¿Influyen las características del profesor en el rendimiento

¿Influyen las características del profesor en el rendimiento académico
del estudiante?
Carmen-Pilar Martí-Ballester
Departamento de Economía de la Empresa
Universitat Autònoma de Barcelona
E-mail: [email protected]/ [email protected]
Tel. +34935814425
Abstract:
El incremento de la carga docente de los profesores que no alcancen unos requisitos
mínimos en su actividad investigadora por parte de las universidades, propuesto a través del
Real Decreto de 21 de abril de 2012, podría implicar cambios en la composición de la
plantilla del personal docente e investigador universitaria. Por tanto, conocer como las
características del profesor influyen en el rendimiento académico del alumno podría ayudar
a los administradores y coordinadores de la docencia a distribuir eficientemente los
recursos humanos con el objetivo mejorar o mantener la calidad y productividad docente e
investigadora. Por ello, el objetivo del presente trabajo es analizar el efecto que las
características del profesor ejercen sobre el rendimiento académico del alumno. Para ello se
dispone de una muestra integrada por 12 profesores y 3.219 alumnos matriculados en la
asignatura de contabilidad financiera impartida en las Licenciaturas de Administración y
Dirección de Empresas y de Económicas, así como en la doble Licenciatura de
Administración y Dirección de Empresas más Derecho. Sobre dichos datos se ha
implantado un modelo Tobit robusto a problemas de heterogeneidad, heterocedasticidad y
no normalidad. Los resultados obtenidos indican que la calidad de la enseñanza y la
publicación de artículos en revistas indexadas en las bases de datos ISI Web of Science y
Econlit tienen un efecto significativamente positivo en la productividad académica del
alumno. Mientras asistir a clases impartidas por profesores ayudantes doctores y/o por
profesores con más años de experiencia influye negativamente en el rendimiento académico
de los alumnos.
Keywords: estudiante universitario; efecto profesor; rendimiento académico; modelo Tobit.
1
1 Introducción
La educación formal es uno de los factores que contribuyen a mejorar la capacidad
productiva de la población, influyendo en el crecimiento económico de un país según la teoría
del capital humano desarrollada por Becker (1964) y Schultz (1971). Esto implica que los
estudiantes son el principal capital social de un país, y de su nivel de formación depende el nivel
de desarrollo que puede alcanzar un país en un futuro como señala Pasek et al (2006). Esto
justificaría el importante gasto público en el que incurren los países europeos para financiar los
diferentes niveles educativos, así como el cambio en el modelo de educación universitaria
promovido por diferentes países europeos, entre ellos España, con la implantación del Proceso
de Bolonia. Sin embargo, a pesar del esfuerzo realizado, los estudiantes de los países miembros
de la Unión Europea presentan una elevada tasa de fracaso escolar como revela la Comisión
Europea (2011), lo que conlleva un incremento del coste unitario de los estudiantes y
consecuentemente del gasto público universitario, convirtiéndose en un lastre ante una situación
de crisis económica.
Para afrontar la mencionada crisis económica, en España, se han aprobado medidas
conducentes a limitar la asignación presupuestaria a las universidades e incrementar las tasas
académicas a los universitarios a través del Real Decreto Ley 20/2011, de 30 de diciembre de
medidas urgentes en materia presupuestaria, tributaria y financiera para la corrección del déficit
público, y la ley 2/2012, de 29 de junio de presupuestos generales del estado. Junto a estas
medidas, el Real Decreto Ley 14/2012, de 20 de abril, de medidas urgentes de racionalización
del gasto público en el ámbito educativo, impone la obligación de incrementar en un 33% la
carga docente en el ámbito universitario para profesores catedráticos, titulares, colaboradores y
contratados doctores que no alcancen determinados criterios en el área investigadora, mientras
disminuye en un porcentaje similar para aquellos profesores funcionarios que cumplan
determinados requisitos en el ámbito de la investigación, principalmente catedráticos de
universidad.
Junto a estas medidas que posiblemente conduzcan al incremento de la carga docente de
una parte importante de los profesores universitarios, el organismo de Agencia Nacional de
Evaluación de la Calidad y la Acreditación (ANECA) ha endurecido los requisitos para otorgar
las acreditaciones de funcionario limitando la evaluación de la actividad investigadora a la
realizada en los últimos cinco y diez años para titulares de universidad y catedráticos de
universidad, respectivamente. Esto implica que, en los últimos años, el profesor universitario ha
sufrido recortes salariales (aproximadamente un 5%) y en las ayudas a la investigación,
mientras se incrementa su carga docente (lo que puede provocar excedentes de profesores y
2
consecuentemente despidos) y se endurecen los criterios en el ámbito de la investigación para
obtener las acreditaciones que permitan consolidar su posición dentro de la universidad.
Ante esta situación adquiere gran importancia conocer el efecto que ejercen las
características del profesor en el rendimiento académico del estudiante universitario. En este
sentido, Bellas y Toutkoushian (1999) señalan que el género del profesor podría influir en la
enseñanza realizada, pues las profesoras dedican más tiempo a las actividades de docencia que
sus compañeros quienes dedican más esfuerzos a realizar actividades de investigación. Sin
embargo, dicha diferencia podría ser atribuible a la diferente distribución de género entre las
diferentes categorías académicas como indica Ramsdem (1998). Por otra parte, los profesores
podrían influir positivamente en el rendimiento académico de los alumnos de su mismo género
debido al efecto Pygmalion o al efecto del modelo de conducta como sugiere Cho (2012).
La categoría académica del profesor también podría influir en el rendimiento académico
del alumno. De este modo, la productividad de los profesores podría diferir en función del rango
que ocupan los profesores a tiempo completo, debido al efecto experiencia y aprendizaje como
señalan (Tien y Blackburn (1996)). Sin embargo, según la teoría del ciclo de vida, los
profesores podrían esforzarse más durante los primeros años de carrera académica cuando las
oportunidades de promocionar y consolidar su posición en la universidad son inminentes,
disminuyendo su esfuerzo cuando consiguen promocionar y conforme se acercan a la edad de
jubilación como sugieren Levin y Stephan (1991), Goodwin y Sauer (1995), Hu y Gill (2000),
Kim (2003) y Hardre et al (2011). Por tanto, los estudiantes que asisten a clases impartidas por
profesores con menos experiencia podrían obtener mejores puntuaciones que aquellos que
asisten a clases impartidas por profesores con una categoría profesional de mayor rango, dado
que los primeros podrían esforzarse más.
