CORPORACIÓN UNIFICADA NACIONAL DE EDUCACIÓN SUPERIOR CUN
INGENIERIA DE SISTEMAS
PROYECTO DE AULA - ESTADÍSTICA DESCRIPTIVA
51179
TÍTULO DEL PROYECTO
ANÁLISIS ESTADÍSTICO DEL RENDIMIENTO ACADÉMICO DE ESTUDIANTES EN UN
CURSO DE MATEMÁTICAS
AUTOR
MANUEL TORRES ECHAVEZ
FECHA
16 DE MARZO DE 2025
RESUMEN
Este estudio se enfoca en un análisis detallado del rendimiento académico de los
estudiantes en un curso de matemáticas, aplicando herramientas avanzadas de
estadística descriptiva para identificar tendencias, variabilidad, correlaciones y
posibles valores atípicos en las calificaciones. Se trabajó con una muestra
representativa de 50 estudiantes, analizando sus calificaciones mediante medidas de
tendencia central (media, mediana, moda), medidas de dispersión (desviación
estándar, varianza, coeficiente de variación) y pruebas de normalidad para evaluar la
distribución de los datos. Además, se generaron representaciones gráficas como
histogramas, diagramas de caja y diagramas de dispersión, con el fin de facilitar la
interpretación visual de los resultados.
Los hallazgos de este estudio ofrecen información valiosa para mejorar las estrategias
pedagógicas, permitiendo la identificación de patrones de desempeño, factores de
riesgo y oportunidades de mejora en la enseñanza. Asimismo, se plantea un modelo
predictivo basado en análisis de regresión para estimar el rendimiento académico en
función de variables como la asistencia, la participación en clase y el uso de recursos
complementarios. Finalmente, se presentan recomendaciones para futuras
investigaciones y metodologías innovadoras que puedan mejorar la enseñanza de las
matemáticas a nivel universitario, promoviendo un aprendizaje más eficiente y
equitativo.
Palabras clave: rendimiento académico, estadística descriptiva, análisis de regresión,
enseñanza de matemáticas, distribución normal.
INTRODUCCIÓN
El rendimiento académico es un aspecto crucial dentro del ámbito educativo, ya que
permite evaluar la efectividad de los métodos de enseñanza, identificar problemas en
el proceso de aprendizaje y proponer soluciones basadas en datos para mejorar los
resultados de los estudiantes. La estadística descriptiva se presenta como una
herramienta esencial en este contexto, al proporcionar información cuantificable y
objetiva sobre el desempeño estudiantil.
Este estudio tiene como objetivo principal evaluar la distribución de las calificaciones
en un curso universitario de matemáticas, identificando patrones, valores atípicos y
niveles de dispersión. A través de un enfoque cuantitativo basado en análisis
estadísticos rigurosos, se busca comprender mejor los factores que influyen en el
desempeño de los estudiantes, identificar grupos de riesgo y generar estrategias
fundamentadas para mejorar la enseñanza de la materia. Además, se exploran nuevas
metodologías pedagógicas que podrían implementarse en futuras ediciones del curso
para optimizar los resultados académicos.
PLANTEAMIENTO DEL PROBLEMA
El análisis del rendimiento académico en educación superior es fundamental para
mejorar la enseñanza y desarrollar estrategias que ayuden a los estudiantes a alcanzar
mejores resultados. Sin embargo, en muchas ocasiones, los datos relacionados con
las calificaciones no son analizados en profundidad, lo que limita la posibilidad de
tomar decisiones informadas sobre el proceso educativo.
El rendimiento académico de los estudiantes puede verse influenciado por diversos
factores, como la metodología de enseñanza, la disponibilidad de recursos, el
compromiso del estudiante y el entorno académico en general. Sin un análisis
detallado de estos elementos, es difícil establecer estrategias efectivas para mejorar la
calidad de la educación.
Además, la falta de estudios específicos sobre la distribución de calificaciones en
cursos universitarios de matemáticas impide conocer con precisión los patrones de
aprendizaje de los estudiantes. Comprender estos patrones permitiría identificar
grupos de alto y bajo desempeño, detectar dificultades comunes y desarrollar
intervenciones pedagógicas más precisas.
Este estudio busca responder preguntas clave sobre la distribución de las
calificaciones y su relación con factores adicionales como la asistencia y la
participación en clase. Se espera que los resultados obtenidos puedan contribuir a
mejorar la planificación académica, optimizar la enseñanza de las matemáticas y
diseñar estrategias pedagógicas más efectivas.
OBJETIVOS
El propósito central de esta investigación es analizar el rendimiento académico de los
estudiantes en un curso de matemáticas mediante herramientas de estadística
descriptiva y modelos predictivos, proporcionando información relevante para la
optimización del proceso de enseñanza y aprendizaje.
Para lograrlo, se han definido los siguientes objetivos específicos:
Recopilar y organizar datos de calificaciones de los estudiantes.
Calcular medidas de tendencia central y dispersión para caracterizar la
distribución de las calificaciones.
Evaluar la normalidad de la distribución de los datos.
Representar gráficamente la distribución de datos mediante histogramas,
diagramas de caja y diagramas de dispersión.
Identificar valores atípicos y evaluar su impacto en el rendimiento académico
general.
Analizar la relación entre las calificaciones y otras variables como asistencia y
participación.
Aplicar modelos de regresión para predecir el rendimiento académico en
función de diferentes variables.
Proponer estrategias basadas en evidencia estadística para mejorar el
desempeño estudiantil.
Desarrollar recomendaciones metodológicas para la enseñanza de
matemáticas basadas en los hallazgos obtenidos.
