43 Turquía 445 (4,4) 93 451 (4,6) 440 (5,6) 11

44 Serbia 442 (2,9) 91 448 (3,8) 437 (3,2) 12

45 Azerbaiyán 431 (2,8) 64 435 (3,1) 427 (3,0) 8

46 Bulgaria 428 (5,9) 99 426 (6,2) 430 (6,0) -4

47 Rumania 427 (3,4) 79 429 (3,9) 425 (3,8) 3

48 Uruguay 427 (2,6) 91 433 (3,0) 421 (2,9) 12

49 Chile 421 (3,1) 80 431 (3,7) 410 (3,6) 21

50 Tailandia 419 (3,2) 79 421 (3,9) 417 (3,8) 4

51 México 419 (1,8) 79 425 (2,1) 412 (1,9) 14

52 Trinidad &Tobago 414 (1,3) 99 410 (2,3) 418 (1,5) -8

53 Kazajistán 405 (3,0) 83 405 (3,1) 405 (3,3) -1

54 Montenegro 403 (2,0) 85 408 (2,2) 396 (2,4) 12

55 Argentina 388 (4,1) 93 394 (4,5) 383 (4,4) 10

56 Jordania 387 (3,7) 83 386 (5,1) 387 (5,2) 0

57 Brasil 386 (2,4) 81 394 (2,4) 379 (2,6) 16

58 Colombia 381 (3,2) 75 398 (4,0) 366 (3,3) 32

59 Albania 377 (4,0) 91 372 (4,7) 383 (4,2) -11

60 Túnez 371 (3,0) 78 378 (3,3) 366 (3,2) 12

61 Indonesia 371 (3,7) 70 371 (4,1) 372 (4,0) -1

62 Catar 368 (0,7) 98 366 (1,2) 371 (1,0) -5

63 Perú 365 (4,0) 90 374 (4,6) 356 (4,4) 18

64 Panamá 360 (5,2) 81 362 (5,6) 357 (6,1) 5

65 Kirguistán 331 (2,9) 81 328 (3,4) 334 (2,8) -6

OECD media 496 (0,5) 92 501 (0,6) 490 (0,6) 12

OECD total 488 (1,2) 97 496 (1,3) 481 (1,3) 15


Fuente: tablas en Excel de resultados en PISA-2009, disponibles en www.pisa.oecd.org.



ESTUDIOS

CuadroA1.5AMATEMÁTICAS-8o.GRADO-DIFERENCIASDEGÉNERO-TIMSS1995

Posición PaísMedias de los puntajes Dif.

H-MTotal Niños Niñas

1 Singapur 643 642 645 -3

2 Corea 607 615 598 17

3 Japón 605 609 600 9

4 Hong Kong 588 597 577 20

5 Bélgica (Fl.) 565 563 567 -4

6 Rep. Checa 564 569 558 11

7 Eslovaquia 547 549 545 4

8 Suiza 545 548 543 5

9 Eslovenia 541 545 537 8

10 Holanda 541 545 536 9

11 Austria 539 544 536 8

12 Francia 538 542 536 6

13 Hungría 537 537 537 0

14 Fed. Rusa 535 535 536 -1

15 Australia 530 527 532 -5

16 Canadá 527 526 530 -4

17 Irlanda 527 535 520 15

18 Bélgica (Fr.) 526 530 524 6

19 Israel 522 539 509 30

20 Tailandia 522 517 526 -9

21 Suecia 519 520 518 2

22 Alemania 509 512 509 3

23 Nva. Zelanda 508 512 503 9

24 Inglaterra 506 508 504 4

25 Noruega 503 505 501 4

26 Dinamarca 502 511 494 17

27 Estados Unidos 500 502 497 5

28 Escocia 498 506 490 16

29 Letonia 493 496 491 5

30 España 487 492 483 9

31 Islandia 487 488 486 2

32 Grecia 484 490 478 12

33 Rumania 482 483 480 3

34 Lituania 477 477 478 -1

35 Chipre 474 472 475 -3

36 Portugal 454 460 449 11

37 Irán 428 434 421 13

38 Colombia 385 386 384 2

39 Suráfrica 354 360 349 11


Fuente: Beaton, A. et al. Mathematics Achievement for the Middle School Years. TIMSS International Center. Boston College. MA. USA. Noviembre 1996.

144

CuadroA1.5BMATEMÁTICAS-7o.GRADO-DIFERENCIASDEGÉNERO-TIMSS1995

Posición PaísMedias de los puntajes Dif.

H-MTotal Niños Niñas

1 Alemania 484 486 484 2

2 Australia 498 495 500 -5

3 Austria 509 510 509 1

4 Bélgica (Fl.) 558 557 559 -2

5 Bélgica (Fr.) 507 514 501 13

6 Canadá 494 495 493 2

7 Chipre 446 446 446 0

8 Colombia 369 372 365 7

9 Corea 577 584 567 17

10 Dinamarca 465 468 462 6

11 Escocia 463 465 462 3

12 Eslovaquia 508 511 505 6

13 Eslovenia 498 501 496 5

14 España 448 451 445 6


16 Fed. Rusa 501 502 499 3

17 Francia 492 497 489 8

18 Grecia 440 440 440 0

19 Holanda 516 517 515 2

20 Hong Kong 564 570 556 14

21 Hungría 502 503 501 2

22 Inglaterra 476 484 467 17

23 Irán 401 407 393 14

24 Irlanda 500 507 494 13

25 Islandia 459 460 458 2

26 Japón 571 576 565 11

27 Letonia 462 463 460 3

28 Lituania 428 423 433 -10

29 Noruega 461 462 459 3

30 Nva. Zelanda 472 473 470 3

31 Portugal 423 426 420 6

32 Rep. Checa 523 527 520 7

33 Rumania 454 457 452 5

34 Singapur 601 601 601 0

35 Suecia 477 480 475 5

36 Suiza 506 513 498 15

37 Suráfrica 348 352 344 8

38 Tailandia 495 494 495 -1


Fuente: Beaton, A. et. al. Mathematics Achievement for the Middle School Years. TIMSS International Center. Boston College. MA. USA. Noviembre 1996.



