Valor agregado en la educación superior colombiana: una revisión de la contribución de los programas y las instituciones a la calidad educativa
Resumen
El valor agregado es una medida de la contribución de las instituciones al logro académico de los estudiantes. Sin embargo, las medidas de valor agregado pueden ser imprecisas porque los mejores estudiantes intentan entrar a las universidades con mejor reputación y, por tanto, es más probable que estas instituciones obtengan mejores resultados. Para corregir la imprecisión de medida se requiere controlar por el historial del estudiante y su entorno socioeconómico para evaluar el efecto neto que está generando la institución sobre el logro; esto es, corregir por sesgo de selección. Este artículo presenta una propuesta de medición del valor agregado de las instituciones y programas de educación superior en Colombia a partir de la estimación de un modelo de regresión jerárquica y una metodología de evaluación de impacto conocida como Propensity Score Matching. Con este objetivo, compara el desempeño de los estudiantes en pruebas Icfes Saber 11 y Saber Pro presentadas en 2020. Los resultados indican que existen disparidades en la educación superior y hay evidencia de sesgo de selección; no obstante, al aplicar procedimientos de corrección, se demuestra que la mayor contribución institucional se concentra en la Corporación Universitaria Adventista, la Universidad la Gran Colombia en Armenia y la Universidad de la Sabana. El estudio amplía el debate a nivel de programa académico y presenta un listado de los que tienen mayor valor agregado a nivel nacional.
Citas
Alexander, L., Lopez, B., Richetti-Masterson, K. y Yeatts, K. (2015). Selection Bias. https://sph.unc.edu/wp-content/uploads/sites/112/2015/07/nciph_ERIC13.pdf
Arnott, R. y Rowse, J. (1987). Peer group effects and educational attainment. Journal of Public Economics, 32(3), 287-305. doi: https://doi.org/10.1016/0047-2727(87)90034-X DOI: https://doi.org/10.1016/0047-2727(87)90034-X
Austin, P. (2011). An Introduction to Propensity Score Methods for Redcing the Effects of Confounding in Observational Studies. Multivariate Behavioral Research, 46(3), 399-424. doi:https://doi.org/10.1080%2F00273171.2011.568786 DOI: https://doi.org/10.1080/00273171.2011.568786
Balcázar, C. y Ñopo, H. (2016). Broken Gears: The Value Added of Higher Education on Teachers' Academic Achievement. Higher Education, 72, 341-361. doi: https://doi.org/10.1007/s10734-015-9960-0 DOI: https://doi.org/10.1007/s10734-015-9960-0
Bartholo, T., Kolinsky, M., Tymms, P. y Lopez, D. (2023). Learning loss and learning inequality during the Covid-19 pandemic. Ensaio: Avaliação e Políticas Públicas em Educação, 31(119), 1-24. doi: https://doi.org/10.1590/S0104-40362022003003776 DOI: https://doi.org/10.1590/s0104-40362022003003776
Benedetto, U., Head, S., Angelini, G. y Blackstone, E. (2018). Statistical primer: propensity score matching and its alternatives. European Journal of Cardio-Thoracic Surgery, 53, 1112-1117. doi: https://doi.org/10.1093/ejcts/ezy167 DOI: https://doi.org/10.1093/ejcts/ezy167
Bernal, R. y Peña, X. (2011). Guía práctica para la evaluación de impacto. Ediciones Uniandes.
