¿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