ESTUDIOS

CUADROA1.6.MATEMÁTICAS-DIFERENCIASDEGÉNEROTIMSS2007

Puesto País/Región MediaTotal

MediaHombres

MediaMujeres

Dif.H-M

1 Taipéi-China 598 598 599 -1

2 Rep. de Corea (Sur) 597 599 595 4

3 Singapur 593 586 600 -14

4 Hong Kong 572 567 578 -11

5 Japón 570 572 568 4

6 Hungría 517 517 517 0

7 Inglaterra 513 516 511 5

8 Fed. Rusa 512 509 514 -5


10 Lituania 506 502 509 -7

11 Rep. Checa 504 503 505 -2

12 Eslovenia 501 503 500 3

13 Armenia 499 497 501 -4

14 Australia 496 504 488 16

15 Suecia 491 490 493 -3

16 Malta 488 488 488 0

17 Escocia 487 489 486 3

18 Serbia 486 483 489 -6

19 Italia 480 483 477 6

20 Malasia 474 468 479 -11

21 Noruega 469 467 471 -4

22 Chipre 465 455 476 -21

23 Bulgaria 464 456 471 -15

24 Israel 463 462 465 -3

25 Ucrania 462 459 465 -6

26 Rumania 461 452 470 -18

27 Bosnia y Herzegovina 456 455 456 -1

28 Líbano 449 456 443 13

29 Tailandia 441 430 453 -23

30 Turquía 432 432 432 0

31 Jordania 427 417 438 -21

32 Túnez 420 431 410 21

33 Georgia 410 408 412 -4

34 Irán 403 400 407 -7

35 Bahréin 398 382 414 -32

36 Argelia 397 389 384 5

37 Indonesia 397 395 399 -4

38 Siria 395 403 387 16


146

Puesto País/Región Mediatotal

Mediahombres

Mediamujeres

Dif.H-M

39 Egipto 391 384 397 -13

40 Colombia 380 396 364 32

41 Omán 372 344 399 -55

42 Aut. Nal. Palestina 367 349 385 -36

43 Botsuana 364 355 371 -16

44 Kwait 354 342 364 -22

45 El Salvador 340 351 331 20

46 Arabia Saudita 329 319 341 -22

47 Ghana 309 319 297 22

48 Catar 307 288 325 -37

Media TIMSS 500 448 453 -5


Fuente: Mullis, I. et al. TIMSS 2007. Mathematics International Report. Trends in International Science and mathematics Study (TIMSS). IEA. TIMSS & PIRLS International Study Center. Boston College. MA. UA. 2008.



ESTUDIOS

ANEXO 2

Tamaños de efecto de la diferencia a favor de los hombres en matemáticas

y lenguaje de grado 11o. en los departamentos. 2005-2009

148

Tabla A2.1 Tamaños de efecto de la diferencia a favor de los hombres enMATEMÁTICASDEGRADO11o.,enlosdepartamentos.2005-2009

Matemáticas2005 2006 2007 2008 2009

d’ d’-d’ prom. d’ d’-d’ prom. d’ d’-d’ prom. d’ d-d’ prom. d’ d’-d’ prom.

Casanare 0,30 0,30 Casanare 0,41 0,41 Casanare 0,30 0,30 Casanare 0,40 0,40 Guaviare 0,48 0,48

Bogotá, D.C. 0,23 0,23 Boyacá 0,38 0,38 Guaviare 0,28 0,28 Putumayo 0,39 0,39 Casanare 0,31 0,31

Santander 0,23 0,23 Quindío 0,38 0,38 Guainía 0,27 0,27 Guainía 0,36 0,36 Risaralda 0,31 0,31

Huila 0,22 0,22 Bogotá, D.C. 0,37 0,37 Caquetá 0,27 0,27 Nte. Sder. 0,35 0,35 Santander 0,30 0,30

Boyacá 0,21 0,21 Meta 0,37 0,37 San Andrés 0,24 0,24 Caldas 0,35 0,35 Bogotá, D.C. 0,30 0,30

Quindío 0,20 0,20 Caldas 0,37 0,37 Quindío 0,23 0,23 Meta 0,34 0,34 Caquetá 0,29 0,29

C/marca. 0,19 0,19 Cundinamarca 0,37 0,37 Boyacá 0,23 0,23 Risaralda 0,34 0,34 Nte. Sder. 0,29 0,29

Guaviare 0,19 0,19 Risaralda 0,36 0,36 Risaralda 0,21 0,21 C/marca. 0,34 0,34 Tolima 0,29 0,29

Caquetá 0,19 0,19 Huila 0,36 0,36 Santander 0,21 0,21 Boyacá 0,33 0,33 C/marca. 0,29 0,29

Meta 0,19 0,19 Arauca 0,35 0,35 Putumayo 0,21 0,21 Bogotá, D.C. 0,32 0,32 Huila 0,29 0,29