Blankenberger, B., Gelhausen, S. y Lichtenberger, E. (2021). Improving Institutional Evaluation Methods: Comparing Three Evaluations Using PSM, Exact and Coarsened Exact Matching. Research in Higher Education, 62, 1248-1275. doi: https://doi.org/10.1007/s11162-021-09632-0 DOI: https://doi.org/10.1007/s11162-021-09632-0
Bogoya, J. y Bogoya, J. (2013). An academic value-added mathematical model for higher education in Colombia. Ingeniería e investigación, 33(2), 76-81. doi: https://doi.org/10.15446/ing.investig.v33n2.39521 DOI: https://doi.org/10.15446/ing.investig.v33n2.39521
Bogoya, J., Bogoya, J. y Peñuela, A. (2017). Value-added in higher education: ordinary least squares and quantile regression for a Colombian case. Ingenería e Investigación, 37(3), 30-36. doi: https://doi.org/10.15446/ing.investig.v37n3.61729 DOI: https://doi.org/10.15446/ing.investig.v37n3.61729
Campos Torres, J., Carrillo Cárdenas, C., Otero Ceballos, M. y Risueño Rueda, M. (2017). Valor agregado en la educación de la Universidad Nacional de Colombia. Revista papeles, 9(17), 107-118. DOI: https://doi.org/10.54104/papeles.v9n17.476
Cheung, K., Sit, P., Zheng, J., Lam, C. y Mak, S. (2024). A machine-learning model of academic resilience in the times of the Covid-19 pandemic: Evidence drawn from 79 countries/economies in the PISA 2022 mathematics study. British Journal of Educational Psychology, 94(4), 1224-1244. doi: https://doi.org/10.1111/bjep.12715 DOI: https://doi.org/10.1111/bjep.12715
Cunha, J. y Miller, T. (2014). Measuring value-added in hugher education: Possibilities and limitations in the use of administrative data. Economics of Education Review, 42, 64-77. doi: https://doi.org/10.1016/j.econedurev.2014.06.001 DOI: https://doi.org/10.1016/j.econedurev.2014.06.001
Díaz-Palacios, J. (2015). Re-significación y re-conceptualización de la categoría calidad educativa: una nueva mirada, una nueva perspectiva. Revista Colombiana de Educación, (68), 173-194. doi: https://doi.org/10.17227/01203916.68rce173.194 DOI: https://doi.org/10.17227/01203916.68rce173.194
Duarte, J., Godoy, S. y Dueñas, X. (2016). Valor agregado en la educación primaria y secuendaria: siguiendo cohortes en el tiempo. Comunicaciones en Estadística, 9(1), 11-41. doi: https://doi.org/10.15332/s2027-3355.2016.0001.01 DOI: https://doi.org/10.15332/s2027-3355.2016.0001.01
Ehsan, M. (2024). Impact of Covid-19 Lockdowns on Learning Losses: Structural and Individual Factors. https://www.proquest.com/openview/23eb1a24342ef4de064a5168621eafb9/1?pq-origsite=gscholar&cbl=2026366&diss=y
Engzell, P., Frey, A. y Verhagen, M. (2020). Learning Inequality During the Covid-19 Pandemic. https://ideas.repec.org/p/osf/socarx/ve4z7.html#download
Heckmann, J. (1990). Selection Bias and Self-selection. En: J. Eatwell, M. Milgate y P. Newman, Econometrics (pp. 201-224). Palgrave Macmillan. DOI: https://doi.org/10.1007/978-1-349-20570-7_29
Icfes. (2021). Resultados únicos Saber Pro. https://www.datos.gov.co/d/u37r-hjmu
Iyer, L., Bharadwaj, S, Shetty, S., Verma, V. y Devanathan, M. (2022). Advancing Equity in Digital Classrooms: A Personalized Learning Framework for Higher Education Institutions. En: M. García, Socioeconomic Inclusion During an Era of Online Education (pp. 225-245). IGI Global. DOI: https://doi.org/10.4018/978-1-6684-4364-4.ch011
Liu, L., Bridgeman, B. y Adler, R. (2012). Measurig learning outcomes in higher education: motivation matters. Educational Researcher, 41(9), 352-362. doi: https://doi.org/10.3102/0013189X12459679 DOI: https://doi.org/10.3102/0013189X12459679
Manzi, J., San Martin, E. y Van Bellegem, S. (2013). School System Evaluation by Value Added Analysis Under Endogeneity. Psychometrika, 79, 130-153. doi: http://dx.doi.org/10.1007/s11336-013-9338-0 DOI: https://doi.org/10.1007/s11336-013-9338-0
Meisel, A. y Granger, A. (2022). Transición demográfica y sus consecuencias en la matrícula universitaria en Colombia. Economía y Región, 14(1), 1-34. doi: http://dx.doi.org/10.32397/er.vol14.n1.1 DOI: https://doi.org/10.32397/er.vol14.n1.1
Mendoza, F., Pico, C. y Arias, N. (2024). Entorno socioeconómico y resiliencia académica en la educación superior colombiana. Revista Iberoamericana de Educación Superior, 15(43), 123-140. doi: https://doi.org/10.22201/iisue.20072872e.2024.43.1781 DOI: https://doi.org/10.22201/iisue.20072872e.2024.43.1781
Monroy, A., Aguirre, C. y Espitia, A. (2018). Propuesta metodológica para identificar el valor agregado de programas de ingeniería a partir del análisis de resultados de pruebas estandarizadas. Revista Educación en Ingeniería, 13(25), 102-107. doi: http://dx.doi.org/10.26507/rei.v13n25.868 DOI: https://doi.org/10.26507/rei.v13n25.868
