Análisis de la permanencia estudiantil: Un enfoque estadístico mediante un dashboard interactivo en R

Juan Ramón Ruiz Rueda
Licenciado en Computación
ORCID: 0009-0002-4231-6807
prof.rjuanr@uml.edu.ni

Universidad Martín Lutero sede Nueva Guinea

Resumen

El estudio determina la correlación entre la permanencia estudiantil y las dimensiones psicológica, sociológica, económica, organizacional, e interaccionista, identificando:

Primero, entre las dimensiones económica, organizacional y la permanencia estudiantil, existe una correlación con alta significancia estadística, aunque la dispersión de los datos demuestra la presencia de otros factores incidentes. Segundo, entre las dimensiones psicológica, sociológica, interaccionista, y la permanencia estudiantil, existe una correlación débil, no significativa estadísticamente, posiblemente debido al azar o que no puede ser detectada por el tamaño de la muestra o por la existencia de otros factores. Tercero, los factores con mayor peso son: elección de la carrera correcta, logro de un buen desempeño académico, unidad en el entorno familiar, integración en actividades académicas de la carrera, acceso a beneficios de media beca, beca completa y mecanismos de flexibilidad de pago, disponibilidad y acceso a bibliotecas y medios didácticos, y la relación estudiante – docente.

A partir de los hallazgos se desarrolla un dashboard, por medio del lenguaje de programación R, que realiza el procesamiento estadístico de los datos, determinando la correlación existente entre las variables, caracteriza a la población, muestra una vista previa de los datos y presenta los resultados en tablas de frecuencias, coeficientes de correlación y visualizaciones con gráficos de columnas y diagramas de dispersión.

Esto favorece la toma de decisiones, optimiza el uso del tiempo, minimiza el esfuerzo de trabajo requerido al procesar los 49 ítems incluidos, permite concentrarse en las tareas de análisis, fortalece el desarrollo del trabajo investigativo, consolida el procesamiento estadístico, proporciona flexibilidad al permitir el procesamiento de los datos pertenecientes a un grupo de estudiantes, una carrera, una sede, o toda la universidad, y contribuye con la adopción de herramientas TIC para la gestión de los procesos.

Palabras clave: Permanencia estudiantil, correlación estadística, lenguaje de programación R, Shiny, Dashboard interactivo.

STUDENT PERSISTENCE ANALYSIS: A STATISTICAL APPROACH THROUGH AN INTERACTIVE DASHBOARD IN R

Abstract

This study determines the correlation between student persistence and psychological, sociological, economic, organizational, and interactionist dimensions. The findings identify:

First, there is a statistically significant correlation between the economic and organizational dimensions and student persistence, although data dispersion indicates the presence of other influential factors. Second, the psychological, sociological, and interactionist dimensions show a weak, statistically non-significant correlation with student persistence, possibly due to chance, sample size limitations, or other external factors. Three, the most influential factors identified are: correct career choice, achievement of high academic performance, family environment unity, integration into academic activities, access to partial or full scholarships and flexible payment mechanisms, availability of libraries and teaching resources, and the student-faculty relationship.

Based on these findings, an interactive dashboard was developed using the R programming language. This tool performs statistical data processing, determines correlations between variables, characterizes the population, and provides data previews. Results are presented through frequency tables, correlation coefficients, and visualizations such as column charts and scatter plots.

This tool enhances decision-making and optimizes time by minimizing the manual effort required to process the 49 items studied. Furthermore, it allows researchers to focus on analysis, strengthens investigative development, and consolidates statistical processing. It offers flexibility by allowing data analysis at the student group, degree program, campus, or university-wide level, contributing to the adoption of ICT tools for process management.

 Key Words: Student persistence, statistical correlation, R programming language, Shiny, Interactive dashboard.

 1. Introducción

El fenómeno del abandono de los estudios en el nivel universitario ha visto incrementada su magnitud y relevancia a raíz de la democratización del acceso a la educación superior acaecida a lo largo de la segunda mitad del siglo XX (Esteban, Bernardo, & Rodríguez, 2016), por lo que cobra especial sentido que las universidades evalúen y diagnostiquen sus procesos, identificando aquellas variables que contribuyen al éxito académico y a la permanencia en los estudios, para así poder poner en marcha medidas que mejoren ambos indicadores de calidad (Esteban et al., 2017).

En vista de lo anterior, resulta importante comprender aquellos factores que pueden determinar la permanencia de la población estudiantil en la carrera de Ingeniería de Sistemas y así contribuir en la lucha contra la deserción de los estudiantes, aportando también con un análisis local contextualizado y que “aunque se presenta en el sector educativo, afecta el desarrollo social y económico de las naciones, e influye en la capacidad del individuo para acceder a un trabajo, un hogar y un estilo de vida digno” (Velázquez & González, 2017, pág. 118).

Al ser un estudio contextualizado y particularizado a la carrera de Ingeniería de Sistemas, contribuye a llenar un vacío de conocimiento, permite conocer el comportamiento de las variables estudiadas y su relación, ofreciendo la posibilidad de extender el estudio a otros grupos estudiantiles, permitiendo además, actuar sobre aquellos factores que puedan ser controlables o modificables desde su campo de acción de la universidad, colaborando así a la reducción de los costos socioeconómicos que implica el abandono de los estudios.

