Desigualdades regionales y sociales del rendimiento
escolar al término de la educación primaria en el Perú
Luis Muelle
Consultor en Educación
luismuelle@yahoo.com
Recibido: 15-05-2018
Aprobado: 03-02-2019
R E V I S T A P E R U A N A D E I N V E S T I G A C I Ó N E D U C A T I V A
2 0 1 8 , N o . 1 0 , p p . 1 2 7 - 1 5 7
128 I
luis muelle
Desigualdades regionales y sociales del rendimiento escolar
al término de la educación primaria en el Perú
Resumen
La evaluación de aprendizajes aplicada en la Encuesta Muestral 2013 a
los alumnos de sexto grado de primaria en las competencias de Lectura,
Matemática y Ciudadanía permite conocer la dimensión de las desigualdades
en los rendimientos académicos, en particular, a nivel regional, así como la
inuencia que ejercen su perl socioeconómico y la composición social de las
escuelas a las que asiste. Los resultados evidencian que el mayor rendimiento
escolar se asocia positivamente con la condición socioeconómica del alumno,
quien se benecian relativamente más si ya posee una mejor posición social.
El vínculo entre rendimiento escolar y condición socioeconómica se observa
de manera más explícita en la composición social de las escuelas: los alumnos
socialmente favorecidos asisten a escuelas favorecidas y obtienen siempre
mejores rendimientos en todas las competencias.
A nivel regional, el impacto social sobre el rendimiento es distinto según
cada región y cada competencia, y se constata que la ventaja en los logros
académicos de la escuela privada sobre la pública persiste y alcanza brechas
importantes. También, se observa que hay regiones socialmente más igualitarias
con menor rendimiento, así como regiones menos igualitarias, pero con mayor
rendimiento. Con diferentes magnitudes, existen diferencias al interior de las
regiones y entre regiones, en la medida que estas atienden tanto alumnos como
escuelas socialmente diferentes.
Ciertamente, un sistema educativo resulta más eciente y equitativo
cuanto mayor sean sus logros y menor sea la inuencia de las condiciones
sociales del alumno y de la escuela, pero la dimensión de estas desigualdades
en las regiones del país reclama intervenciones de políticas educativas urgentes
desde la educación primaria.
Palabras clave: Capital humano, rendimiento escolar, desigualdad
regional, composición social
I 129
desigualdades regionales y sociales del rendimiento escolar
Regional and social inequalities in student achievement
at the last grade of primary education in Peru
Abstract
e 2013 Survey Sample assessment in Reading, Mathematics and Citizenship
competences applied to students at the end of Peruvian primary school cycle
shows the inuence of the student socio-economic prole and the school social
composition, as well as the inequalities of achievement, particularly, at the
regional level. e results evidence that the highest school performance is positively
associated with the socioeconomic condition of the student, who benets relatively
more if he/she already belongs to high socioeconomic class. e connection between
school performance and socioeconomic condition inuences the school’s social
composition: socially privileged students attend privileged schools and always
obtain better performances in all the academic competences.
At the regional level, the social impact on the performance of students is
dierent according to each region and to each competition. e advantage in
performance of private schools over public schools persists: between the former and
the latter, there are important gaps. Moreover, there are socially more egalitarian
regions with lower performance, but also less egalitarian regions with higher
performance. With dierent magnitudes, these dierences occur within and
between regions to the extent that students and school are also socially dierent.
ere is a consensus that an education system is more ecient and equitable
according to its achievements and the lesser the inuence of the social status of the
student. Nonetheless, the persistence of social inequalities on achievements in the
country’s regions calls for urgent educational policy action, specially, in the case
of primary schools.
Keywords: Human capital, student achievement, regional inequality, social
composition
130 I
luis muelle
Introducción
Desde hace tiempo, la investigación en educación intenta identicar en qué
medida los logros del aprendizaje obedecen a la inuencia de los factores so-
ciales asociados a los procesos educativos. Dentro de este campo de estudio,
la desigualdad social frente a la escuela se convierte en un tema importante a
considerar en la implementación de toda política de educación. Ciertamente,
el país ha realizado progresos en el acceso al sistema escolar —en particular, la
educación primaria—, pero la desigualdad de los rendimientos de los alumnos
persiste cuando estas se asocian a aspectos como la localización geográca, la
gestión de la escuela, el género, la lengua, entre otros. Cada vez, hay un mayor
consenso acerca de cuáles son los factores importantes que originan estas des-
igualdades, tales como el contexto social del alumno y la composición social
de las escuelas.
En el Perú, las evaluaciones de alumnos, a cargo de la Unidad de Medición
de la Calidad de los Aprendizajes (UMC) del Ministerio de Educación, tienen
un carácter tanto censal como muestral. Estas evaluaciones se aplican en gra-
dos y niveles representativos a escala nacional. La Evaluación Censal de Estu-
diantes (ECE) de segundo y cuarto grado de primaria (Lectura y Matemáticas)
y segundo grado de secundaria (Lectura, Matemáticas, Historia/Geografía/
Economía) se ejecuta desde el 2007. También, se ha realizado evaluaciones
muestrales en los años 1996, 1998, 2001 y 2004. La última evaluación muestral
con datos disponible a la fecha de este estudio es la del 2013.
En cuanto a las regiones, el sistema educativo nacional tiene un carácter
descentralizado. Las Direcciones Regionales de Educación (DRE) cuentan con
importantes niveles de autonomía frente al Gobierno nacional y, por lo mismo,
el impacto de su gestión resulta importante.