Caldas 0,18 0,18 Santander 0,35 0,35 Bogotá, D.C. 0,21 0,21 Quindío 0,32 0,32 Cesar 0,28 0,28

Putumayo 0,18 0,18 Nte. Santander 0,34 0,34 Huila 0,20 0,20 Caquetá 0,31 0,31 Boyacá 0,28 0,28

Nte. Sder. 0,17 0,17 Caquetá 0,33 0,33 C/marca. 0,19 0,19 Guaviare 0,31 0,31 Arauca 0,28 0,28

Arauca 0,16 0,16 Putumayo 0,32 0,32 Meta 0,18 0,18 Arauca 0,31 0,31 Quindío 0,27 0,27

d’ prom. 0,15 0,15 Antioquia 0,31 0,31 Nte Sder 0,18 0,18 Huila 0,30 0,30 Putumayo 0,26 0,26

Tolima 0,13 0,13 d’ prom. 0,31 0,31 Arauca 0,18 0,18 La Guajira 0,30 0,30 Meta 0,26 0,26

Risaralda 0,13 0,13 Tolima 0,29 0,29 Tolima 0,18 0,18 Santander 0,30 0,30 d’ prom. 0,25 0,25

Antioquia 0,12 0,12 Guaviare 0,29 0,29 d’ prom. 0,17 0,17 Antioquia 0,30 0,30 Antioquia 0,25 0,25

Guainía 0,12 0,12 Vichada 0,29 0,29 Caldas 0,17 0,17 Tolima 0,29 0,29 Caldas 0,25 0,25

La Guajira 0,11 0,11 Cesar 0,27 0,27 Antioquia 0,17 0,17 d’ prom. 0,29 0,29 La Guajira 0,19 0,19

Cesar 0,09 0,09 Guainía 0,23 0,23 Cesar 0,16 0,16 Cesar 0,25 0,25 Cauca 0,18 0,18

Atlántico 0,07 0,07 Sucre 0,20 0,20 Sucre 0,15 0,15 San Andrés 0,24 0,24 Vichada 0,18 0,18

Sucre 0,06 0,06 Bolívar 0,20 0,20 Vaupés 0,14 0,14 Sucre 0,22 0,22 Córdoba 0,18 0,18

Cauca 0,05 0,05 Atlántico 0,19 0,19 Bolívar 0,13 0,13 Cauca 0,22 0,22 Sucre 0,17 0,17

Córdoba 0,04 0,04 Córdoba 0,18 0,18 La Guajira 0,10 0,10 Bolívar 0,22 0,22 Atlántico 0,15 0,15

Bolívar 0,04 0,04 Cauca 0,17 0,17 Córdoba 0,10 0,10 Atlántico 0,21 0,21 Bolívar 0,15 0,15

Vichada 0,01 0,01 La Guajira 0,17 0,17 Atlántico 0,10 0,10 Córdoba 0,21 0,21 Chocó 0,11 0,11

Magdalena 0,00 0,00 Amazonas 0,15 0,15 Cauca 0,09 0,09 Magdalena 0,19 0,19 Magdalena 0,11 0,11

Chocó -0,02 -0,02 Magdalena 0,15 0,15 Amazonas 0,06 0,06 Amazonas 0,11 0,11 San Andrés 0,11 0,11

Amazonas -0,05 -0,05 San Andrés 0,09 0,09 Magdalena 0,04 0,04 Vaupés 0,06 0,06 Guainía 0,07 0,07

San Andrés -0,09 -0,09 Chocó 0,06 0,06 Chocó 0,00 0,00 Chocó 0,06 0,06 Amazonas -0,05 -0,05

Vaupés -0,39 -0,39 Vaupés 0,03 0,03 Vichada -0,02 -0,02 Vichada 0,03 0,03 Vaupés -0,13 -0,13

Nariño 0,22 Nariño 0,29 Nariño 0,16 Nariño 0,29 Nariño 0,23

Valle del Cauca

0,21 Valle del Cauca




0,24

Fuente: cálculos a partir de las bases de datos de resultados en SABER 11o. 2005 a 2009.



ESTUDIOS

Tabla A2.2 Tamaños de efecto de la diferencia a favor de los hombres enLENGUAJEDEGRADO11o.enlosdepartamentos.2005-2009

Lenguaje2005 2006 2007 2008 2009

d’ d’-d’ prom. d’ d’-d’ prom. d’ d’-d’ prom. d’ d -d’ prom. d’ d’-d’ prom.

Guaviare 0,24 0,24 Nte. Santander 0,11 0,11 Guaviare 0,21 0,21 Caquetá 0,04 0,04 Guainía 0,09 0,09

Casanare 0,16 0,16 Risaralda 0,11 0,11 Amazonas 0,20 0,20 Putumayo 0,03 0,03 Guaviare 0,03 0,03

Caldas 0,14 0,14 Caldas 0,11 0,11 Casanare 0,14 0,14 Guaviare 0,02 0,02 Vaupés 0,02 0,02

Huila 0,12 0,12 Bogotá, D.C. 0,10 0,10 Meta 0,13 0,13 Nte. Santander 0,02 0,02 Meta 0,01 0,01

Nte. Santander 0,11 0,11 Huila 0,10 0,10 Risaralda 0,12 0,12 Amazonas 0,01 0,01 Arauca 0,01 0,01

Meta 0,09 0,09 C/marca. 0,10 0,10 Huila 0,12 0,12 San Andrés 0,01 0,01 Nte. Santander 0,00 0,00

