Utilización del software SPSS para identificar factores predictivos de deserción estudiantil

Abstract

La deserción estudiantil en la Educación Superior es una problemática compleja, multifactorial y de alcance internacional. Afecta a las universidades tanto desde el punto de vista académico como financiero, a los profesores, a las familias y especialmente a los propios estudiantes; por lo que debe tenerse en cuenta el impacto social que produce. El objetivo del trabajo es, desde un enfoque de Ciencia, Tecnología y Sociedad, identificar los factores predictivos de deserción estudiantil en la carrera de Ingeniería en Ciencias Informáticas utilizando el Paquete Estadístico para las Ciencias Sociales (SPSS por sus siglas en inglés) para procesar estadísticamente los datos. El estudio se realizó con una muestra de 485 estudiantes de la cohorte 2013-2014. Mediante los métodos histórico lógico y análisis síntesis se identificaron las variables a analizar y posteriormente, utilizando la estadística descriptiva e inferencial, se relacionaron las variables independientes: género, provincia de procedencia, fuente de ingreso, opción en solicitó la carrera, nota de acceso en Matemática y rendimiento académico en Matemática y Programación con la variable dependiente deserción estudiantil. Se identificaron como variables predictivas: la provincia de procedencia, la fuente de ingreso, la nota de acceso en Matemática y el rendimiento académico. El estudio puede ser replicado en otros contextos e incluir nuevas variables y sus resultados impactan en la ciencia, la tecnología y la sociedad.

Student dropout in Higher Education is a complex, multifactorial and international problem. It affects universities both from an academic and financial point of view, teachers, families and especially the students themselves; therefore, the social impact it produces must be taken into account. The objective of the work is, from a Science, Technology and Society approach, to identify the predictive factors of student dropout in the Computer Science Engineering career using the Statistical Package for Social Sciences (SPSS) to statistically process the data. The study was carried out with a sample of 456 students from the 2014-2015 cohort. Through the logical historical methods and synthesis analysis, the variables to be analyzed were identified and later, using descriptive and inferential statistics, the independent variables were related: sex, province of origin, source of income, option in applying for the degree, access note in Mathematics and academic performance in Mathematics and Programming with the dependent variable student dropout. The following were identified as predictive variables: the province of origin, the source of income, the entrance mark in Mathematics and academic performance. The study can be replicated in other contexts and include new variables and its results impact science, technology and society.