Las evaluaciones muestrales contienen información más detallada sobre
aspectos sociales de alumnos y escuelas que las evaluaciones censales, lo cual
favorece un análisis más minucioso sobre los factores sociales que encuadran
los aprendizajes. Por este motivo, para los propósitos de este trabajo, se utili-
zará la base de datos, que será denominada UMC-EM 2013. Esta evaluación
tuvo como objetivos principales informar acerca de los logros de aprendizaje
de alumnos en sexto grado de primaria en las competencias de lectura, es-
critura, matemática y ciudadanía. La decisión de conducir una evaluación en
sexto grado apunta a identicar en qué medida los alumnos que están próxi-
mos a concluir el quinto ciclo de la Educación Básica Regular (EBR) —nal del
ciclo— han desarrollado las capacidades establecidas en el currículo nacional.
De este modo, es posible facilitar las decisiones de política para mejorar la
calidad de los aprendizajes.
Este trabajo pretende favorecer la implementación de políticas de educa-
ción aportando respuestas a las cuestiones sobre las desigualdades sociales en
la escuela, a partir de los resultados de los aprendizajes a nivel de la región. En
I 131
desigualdades regionales y sociales del rendimiento escolar
función de ello, en primer lugar, el estudio propone analizar la inuencia de la
condición socioeconómica de los alumnos y de las escuelas sobre las desigual-
dades del rendimiento académico en el último grado de educación primaria y
en cada región del país para apreciar la magnitud de su impacto. En segundo
lugar, busca contribuir a incorporar la dimensión regional en la discusión so-
bre la desigualdad y la equidad del rendimiento. El propósito es caracterizar las
brechas existentes entre las regiones de administración del sistema de educa-
cional nacional.
En la siguiente sección, se presenta la literatura aferente a los propósi-
tos de este estudio. Luego, se desarrolla el marco metodológico que preside
la selección de variables y métodos que permiten asociar los perles sociales
de alumnos y escuelas con el desempeño académico. Luego, se muestran los
resultados del análisis con énfasis en la diversidad regional, según cada una de
las tres competencias evaluadas por la UMC-EM 2013. Finalmente, se plantean
las conclusiones y las reexiones que pretenden contribuir con la construcción
de políticas educativas.
Revisión de literatura
Una breve revisión de la literatura sobre los condicionantes sociales del rendi-
miento académico tanto en el ámbito nacional como internacional da cuenta
de la abundante disponibilidad de información desde la época de Coleman et
al. (1966) y Bourdieu (1970). En efecto, múltiples estudios se han dedicado
a demostrar la inuencia preponderante de los antecedentes sociales de los
alumnos sobre las desigualdades en el acceso, la permanencia y el rendimiento
en todos los niveles del sistema educativo.
La conocida y extensa revisión metanalítica efectuada por Sirin (2005)
sobre la literatura académica publicada entre los años 1990 y 2000 destaca la
abundancia de trabajos que abordan el vínculo entre la condición social del
alumno y el logro académico. Rumberger y Palardy (2005), por su parte, iden-
tican que la composición social de la escuela ejerce una inuencia mayor en
el rendimiento académico que el origen social alumno. A este factor se suman
las expectativas docentes, las tareas escolares, la cobertura curricular, el clima
escolar y el tipo de gestión de las escuelas. Otros estudios conrman la impor-
tancia del origen social del alumnado que escolariza cada tipo de escuelas y
que congura su composición socioeconómica (Calero, Escardíbul, Waisgrais
y Mediavilla, 2007; Monseur y Crahay, 2008).
Desde una perspectiva económica, Hanushek y Woessmann (2011) des-
tacan la literatura económica emergente que incorpora los resultados de las
pruebas nacionales internacionales de logro educativo para analizar los deter-
minantes del impacto económico de las competencias cognitivas de jóvenes y
adultos, y comprobar así los efectos del capital humano en la distribución del
ingreso y el crecimiento económico de un país.
132 I
luis muelle
A nivel internacional, es importante la encuesta Terce (Unesco), que eva-
luó a los alumnos de tercero y sexto grado en 15 países de América Latina
1
en
el año 2013. En sexto grado, fueron evaluadas las competencias de Lectura,
Matemática y Ciencias. En el Perú, se evaluó a aproximadamente 9950 estu-
diantes de 297 escuelas; además, se aplicó cuestionarios a los estudiantes, do-
centes, directores y padres de familia
2
. El informe de este estudio concluye que
el desempeño de los alumnos de la región latinoamericana está principalmente
inuenciado por sus características sociales. La magnitud y la fuerza de la re-
lación existente entre logros académicos y nivel socioeconómico son los fac-
tores que visibilizan las amplias desigualdades de resultados. Estos resultados
internacionales se alinean con los resultados nacionales, como se desarrollará
adelante.
En el Perú, Cueto, León y Miranda (2014) dan cuenta de un vacío en la
literatura sobre la diferenciación social de las escuelas y destacan el trabajo
de Benavides, León y Etesse (2014), quienes, con datos de las encuestas Pisa
2000 y 2009, observan un cambio en la segregación escolar en las escuelas de
secundaria. Los autores comprueban que, en ese período, dicha brecha se ha
incrementado en el país, a diferencia de Argentina, Chile y Brasil, donde se ha
reducido o mantenido (Benavides, León y Etesse, 2014).