Quindío 0,08 0,08 Putumayo 0,09 0,09 Caquetá 0,11 0,11 Casanare 0,00 0,00 Amazonas 0,00 0,00

Bogotá, D.C. 0,07 0,07 Meta 0,08 0,08 Cundinamarca 0,09 0,09 Arauca 0,00 0,00 Bogotá, D.C. 0,00 0,00

C/marca. 0,07 0,07 Casanare 0,08 0,08 Arauca 0,09 0,09 Meta 0,00 0,00 Tolima -0,01 -0,01

Boyacá 0,07 0,07 Antioquia 0,08 0,08 Nte. a 0,09 0,09 Risaralda 0,00 0,00 Caquetá -0,02 -0,02

Caquetá 0,06 0,06 Tolima 0,07 0,07 Santander 0,08 0,08 Tolima -0,01 -0,01 Caldas -0,02 -0,02

Santander 0,06 0,06 Boyacá 0,07 0,07 Quindío 0,08 0,08 C/marca. -0,01 -0,01 Casanare -0,02 -0,02

Cesar 0,05 0,05 Caquetá 0,07 0,07 Bogotá, D.C. 0,07 0,07 Caldas -0,02 -0,02 Boyacá -0,03 -0,03

Tolima 0,04 0,04 Amazonas 0,06 0,06 Putumayo 0,07 0,07 Boyacá -0,03 -0,03 Santander -0,03 -0,03

d’ prom. 0,04 0,04 d’ prom. 0,06 0,06 Tolima 0,07 0,07 Bogotá, D.C. -0,03 -0,03 Huila -0,04 -0,04

Putumayo 0,04 0,04 Santander 0,06 0,06 Boyacá 0,06 0,06 Antioquia -0,03 -0,03 C/marca. -0,05 -0,05

Antioquia 0,04 0,04 Cesar 0,05 0,05 d’ prom. 0,05 0,05 Huila -0,05 -0,05 Cesar -0,05 -0,05

Cauca 0,04 0,04 Arauca 0,05 0,05 Caldas 0,05 0,05 La Guajira -0,05 -0,05 d’ prom. -0,05 -0,05

La Guajira 0,03 0,03 Quindío 0,01 0,01 Antioquia 0,03 0,03 Vaupés -0,05 -0,05 Risaralda -0,06 -0,06

Risaralda 0,03 0,03 Cauca 0,01 0,01 La Guajira 0,03 0,03 Santander -0,05 -0,05 Sucre -0,07 -0,07

Amazonas 0,02 0,02 Vichada 0,01 0,01 Cesar 0,02 0,02 Córdoba -0,05 -0,05 Cauca -0,07 -0,07

Vichada 0,02 0,02 Córdoba 0,01 0,01 Córdoba 0,01 0,01 d’ prom. -0,04 -0,04 Quindío -0,07 -0,07

Córdoba 0,00 0,00 La Guajira -0,01 -0,01 San Andrés 0,01 0,01 Cauca -0,06 -0,06 Antioquia -0,07 -0,07

Arauca -0,01 -0,01 Bolívar -0,01 -0,01 Magdalena 0,01 0,01 Cesar -0,07 -0,07 Chocó -0,08 -0,08

Sucre -0,03 -0,03 Magdalena -0,03 -0,03 Chocó 0,00 0,00 Guainía -0,07 -0,07 Córdoba -0,08 -0,08

Magdalena -0,04 -0,04 Chocó -0,03 -0,03 Bolívar 0,00 0,00 Sucre -0,08 -0,08 La Guajira -0,10 -0,10

Bolívar -0,04 -0,04 Sucre -0,04 -0,04 Sucre 0,00 0,00 Quindío -0,08 -0,08 Bolívar -0,12 -0,12

Atlántico -0,05 -0,05 Atlántico -0,04 -0,04 Cauca -0,01 -0,01 Bolívar -0,10 -0,10 Magdalena -0,15 -0,15

Chocó -0,13 -0,13 Guaviare -0,05 -0,05 Vaupés -0,02 -0,02 Magdalena -0,11 -0,11 Atlántico -0,15 -0,15

Guainía -0,25 -0,25 Guainía -0,13 -0,13 Atlántico -0,03 -0,03 Atlántico -0,12 -0,12 Putumayo -0,15 -0,15

Vaupés -0,26 -0,26 Vaupés -0,14 -0,14 Vichada -0,09 -0,09 Chocó -0,15 -0,15 Vichada -0,34 -0,34

San Andrés -0,27 -0,27 San Andrés -0,15 -0,15 Guainía -0,18 -0,18 Vichada -0,15 -0,15 San Andrés -0,38 -0,38

Nariño 0,04 Nariño 0,13 Nariño -0,10 Nariño 0,05 Nariño -0,04

Valle del Cauca



-0,09 Valle del Cauca


-0,01

Fuente: cálculos a partir de las bases de datos de resultados en SABER 11o 2005 a 2009.

150

ANEXO 3

Indicadores utilizados como variables independientes

en el análisis de moderación. Matemáticas SABER 11o. 2009.