Este mayor esfuerzo se centraría en incrementar la productividad en las áreas en las que
van a ser evaluados: docencia, investigación y gestión (Fairweather (2002), Marsh y Hattie
(2002), Fogarty (2005) y Hardre et al (2011)). De estas tres aéreas, ANECA y las universidades
españolas otorgan un mayor peso al ámbito de la investigación para evaluar los currículos de los
profesores (Garcia-Gallego et al (2012)), por lo que los docentes en situación de solicitar alguna
acreditación podrían dedicar más esfuerzo a realizar tareas investigadoras limitando el tiempo
dedicado a las tareas docentes, lo que influiría negativamente en el rendimiento académico de
los estudiantes (Barnett (1992), Hattie y Marsh (1996), Bucheit et al (2001), Hardre et al (2011)
y Massy y Zemsky (1994)). Esto contrasta con las afirmaciones de Braxton (1996), Ramsdem y
Moses (1992), Sullivan (1996) quienes desde la perspectiva de la teoría de la sabiduría
convencional señalan que las tareas docentes e investigadoras son complementarias, de modo
que los profesores más activos en el ámbito de la investigación son más organizados, tienen más
interés en el aprendizaje y más habilidad para motivar a los estudiantes al tener los
3
conocimientos para mostrarles los últimos avances en una determinada disciplina, lo que podría
tener un efecto positivo en el rendimiento académico del estudiante. Similar conclusión
alcanzan Garcia-Gallego et al (2012) y Witte et al (2013) quienes demuestran la existencia de
sinergias y economías de alcance entre las actividades de enseñanza e investigación, tomando
como referencia las teorías modernas de la empresa desarrolladas por Spiller y Zelner (1997),
Lindbeck y Snower (2003) y Cherchye et al (2008).
Otro factor que puede influir en el rendimiento académico del estudiante es la carga
docente del profesor, pues según Garcia-Gallego et al (2012) la cantidad de horas de docencia
que imparte un profesor afecta positivamente en la calidad de la docencia en aquellos casos en
los que el profesor tiene pocas horas de docencia mientras aumentar el número de horas a
aquellos profesores que imparten más docencia podría disminuir la calidad de la enseñanza y
por tanto el rendimiento académico del estudiante. Sin embargo este resultado podría estar
sesgado, ya que los autores no tienen en cuenta la categoría académica del profesor, lo que
implica que algunos profesores de la muestra son profesores a tiempo parcial (asociados)
quienes podrían ejercer una influencia negativa en el rendimiento académico del alumno como
indican Jacoby (2006) y Jaeger y Eagan (2011).
Dado lo señalado anteriormente, y ante la inminente implantación del Real Decreto Ley
14/2012, de 20 de abril, creemos que puede resultar de gran importancia conocer cómo afectan
las características del profesor en el rendimiento académico del estudiante al objeto de que los
responsable universitarios puedan prever las consecuencias de la implantación del mencionado
Real Decreto y asignar eficientemente los recursos humanos, financieros y de infraestructura
disponibles para mejorar o mantener la calidad educativa. Por ello el objetivo del presente
trabajo se centra en examinar la influencia de las características del profesor en el éxito
académico del estudiante en la asignatura de contabilidad financiera impartida en las
licenciaturas de Administración y Dirección de Empresas, Economía y doble licenciatura de
Administración de Empresas y Derecho, utilizando un estimador robusto y consistente para
estimar modelos con datos censurados
El presente trabajo se estructura como sigue: en la sección 2 se describen los datos y las
variables utilizadas. En la sección 3, se explica la metodología adoptada. En la siguiente
sección, se presentan los resultados obtenidos. Finalmente, se exponen las conclusiones
alcanzadas.
4
2 Descripción de la muestra y variables
2.1
Descripción de la muestra
Para analizar cómo las características del profesor influyen en el rendimiento académico
del estudiante universitario disponemos de una muestra integrada por 12 profesores y 3.219
estudiantes matriculados durante cuatro años consecutivos (desde 2005-2009) en la asignatura
de contabilidad financiera. Dicha asignatura se imparte en la Licenciatura de Economía,
Administración y Dirección de Empresas y doble Licenciatura de Administración y Dirección
de Empresas más Derecho en la Universitat Autònoma de Barcelona.
En este sentido, se dispone de una muestra completa, ya que sólo contiene datos de
aquellos estudiantes para los que tenemos toda la información solicitada. De este modo, para
cada estudiante disponemos de información relativa a su puntuación académica en la asignatura
de Contabilidad Financiera obtenida al finalizar el año académico en el que se matriculó, el
grupo en el que está adscrito, la Licenciatura que está estudiando (Económicas, Administración
y Dirección de Empresas y Administración y Dirección de Empresas más Derecho), el profesor
responsable del grupo en el que está adscrito, si el estudiante ha obtenido una beca de estudios,
el género del estudiante, su fecha de nacimiento, la nota de entrada a la universidad, el tipo de
estudios cursados en Educación Secundaria, el número de veces que el alumno se ha
matriculado en la mencionada asignatura, así como la estrategia de enseñanza utilizada en cada
grupo. Los mencionados datos han sido proporcionados por el Servei de Gestió d’Estudiants de
la Universitat Autònoma de Barcelona, por lo que la muestra no contiene los problemas
asociados con datos proporcionados por los estudiantes como indican Maxwell y Lopus (1994)
y Becker y Powers (2001).
Para cada profesor, se dispone de información relativa a su género, el número de años que
ha trabajado en la universidad, los años en los que ha desempeñado cargos de gestión, el
número de artículos y libros publicados (tanto en revistas indexadas como en revistas no
indexadas), su categoría profesional, la carga docente en la asignatura de contabilidad
financiera, así como en otras asignaturas y la puntuación otorgada por los alumnos en las
encuestas. Dichos datos se han obtenido de la Oficina de Gestión de la Información de la
Documentación de la Universitat Autònoma de Barcelona, así como de las bases de datos ISI
Web of Science, Econlit y Google Schoolar.