Asimismo, los trabajos de Miranda (2008), Cueto (2007), Guadalupe y
Castillo (2014), y Muelle (2016) en el Perú, con diferentes enfoques y méto-
dos, destacan los diversos grados de inuencia de los factores sociales. En ese
marco, vale mencionar el balance de estudios realizado por León y Collahua
(2016), quienes presentan un metanálisis que abarca los años 2000 a 2014. Los
autores identican 28 estudios que muestran el mayor efecto de la composi-
ción socioeconómica de la escuela sobre el logro con respecto al propio nivel
socioeconómico del alumno y sugieren integrar esta composición como as-
pecto insoslayable de los factores asociados al logro. También, León y Youn
(2016), en sus análisis del modelo multinivel sobre el rendimiento de alumnos,
resaltan la presencia signicativa de las variables que se reeren a procesos
escolares, tales como el clima disciplinario en clase y el sentido de pertenencia
a la escuela.
En cuanto a las regiones, resalta notablemente el estudio de Guadalupe
y Castillo (2014) sobre las disparidades educativas aproximadas a través de la
Evaluación Censal de Estudiantes. Esta investigación considera importantes
los aspectos vinculados con (a) las disparidades socioeconómicas entre regio-
nes, (b) el acompañamiento y supervisión educativos, (c) los patrones de asen-
tamiento poblacional y costos asociados al desplazamiento de personas, (d) el
acceso a la educación inicial, y (e) aspectos de gestión vinculados tanto con
1. La encuesta se aplicó en Argentina, Brasil, Chile, Colombia, Costa Rica, Ecuador,
Guatemala, Honduras, México, Nicaragua, Panamá, Paraguay, Perú, República
Dominicana y Uruguay, más el Estado de Nuevo León (México).
2. Se puede consultar los informes en <http://umc.minedu.gob.pe/terce-2013/>.
I 133
desigualdades regionales y sociales del rendimiento escolar
los directores de escuela como con las políticas de incentivos implementadas
por algunas Direcciones Regionales. Asimismo, para analizar los desempeños
estudiantiles de manera contextualizada, estos son abordados con temas como
la distribución regional del PIB, los Proyectos Educativos Regionales (PER), el
índice de necesidad básica insatisfecha (NBI), el gasto público por alumno en
primaria, entre otros.
Para enmarcar el presente estudio, es preciso presentar brevemente los
propios resultados de la UMC-EM 2013. En efecto, el respectivo informe téc-
nico (UMC, 2014) y el informe ocial (UMC, 2016)
3
presentan y discuten in
extenso los resultados obtenidos y los métodos analíticos aplicados. El segundo
plantea la relación entre los puntajes obtenidos en las competencias y dicho
rendimiento con el índice socioeconómico, según el tipo de gestión (estatal/
no estatal) y el área (urbana/rural) de la escuela (que es denominada como
institución educativa o IE). En suma, establece la relación entre el rendimiento
inicial y nal de la primaria en el tiempo.
Con el propósito de incorporar otras características socioeconómicas de
los alumnos, sus familias y las escuelas a las que pertenecen, se complementa el
análisis teniendo en cuenta las características de los principales actores educa-
tivos (director, docente, estudiante y padres de familia). Dichas características
han sido recogidas mediante cuestionarios de factores asociados. A partir de
ello, se presenta una serie de modelos de factores asociados, que resultaron ser
estadísticamente signicativos para explicar las diferencias en el rendimiento
con el uso del análisis multinivel.
Al respecto, conviene registrar la siguiente armación del informe:
Finalmente, a modo de resumen, se puede señalar que los resultados
dan evidencias muy claras, en todos los casos, de que solo una pequeña
proporción de estudiantes a nivel nacional logra los aprendizajes espe-
rados para el nal de la primaria. En todas las competencias evaluadas,
se repite un patrón similar en la distribución de los resultados: quienes
obtienen los resultados más bajos son los estudiantes que tienen una
lengua originaria, que estudian en escuelas rurales fundamentalmente
multigrado, y que viven en regiones ubicadas en la sierra sur y en la sel-
va del país. Es decir, estos resultados tienen una asociación signicativa
con los antecedentes sociales, culturales y económicos de los hogares de
los estudiantes evaluados (UMC, 2016, p. 37).
Dedicado a una perspectiva regional, también es necesario destacar el
breve estudio de la UMC (2016), con datos de la UMC-EM 2013. Este estudio
se concentra en la elaboración de modelos especícos del rendimiento dife-
renciados según las tres regiones geográcas: costa, sierra y selva. Estas regio-
nes incorporan las 26 regiones administrativas usuales. Los modelos incluyen
3. Este informe está disponible en <http://umc.minedu.gob.pe/evaluaciones-muestrales/>.
134 I
luis muelle
factores asociados contextuales del alumno y su familia, el docente y el director
de la escuela. Además de presentar las diferencias entre las tres regiones natu-
rales del país, el mencionado estudio destaca la incidencia de factores como el
género del alumno, la motivación y expectativas del alumno y padres, el índice
socioeconómico (ISE) del alumno y de la escuela, así como la formación y sa-
tisfacción laboral del docente.
Marco metodológico
La base de datos y muestra
La base de datos disponible públicamente proviene de la UMC-EM 2013, en-
cuesta muestral del Ministerio de Educación del Perú, aplicada a los alumnos
del último grado de educación primaria (sexto grado) en las escuelas represen-
tativas de todo el país para medir las competencias de Lectura, Matemáticas
y Ciudadanía
4
. La aplicación de cuestionarios de contexto permitió sondear
aspectos tales como las características de los alumnos, su familia, los docentes
y los directores. La muestra pública disponible fue de 66,584 observaciones. A
n de uniformizar las respuestas en las pruebas, en este trabajo, se ha seleccio-
nado los datos de aquellos alumnos que han respondido a las tres pruebas. De
este modo, la muestra nal resulta en 62,849 observaciones correspondientes
a 3017 escuelas.