ESTUDIOS

A. Porcentaje de la población de 25 y más con secundaria completa

Hombres Mujeres% hombres

A% mujeres

B B/APoblación de25 y +

25 y + consecundaria

Población de25 y +

25 y + consecundaria

Antioquia 1.513.827 288.998 1.695.548 327.345 19 19 1,01

Atlántico 561.188 165.515 615.374 168.133 29 27 0,93

Bogotá, D. C. 1.873.220 466.219 2.182.614 540.745 25 25 1,00

Bolívar 460.363 91.598 483.038 92.854 20 19 0,97

Boyacá 321.580 32.760 342.974 38.238 10 11 1,09

Caldas 251.322 45.204 281.527 55.107 18 20 1,09

Caquetá 95.969 9.884 96.234 12.535 10 13 1,26

Cauca 316.707 26.640 317.695 32.724 8 10 1,22

Cesar 204.412 34.058 216.339 35.149 17 16 0,98

Córdoba 355.151 49.174 367.641 61.339 14 17 1,21

Cundinamarca 603.897 84.634 631.201 95.490 14 15 1,08

Chocó 81.594 9.870 89.194 11.581 12 13 1,07

Huila 249.353 31.956 256.674 37.585 13 15 1,14

La Guajira 154.829 20.478 168.355 23.133 13 14 1,04

Magdalena 268.398 51.408 272.818 54.590 19 20 1,04

Meta 206.454 42.189 207.598 47.629 20 23 1,12

Nariño 391.333 40.972 407.421 49.577 10 12 1,16

Nte. Santander 303.552 48.866 326.258 58.680 16 18 1,12

Quindío 144.962 27.001 159.017 32.786 19 21 1,11

Risaralda 239.419 41.279 268.560 46.544 17 17 1,01

Santander 510.935 91.883 558.334 104.281 18 19 1,04

Sucre 189.240 27.833 189.925 30.353 15 16 1,09

Tolima 350.968 52.639 362.460 56.066 15 15 1,03

Valle del Cauca 1.106.358 253.849 1.264.447 271.215 23 21 0,93

Total 10.755.030 2.034.906 11.761.248 2.283.682 18,9 19,4 1,03

152

B. Tasa de analfabetismo para la población de 15 y más años

Hombres Mujeres% hombres

A% mujeres

B B/APoblación de15 y +

15 y + alfabetas

Pob. total de15 y +

15 y + alfabetas

Antioquia 2.039.654 1.896.905 2.232.418 2.112.414 93 95 1,02

Atlántico 778.885 738.275 827.962 786.688 95 95 1,00

Bogotá, D. C. 2.508.395 2.477.704 2.831.760 2.768.688 99 98 0,99

Bolívar 639.039 570.731 662.257 601.431 89 91 1,02

Boyacá 425.826 395.913 446.844 403.977 93 90 0,97

Caldas 337.064 314.043 368.507 350.392 93 95 1,02

Caquetá 137.656 125.441 139.414 126.789 91 91 1,00

Cauca 438.435 397.738 433.106 382.707 91 88 0,97

Cesar 291.471 259.583 307.148 276.102 89 90 1,01

Córdoba 497.532 425.424 511.974 436.194 86 85 1,00

Cundinamarca 822.069 778.717 858.777 814.616 95 95 1,00

Chocó 133.646 112.557 143.112 115.777 84 81 0,96

Huila 343.956 314.854 351.322 325.993 92 93 1,01

La Guajira 227.801 184.372 241.696 190.948 81 79 0,98

Magdalena 376.678 330.929 378.569 343.453 88 91 1,03

Meta 280.189 263.397 287.306 270.908 94 94 1,00

Nariño 543.867 498.380 557.592 499.197 92 90 0,98

Nte. Santander 423.612 381.984 443.694 404.015 90 91 1,01

Quindío 191.161 179.572 205.654 194.628 94 95 1,01

Risaralda 319.580 300.213 349.119 330.458 94 95 1,01

Santander 685.508 649.438 732.003 687.912 95 94 0,99

Sucre 266.667 221.741 264.651 224.582 83 85 1,02

Tolima 470.197 430.027 478.857 441.971 91 92 1,01

Valle del Cauca 1.487.332 1.416.177 1.653.008 1.575.216 95 95 1,00

Total 14.666.217 13.664.113 15.706.749 14.665.057 93,2 93,4 1,00



ESTUDIOS

C. Tasa de cobertura neta en primaria

Hombres Mujeres TCN hombres

A

TCNmujeres

BB/APoblación de

6- 10Matr. prim.

6 - 10Población de

6- 10Matr. prim.