Finalmente, aporta al establecimiento de instrumentos y procedimientos para la recolección y análisis de datos, mecanismos comprobados que puedan ser aplicados en estudios posteriores, permitiendo a otros interesados analizar el mismo fenómeno, de igual forma, se pueden establecer nuevas variables, relaciones entre variables, hipótesis, preguntas de investigación o teorías que podrán ser profundizadas en otras investigaciones.

A partir de los hallazgos encontrados se propone la implementación de un dashboard interactivo que determine la relación entre las dimensiones psicológica, sociológica, económica, organizacional e interaccionista y la permanencia estudiantil, mediante el procesamiento estadístico automático de los datos. El que se constituye en una herramienta flexible para el análisis de los datos de un grupo, carrera, sede o toda la universidad, por medio de una base de datos de estructura única. Con ello se logra facilitar la toma de decisiones, al contar con información confiable y precisa sobre la realidad estudiantil, a fin de mejorar los índices de permanencia estudiantil en la universidad.

2. Metodología investigativa

La investigación se realiza en la Universidad Martín Lutero Sede Nueva Guinea, se aborda el fenómeno desde la visión del paradigma positivista, con enfoque cuantitativo, descriptivo, correlacional, no experimental y de carácter transeccional. La muestra la constituyen el 100% de los estudiantes de Ingeniería de Sistemas debidamente inscritos y activos de la UML en el año lectivo 2023.

La recolección de la información se realiza con un cuestionario tipo encuesta con preguntas cerradas y escalamiento Likert. La encuesta incluye 49 ítems agrupados en siete secciones que contienen los datos generales y cada una de las dimensiones estudiadas. Para asegurar la validez y confiabilidad de los instrumentos se utiliza el juicio de expertos, la prueba piloto y el análisis de consistencia interna con alfa de Cronbach de 0.960.

A partir de los resultados se desarrolla un dashboard interactivo para el procesamiento estadístico de los factores vinculados con la permanencia estudiantil en la UML, tomando como base el lenguaje de programación R, el paquete Shiny, y la base de datos Excel con la información recopilada.

El procesamiento contempla la aplicación de estadísticos de frecuencia, pruebas de bondad de ajuste a la distribución normal, estadística paramétrica o no paramétrica, la determinación de correlaciones, así como la construcción de diagramas de dispersión con los resultados.

3. Resultados y discusión

• • Resultados relevantes

Caracterización de la población. Se puede señalar que la mayor concentración estudiantil se encuentra entre primer y tercer año, siendo los grupos de cuarto y quinto año el 19% de la población, los estudiantes son relativamente jóvenes con poca participación femenina, cerca del 30% ha indicado tener personas a su cargo, lo que se traduce en una responsabilidad adicional a los estudios, a pesar de indicar que se encuentran activos laboralmente, los ingresos de más de la mitad de ellos no supera los 5 mil córdobas, lo que representa un factor negativo para el financiamiento de los estudios, existe una proporción equilibrada con cuanto a la zona de residencia, aunque aquellos que residen en zonas rurales enfrentan muchas dificultades de movilidad, alimentación y comunicaciones.

Permanencia estudiantil. Los indicadores con mayores valoraciones son no haber interrumpido la continuidad de los estudios por más de dos períodos académicos y haber cursado todas las clases como alumno regular dentro de la universidad, sin embargo, se debe poner especial atención a la asistencia a clases y al hecho de tener asignaturas pendientes de los trimestres anteriores.

Dimensión psicológica. Sobresalen los indicadores relacionados con la elección de la carrera correcta, motivación personal y el buen desempeño académico, aunque los indicadores con percepciones más negativas son recibir apoyo de los compañeros de clase, y el apoyo y estimulo familiar.

Dimensión sociológica. En este caso, los factores con mejores percepciones son la armonía en el aula de clase, la unidad en el entorno familiar y la estabilidad en el entorno laboral y social, por otro lado, los factores con resultados más negativos son la integración en actividades académicas propias de la carrera y la participación en actividades de integración extracurriculares.

Dimensión económica. En el ámbito económico las mejores percepciones se vinculan con la percepción costo – beneficio de la carrera y el acceso a fuentes de financiamiento, mientras que el factor más negativo es la capacidad para solventar los costos que implican los estudios.

Dimensión organizacional. En este caso, los indicadores con mayor incidencia son la calidad de la planta docente, el servicio de internet y la plataforma educativa en línea, y aquellos que tienen menor influencia en la decisión de permanencia son el servicio de cafetín y la capacidad de las computadoras del laboratorio.

Dimensión interaccionista. Al abordar las relaciones interpersonales, resulta más influyente la relación con los compañeros de clase y demás estudiantes, y con menor grado de incidencia la relación con las autoridades o funcionarios.

Correlaciones. Las dimensiones que presentan mayores niveles de correlación con la permanencia estudiantil son la económica y organizacional, esta presenta una alta significancia estadística, aunque la dispersión de los datos mostrada en las representaciones visuales se debe a la presencia de otros factores incidentes. Por otro lado, entre las dimensiones psicológica, sociológica, interaccionista, y la permanencia estudiantil, existe una correlación débil, sin embargo, estas no son estadísticamente significativas.

• Descripción de la solución

El dashboard se desarrolla en el lenguaje de programación R, versión 4.4.2, por medio de IDE RStudio, versión 2024.12.1, principalmente utiliza el paquete Shiny que habilita la creación de aplicaciones web interactivas que pueden ejecutar código R en el backend. Además, interactúa con una base de datos Microsoft Excel que contiene las respuestas obtenidas de la aplicación del cuestionario.

La base de datos se organiza a partir de las variables estudiadas como se muestra en la Tabla 1.