Como es propio de las encuestas, la ausencia de información en los cues-
tionarios puede generar sesgos que afectan la inferencia estadística. Estos “va-
lores perdidos” pueden ser producto de preguntas no aplicadas, errores de
medición y de muestreo, conabilidad de preguntas y respuestas, registro de-
fectuoso de respuestas, entre otras razones. Aunque presentes en la base de da-
tos, en este trabajo, no se ha considerado usar metodologías particulares para
paliar la ausencia de información de estos valores perdidos.
El informe técnico (UMC, 2014) detalla la muestra probabilística comple-
ja, bietápica por conglomerados y estraticada que sustenta la encuesta mues-
tral. Una estraticación por tamaño de conglomerado incorpora de manera
independiente cada Dirección Regional de Educación. Además, se consideran
como estratos implícitos la gestión, el área de localización y las características
monodocente/polidocente. En este diseño, un conglomerado es una institu-
ción educativa, la escuela. La selección de las escuelas en dos etapas —sistemá-
tica y, luego, aleatoria simple— permite niveles de inferencia con un margen
de error aceptable. A partir del análisis exhaustivo de las respuestas a los ítems,
de acuerdo con sus diversos grados de dicultad, evidencias de conabilidad
y validez, la UMC-EM 2013 construyó una escala numérica generada por el
modelo psicométrico de Rasch. Este modelo facilita la interpretación de los
4. También, se aplicó una prueba especial de escritura con un protocolo diferente a las
demás pruebas de competencias. Los resultados guran en otra base de datos.
I 135
desigualdades regionales y sociales del rendimiento escolar
resultados, mediante una escala de habilidad cuyo valor promedio convencio-
nalmente ha sido jado en 500 puntos y con una desviación estándar en 100
puntos.
Cabe mencionar la disponibilidad de un índice socioeconómico del alum-
no. Este índice ocial sintético —también, denominado ISE— es de gran utili-
dad para tratar de estimar las características del alumnado que pertenece a la
misma situación social y constituye, en este trabajo, el instrumento principal
que sirve de viga maestra para el análisis. El ISE utiliza información provenien-
te de los cuestionarios de factores asociados, y está constituido por un índice
de vivienda y acceso a servicios, un índice de recursos educativos en el hogar
y el nivel educativo de los padres. El índice es jerárquico, en la medida que
sus valores más altos corresponderían a mejores condiciones socioeconómicas.
Para uniformizar la diversidad de los elementos que entran en su construcción,
el índice ha sido estandarizado a un valor promedio de 0 y una desviación es-
tándar de 1; de esta manera, ha conservado métrica de variable continua. Estos
ítems fueron sometidos a un análisis estadístico de componentes principales
para datos categóricos y una amplia presentación se encuentra en el Reporte
Técnico (UMC, 2015).
Su utilidad se puede extender hacia el centro educativo, pues se puede
elaborar un ISE-escuela, sobre la base del promedio del puntaje ponderado
del índice socioeconómico de los alumnos pertenecientes a cada escuela. Los
valores de estos índices correspondientes a cada región guran en el Anexo 1.
Metodología
Como es usual, para respetar el carácter muestral de la encuesta, se considera
la variable peso muestral, que es el peso probabilístico del alumno en la mues-
tra dentro de la población. Luego, se incorpora la variable unidad primaria de
muestreo, que corresponde a la escuela y el estrato muestral que particiona a la
población estudiantil en diferentes grupos. Estos parámetros permiten calcular
la linealización de los estimados de la varianza. Esta información está disponi-
ble en la base pública de datos.
La selección de las variables está basada en la evidencia examinada en la
sección de revisión de la literatura. Por eso, como variables dependientes, se
utilizan los puntajes de los alumnos en cada una de las pruebas y, como cova-
riables asociadas, se ha seleccionado el ISE-alumno para analizar los efectos
de composición social. La mayoría de los análisis utilizan modelos estadísticos
lineales generalizados en su vertiente de regresión ordinaria lineal y regresión
multinivel.
El modelo básico es el siguiente:
Y
i
=β
o
+β
1
X
i1
+ β
2
X
i2
+ … β
p
X
ip
+ε
i
En esta fórmula, cada observación
i
=1, …, n.
136 I
luis muelle
La fórmula considera las n observaciones de la variable dependiente y las
p variables independientes. Entonces, Y
i
es la i
observación de la variable de-
pendiente y X
ij
es la i
observación de la j variable independiente, j= 1, 2, ...,p.
Los valores beta β
i
representan los parámetros a estimar y ε
i
es el error normal
de i.
Para respetar la estructura jerárquica de los datos de la encuestas —es
decir, de alumnos dentro de la escuela—, en el caso de estimación simultánea
de los dos índices socioeconómicos dentro de una ecuación lineal, se ha apli-
cado la regresión multinivel (Snijders y Bosker, 2012), que considera que los
alumnos se agrupan (están anidados) en escuelas. El modelo jerárquico lineal
o mixto —denominado HLM por sus siglas en inglés— permite identicar la
proporción de la varianza del rendimiento académico que ocurre intraescuelas
e interescuelas (correlación intraclase o ICC), como se presentará más adelante.
La ecuación es la siguiente: Yij=γ00+γ10(X
ij
)+[u0j+rij]
En dicha ecuación, el término u0j indica el efecto aleatorio a nivel 2, lo
cual representa la variación en el promedio del puntaje respectivo interescue-
las. El término r
ij
es el efecto aleatorio a nivel 1, que reeja la variación en el
promedio del puntaje respectivo intraescuelas.