2.2
Medición de las variables
Teniendo en cuenta la información disponible, consideramos las siguientes variables
como potencialmente determinantes del rendimiento académico alcanzado por los estudiantes
5
matriculados en la contabilidad financiera, siendo muy similares a las empleadas en la literatura
previa anteriormente comentada.
2.2.1 Variable dependiente
La variable dependiente (RA) es la nota final obtenida por cada estudiante que representa
la nota media ponderada de las diferentes pruebas que han realizados los alumnos durante el
curso, como en Eskew y Faley (1988), Kherfi (2008), Angrist y Lavy (2001), De Paola (2009),
Dobbie (2011) y Hartnett et al (2004), lo que nos permite eliminar el efecto agregación y
considerar la influencia de las características del profesor en el rendimiento académico del
estudiante como señalan Kennedy y Siegfried (1997).
Las pruebas realizadas a lo largo del curso comprenden cuatro exámenes que integran
preguntas tipo test de respuesta de elección múltiple (1,125 puntos cada una), trabajo a entregar
durante el curso (1 punto) y dos exámenes con preguntas a desarrollar al finalizar cada semestre
(2.25 puntos cada uno). Los exámenes tipo test, el trabajo a entregar, los exámenes semestrales
y el resto de material docente es idéntico en todos los grupos en los que se imparte docencia. De
este modo, la nota que puede alcanzar el alumno al finalizar el curso oscila entre 0 y 10 puntos,
superando la asignatura cuando el alumno obtiene una puntuación de 5 puntos o más, como en
Dolado y Morales (2009).
2.2.2 Variables independientes
Para examinar el efecto de la calidad de la enseñanza en el rendimiento académico del
estudiante de contabilidad financiera, introduciremos como proxy la variable CALIDADEN que
representa la valoración que el alumno ha otorgado al profesor en la encuesta estándar que
elabora la universidad y cuya puntuación oscila entre 0 y 4 puntos. La mencionada encuesta se
distribuye entre los estudiantes antes de finalizar el curso.
Dado que el número de créditos que tiene asignados un profesor para impartir docencia
puede influir en la calidad de las clases que realiza como señala García-Gallego et al (2012),
introducimos como variable explicativa CARGADOC que representa el porcentaje de horas de
clase que tiene asignadas a la asignatura de contabilidad financiera sobre el total de horas de
docencia impartidas a lo largo del año académico.
Diferentes autores, Bellas y Toutkoushian (1999) y García-Gallego et al (2012)
consideran que las tareas de gestión desempeñadas por el profesor pueden influir en la eficacia
de la docencia impartida, y por lo tanto, en el rendimiento académico del estudiante. Sin
embargo, en la Universitat Autònoma de Barcelona, los profesores que ocupan cargos de
gestión tienen una reducción en su carga docente, por lo que esperamos que la realización de
tareas de gestión no afecte al rendimiento académico del alumno. No obstante, incorporaremos
la variable CARGES como proxy de las obligaciones administrativas del profesor, que tendrá
6
valor 1 si el profesor desempeña tareas administrativas durante el año académico y 0 en caso
contrario.
Las variables dummy FUNPROFESOR, ASOCPROFESOR y AYUDPROFESOR
indicarán la categoría académica que tiene el profesor dentro de la universidad, tomando valor 1
si el profesor tiene contrato indefinido, es asociado o ayudante doctor respectivamente y 0 en
caso contrario.
La existencia del efecto experiencia y aprendizaje del profesor está representada por la
variable EXPERIENCIA, que medimos como el logaritmo neperiano del número de años
transcurridos desde que el profesor empezó su carrera académica hasta el comienzo de curso en
cada año académico.
Para medir la calidad de la productividad investigadora, utilizaremos como proxy el
número de artículos publicados en revistas indexadas en las bases de datos ISI Web Knowledge
y Econlit durante los tres años posteriores a la impartición de la docencia en un curso académico
concreto que denotaremos como REFERED. Estas bases de datos han sido utilizadas por Costas
et al (2010) y De Paola (2009) como referencia de calidad en el ámbito de la investigación.
Sin embargo, dado que Mishra y Smith (2012) indican que las mencionadas bases de
datos son insuficientes para valorar la productividad investigadora de los profesores en el área
de ciencias sociales, incorporaremos en nuestro modelo la variable NONREFER que representa
el número de libros y artículos en revistas, no incluidas en las bases de datos ISI Web of Science
y Econlit durante los tres años posteriores en los que se imparte docencia, que han sido
difundidos a través de Google Scholar.
Estudios previos han revelado discrepancias en el rendimiento académico del estudiante
cuando el profesor pertenece al mismo género, por ello, introduciremos como variable dummy
SAMEGEN que tomará valor 1 si el estudiante tiene el mismo género que el profesor y 0 en
caso contrario.
2.2.3 Variables de control
Diferentes autores, Martí (2012), Marcenaro y Navarro (2007), García (2000), García y
San Segundo (2001) y Escudero (1984), han demostrado que las características del estudiante,
así como las características institucionales pueden influir en el rendimiento académico del
alumno, por ello introduciremos en nuestro modelo las siguientes variables de control:
Para analizar el efecto del grado de madurez de los estudiantes en su rendimiento
académico en la asignatura de contabilidad financiera, introduciremos como proxy la variable
EDAD, que indicará el número de años transcurridos entre la fecha de nacimiento del estudiante
y el 30 de junio del año en el que el estudiante se ha matriculado de la mencionada asignatura.
7
Dado que estudios previos revelan discrepancia en el rendimiento académico del
estudiante en función de su género, introduciremos la variable dummy GENDER en nuestro
modelo, que tomará valor 1 si el estudiante es un hombre y 0 si es una mujer.
Uno de los requisitos para poder acceder a los estudios universitarios es haber superado
los estudios de Bachiller y/o módulos de tercer ciclo de formación profesional. Por tanto,
durante el primer año de estudios universitarios, las becas se distribuyen entre los estudiantes
con menos recursos económicos. Por ello, como proxy de la situación económica de la familia
del alumno introduciremos en nuestro modelo la variable dummy BECA que tomará valor 1 si
el estudiante recibe una beca durante el año académico en el que el alumno se matriculo en la
asignatura de contabilidad financiera y 0 en caso contrario.
La variable dummy REPEAT indicará si el estudiante es de nueva inscripción o bien es
repetidor, tomando valor 1 si se ha matriculado en más de una ocasión y 0 en caso contrario.