6 - 10

Antioquia 271.313 259.849 259.364 246.528 96% 95% 0,99

Atlántico 112.173 100.817 107.517 98.345 90% 91% 1,02

Bogotá, D. C. 310.709 284.453 297.680 276.366 92% 93% 1,01

Bolívar 106.644 99.502 103.237 93.963 93% 91% 0,98

Boyacá 66.343 55.272 63.100 51.923 83% 82% 0,99

Caldas 43.066 36.820 41.015 35.453 85% 86% 1,01

Caquetá 26.840 23.884 26.033 22.570 89% 87% 0,97

Cauca 70.964 64.107 68.286 60.916 90% 89% 0,99

Cesar 57.035 51.941 54.748 48.900 91% 89% 0,98

Córdoba 86.480 81.513 82.678 76.306 94% 92% 0,98

Cundinamarca 120.713 109.406 114.876 104.572 91% 91% 1,00

Chocó 31.629 24.752 30.871 23.036 78% 75% 0,95

Huila 59.337 54.052 56.949 51.890 91% 91% 1,00

La Guajira 48.967 34.109 47.228 33.447 70% 71% 1,02

Magdalena 73.600 68.912 70.704 62.706 94% 89% 0,95

Meta 43.874 41.464 42.143 38.826 95% 92% 0,97

Nariño 86.113 74.478 83.671 69.309 86% 83% 0,96

Nte. Santander 70.049 61.042 67.783 57.450 87% 85% 0,97

Quindío 24.114 21.926 23.135 20.800 91% 90% 0,99

Risaralda 40.657 37.098 39.383 35.619 91% 90% 0,99

Santander 92.845 82.681 88.861 78.044 89% 88% 0,99

Sucre 44.089 41.756 42.391 39.647 95% 94% 0,99

Tolima 71.177 62.594 67.323 58.218 88% 86% 0,98

Valle del Cauca 190.773 168.643 184.000 161.904 88% 88% 1,00

Total 2.149.504 1.941.071 2.062.976 1.846.738 90,3% 89,5% 0,99

154

D. Tasa de cobertura neta en secundaria

Hombres Mujeres TCN hombres

A

TCNmujeres

BB/APoblación de

11 - 14Matr. sec.

11 - 14Población de

11 - 14Matr. sec.