La varianza en los rendimientos académicos que ocurre entre las escuelas
y la varianza de los residuos que ocurre al interior de las escuelas son conoci-
das como la varianza interescuela e intraescuela, respectivamente. La suma de
ambas es la varianza total de los logros. La relación entre ambas varianzas se
mide por el coeciente “rho” (ρ), llamado también “coeciente de correlación
intraclase” (ICC). Dicho coeciente se formula como la ratio de la varianza en-
tre escuelas con respecto a la varianza total y se expresa en la siguiente relación:
2
00
00
σ
τ
ρ=
τ+
Los puntajes alcanzados en las pruebas han sido ordenados y clasicados
según cuatro niveles de rendimiento. A partir de un análisis exhaustivo de los
ítems, de acuerdo con sus diversos grados de dicultad, se ha construido cua-
tro niveles de logro. Estos niveles deben reejar la capacidad del alumno con
respecto a la competencia o a la habilidad que está siendo medida, y deter-
minar si los desempeños observados pueden ser considerados satisfactorios
según las competencias esperadas al nalizar el quinto ciclo de la Educación
Básica Regular.
Para las comparaciones del rendimiento, el nivel considerado como “sa-
tisfactorio” sirve como base de referencia en este estudio y es el nivel en el cual
el alumno logró los aprendizajes esperados para el grado que cursa. En el nivel
“en proceso”, el alumno se encuentra en vías de alcanzar los logros esperados,
pero todavía tiene dicultades. En el nivel “en inicio”, se registra a los alumnos
I 137
desigualdades regionales y sociales del rendimiento escolar
que están en una fase inicial del desarrollo de sus aprendizajes y que responden
solo las preguntas más sencillas de la prueba. Finalmente, en el nivel “por de-
bajo del inicio”, se ubican los alumnos que no logran alcanzar los aprendizajes
esperados, que se encuentran en una fase muy inicial de sus aprendizajes y que
evidencian dicultades para responder incluso a las preguntas más fáciles de
la prueba.
Resultados
Los puntajes alineados a un promedio de 500 puntos y una desviación estándar
de 100 se completan con el establecimiento de los niveles de rendimiento. Para
nes de comparación, se opta como línea de base la categoría “satisfactorio”
para todas las competencias. La siguiente tabla permite constatar que el logro
satisfactorio en cada una de las competencias es más bien modesto: 16% en
matemáticas; 21.3 en lectura y 30.4% en ciudadanía
5
. Los promedios de los
puntajes expresados en valores de escala continua reejan esta situación. Des-
de luego, es posible encontrar a un alumno con alto/bajo rendimiento en una
competencia y con alto/bajo rendimiento en la otra u otras dos competencias;
esta posibilidad da lugar a una serie de combinaciones.
Tabla 1. Puntajes promedio y porcentaje del nivel de rendimiento
en Matemáticas, Lectura y Ciudadanía
Matemáticas Lectura Ciudadanía
Promedio nacional 501.1
(1.712)
500.4
(1.582)
501.0
(1.550)
Promedio
Satisfactorio
No satisfactorio
657.6
(1.124)
470.6
(0.870)
633.8
(1.029)
464.1
(0.924)
615.4
(0.934)
450.1
(0.763)
% Satisfactorio
% No satisfactorio
16.3
(0.006)
84.7
(0.006)
21.4
(0.006)
71.6
(0.006)
30.9
(0.006)
69.2
(0.006)
N.B.: Errores estándar entre paréntesis
Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013
5. Estos porcentajes coinciden con los de la UMC-EM 2013 (UMC, 2016): Tabla 3.3
(Lectura), Tabla 3.15 (Matemáticas) y Tabla 3.23 (Ciudadanía).
138 I
luis muelle
Teniendo en cuenta los puntajes obtenidos simultáneamente en las tres
pruebas, se puede armar que solamente 9.2% de alumnos tienen resultados
satisfactorios en todas las pruebas, el 62.2% —un porcentaje importante de
ellos— obtiene resultados no satisfactorios en todas las pruebas, y el 28.6%
corresponde al saldo de las combinaciones posible de competencias y niveles.
Estas cifras reejan ciertamente un panorama poco alentador. Frente a dicho
panorama, conviene incorporar inmediatamente al análisis —bajo diferentes
formas— el impacto que tiene el índice socioeconómico.
Relaciones entre el índice socioeconómico y el rendimiento académico
El análisis de regresión multinivel permite estimar la importancia de las rela-
ciones entre el índice y los resultados en las tres competencias respetando el
carácter anidado de los datos. A partir de este análisis, por un lado, es posible
apreciar la varianza de los puntajes entre alumnos y escuela cuando no inter-
viene el índice en la determinación de los resultados, lo que es denominado
“modelo nulo”. Por otro lado, facilita observar la varianza cuando hay inuen-
cia de este índice, lo que es conocido como “modelo mixto”.
Tabla 2. Modelo nulo y mixto de relaciones entre los puntajes de Matemáticas,
Lectura y Ciudadanía, y el índice socioeconómico del alumno (ISE)
Matemáticas Lectura Ciudadanía
Coeciente ISE alumno 21.7
(0.802)
24.1
(0.782)
22.9
(0.772)
Constante 486.2
(1.100)
483.5
(1.007)
486.3
(1.020)
Modelo nulo - ICC (%)
Modelo mixto - ICC (%)
47.7
(0.006)
38.9
(0.006)
51.4
(0.006)
40.1
(0.007)
44.8
(0.00)
34.4
(0.006)
N.B: Errores estándar entre paréntesis
Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM2013.