Los alumnos que estudiaron contabilidad en Bachiller o en los módulos de formación
profesional obtienen mejores resultados en la asignatura de contabilidad impartida en la
universidad, según Arquero et al (2009) y Hartnett et al (2004). Por tanto, en el presente trabajo
se incluirá la variable dummy BUSINESS que tomará valor 1 si el estudiante curso el modulo
de formación profesional de Administración y Finanzas y 0 en caso contrario. De igual modo, la
variable dummy SOCIAL tomará valor 1 si el estudiante curso el bachiller de ciencias sociales y
0 en caso contrario.
Para medir el efecto de la habilidad previa del estudiante en el rendimiento académico
universitario, incluiremos la variable ENTRADA que representa la nota de acceso a la
universidad y que oscilará entre 5 y 10.
El esfuerzo realizado por el estudiante durante el año académico se analizará
incorporando la variable CREDITOS que indica el número de créditos que ha superado el
estudiante durante el curso académico, sin tener en cuenta los créditos correspondientes a la
asignatura de contabilidad financiera.
La variable GRADO indicará la licenciatura que está estudiando el alumno, tomando
valor 1 si el estudiante está matriculado en la licenciatura de administración y dirección de
empresas y 0 si está adscrito en la licenciatura de económicas.
Dado que la franja horaria a la que acude el estudiante puede influir en su rendimiento
académico, introduciremos la variable dummy TARDE que tomará valor 1 si el alumno asiste a
clase por la tarde y 0 si acude a clase por la mañana.
Diferencias en el tamaño de la clase a la que acude el alumno pueden provocar
diferencias en sus notas. Por tanto, incorporaremos en nuestro modelo la variable TAMAÑO
que indicará el número de alumnos matriculados en cada grupo durante el periodo considerado.
8
Las variables arriba indicadas están resumidas en la Tabla 1. Para verificar que no hay
problemas de multicolinealidad entre las variables propuestas hemos elaborado una matriz de
correlación entre las variables dependientes de modelo. Los resultados, resumidos en la Tabla 2
muestran que no exiten problemas de mutlicolinealidad (Sharma y James (1981)). Además, la
Tabla 2 muestra también el factor de inflación de la varianza (FIV) de cada regresor. Los
resultados confirman la ausencia de multicolinealidad.
Table 1. Medición de las variables dependientes e independientes
Variable
Dependiente
RA
Medición
Media ponderada de las pruebas,
trabajos y exámenes realizados durante
el curso
Independiente
CALIDADEN
CARGADOC
CARGAGES
FUNPROFESOR
AYUDPROFESOR
EXPERIENCIA
REFERED
NONREFER
EDAD
GENDER
BECA
BUSINESS/SOCIAL
NOTACESO
CRÉDITOS
REPEAT
GRADO
TARDE
TAMAÑO
Valoración del profesor en las encuestas
de los estudiantes cuyo valor oscila entre
0 y 4.
Porcentaje del número de horas
dedicadas a contabilidad financiera
sobre el total de carga docente.
1= el profesor tiene cargos de gestión
durante el año académico; 0=en caso
contrario.
1= el profesor tiene un contrato
indefinido. 0= en caso contrario.
1= el profesor trabaja como ayudante
doctor: 0= en caso contrario.
Número de años transcurridos desde que
empezó su carrera académica.
Número de artículos publicados en
revistas indexadas en ISI y ECONLIT.
Número de libros y artículos en revistas
no incluidas en ISI y ECONLIT.
Indica la edad del estudiante en años
1=hombre; 0=mujer
1=beca; 0=no beca
1=especialización
estudiada
en
educación secundaria; 0= caso contrario.
Nota de entrada a la universidad (5-10
puntos)
Número de créditos superados por el
estudiante durante el curso académico
menos
los
créditos
superados
correspondientes a la asignatura de
contabilidad financiera.
1=repite; 0= no repite
1=
estudia
la
licenciatura
de
administración y dirección de empresas;
0= no lo estudia
1= si el estudiante acude a clases por la
tarde; 0= en caso contrario
Número de estudiantes adscritos a un
grupo.
9
Table 2. Matriz de correlación de las variables dependientes
VIF
3,24
CALIDADEN
2,53
CARGADOC
6,08
CARGAGES
FUNPROFESOR 8,82
AYUDPROFESOR 8,28
2,82
EXPERIENCIA
4,18
REFERED
5,48
NONREFER
1,30
SAMEGEN
1,33
EDAD
1,37
GENDER
1,14
BECA
1,54
REPEAT
1,07
BUSINESS
1,15
SOCIAL
1,80
NOTACESO
1,42
CRÉDITOS
2,91
DEGREE
2,75
AÑO2005
2,37
AÑO2006
2,19
AÑO2007
2,08
TARDE
5,44
TAMAÑO
CALIDADEN CARGADOC CARGAGES FUNPROFESOR AYUDPROFESOR EXPERIENCIA REFERED
1
0,249
1
0,084
-0,153
1
-0,263
-0,402
0,789
1
0,052
-0,214
-0,109
-0,251
1
-0,153
-0,072
0,444
0,403
0,099
1
-0,118
-0,178
0,116
0,142
0,651
-0,006
1
0,025
-0,297
0,406
0,273
0,680
0,256
0,678
0,067
0,131
-0,055
-0,096
-0,055
-0,044
-0,052
0,125
0,140
-0,111
-0,122
-0,173
-0,087
-0,152
-0,019
0,084
-0,021
0,015
-0,167
-0,014
-0,106
-0,079
-0,094
0,088
0,067
0,117
0,081
0,102
0,223
0,258
-0,219
-0,246
-0,220
-0,164
-0,238
-0,027
-0,006
-0,026
-0,030
0,006
-0,017
-0,006
-0,004
-0,069
0,027
0,019
0,081
0,035
0,035
0,008
-0,236
0,050
-0,050
0,437
0,012
0,313
0,085
-0,129
0,096
0,010
0,335
0,100
0,255
-0,001
-0,352
-0,085
-0,224
0,560
-0,131
0,277
-0,162
