La educación secundaria y sus dos dimensiones, efectos del barrio y del colegio sobre los resultados saber 11.
Contribuinte(s) |
María Rivadulla, José Álvarez Maldonado Carrisosa, Darío |
---|---|
Data(s) |
05/02/2015
|
Resumo |
Resumen: Este trabajo estudia los resultados en matemáticas y lenguaje de 32000 estudiantes en la prueba saber 11 del 2008, de la ciudad de Bogotá. Este análisis reconoce que los individuos se encuentran contenidos en barrios y colegios, pero no todos los individuos del mismo barrio asisten a la misma escuela y viceversa. Con el fin de modelar esta estructura de datos se utilizan varios modelos econométricos, incluyendo una regresión jerárquica multinivel de efectos cruzados. Nuestro objetivo central es identificar en qué medida y que condiciones del barrio y del colegio se correlacionan con los resultados educacionales de la población objetivo y cuáles características de los barrios y de los colegios están más asociadas al resultado en las pruebas. Usamos datos de la prueba saber 11, del censo de colegios c600, del censo poblacional del 2005 y de la policía metropolitana de Bogotá. Nuestras estimaciones muestran que tanto el barrio como el colegio están correlacionados con los resultados en las pruebas; pero el efecto del colegio parece ser mucho más fuerte que el del barrio. Las características del colegio que están más asociadas con el resultado en las pruebas son la educación de los profesores, la jornada, el valor de la pensión, y el contexto socio económico del colegio. Las características de los barrios más asociadas con el resultado en las pruebas son, la presencia de universitarios en la UPZ, un clúster de altos niveles de educación y nivel de crimen en el barrio que se correlaciona negativamente. Los resultados anteriores fueron hallados teniendo en cuenta controles familiares y personales. Instituto CEIBA Universidad del Rosario Abstract: This paper explain the results in mathematics and language of 32000 students of “saber 11” standardized test in the city of Bogotá. We recognize that individual are exposed to different social context like school and neighborhood. To be able to understand this data structure we multiple statistical tools including a multi-level hierarchical crossed random effects model. Our objective is to identify the conditions of the neighborhood and the school that affect educational outcomes and the magnitude in which this two context explain mathematics and language results. Our data come from the socioeconomic description of the saber 11 test, the school census c600, population census of 2005 and crime data from national police. Our main results shows that both neighborhood and school are important, but the school context has and stronger correlation with academic results. At school level are important, time exposure, if it is not a public institution, the education of the teachers, and the socio economic context of the school. At neighborhood level the conditions that show correlation are the presence of person with college degree, a spatial cluster of UPZ with good results in the tests, and the crime level that correlates negatively. These results were find using family and personal controls. |
Formato |
application/pdf |
Identificador | |
Idioma(s) |
spa |
Publicador |
Facultad de Economía |
Direitos |
info:eu-repo/semantics/openAccess |
Fonte |
instname:Universidad del Rosario reponame:Repositorio Institucional EdocUR Mediavilla Bordalejo, Mauro y Calero Martinez, Jorge (2009). “Determinantes internos y externos en el proceso de aprendizaje. Una aproximación al caso español a partir de la ECV-05”. Revista Iberoamericana de Educación, ISSN: 1681-5653. n. º 50/6 – 25 de octubre de 2009. D. Ready, Douglas (2010). “Socioeconomic Disadvantage, School Attendance, and Early Cognitive Development: The Differential Effects of School Exposure”. Sociology of Education, 2010 DOI: 10.1177/0038040710383520. Gaviria Alejandro y Barrientos Jorge Hugo (2001); “Determinantes de la calidad de la educación en Colombia”; Departamento Nacional de Planeación, Dirección de Estudios Económicos; Documento 159, 8 de Noviembre de 2001. Stephen Gibbons, Olmo Silva y Felix Weinhardt (2013). “EVERYBODY NEEDS GOOD NEIGHBOURS? EVIDENCE FROM STUDENTS’ OUTCOMES IN ENGLAND”. The Economic Journal, © 2013 Royal Economic Society. Accepted Article. Goux, Dominique y Maurin, Eric (2003). “Neighborhood Efects on Performances at School.” Conference on Changing Condition in Education (Uppsala, 2003). Kaztman, Ruben, and Retamoso, Alejandro (2007). Efectos de la segregación urbana sobre la educación en Montevideo. Revista De La CEPAL. (91): 133. Owens, Ann. “Neighborhoods and Schools as Competing and Reinforcing Contexts for Educational Attainment”. Sociology of Education 2010 83: 287, DOI: 10.1177/0038040710383519. Small, Mario Luis y Newman, Katherine. “URBAN POVERTY AFTER THE TRULY DISADVANTAGED: The Rediscovery of the Family, the Neighborhood, and Culture.” Annu. Rev. Sociol. 