Imaginen a un ministro de educación que recibe información sobre una reducción en el rendimiento académico de los estudiantes de secundaria, tal como se muestra en el video del curso abierto “Datología: Datos para la efectividad de las políticas públicas”. A nivel de los estudiantes, la situación es preocupante porque se está viendo afectado el aprendizaje base que necesitan para progresar en su aprendizaje en los años siguientes. A nivel nacional, el bajo rendimiento académico de los alumnos afecta negativamente el desempeño de Brasil en las pruebas PISA (Programa Internacional para la Evaluación de Estudiantes, de la Organización para la Cooperación y el Desarrollo Económico, OCDE).

Basándose en las últimas teorías sobre rendimiento estudiantil, el ministro sugiere una hipótesis preliminar: los estudiantes no están rindiendo por causa de un aumento en su nivel de estrés. Para testear si esta es la causa real, su equipo comienza a preparar una intervención en la cual, a un grupo de alumnos se les enseñará técnicas de meditación para realizar antes del examen, a otro grupo se le enseñarán técnicas de relajación, y un tercer grupo se lo deja estable (sin modificaciones) para poder comparar resultados (en lo que se llama grupo de control). La idea es verificar si realmente es el estrés lo que está afectando negativamente a los estudiantes, y si sí, cuál es la mejor técnica para reducir el problema.

Una aplicación de la técnica de análisis de varianzas

Al finalizar el estudio, el equipo del ministro realizó un análisis comparativo de los resultados aplicando una técnica estadística llamada “análisis de varianzas” – ANOVA, gracias al cual identificaron que la meditación fue la técnica más efectiva para mejorar el rendimiento de los estudiantes en los exámenes. Ahora bien, ¿cuál fue el proceso para llegar a esta conclusión?

1 Revisión de la literatura científica para no reinventar la rueda

Una vez identificado el problema, se plantea la pregunta científica para entender la situación, en este caso: “por qué los estudiantes están bajando el rendimiento”. Luego, se debe buscar en casos similares la evidencia que han encontrado otros investigadores sobre la causa del problema. En otras palabras, se trata de averiguar si hay explicaciones científicas de por qué los estudiantes en general bajan su rendimiento, y luego realizar experimentos para ver si dichas explicaciones son relevantes a nuestra situación particular.

Lo mejor es buscar literatura específica relacionada al problema en cuestión. Por ejemplo, qué dicen las revistas científicas nacionales o internacionales sobre los factores por los cuales bajan los promedios de alumnos brasileños. Las causas o razones que otras investigaciones hayan encontrado para explicar el mismo problema sirven de base para elaborar la hipótesis que resolverá nuestro caso.

En el caso que se muestra en el video, se identificó el estrés como un posible factor más influyente en el desempeño de los estudiantes.

2 Mantener las mismas condiciones para el experimento

Para obtener resultados comparables, es importante que el experimento, en este caso la aplicación del examen a tres grupos predefinidos (contando con las estrategias anti estrés), se haga bajo las mismas condiciones; todos los estudiantes deben recibir las mismas preguntas, deben contar con la misma cantidad de tiempo para responderlas, etc. También se deben eliminar lo que ese denomina “factores de confusión”, o nuevos elementos que cambian las condiciones estables del experimento. Por ejemplo, imaginemos que los exámenes en general se imparten de modo oral, pero para los experimentos se decide tomar exámenes escritos. El nivel de estrés de los estudiantes puede cambiar al usar una metodología o la otra y, en consecuencia, los resultados no ser válidos para las situaciones consideradas al elaborar la hipótesis. Otras variables de confusión pueden ser el nivel de ruido o luminosidad del cuarto de examen, etc. En suma: lo mejor es replicar las condiciones con la mayor exactitud.

3 Análisis de los datos

Una vez terminado el experimento en donde se identifica que uno de los grupos es diferente, utilizamos el RStudio, un software abierto, para introducir los datos obtenidos en la prueba piloto de todos los estudiantes para luego hacer una comparación entre ellos y hacer un análisis de varianza o ANOVA. Este tipo de análisis es ideal para cuando debemos comparar el valor promedio de un factor o variable para varios grupos en el mismo experimento, y saber así la diferencia entre dichos grupos. En nuestro caso, queremos saber si el promedio de las calificaciones de estudiantes que hicieron meditación es distinto del de aquellos que han hecho relajación, o de los que no han hecho nada antes de su examen. Esto nos permitirá saber cuál técnica es la más efectiva para bajar el estrés de nuestros estudiantes.

Esta es una de las metodologías que enseñamos en nuestro Curso Masivo y Abierto “Datos para la efectividad de las políticas públicas”, a través del cual enseñamos cómo darle sentido a los datos, cómo aprovecharlos para tomar decisiones y guiar la gestión y planificación de políticas públicas.

Inscríbete en este curso para fortalecer tus capacidades de uso, comprensión e interpretación de datos. ¡Te esperamos!

¿Alguna vez has tenido que hacer un análisis sobre temas de desarrollo como género, empleo, infraestructura, entre otras cosas, y no has sabido cómo empezar o dónde buscar la información para avalar tu hipótesis? Conscientes de este desafío, desde el BID desarrollamos una librería de R que facilita la recopilación y análisis de indicadores de diferentes temas por país. Aprende cómo usarla.

Por Norma Palomino del Sector de Conocimiento y Aprendizaje del Banco Interamericano de Desarrollo