-0,351
-0,007
0,184
-0,027
-0,088
-0,086
0,114
0,011
-0,039
-0,061
-0,048
-0,063
-0,214
0,061
0,096
-0,037
-0,059
-0,017
0,077
0,016
0,092
0,202
-0,247
-0,262
-0,355
-0,051
-0,345
-0,531
0,094
-0,268
-0,080
-0,310
0,278
-0,415
10
SAMEGEN
EDAD
GENDER
BECA
REPEAT
BUSINESS
SOCIAL
NOTACESO
CRÉDITOS
DEGREE
AÑO2005
AÑO2006
AÑO2007
TARDE
TAMAÑO
NONREFER SAMEGEN EDAD
GENDER
BECA
REPEAT
BUSINESS
-0,097
1
-0,200
0,093
1
-0,110
0,452
0,103
1
0,142
-0,069
-0,163
-0,149
1
-0,313
0,075
0,338
0,071
-0,288
1
-0,011
-0,029
0,082
-0,033
0,051
-0,052
1
0,061
-0,091
-0,257
-0,162
0,121
-0,059
-0,155
0,328
-0,055
-0,189
-0,189
0,141
-0,293
0,089
0,290
-0,033
-0,224
-0,142
0,131
-0,288
-0,033
0,257
-0,059
-0,128
-0,176
0,099
-0,153
0,066
-0,043
0,005
0,023
-0,008
-0,028
0,018
-0,057
-0,097
-0,011
-0,012
-0,005
-0,019
-0,045
0,017
-0,183
-0,010
0,014
-0,007
-0,010
0,008
0,028
-0,407
0,061
0,343
0,070
-0,119
0,305
0,062
-0,421
0,013
0,116
0,086
-0,034
0,175
0,023
SOCIAL
NOTACESO CRÉDITOS DEGREE
AÑO2005
AÑO2006
AÑO2007 TARDE
0,067
1
NOTACESO
0,027
0,434
1
CRÉDITOS
0,106
0,574
0,301
1
DEGREE
-0,014
-0,033
-0,026
-0,025
1
AÑO2005
0,002
-0,013
-0,040
0,002
-0,335
1
AÑO2006
0,013
0,004
0,042
0,017
-0,341
-0,321
1
AÑO2007
-0,131
-0,182
-0,199
-0,080
-0,025
-0,002
-0,016
1
TARDE
-0,058
-0,225
-0,264
-0,187
0,257
-0,183
-0,095
0,440
TAMAÑO
11
3 Metodología
Para analizar el efecto que ejercen las características del profesor sobre el éxito
académico del estudiante, se propone una función lineal de variables explicativas. Dado que la
variable dependiente está acotada entre los valores de 0 y 10 puntos, el uso de la técnica de
mínimos cuadrados ordinarios proporcionaría estimadores inconsistentes, como demuestran
Loucks (1994), Chou y Cebula (1996), Greene (2002) y Maddala y Nelson (1975). En este caso,
una técnica estándar consiste en estimar el modelo tobit propuesto por Tobin (1958), que
definimos como sigue:
y i*     x i  u i
si y  y i*  y
y i*  y
si
y i*  y
 y
si
y i*  y
y
*
i
[1]
Donde yi representa el rendimiento académico obtenido por el alumno; ȳ es la máxima
puntuación que un estudiante puede obtener (10 puntos); y es la mínima puntuación que el
estudiante puede obtener (0 puntos); β es un vector k-dimensional de parámetros desconocidos;
xi es un vector que contiene todas las variables que podrían explicar el rendimiento académico
del estudiante; ui son los residuos caracterizados por seguir una distribución normal de media
cero y desviación estándar σi=σ.
Por tanto, el modelo tobit estándar asume homocedasticidad y normalidad en la
distribución de los residuos, obteniendo estimadores consistentes cuando ambos supuestos se
cumplen. Sin embargo, investigaciones previas, Arabmazar y Schimidt (1981) y Greene (2002),
muestran que en presencia de heterocedasticidad y no normalidad el modelo tobit produce
estimadores sesgados e inconsistentes. Por tanto, para verificar si los mencionados problemas de
especificación están presentes en nuestro modelo utilizamos el cociente de verosimilitud
descrito por Petersen y Waldman (1981) cuyo resultado no nos permite aceptar la hipótesis nula
de homocesticidad (LR=309,44; p-value=0,000) y la prueba de momento condicional propuesta
por Drukker (2002) cuyo resultado no nos permiten aceptar la hipótesis nula de normalidad de
la distribución de los residuos (Valor de la prueba=135,60, p-value>0.10).
La evidencia de no normalidad y heterocedasticidad de los residuos indican que los
estimadores obtenidos usando el método de máxima verosimilitud Tobit son inconsistentes. A
su vez, la existencia de diferencias en el tamaño de los grupos a los que están adscritos los
estudiantes podría generar problemas de heterogeneidad, como señalan Siegfried y Kennedy
(1997). Para superar dichas dificultad implantaremos la metodología desarrollada por Nichols y
Schaffer (2007) que nos permite obtener errores estándar robustos en el modelo tobit,
corrigiendo los problemas de heterocedasticidad, no normalidad y heterogeneidad.
12
4 Resultados
La tabla 3 muestra los resultados obtenidos al estimar el modelo [1]. De este modo,
observamos que la variable CALIDADEN ejerce un efecto positivo y significativo en el
rendimiento académico del estudiante. Así, un incremento de un punto en la encuesta sobre la
docencia cumplimentada por el alumno implica un aumento de 0,89 puntos en el rendimiento
académico del estudiante, ceteris paribus. Este resultado es consistente con Rockoff (2004),
Jacob y Lefgren (2008), Hoffmann y Oreopoulos (2009) y Beleche et al (2012), demostrando
que los resultados de las encuestas de evaluación de la docencia son un buen indicador de la
calidad de la enseñanza. De este modo, los estudiantes que asisten a las clases de contabilidad
financiera impartidas por profesores con mejor puntuación en las encuestas elaboradas por los
estudiantes alcanzan mejor puntuación que aquellos que asisten a clases impartidas por
profesores que han sido peor calificados a través de las encuestas de los estudiantes.