11 - 14

Antioquia 227.608 160.587 218.165 170.606 71% 78% 1,11

Atlántico 88.838 60.077 84.979 63.063 68% 74% 1,10

Bogotá, D. C. 259.144 217.326 250.021 219.789 84% 88% 1,05

Bolívar 85.981 53.956 82.230 57.877 63% 70% 1,12

Boyacá 53.697 37.873 50.641 39.005 71% 77% 1,09

Caldas 35.916 24.860 33.911 26.091 69% 77% 1,11

Caquetá 20.603 10.083 19.833 11.038 49% 56% 1,14

Cauca 58.873 32.718 56.004 34.148 56% 61% 1,10

Cesar 45.100 25.673 43.345 27.410 57% 63% 1,11

Córdoba 69.241 43.263 65.487 44.777 62% 68% 1,09

Cundinamarca 99.098 75.050 94.961 76.360 76% 80% 1,06

Chocó 24.427 8.212 23.671 9.015 34% 38% 1,13

Huila 48.538 31.276 46.585 33.435 64% 72% 1,11

La Guajira 34.772 12.339 33.759 14.100 35% 42% 1,18

Magdalena 56.141 34.720 53.462 35.582 62% 67% 1,08

Meta 34.711 25.119 33.697 26.156 72% 78% 1,07

Nariño 68.989 34.531 65.541 37.113 50% 57% 1,13

Nte. Santander 57.518 35.089 54.758 37.058 61% 68% 1,11

Quindío 20.598 15.682 19.796 15.990 76% 81% 1,06

Risaralda 34.979 24.642 33.322 24.531 70% 74% 1,04

Santander 79.794 56.603 75.806 59.048 71% 78% 1,10

Sucre 36.636 23.095 34.822 24.657 63% 71% 1,12

Tolima 58.452 38.085 54.650 39.941 65% 73% 1,12

Valle del Cauca 163.530 112.048 156.363 118.297 69% 76% 1,10

Total 1.763.184 1.192.907 1.685.809 1.245.087 67,7% 73,9% 1,09



ESTUDIOS

E. Tasa global de participación

Hombres Mujeres TGP hombres

A

TGPmujeres

BB/A

PET PEA PET PEA

Antioquia 2.272.297 1.616.070 2.432.639 1.065.790 71% 44% 0,62

Atlántico 845.626 589.374 889.029 360.036 70% 40% 0,58

Bogotá, D. C. 2.707.041 1.985.075 3.003.990 1.753.009 73% 58% 0,80

Bolívar 723.773 478.639 733.351 244.333 66% 33% 0,50

Boyacá 487.777 342.312 495.936 249.924 70% 50% 0,72

Caldas 379.281 259.602 403.599 150.239 68% 37% 0,54

Caquetá 160.418 113.303 157.534 47.923 71% 30% 0,43

Cauca 508.022 356.372 496.492 189.865 70% 38% 0,55

Cesar 339.758 223.226 346.374 123.958 66% 36% 0,54

Córdoba 577.894 406.399 579.720 253.629 70% 44% 0,62

Cundinamarca 926.452 678.904 943.238 502.557 73% 53% 0,73

Chocó 160.688 101.061 165.626 52.163 63% 31% 0,50

Huila 398.706 291.634 399.403 172.974 73% 43% 0,59

La Guajira 264.921 167.152 276.705 99.092 63% 36% 0,57

Magdalena 429.283 284.324 425.676 149.203 66% 35% 0,53

Meta 319.724 229.416 318.126 159.728 72% 50% 0,70

Nariño 615.820 454.430 617.983 259.142 74% 42% 0,57

Nte. Santander 475.253 348.401 490.784 211.171 73% 43% 0,59

Quindío 210.314 147.560 222.763 100.948 70% 45% 0,65

Risaralda 352.969 255.347 378.757 161.784 72% 43% 0,59

Santander 773.300 553.305 807.421 369.125 72% 46% 0,64

Sucre 304.105 200.499 297.302 101.074 66% 34% 0,52

Tolima 535.657 410.524 534.487 290.519 77% 54% 0,71

Valle del Cauca 1.640.925 1.185.157 1.782.864 939.229 72% 53% 0,73

Total 16.410.004 11.678.087 17.199.798 8.007.414 71,2% 46,6% 0,65

156

F. Aspiración a cargos de elección pública

Total candidatosinscritos Hombres Mujeres % hombres

A% mujeres

B B/A

Antioquia 8.984 7.168 1.816 80 20 0,25

Atlántico 1.843 1.532 311 83 17 0,20

Bogotá, D. C. 539 441 98 82 18 0,22

Bolívar 3.065 2.575 490 84 16 0,19

Boyacá 5.073 4.219 854 83 17 0,20

Caldas 1.909 1.541 368 81 19 0,24

Caquetá 973 760 213 78 22 0,28

Cauca 2.311 1.952 359 84 16 0,18

Cesar 1.880 1.541 339 82 18 0,22

Chocó 1.252 1.076 176 86 14 0,16

Córdoba 2.232 1.863 369 83 17 0,20

Cundinamarca 7.443 5.995 1.448 81 19 0,24

Huila 2.216 1.856 360 84 16 0,19

La Guajira 1.333 1.121 212 84 16 0,19

Magdalena 2.356 1.997 359 85 15 0,18

Meta 2.121 1.653 468 78 22 0,28

Nariño 3.041 2.645 396 87 13 0,15

Nte. Santander 22.031 21.633 398 98 2 0,02

Quindío 1.119 860 259 77 23 0,30

Risaralda 1.179 979 200 83 17 0,20

Santander 4.949 4.242 707 86 14 0,17

Sucre 1.677 1.415 262 84 16 0,19

Tolima 3.043 2.449 594 80 20 0,24

Valle del Cauca 3.814 3.160 654 83 17 0,21

Total 90.238 77.834 12.404 86 14 0,16



ESTUDIOS

ANEXO 4

Análisis jerárquico de factores que afectan la brecha de género en

matemáticas en Colombia, a partir de la información de TIMSS. 2007

158

Construcción de índices

A. Índices estudiantes

► 1. Nivel socioeconómico

El índice del NSE se construyó a partir del número de libros en casa, del grupo de variables sobre disponibilidad de bienes y del nivel educativo de la madre.

Variables Codificación Índice

¿Cuántos libros hay en tu casa?

• 1 = 0 a 10 libros • 2 = 11-25 libros • 3 = 26-100 libros • 4 = 101-200 libros • 5 = más de 200 libros

• 1 = Muy bajo: Libros = 1 & suma bienes ≤ 2 & educación = 1

• 2 = Bajo: Se cumplen 2 de las condiciones de NSE muy bajo

• 3 = Medio: cualquier otra combinación

• 4 = Alto: se cumplen 2 de las condiciones de NSE muy alto

• 5 = Muy alto: Libros ≥ 3 & suma bienes ≥ 4 & educación ≥ 4

¿Tienes alguna de estas cosas en tu casa?

• Sí=1, No=2• Calculadora• Computador• Escritorio o mesa de estudio• Diccionario• Conexión a internet

¿Cuál es el nivel educativo más alto que completó tu mamá?

• 1 = Educación Básica primaria o no asistió • 2 = Educación Básica secundaria • 3 = Educación media• 4 = Estudios técnicos / carrera técnica • 5 = Pregrado / carrera profesional • 6 = Maestría • 7 = Doctorado • 8 = No sé



ESTUDIOS

► 2. Sentimiento positivo hacia las matemáticas

Escala original:

• Totalmente de acuerdo --- 1• De acuerdo --- 2• En desacuerdo --- 3• Totalmente en desacuerdo --- 4

Creación del índice


Me gusta aprender matemática. Codificación inversaPromedio de las respuestas:

• 1 = Bajo: Promedio ≤ 2

• 2 = Medio: 2 < Promedio < 3

• 3 = Alto: Promedio ≥ 3

La matemática es aburrida. No

Me gusta la matemática. Codificación inversa

Nota: el índice se codifica como missing si 2 o más variables tienen datos no válidos.

► 3. Autoconfianza frente al aprendizaje de las matemáticas

Escala original:



Variables Transformación a la escala original Índice

Generalmente me va bien en matemáticas. Codificación inversaPromedio de las respuestas:




La matemática es más difícil para mí que para muchos de mis compañeros de clase.

No

No soy bueno en matemáticas. No

Aprendo temas de matemáticas rápidamente. Codificación inversa


160

► 4. Valoración de las matemáticas

Escala original:




Yo pienso que aprender matemáticas me ayudará en el diario vivir.

Codificación inversa

Promedio de las respuestas:




Yo necesito la matemáticas para aprender otras asignaturas.

Yo necesito ser bueno en matemáticas para ir a la universidad de mi elección.

Yo necesito ser bueno en matemáticas para conseguir el trabajo que yo quiera.


► 5. Tiempo dedicado a las tareas en casa


¿Qué tan frecuentemente tu profesor te deja tareas de matemática?

• 1 = Cada día -- A --• 2 = 3 o 4 veces a la semana -- A --• 3 = 1 o 2 veces a la semana -- C --• 4 = Menos de una vez a la semana -- C --• 5 = Nunca -- B --

• 3 = Alto: Combinación de respuestas A

• 1 = Bajo: Respuesta B o combi-nación de respuestas C

• 2 = Medio: Cualquier otra combinación

Cuando tu profesor te deja tarea de matemática, ¿cuántos minutos dedicas normalmente a tu tarea?

• 1 = Cero minutos -- C --• 2 = 1 a 15 minutos -- C --• 3 = 16 a 30 minutos -- C --• 4 = 31 a 60 minutos -- A --• 5 = 61 a 90 minutos -- A --• 6 = Más de 90 minutos -- A --



ESTUDIOS

► 6. Percepción de seguridad en la escuela

Escala original:

• Sí --- 1• No --- 2



Me robaron algo.