El coeciente de la recta de regresión, denominado “pendiente” o “gra-
diente” (Willms, 2006), permite apreciar el grado de impacto que ejerce este
índice sobre los logros. Así, ceteris paribus
6
, el aumento de una unidad en el
índice genera un incremento de 21.7 puntos en el rendimiento promedio de
Matemáticas, 24.1 en Lectura y 22.9 en Ciudadanía. Estas relaciones pueden
visualizarse con la representación gráca de las rectas de mejor ajuste de las
6. En el contexto modelístico, esta expresión latina signica «todo lo demás constante».
I 139
desigualdades regionales y sociales del rendimiento escolar
regresiones. Como es evidente, a medida que aumenta el valor del índice,
mayores son puntajes de rendimientos continuos y positivos en todas las
competencias, sin excepción.
Gráco 1.
Relación entre los puntajes promedios de Lectura, Matemáticas y Ciudadanía,
y el índice socioeconómico del alumno
350
400
450
500
550
600
Puntajes
-2 -1 0 1 2
Índice socioeconómico
Matemáticas Lectura Ciudadanía
Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013.
Las ecuaciones que estructuran los parámetros del Gráco 1 se formulan
de la siguiente manera:
Matemáticas: 21.7*índice + 486.2
Lectura: 24.1* índice + 483.5
Ciudadanía: 22.9* índice + 486.3
Por su parte, el valor del ICC (coeciente de correlación intraclase) per-
mite apreciar la variabilidad del rendimiento según los modelos. Así, el mo-
delo nulo informa que, entre 44.8% y 51.4% de los rendimientos, se explica
por la inuencia de factores no observados que operan en el interior de las
escuelas. La otra mitad se explica por las diferencias de factores no observados
que pertenecen al alumno. Sin embargo, cuando interviene la condición social
140 I
luis muelle
del alumno (modelo mixto), la inuencia disminuye a un rango entre 34.4%
y 40.1%. Dicha inuencia es siempre importante para explicar la varianza que
ocurre en las escuelas, tratándose de un único factor del modelo.
El perl socioeconómico de alumnos y escuelas
Por su carácter de variable continua, el índice socioeconómico del alumno
(ISE-alumno) permite dividir su distribución por cuartiles (4 proporciones
iguales de 25%) y sobre esta base, se puede clasicar convencionalmente la
posición social de los alumnos. Los alumnos desfavorecidos son aquellos que
se encuentran en el primer cuartil del índice socioeconómico; los alumnos
promedios, aquellos que pertenecen al segundo y tercer cuartil; y los alumnos
favorecidos, aquellos que se ubican en el primer cuartil.
De igual manera y convencionalmente, se procede con el índice socioeco-
nómico de la escuela (ISE-escuela). Este índice intenta representar sintética y
estadísticamente el perl social del centro escolar. El primer cuartil agrupa a
las escuelas desfavorecidas; en el segundo y el tercer cuartil, están categorizadas
las escuelas mixtas; y, en el cuartil superior, se encuentran las escuelas favoreci-
das. De esta manera, se obtiene una distribución cruzada de nueve categorías
que guran en la siguiente tabla. El promedio nacional del ISE-escuela es de
0.0182 (e.e=0.018) y el del ISE alumno de 0.0207 (e.e=0.018). La tabla 3 pre-
senta, a doble entrada, la distribución porcentual de las categorías de alumnos
y escuelas.
Tabla 3. Porcentajes por escuelas y alumnos,
según competencias y composición socioeconómica
Alumnos
desfavorecidos
Alumnos
promedio
Alumnos
favorecidos
Escuelas desfavorecidas 76.6
(0.835)
11.4
(0.507)
0.2
(0.046)
Escuelas mixtas 23.2
(0.836)
72.9
(1.446)
29.7
(2.008)
Escuelas favorecidas
% Total nacional
0.2*
(0.575)
21.1%
15.7
(1.383)
50.6%
70.1
(2.014)
24.3%
N.B: Errores estándar entre paréntesis
Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013
La distribución de alumnos y escuelas presenta un patrón evidente. Las tres
cuartas partes de alumnos socialmente desfavorecidos (76,6%) asisten igual-
mente a escuelas socialmente desfavorecidas. En el extremo opuesto, 70,1%
I 141
desigualdades regionales y sociales del rendimiento escolar
de alumnos socialmente favorecidos frecuentan escuelas también socialmente
favorecidas. Este resultado puede ser un considerado un indicador bruto de
la reproducción social en el acceso a las escuelas. También, se debe señalar la
presencia casi nula (0.2%) de alumnos desfavorecidos en escuelas favorecidas,
así como es igualmente nula la presencia de alumnos favorecidos que asisten a
escuelas desfavorecidas (0,2%). Para completar el perl de alumnos y escuelas,
la siguiente tabla expresa esta distribución en valores de puntajes.
Tabla 4. Puntajes promedio por escuelas y alumnos,
según competencias y composición socioeconómica
Matemáticas Lectura Ciudadanía
Alumnos
D P F D P F D P F
Escuelas D.
424.8
(1.986)
467.6
(2.05)
485.3
(16.72)
409.0
(1.768)
442.0
(2.342)
497.
(15.5)
417.5
(1.726)
449.7
(2.458)
500.5
(17.09)
Escuelas M.
447.6
(2.394)
502.6
(1.82)
538.1
(3.879)
463.1
(1.885)
503.8
(1.521)
550.9
(2.543)
471.1
(1.37)
505.8
(1.533)
548.1
(2.432)
Escuelas F.