Las estimaciones realizadas también sugieren que un aumento en el porcentaje de
profesores ayudantes doctores con respecto a los profesores asociados tendría un efecto
significativamente negativo en el rendimiento académico de los estudiantes, mientras la
modificación en la relación entre los porcentajes de profesores con contrato indefinido y
profesores asociados no tiene un impacto significativo en el éxito del estudiante. De este modo,
los profesores con mayor rango dentro de la universidad proporcionan una docencia de mayor
calidad que aquellos profesores pertenecientes a las categorías de ayudante doctor, que podrían
dedicar mayor esfuerzo a incrementar su productividad en el ámbito de la investigación para
poder promocionar y conseguir un puesto de trabajo estable dentro de la universidad como
muestran Chow y Harrison (1998) y Tien y Blackburn (1996). Por otra parte, los profesores
asociados únicamente desempeñan tareas docentes en la universidad, compaginándolas con el
trabajo realizado en la empresa privada, lo que les permite transmitir sus experiencias en la
empresa privada a los estudiantes facilitando la comprensión de los conceptos explicados en
clase, lo que podría repercutir en una mejora del rendimiento académico del estudiante como
sugieren Bettinger y Long (2010).
Asistir a clases impartidas por profesores con más antigüedad dentro de la universidad
tiene un efecto significativamente negativo en el estudiante, lo que podría deberse a que: (1) los
profesores con más experiencia dentro de cada categoría están menos motivados, lo que podría
repercutir en un disminución del rendimiento académico del estudiante y/o (2) la existencia de
profesores ayudantes doctores cuyos contratos están a punto de finalizar, y dedican más tiempo
a actividades de investigación en detrimento de las tareas docentes para poder superar el
proceso de acreditación y promoción dentro de la universidad. Esto sería consistente con las
conclusiones alcanzadas por Barnett (1992), Buchheit et al (2001), Chow y Harrison (1998) y
Hardre et al (2011).
13
Tabla 1. Rendimiento académico
TOBIT
Variable
Coeficiente
Standard
Error
CALIDADEN
0,5968 *
0,3173
CARGADOC
-0,0027
0,0047
CARGAGES
-0,5759
0,4432
0,6643
0,5422
FUNPROFESOR
AYUDPROFESOR
-0,9874 ***
0,2365
EXPERIENCIA
-0,6768 ***
0,1756
REFERED
0,2355 *
0,1364
NONREFER
0,0840
0,0988
SAMEGEN
0,0974
0,1276
EDAD
-0,0439 *
0,0264
GENDER
-0,4026 **
0,1655
BECA
0,2442
0,1779
REPEAT
0,9909 ***
0,2265
BUSINESS
2,2606 ***
0,4759
SOCIAL
0,4682 ***
0,1001
NOTACESO
0,7838 ***
0,0918
CRÉDITOS
0,1094 ***
0,0082
DEGREE
0,4812 **
0,2229
-1,1023 ***
0,2159
0,0311 ***
0,0091
TARDE
TAMAÑO
AÑO2005
-0,2973
0,2420
AÑO2006
-0,2193
0,2281
AÑO2007
-0,7020 ***
0,2361
CONSTANTE
-8,4470 ***
2,3642
N. Observaciones
3219
Censura Izquierda
1134
1
Censura Derecha
Log Likelihood
Pseudo R
-6105,93
0,1284
* Significativo al 10%, ** significativo al 5%, *** significativo al 1%.
14
Por otra parte, nuestras estimaciones sugieren que un aumento en el número de artículos
publicados por un profesor en una revista indexada en las bases de datos ISI Web of Science y
Econlit está asociado con un incremento en el rendimiento académico de los estudiantes. Por
cada artículo adicional publicado por un profesor, la nota del estudiante se incrementa en 0,26
puntos, ceteris paribus. Este resultado es consistente con García-Gallego et al (2012) y Witte et
al (2013), revelando que la realización de tareas docentes y de tareas en el ámbito de la
investigación son complementarias en el área contable, originando sinergias y economías de
alcance.
Respecto a las variables de control de las características de los estudiantes e
institucionales, encontramos un efecto positivo y significativo de la habilidad previa del
estudiante, el esfuerzo realizado durante el curso, la experiencia en la asignatura, el tamaño del
grupo, estudiar la licenciatura de administración y dirección de empresas y los conocimientos
previos en el área contable sobre el rendimiento académico del estudiante, mientras
encontramos una relación significativamente negativa con el grado de madurez del estudiante, la
asistencia a clases en la franja horaria de tarde y ser hombre.
5 Conclusiones
El nivel educativo de la población podría influir en la capacidad productiva de un país, y
consecuentemente, en su crecimiento económico, como señalan Becker (1964) y Schultz
(1971). Esto ha suscitado interés en la comunidad científica por conocer los factores que
influyen en el rendimiento académico de los alumnos. Siguiendo esta línea de investigación el
objetivo del presente trabajo se ha centrado en analizar cómo afectan las características del
profesor en la productividad del estudiante. Esto nos ayudará a (1) mejorar la calidad de la
enseñanza en la universidad y la formación de los futuros profesionales, (2) reducir el gasto
público destinado a este nivel educativo y (3) contratar los profesores más eficaces.
Para ello, se ha propuesto un modelo tobit, corregido por normalidad, heterocedasticidad
y heterogeneidad, que se ha implantado sobre una muestra integrada por profesores y
estudiantes matriculados en la asignatura de contabilidad financiera durante los cursos
académico que abarca el periodo 2005-2009 en la Universitat Autònoma de Barcelona.
Los resultados obtenidos muestran que la calidad de la enseñanza y publicar artículos en
revistas indexadas en bases de datos de reconocido prestigio tienen un efecto positivo y
significativo en la productividad académica del estudiante. Por el contrario, trabajar como
profesor ayudante doctor y tener más experiencia influye negativamente en el rendimiento
académico del estudiante.
15
Dado que los estudiantes que asisten a clases de contabilidad financiera impartidas por
profesores ayudantes doctores alcanzan un rendimiento académico más bajo que aquellos que
asisten a clases impartidas por profesores asociados, profesores titulares o profesores
catedráticos, posiblemente porque los profesores ayudantes doctores emplean más tiempo a
actividades de investigación y menos a actividades docentes para consolidar su posición dentro
de la universidad, el Ministerio de Educación y las universidades deberían: (1) reducir el
número de horas de clase a los profesores ayudantes doctores para que pueden consolidar su
situación en la universidad, de lo que los estudiantes se beneficiarían, o bien (2) asignar
ayudantes de docencia que colaboren en las tareas docentes realizadas por los profesores
ayudantes doctores.