METODOLOGÍA
Este estudio se basa en una metodología cuantitativa con un enfoque aplicado, dado
que busca analizar el rendimiento académico de los estudiantes a partir de datos
reales obtenidos en un curso universitario de matemáticas. La investigación es de tipo
descriptiva, ya que su objetivo principal es caracterizar el comportamiento de las
calificaciones mediante técnicas estadísticas.
Para la recolección de datos, se trabajó con una muestra de 50 estudiantes,
registrando sus calificaciones a lo largo del curso. Se emplearon herramientas de
análisis estadístico como Python y Excel para calcular medidas de tendencia central,
dispersión y correlaciones.
También se generaron representaciones gráficas como histogramas y diagramas de
caja para facilitar la interpretación de los resultados.
Además, se realizaron demostraciones matemáticas para validar las fórmulas
utilizadas en el análisis, asegurando la rigurosidad del estudio. Se aplicaron pruebas de
normalidad como la prueba de Shapiro-Wilk y la prueba de Kolmogorov-Smirnov para
verificar la distribución de los datos. Asimismo, Python fue empleado para realizar
simulaciones y evaluar la variabilidad de los datos mediante la generación de
distribuciones aleatorias y pruebas estadísticas adicionales.
RESULTADOS Y ANÁLISIS
Los resultados del estudio muestran que la media de las calificaciones se encuentra
en un rango medio-alto, con una dispersión moderada. El análisis gráfico reveló una
distribución ligeramente sesgada, indicando que algunos estudiantes presentan
dificultades significativas. Los diagramas de caja permitieron detectar valores atípicos
que pueden requerir intervención pedagógica. Además, se observó una correlación
positiva entre asistencia y calificaciones, lo que sugiere que la participación en clase
influye en el rendimiento académico.
Problema Matemático:
Un grupo de 50 estudiantes presentó las siguientes estadísticas en sus calificaciones
finales:
Media: 75
Desviación estándar: 10
Si se asume que las calificaciones siguen una distribución normal, ¿qué porcentaje de
estudiantes obtuvo una calificación superior a 85?
Aplicando la fórmula de estandarización:
Usando la tabla de distribución normal estándar, la probabilidad acumulada hasta un
valor de Z=1Z=1 es aproximadamente 0.8413. Por lo tanto, el porcentaje de estudiantes
con calificaciones superiores a 85 es:
1 − 0.8413 = 0.1587
Es decir, aproximadamente el 15.87% de los estudiantes obtuvo una calificación
superior a 85.
CONCLUSIONES
El análisis del rendimiento académico en el curso de matemáticas permitió identificar
patrones en la distribución de las calificaciones y su relación con factores clave como
la asistencia y la participación en clase. Los resultados mostraron que la mayoría de
los estudiantes obtienen calificaciones cercanas a la media, con una variabilidad
moderada en el desempeño. A través de la aplicación de herramientas estadísticas
como medidas de tendencia central, dispersión y pruebas de normalidad, se pudo
validar que los datos siguen una distribución aproximadamente normal, lo que permite
realizar inferencias y predicciones sobre el rendimiento de futuros estudiantes.
Asimismo, se evidenció que la asistencia regular y la participación en clase tienen una
correlación positiva con mejores calificaciones, lo que sugiere la necesidad de reforzar
estrategias que fomenten la interacción de los estudiantes en el proceso de
aprendizaje. Los valores atípicos identificados indican la presencia de estudiantes con
un desempeño significativamente alto o bajo, lo que sugiere la importancia de
intervenciones dirigidas a grupos en riesgo académico.
Por otro lado, la aplicación de modelos de regresión permitió predecir el rendimiento
académico con base en diferentes variables, lo que demuestra la utilidad de la
estadística en la planificación educativa. Finalmente, se concluye que el uso de
herramientas tecnológicas y metodologías basadas en datos puede contribuir a la
optimización de la enseñanza de las matemáticas a nivel universitario.
RECOMENDACIONES
Implementación de estrategias de seguimiento académico: Se recomienda diseñar
programas de tutoría y acompañamiento para estudiantes con calificaciones bajas,
con el fin de mejorar su desempeño y reducir la variabilidad en los resultados.
Fomento de la participación activa en el aula: Se sugiere incentivar la interacción
mediante actividades prácticas, debates y metodologías como el aprendizaje basado
en problemas (ABP), lo que podría mejorar significativamente la comprensión de los
conceptos matemáticos.
Uso de herramientas tecnológicas: La incorporación de software estadístico como
Python y MATLAB en la enseñanza puede facilitar la comprensión de los conceptos y
permitir un análisis más profundo de los datos académicos.
Evaluaciones formativas y personalizadas: Se recomienda la implementación de
exámenes diagnósticos al inicio del curso para identificar el nivel de conocimientos de
los estudiantes y adaptar el contenido a sus necesidades.
Investigaciones futuras: Se sugiere realizar estudios adicionales que incluyan otras
variables como el tiempo de estudio, el uso de recursos digitales y la metodología de
enseñanza empleada, para profundizar en el análisis del rendimiento académico y
mejorar las estrategias pedagógicas.
REFERENCIAS
Montgomery, D. C., & Runger, G. C. (2018). Applied Statistics and Probability for
Engineers. John Wiley & Sons.
Moore, D. S., Notz, W. I., & Fligner, M. A. (2018). The Basic Practice of Statistics.
Macmillan.
ANEXOS
Códigos fuente utilizados en Python para análisis de datos.
Demostraciones matemáticas adicionales para validación de los resultados obtenidos.