Uso del análisis multivariado para la clasificación y caracterización de ingresantes universitarios según su formación matemática previa
Tipo de documento
Autores
Ávila, Olga | Cerati, Eleonora | Macías, Roberto | Rerdolatti, Claudia | Schwer, Ingrid | Taverna, María Laura
Lista de autores
Ávila, Olga, Cerati, Eleonora, Macías, Roberto, Rerdolatti, Claudia, Schwer, Ingrid y Taverna, María Laura
Resumen
La enseñanza en los primeros cursos de la Universidad actualmente se encuentra afectada por la heterogeneidad del nivel de conocimientos alcanzado por los alumnos en los estudios previos y las carencias de los mismos que se aprecian en materias concretas como matemática. Es importante detectar los aspectos que pueden influir en el desempeño de los ingresantes para mejorar el rendimiento académico y la retención de los estudiantes evitando alumnos con alto riesgo de fracaso. El objetivo de este trabajo es describir la utilización de las técnicas multivariadas de análisis discriminante y regresión logística para identificar un conjunto de variables que permitan distinguir entre dos grupos: alumnos de la primer materia en Matemática, Matemática A, de las carreras que se dictan en la Facultad de Ingeniería Química de la Universidad Nacional del Litoral, y alumnos que deben realizar un curso tutorial como curso de apoyo para lograr una mejor formación en matemática.
Fecha
2008
Tipo de fecha
Estado publicación
Términos clave
Desde disciplinas académicas | Pensamientos matemáticos | Rendimiento
Enfoque
Idioma
Revisado por pares
Formato del archivo
Referencias
Ávila O. y otros, Rendimiento en Matemática de los alumnos ingresantes en la Facultad de Ingeniería Química, Universidad Nacional del Litoral. Actas de Congreso, UMA, Salta, Argentina 2005. Hosmer D. y Lemeshow, Applied Logistic Regresión, Estados Unidos, 1989. Johnson R. y D. Wichern, Statistical Multivariate Statistical Analysis, Fourth Edition, Prentice Hall, 1998. LeBold W. y otros, The use of discrimnant analysis for optimal placement, ASEE Annual Conference Proceedings, Purdue University, W. Lafayette, Estados Unidos, 1989. LeBold W. y otros, Understanding of Mathematics and Science: Efficient Models for Student Assessments (Vol.41, Nro 1 IEEE Transactions on Education, Purdue University, W. Lafayette), Estados Unidos, 1998. Pampel F., Logistic Regresión, Estados Unidos, 2000.