Por otra parte, también hemos detectado peor rendimiento académico entre aquellos
estudiantes que asisten a clases impartidas por profesores con más experiencia, lo que podría
deberse a que los profesores asociados, titulares de universidad y catedráticos con más
experiencia están desmotivados bien porque se encuentran cerca de la edad de jubilación,
mientras los profesores ayudantes doctores con más experiencia dedican más esfuerzo a realizar
actividades de investigación para poder promocionar. Para mejorar la eficiencia en la enseñanza,
el Ministerio de Educación e Investigación y las universidades podrían reducir el número de
horas de docencia o proporcionar a los profesores años sabáticos en función del número de años
que llevan impartiendo docencia.
Por otro lado, la calidad de la investigación es un factor relevante en el rendimiento
académico del estudiante. Por ello, el Ministerio de Educación e Investigación y las
universidades deberían fomentar la realización de tareas de investigación bien (1) aumentando
los incentivos salariales en función del número de artículos publicados en revistas indexadas
bien (2) otorgando becas de investigación a profesores ayudantes doctores para que puedan
desarrollar su investigación y promocionar dentro de la universidad. Al igual que Martí (2012),
también encontramos que las características individuales de los estudiantes así como las
características institucionales influyen en la productividad académica del estudiante.
Respecto a las limitaciones del presente estudio, la evidencia empírica proporcionada,
aunque potencialmente importante, podría tener una validez externa limitada, pues como en
Rohde y Kawanagh (1996) y Al-Twaijry (2010) la muestra ha sido seleccionada de una única
universidad. No obstante, como en Eskew y Faley (1988) esta investigación se centra en una
universidad pública y estatal, de gran tamaño si consideramos el número de estudiantes
matriculados. Por tanto, creemos que la muestra usada podría ser representativa de los
estudiantes matriculados en la asignatura de contabilidad financiera de universidades con
similares características.
16
Referencias
Al-Twaijry, A.A., 2010, Student academic performance in undergraduate managerialaccounting courses, Journal of Education for Business, 311-322.
Angrist, J.D. y V. Lavy, 2001, Does teacher training affect pupil learning? Evidence from
matched comparisons in Jerusalem public schools. Journal of Labor Economics, 19, 2, 343-369.
Arabmazar, A. y P. Schmidt, 1981, Further Evidence on the Robustness of the Tobit Estimator to
Heteroscedasticity, Journal of Econometrics, 17, 253-258.
Arquero, J.L., M. Byrne, B. Flood y J.M. Gonzalez, 2009, Motives, expectations, preparedness
and academic performance: a study of students of accounting at a Spanish university, Spanish
Accounting Review, 12, 2, 279-299.
Barnett, B. 1992, Teaching and research are inescapably incompatible. Chronicle of Higher
Education, p. 40.
Becker, G.S., 1964, Human capital. New York: Columbia University Press.
Becker, W.E. y J.R. Powers, 2001, Student performance, attrition, and class size given missing
student data, Economics of Education Review, 20, 4, 377-388.
Beleche, T., D. Fairris, y M. Marks, 2012, Do course evaluations truly reflect student learning?
Evidence from an objectively graded post-test. Economics of Education Review, 31, 5, 709-719.
Bellas, M.L., y R.K. Toutkoushian, 1999, Faculty time allocations and research productivity.
The Review of Higher Education, 22, 4, 367-390.
Bettinger, E.P. y B.T. Long, 2010, Does cheaper mean better? The impact of using adjunct
instructors on student outcomes. Review of Economics and Statistics, 92, 3, 598-613.
Braxton, J.M., 1996, Contrasting perspectives on the relationship between teaching and
research. New Directions for Institutional Research, 90, 5-14.
Bucheit, S., A.B. Collins, y D.L. Collins, 2001, Intra-institutional factors that influence
accounting research productivity. Journal of Applied Business Research, 17, 2, 17-32.
Cherchye, L., B. De Rock, y F. Vermeulen, 2008, Analyzing cost-efficient production behavior
under economics of scope: A nonparametric methodology. Operations Research 56, 1, 204-221.
Cho, I. 2012, The effect of teacher–student gender matching: Evidence from OECD countries.
Economics of Education Review, 31, 54-67.
Chou, R.Y. y R. Cebula, 1996, Determinants of Geographic Differentials in the Savings and
Loan Failure Rate- A heteroskedastic Tobit estimation, Journal of financial Services Research,
10, 5-25.
Chow, C.W., y P. Harrison, 1998, Factors contributing to success in research and publications:
Insights of “influential” accounting authors. Journal of Accounting Education, 16, 3/4, 463-472.
Comisión Europea, 2011, Informe del progreso sobre Educación y Formación.
17
De Paola, M., 2009. Does teacher quality affect student performance? Evidence from an Italian
university. Bulletin of Economic Research, 61, 4, 353-377.
Dobbie, W., 2011. Teacher characteristics and student achievement: evidence from teach for
America. WP Harward University.
Dolado, J.J. y E. Morales, 2009, Which factors determine academic performance of economics
freshers? Some Spanish evidence, Investigaciones Económicas, 33, 2, 179-210.
Drukker, D. M., 2002, Bootstrapping a conditional moments test for normality after tobit
estimation, The StataJournal, 2, 125-139.
Escudero, T., 1984, Condicionantes y capacidad predictiva de la selectividad universitaria,
Revista de Educación, 273, 139-164.
Eskew, R.K. y R.H. Faley, 1988, Some determinants of student performance in the first college
level financial accounting course, The Accounting Review, 63, 1, 137-147.
Fairweather, J.S. (2002). The mythologies of faculty productivity: Implications for institutional
policy and decision-making. Journal of Higher Education, 73, 1, 26-48.
Fogarty, T.J., 2004. Sustained research productivity in accounting: a study of the senior cohort.
Global Perspectives on Accounting Education, 1, 31-58.
García, M., 2000, The effects of curriculum reform on economics education in a Spain college,
Education Economics, 8, 1, 5-15.
García, M. y M.J. San Segundo, 2001, El rendimiento académico en el primer curso
universitario, X Jornadas AEDE, U. Murcia, 435-445.