2001. 27:23–45. Mayer, Susan y Jencks Cristopher. 1989. “Growin up in poor neigborhoods: how much desit matter”. Science. New series, vol. 243, No 4897. Wilson WJ. 1987. “The Truly Disadvantaged: The Inner City, the Underclass, and Public Policy”. Chicago: Univ. Chicago Press. Brook-Gun et all (2007). “Cognitive and Emotional Outcomes for Children in Poverty” Hanbook of early childhood intervention. capitulo 18. Patacchini, Eleonora y Zenou, Yves. 2009. Neighborhood Effects and Parental involvement in the Intergenerational Transmission of Education”. Journal of Regional Science, Wiley Blackwell, vol. 51(5), pages 987-1013, December. Raundenbush. Stephen W y Bryk, Antony S (2002). “Hierarchical linear models: Applications and Data Analysis Methods.” Sage Publications. Fielding, Antony (1999). “Why use arbitrary point scores?: Ordered categories in models of educational progress.” J. R Statist. Soc. A (1999), 162, part 3. Pp 303 – 328. Snijders, Tom A B y Bosker, Roel J (2003). “An introduction to basic and advanced multilevel modeling”. Sage Publications. Raudenbush, Stephen W (1993), “A crossed random effects model for unbalanced data with application in cross-sectional an longitudinal research”. Journal of Educational Statisticsm, Winter 1993, Vol. 18, No. 4, pp. 321-349. Verbitsky Savitz, Natalya y Raudenbush, Stephen W (2010). Sociological Methods & Research. May 2010 38: 515-544. Cook, Thomas D., Melissa R. Herman, Meredith Phillips, and Richard A. Settersten, Jr. 2002. ‘‘Some Ways in Which Neighborhoods, Nuclear Families, Friendship Groups, and Schools Jointly Affect Changes in Early Adolescent Development.’’Child Development 73(4):1283-309. David J. Harding (2009). “Collateral Consequences of Violence in Disadvantaged Neighborhoods” AMERICAN SOCIOLOGICAL REVIEW, VOL. 74 (JUNE: 445–464). Rabe-Hesket, Sophia y Skrondal, Andres; Multi level and Longitudinal modeling using Stata. Second Edition. 2008; Stata-press. Ireguri, Ana M, Melo, Ligia y Ramos, Jorge. “La educación en Colombia: análisis del marco normativo y de los indicadores sectoriales.” Rev. Econ. Ros. Bogotá (Colombia) 9 (2): 175-223, diciembre de 2006. Steele, Fiona, Vignoles, Ana Vignoles y Jenkins, Andrew. (2007). The Impact of School Resources on Student Attainment: A Multilevel Simultaneous Equation Modelling Approach. The Journal of Royal Statistical Society, A series, 170(3), 801-824. Domínguez Blanco, María Elvira. (2004). Revista electronica de educacion y psicología, Numero 2, Diciembre del 204. Fomisano, Michel (2002). “Econometría espacial: características de la violencia homicida en Bogotá”. Documentos Cede 2002-10. ISSN 1657-7191. Septiembre. Hofmann, David A y Gavin, Mark B. Journal of Management 1998, Vol. 24, No. 5, 623-641. Raudenbush, Stephen y Garner, C. L- (1991). “Neighborhood effects on educational attainment: A multilevel analysis.” Sociology of Education, 64 (4) 251-262. M. Hoxby, Caroline y Weingarth, Gretchen. (2006. “TAKING RACE OUT OF THE EQUATION: SCHOOL REASSIGNMENT AND THE STRUCTURE OF PEER EFFECTS”. Harvart University Dpt. Of economics. December. Aliaga-Linares, Lissette y Álvarez-Rivadulla, María José (2010). Residential Segregation in Bogotá across Time and Scales. Lincoln Institute of Land Policy .Working Paper Rien Vander, Leeden, Busing, Frank y Neijer, Erik. (1997). “Boostrap methods for two level models.” Leiden University. Institute for educational research the Netherlands. Rien Vander, Leeden, Busing, Frank y Neijer, Erik. (1997). “Boostrap methods for two level models.” Leiden University. Institute for educational research the Netherlands. TMEC |
Palavras-Chave | #Economía #Educación superior #Prueba Saber 11 #378.16 #Education #neighborhood #school #multi-level hierarchical crossed random effects model #Garcia Jaramillo, Sandra, Maldonado Carrizosa, Dario, Perry Rubio, Guillermo, Rodriguez Orgales, Katherine y Saavedra Calvo, Juan Esteban. (2014). “Tras la excelencia docente”. Fundación compartir. #JeremyJ.Albright and Dani M. Marinova; “Estimating Multilevel Models using SPSS, Stata, SAS, and R”; Indiana University 2010. |
Tipo |
info:eu-repo/semantics/masterThesis info:eu-repo/semantics/acceptedVersion |