No

• 3 = Alto: Responder No en los cinco casos

• 1 = Bajo: Responder Sí en tres o más casos


Otro estudiante me golpeó o me hirió.

Otros estudiantes me hicieron hacer cosas que no quería hacer.

Se burlaron de mí o me pusieron apodos.

Fui aislado de las actividades por otros estudiantes.

► 7. Actitudes hacia el colegio

Escala original:




Me gusta estar en el colegio.

Codificación inversa





Pienso que los estudiantes de mi colegio tratan de dar lo mejor.

Pienso que los profesores de micolegio quieren que los estudiantes den lo mejor de ellos.


162

B. Índices docentes

► 1. Limitaciones para la enseñanza de las matemáticas

Escala original: • No aplica --- 1• En absoluto --- 2• Un poco --- 3• Algo --- 4• Mucho --- 5



Estudiantes con diferentes habilidades académicas.

Recodificación de “No aplica” y “En absoluto” en 1.

Un poco = 2Algo = 3

Mucho = 4





Estudiantes que provienen de un amplio rango de antecedentes.

Estudiantes con necesidades especiales.

Estudiantes no interesados.

Estudiantes indisciplinados.

► 2. Énfasis en las tareas para la casa



¿Asigna tareas de matemática para hacer en casa a los estudiantes?

1 = Sí -- A --, -- C -- 2 = No --B -- • 3 = Alto: combinación de

respuestas A

• 1 = Bajo: respuesta B o combinación de respuestas C


¿Qué tan frecuentemente asigna tareas de matemática para hacer en casa?

1 = En todas o casi todas las clases -- A --2 = En casi la mitad de las clases -- A --, -- C --3 = En algunas clases -- C --

Cuando usted asigna tareas de matemática para hacer en casa, ¿cómo cuántos minutos generalmente asigna?

1 = Menos de 15 minutos -- C --2 = 15-30 minutos -- C --3 = 31-60 minutos -- A --4 = 61-90 minutos -- A --5 = Más de 90 minutos -- A --



ESTUDIOS

► 3. Condiciones de trabajo inadecuadas

Escala original: • No es un problema --- 1• Problema de poca importancia --- 2• Problema serio --- 3



La infraestructura de la institución necesita reparaciones importantes.

No





Hay más estudiantes de los que caben en los salones de clases.

Los profesores no tienen un espacio apropiado para trabajar fuera de su salón de clases.

► 4. Percepción del clima escolar

Escala original: • Muy elevado --- 1• Elevado --- 2• Medio --- 3• Bajo --- 4• Muy bajo --- 5



Satisfacción laboral de los profesores.

Codificación inversa.


• 1 = Negativa: Promedio ≤ 2

• 2 = Moderada: 2 < Promedio < 3

• 3 = Positiva: Promedio ≥ 3

Comprensión de los profesores sobre las metas del plan de estudios de la institución.

Grado de éxito de los profesores en elcumplimiento de los planes de estudio de la institución.

Expectativas de los profesores sobre los logros de los estudiantes.

Apoyo de los padres para cumplir los logros del estudiante.

Participación de los padres en las actividades escolares.

Respeto del estudiante hacia las propiedades de la institución.

Deseo de los estudiantes de exhibir un buen rendimiento en la institución.

164

► 5. Percepción de seguridad



La institución está ubicada en un barrio seguro.

No

• 3 = Alta: Completamente de acuerdo y De acuerdo en las tres respuestas.• 1 = Baja: En desacuerdo y

Completamente en desacuerdo en los tres casos.• 2 = Media: Cualquier otra

combinación.

Me siento seguro en la institución.

Las políticas y prácticas de seguridad en la institución son suficientes.

C. Índices director

► 1. Asistencia de alumnos a clase



Llega tarde a la institución (frecuencia)

No

• 3 = Alta: Nunca se presentan los problemas o no constituyen un problema

• 1 = Baja: Problema serio en 2 de las 3 preguntas; problema serio en 1 pregunta y problema de poca importancia en las otras 2; una de las 3 missing y las otras 2 problema serio

• 2 = Media: Cualquier otra combinación

Absentismo (frecuencia)

Eludir clases (frecuencia)

Llega tarde a la institución (gravedad)

Absentismo (gravedad)

Eludir clases (gravedad)



ESTUDIOS

► 2. Percepción del clima escolar

Escala original: • Muy elevado --- 1• Elevado --- 2• Medio --- 3• Bajo --- 4• Muy bajo --- 5



Satisfacción laboral de los profesores.

Codificación inversa.





Comprensión de los profesores sobre las metas del plan de estudios de la institución.

Grado de éxito de los profesores en elcumplimiento de los planes de estudio de la institución.

Expectativas de los profesores sobre los logros de los estudiantes.

Apoyo de los padres para cumplir los logros del estudiante.

Participación de los padres en las actividades escolares.

Respeto del estudiante hacia las propiedades de la institución.

Deseo de los estudiantes de exhibir un buen rendimiento en la institución.

Calle 17 No. 3-40 • Teléfono:(57-1)338 7338 • Fax:(57-1)283 6778 • Bogotá - Colombiawww.icfes.gov.co

Icfes Instituto Colombiano para la Evaluación de la Educación - … · 2018-09-21 · TÉRMINOS Y...

Documents

Transcript of Icfes Instituto Colombiano para la Evaluación de la Educación - … · 2018-09-21 · TÉRMINOS Y...