500.7
(18.73)
543.2
(2.71)
578.5
(3.609)
500.1
(16.33)
547.9
(2.672)
585.2
(2.905)
505.1
(15.47)
541.1
(4.383)
573.9
(2.948)
N.B: Errores estándar entre paréntesis
Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013
Como es de esperar, los alumnos socialmente favorecidos que asisten a las
escuelas socialmente favorecidas destacan sistemáticamente por sus mejores
resultados en todas las competencias. Al contrario, los alumnos desfavorecidos
que atienden a escuelas socialmente desfavorecidas obtienen sistemáticamente
peores resultados. Como señala Willms (2006), este efecto de composición so-
cioeconómica produce un doble riesgo para los alumnos desfavorecidos, pues
estos son desfavorecidos social y académicamente. Así, por ejemplo, un alum-
no desfavorecido que asiste a una escuela desfavorecida alcanza 424.8 puntos
en Matemáticas. Por su parte, el alumno favorecido que asiste a una escuela
favorecida alcanza 578.5 puntos en la misma disciplina. La diferencia repre-
senta, entonces, 153.7 puntos en Matemáticas. Esta diferencia asciende a 176.2
en Lectura y 156.4 puntos en Ciudadanía. Al respecto, cabría notar la situación
particular de la competencia de lectura, en que la diferencia es mayor.
Aunque se ha constatado la escasa presencia de alumnos socialmente des-
favorecidos en las escuelas favorecidas y a pesar de esta paradójica posibilidad,
ellos se benecian con 75.9 puntos más en Matemáticas, 91.1 más en Lectura y
87.6 puntos en Ciudadanía. El siguiente gráco facilita la lectura de las nueve
rectas posibles.
142 I
luis muelle
Gráco 2.
Puntajes promedios según competencias y condición socioeconómica
de escuelas y alumnos
Alumnos favorecidos
Alumnos promedio
Alumnos desfavorecidos
400
450
500
550
600
Puntajes promedios
Composición social de la escuela
Matemáticas Lectura Ciudadanía
Escuelas desfavorecidas
Escuelas mixtas
Escuelas favorecidas
N.B:Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013
Esta constatación refuerza lo planteado en el informe ocial, según el cual
“las diferencias en el rendimiento de los estudiantes peruanos se asocian, sobre
todo, a la composición socioeconómica del grupo evaluado que intensica el
efecto del índice socioeconómico individual. Al parecer esta situación se ha
mantenido en la última década” (UMC, 2016, p. 141). Establecida esta relación
a nivel de un agregado como es la institución escolar, inmediatamente, surge la
pregunta acerca de cuán importante son el impacto y la fuerza de esta relación,
es decir, si los rendimientos observados son atribuibles a las propias escuelas o
si estos provienen de los propios alumnos.
La distribución del rendimiento por regiones
Desde la perspectiva de la región, vale citar los propósitos del Consejo Nacio-
nal de Educación (CNE, 2007, p. 96), que aboga por una gestión ecaz, ética,
descentralizada y con participación ciudadana. El cuarto objetivo estratégico
planteado por el CNE propugna una gestión que logra buenos resultados, y es
nanciada con equidad y eciencia. Por eso, es necesario mostrar la dimensión
de estas desigualdades de rendimiento entre regiones.
I 143
desigualdades regionales y sociales del rendimiento escolar
En el siguiente gráco, se puede distinguir, en primer lugar, que —de las
26 regiones existentes en el país— hay 10 regiones que se sitúan por encima
del promedio nacional jado a 500 puntos y 16 regiones por debajo de este. En
este caso, Tacna destaca visiblemente como la región de mayor rendimiento
de alumnos en las tres competencias. En el extremo, Loreto es el más alejado
del promedio nacional en Matemáticas, que acompaña en la misma posición
a Huancavelica, pero esta vez en Lectura y Ciudadanía. En segundo lugar, se
constata que el solape de puntajes entre las tres competencias es común, pero
hay regiones (Ucayali, Loreto, Huancavelica y Madre de Dios) cuyos logros
son bastante dispersos entre las disciplinas. Este rango de dispersión es de tal
envergadura que las distancias ascienden a más de 150 puntos de diferencia
entre Loreto y Tacna en Matemáticas, y entre Moquegua y Huancavelica en lo
que respecta a Lectura.
Gráco 3.
Distribución de puntajes promedios en Matemáticas, Lectura y Ciudadanía,
según regiones
N.B: En el Anexo 1, se presenta los valores de los puntajes y errores estándares en las tres
competencias.
Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013
144 I
luis muelle
Esta severa doble desigualdad, interregional e intrarregional, de los logros
regionales de aprendizaje advierte la envergadura de los desafíos pendientes
que han de enfrentar las políticas educativas con espíritu de justicia y equidad
regional.
La composición social de las escuelas por regiones
En el acápite anterior, se ha presentado la fuerte dispersión de los rendimientos
entre las regiones. Frente a ello, es necesario prestar interés a la distribución
de la composición social de las escuelas según estas regiones con el propósito
de explorar eventuales asociaciones explicativas a los rendimientos desiguales.
El siguiente gráco muestra la importante diversidad de la composición
social, con un promedio nacional de 21% de escuelas socialmente desfavoreci-
das. En este, se observa que quince regiones superan este promedio. La mitad
de las regiones acogen poblaciones desfavorecidas. Sin embargo, se debe aler-
tar que Huancavelica se compone de 70% de estas escuelas, seguida de cerca
por Cajamarca, con 66%.
