Resumen

A partir del año 2000 se realiza un seguimiento estadístico para evaluar distintos aspectos del rendimiento en matemática de los alumnos ingresantes de las diferentes carreras de la Facultad de Ingeniería Química (FIQ) dependiente de la Universidad Nacional del Litoral (UNL), con sede en la ciudad de Santa Fe. Se dictan, entre otras, las carreras de Ingeniería Química (IQ), Licenciatura en Química (LQ), Ingeniería Industrial (II), Analista Industrial (AI), Ingeniería en Alimentos (IA), Químico Analista (QA) y Profesorado en Química (PQ). Estas carreras cuentan con un núcleo de materias básicas, del cual forma parte el primer curso de Matemática, llamado Matemática A. Esta materia abarca contenidos de cálculo y álgebra lineal. A partir del año 2001 es un requisito obligatorio la aprobación del Curso de Articulación Disciplinar en Matemática para el cursado de Matemática A. Los ingresantes que no aprueban dicho curso deben asistir a los Cursos de Articulación Disciplinar tutoriales durante el primer cuatrimestre de la carrera. De esta forma los alumnos ingresantes quedan separados en dos grupos: aquellos que deben realizar el Curso Tutorial de Matemática ya que necesitan de una mayor formación previa en los contenidos del nivel Polimodal y los que tienen la formación suficiente para realizar Matemática A. Estudios realizados en trabajos anteriores con alumnos ingresantes en las carreras de la Facultad mostraron que la aprobación del Curso de Articulación en el área matemática es un factor importante y decisivo para un buen desempeño de los alumnos en el primer curso de Matemática. Por este motivo surge la necesidad de estudiar en mayor detalle distintos aspectos que diferencian a los alumnos que aprobaron este curso de aquellos que deben realizar el Curso Tutorial de Matemática para reforzar contenidos del polimodal. El objetivo de este trabajo es describir resultados obtenidos de la utilización de las técnicas multivariadas de análisis discriminante y regresión logística para distinguir entre estos dos grupos. Ambos análisis permiten identificar un conjunto de variables independientes de un grupo mayor, como las variables mejores predictoras.