OCDE. (2008). Measuring improvements in Learning Outcomes: Best practices to assess the value added of schools. París: OCDE. DOI: https://doi.org/10.1787/9789264050259-en
Organización Mundial de la Salud. (19 de mayo de 2020). Concluye una histórica Asamblea de la Salud con el compromiso mundial de respuesta a la covid-19. https://www.who.int/es/news/item/19-05-2020-historic-health-assembly-ends-with-global-commitment-to-covid-19-response
Owusu, Y. y Larbi, O. (2017). Measuring Students’ Learning using a Value Added Approach. Africa Education Review, 15(4), 99-117. doi: https://doi.org/10.1080/18146627.2016.1224582 DOI: https://doi.org/10.1080/18146627.2016.1224582
Perna, L. y Thomas, S. (2006). A Framework for Reducing the College Success Gap and Promoting Success for All. National Postsecondary Education Cooperative. https://nces.ed.gov/npec/pdf/Perna_Thomas_Report.pdf
Ramírez, C. (2014). Factores asociados al desempeño académico según nivel de formación pregrado y género de los estudiantes de educación superior Colombia. Revista Colombiana de Educación, (66), 201-222. doi: https://doi.org/10.17227/01203916.66rce201.222 DOI: https://doi.org/10.17227/01203916.66rce201.222
Rincón, C. y Espitia, A. (2022). La Educación Superior de colombia en riesgo: ¿Dónde están los estudiantes? Ecos de Economía, 24(51), 4-28. doi: https://doi.org/10.17230/ecos.2020.51.1 DOI: https://doi.org/10.17230/ecos.2020.51.1
Roback, P. y Legler, J. (2021). Beyond Multiple Linear Regression: Applied Generalized Linear Models and Multilevel Models in R. Taylor & Francis Group. DOI: https://doi.org/10.1201/9780429066665
Rodríguez Revilla, R. (2015). Medición de valor agregado para la educación superior en Bogotá. https://repository.usta.edu.co/handle/11634/301 DOI: https://doi.org/10.15332/tg.mae.2020.0747
Rodríguez, R. y López, D. (2016). El valor agregado de la educación superior en la formación en segunda lengua en Colombia. Civilizar Ciencias Sociales y Humanas, 16(30), 119-136. doi: https://doi.org/10.22518/16578953.538 DOI: https://doi.org/10.22518/16578953.538
Rodríguez-Revilla, R. (2022). Valor agregado y las competencias genéricas de los estudiantes de educación superior en Colombia. Revista Iberoamericana de Educación Superior, 13(36), 44-62. doi: https://doi.org/10.7440/res64.2018.03 DOI: https://doi.org/10.22201/iisue.20072872e.2022.36.1183
Rosenbaum, P. y Rubin, D. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55. doi: https://doi.org/10.2307/2335942 DOI: https://doi.org/10.1093/biomet/70.1.41
Schiltz, F., Sestito, P., Agasistit, T. y De Witte, K. (2018). The added value of more accurate predictions for school rankings. Economics of Education Review, 67, 207-215. doi: https://doi.org/10.1016/j.econedurev.2018.10.011 DOI: https://doi.org/10.1016/j.econedurev.2018.10.011
Shavelson, R., Domingue, B., Mariño, J., Molina, A., Morales, A. y Wiley, E. (2016). On the practices and challenges of measuring higher education value-added: the case of Colombia. Assesment and Evaluation in Higher Education, 41(5), 695-720. doi: https://doi.org/10.1080/02602938.2016.1168772 DOI: https://doi.org/10.1080/02602938.2016.1168772
Sparks, R. (2011). A Value-Added Model to Measure Higher Education Returns On Gvernment Investment. Contemporary Issues in Education Research, 4(2), 15-22. doi: https://doi.org/10.19030/cier.v4i2.4078 DOI: https://doi.org/10.19030/cier.v4i2.4078
Steedle, J. (2012). Selecting value-added models for postsecondary institutional assesment. Assesment and Evaluation in Higher Education, 37(6), 637-652. doi: https://doi.org/10.1080/02602938.2011.560720 DOI: https://doi.org/10.1080/02602938.2011.560720
Tam, M. (2004). Using Students' Self-reported Gains as a Measure of Value-Added. Quality in Higher Education, 10(3), 253-260. doi: https://doi.org/10.1080/1353832042000299531 DOI: https://doi.org/10.1080/1353832042000299531
Tam, M. (2010). Measuring Quality and Performance in Higher Education. Quality in Higher Education, 7(1), 47-54. doi: https://doi.org/10.1080/13538320120045076 DOI: https://doi.org/10.1080/13538320120045076
Velasco, F. (2006). Modelo lineal general jerárquico. Revista de ciencias básicas UJAT, 4(2), 20-28. https://dialnet.unirioja.es/descarga/articulo/9493621.pdf
Zerpa, C. y Rodríguez-Montoya, C. (2024). Disminución de la matrícula universitaria por deserción: una revisión estructurada. Ciencia y Educación, 8(1), 59-78. doi: https://doi.org/10.22206/cyed.2024.v8i1.2920 DOI: https://doi.org/10.22206/cyed.2024.v8i1.2920
Descargas
Derechos de autor 2026 Revista Colombiana de Educación
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