Garcia-Gallego, A., N. Georgantzis, J. Martín-Montaner y T. Pérez-Amaral, 2012. How do
research and administrative duties affect university professors’ teaching? Available at SSRN:
http://dx.doi.org/10.2139/ssrn.2133898
Goodwin, T.H. y R.D. Sauer, 1995, Life cycle productivity in academic research: Evidence
from cumulative publication histories of academic economists. Southern Economic Journal, 61,
3, 728- 743.
Greene, W.H., 2002, Econometric Analysis, Prentice Hall, Englewood Cliffs, Fourth Edition,
2002.
Hardre, P.L., A.D. Beesley, R.L. Miller y T.M. Pace, 2011, Faculty motivation to do research:
across disciplines in research extensive universities. The Journal of the Professoriate, 5, 1, 3569.
Hartnett, N., J. Römcke y C. Yap, 2004, Student performance in tertiary-level accounting: an
international student focus, Accounting and Finance, 44, 163-185.
Hattie, J. y H.W. Marsh, 1996. The relationship between research and teaching-a meta-analysis.
Review of Educational Research, 66, 507-542.
18
Hoffmann, F y P. Oreopoulos, 2009. Professor qualities and student achievement. The Review
of Economics and Statistics, 91, 1, 83-92.
Hu, Q. y G.T. Gill, 2000, Is faculty research productivity: Influential factors and implications.
Information Resources Management Journal, 13, 2, 15-25.
Jacob, B.A. y L. Lefgren, 2008, Principals as agents: subjective performance measurement in
education. Journal of Labour Economics, 26, 1, 101-136.
Jacoby, D., 2006, Effects of Part-Time Faculty Employment on Community College Graduation
Rates, The Journal of Higher Education, 77, 6, 1081-1103.
Jaeger, A.J. y M.K. Eagan, 2011, Examining Retention and Contingent Faculty Use in a State
System of Public Higher Education, Educational Policy, 25, 3, 507-537.
Kennedy, P.E. y J.J. Siegfried, 1997 Class size and achievement in introductory economics:
evidence from the TUCE III data, Economics of Education Review, 16, 4, 385-394.
Kherfi, S., 2008, Economic Education in the Middle East: Are the Determinants of Success in
Introductory Economics Any Different? Journal of Economic Education, 39, 1, 22-40.
Kim, S., 2003, The impact of research productivity on early retirement of university professor.
Industrial relations, 42, 106-125.
Levin, S.G. y P.E. Stephan, 1991, Research productivity over the life cycle: evidence for
academic scientist. American Economic Review, 81, 114-132.
Lindbeck, A. y D.J. Snower, 2003, The Firm as a Pool of Factor Complementarities. IZA
Discussion Paper 882.
Loucks, C., 1994, The regional distribution of bank closings in the United States from 1982 to
1988: A brief note, Southern Economic Journal 61, 191-194.
Maddala, G. y F. Nelson, 1975, Specification errors in limited dependent variable models,
Working Paper 96, National Bureau of Economic Research, Cambridge, US.
Marcenaro-Gutierrez, O.D. y M.L. Navarro Gómez, 2007, El éxito en la universidad: una
aproximación cuantílica, Revista de Economía Aplicada, 15, 44, 5-39.
Marsh, H.W. y J.Hattie, 2002, The relation between research productivity and teaching
effectiveness: complementary, antagonistic or independent constructs? The Journal of Higher
Education, 73, 5, 603-641.
Martí, C.P., 2012, Analysis of the factors that influence the academic performance of financial
accounting students using binary choice models. RBGN- Revista Brasileira de Gestao Negócios,
14, 45, 379-399.
Martinello, M. y G. Cook, 2000, Interdisciplinary Inquiry in Teaching and Learning, 2nd ed..
Pearson Education, NJ: Upper Saddle River.
Massy, W. y A. Widgren, 1995, Improving productivity: What faculty think about it—and its
effect on quality. Change, 27, 10-2.
19
Maxwell, N.L. y J.S. Lopus, 1994, The Lake Wobegon effect in student self-reported data,
American Economic Review, 84, 2, 201-205.
Mishra, V. y R. Smyth, 2012, Are more senior academics really more research productive than
junior academics? Evidence from Australian law schools. Scientometrics, (In press).
Nichols, A., y M. Schaffer, 2007, Clustered standard error in STATA. United Kingdom STATA
Users’ Group Meeting.
Pasek, J., K. Kenski, D. Romer y K.H. Jamieson, 2006, America’s youth and community
engagement: How use of mass media is related to civic activity and political awareness among
14 to 22 years old, Communication Research, 33, 3, 115-135.
Petersen, D. y D. Waldman, 1981, The treatment of heteroscedasticity in the limited dependent
variable model, Mimeo, University of North Carolina, Chapel Hill.
Ramsdem, P. 1998. Managing the effective university, Higher Education Research and
Development, 17, 3, 347–371.
Ramsden, P. y I. Moses, 1992, Association between research and teaching in Aus-tralian higher
education. Higher Education, 23, 273-295
Rohde, F.H. y M. Kavanagh, 1996, Performance in first year university accounting: quantifying
the advantage of secondary school accounting, Accounting and Finance, 36, 275-285.
Rockoff, J., 2004. The impact of individual teachers on student achievement: evidence from
panel data. American Economic Review, 94, 2, 247-252.
Schultz, T.W. 1971, Investment in Human Capital. New York. The Free Press.
Sharma S. y WL. James, 1981, Latent root regression: an alternate procedure for estimating
parameters in the presence of multicollinearity. Journal of Marketing Research, 18, 154-161.
Spiller, P.T. y B.A. Zelner, 1997, Product Complementarities, Capabilities and Governance: A
Dynamic Transaction Cost Perspective. Industrial and Corporate Change. 6, 3, 561-594.
Sullivan, A.V.S., 1996, Teaching norms and publication productivity. New Directions for
Institutional Research, 90, 15-21.
Tien, F.F., y R.T. Blackburn, 1996, Faculty rank system, research motivation, and faculty
research productivity: Measurement refinement and theory testing. Journal of Higher
Education, 67, 1, 2-22.
Tobin, J., 1958, Estimation of Relationships for Limited Dependent Variables, Econometrica,
26, 24-36.
Witte, K.D., N.Rogge, L. Cherchye y T.V. Puyenbroeck, 2013, Economies of scope in research
and teaching: a non-parametric investigation. Omega, 41, 2, 305-314.
20