Gráco 4.
Perú: Distribución porcentual de la composición social de las escuelas, por regiones
N.B: Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013
I 145
desigualdades regionales y sociales del rendimiento escolar
Llama la atención que, según el criterio ISE empleado en este caso, el Callao
y Lima Metropolitana no poseerían escuelas socialmente desfavorecidas y,
también, existiría regiones que poseen muy bajos porcentajes de estas escuelas
(de hasta menos del 5%)
7
. Si bien estos resultados pueden despertar dudas so-
bre la pertinencia y la representatividad del índice utilizado, a su vez, invitan
a mejorar aquellos índices —nivel socioeconómico, ocupación y educación de
los padres, etc.— que están en vigencia y, tal vez, a construir otros índices so-
ciales que abarquen nuevos criterios de cobertura para estimar ecazmente la
situación social que rodea los aprendizajes.
Impacto del ISE-alumno según el rendimiento de las regiones
Hay consenso en que un sistema educativo será tanto más equitativo cuanto el
incremento del índice social genere menor variación en los resultados, puesto
que reproduciría en menor medida el efecto social; de este modo, garantizaría
una mayor igualdad de oportunidades. En este trabajo, se aborda una medida
clave: el impacto (gradiente) de este índice en las distintas disciplinas y regio-
nes. Los valores betas de las gradientes permiten tener un enfoque analítico
de las desigualdades académicas relacionadas con la condición social. Los re-
sultados ayudan a entender cómo se conguran estas desigualdades entre las
escuelas y entre alumnos (Caro y Lenkeit, 2012; Willms, 2006). Como es usual,
una gradiente (pendiente) inclinada indica un mayor impacto del índice sobre
el logro académico y expresa mayor dependencia social del alumno que si la
pendiente fuera menos empinada. El valor de una gradiente más plana indica
comparativamente mayor equidad.
Cabe recordar que el impacto del coeciente β a nivel nacional alcanza
21 puntos en Matemáticas, 24 puntos en Lectura y 22 en Ciudadanía (Tabla
2). Estos coecientes representan los benecios generados en los puntajes pro-
medios del alumno gracias al impacto de la condición social. Tratándose de
valores a nivel del país, es de esperar una variabilidad por cada región seme-
jante. Sin embargo, el siguiente gráco presenta un panorama sorprendente
(los datos guran en el Anexo 2). Los coecientes tienen en cuenta el carácter
multinivel/mixto de la estructura de los datos.
7. Estas, precisamente, obtienen buenos resultados promedios en todas las competencias.
146 I
luis muelle
Gráco 5.
Impacto (coeciente β) de la relación entre índice socioeconómico de los alumnos
y el rendimiento en Matemáticas, Lectura y Ciudadanía, según regiones
N.B: En el Anexo 2, se presenta los valores de los coecientes y errores estándar en las tres
competencias.
Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013
Los coecientes de regresión ordenados por sus valores descendentes re-
ejan un impacto mucho mayor para cada región que el índice promedio na-
cional, en el que casi todas las regiones acusan una inuencia signicativa de la
condición social de los alumnos. Los contrastes son importantes entre regiones
como Pasco, Cajamarca y Áncash, que se benecian en aproximadamente 40
puntos en rendimiento por cada unidad de aumento de sus respectivos índices
ISE, frente al promedio nacional, que otorga solo un benecio de 20 puntos en
general, sin distinción de región. En el otro extremo, existiría menor inuencia
de la posición social en Loreto y Huancavelica, que obtienen benecios meno-
res. Sin embargo, se debe notar que este menor benecio ocurre también en
Tacna, que es una región con alto ISE.
Existen regiones con mayor equidad, es decir, que son más igualitarias so-
cialmente por el bajo impacto del índice social, pero obtienen bajos resultados.
Es sabido que conseguir una mayor equidad social favorece, mas no garantiza,
mejores logros y es posible que se pueda alcanzar un alto rendimiento con-
servando igualmente una alta equidad. Puede ocurrir, asimismo, que se brin-
den condiciones de aprendizaje socialmente igualitarias, aunque sin garantizar
I 147
desigualdades regionales y sociales del rendimiento escolar
altos logros. Los coecientes presentados pretenden identicar este impacto
social.
Las diferenciaciones de la gestión pública y privada
En un trabajo sobre desigualdad social en las regiones parece pertinente, aun
sin profundizar, abordar el tema de la gestión escolar. Cabe recordar que, en
UMC-EM 2013, participaron 77,1% alumnos del sector estatal y 22,9% del no
estatal. En todas las competencias medidas en dicha encuesta, el promedio de
rendimiento en la gestión no estatal es sistemáticamente mayor: Matemáti-
cas (556 versus 484), Lectura (565 versus 480) y Ciudadanía (551 versus 485).
Cuando interviene el índice ISE-alumno en la relación gestión-rendimiento, los
coecientes de la regresión multinivel indican la fuerte inuencia de la variable
tipo de gestión. En efecto, la siguiente tabla registra los benecios de la condi-
ción social del alumno, que asciende a más de 20 puntos en cada competencia.
Sin embargo, tomando como referencia los alumnos de escuelas estatales, se
evidencia que estos benecios son mucho más sensibles para los alumnos de
las escuelas no estatales, quienes obtienen benecios tan importantes que van
desde 46.9 en Ciudadanía hasta 64.3 en Lectura. De esta manera, se conrma la
doble ventaja social: los alumnos tienen mejores rendimientos gracias a la ven-
taja de su origen social y a su ventaja por asistir a escuelas de gestión no estatal.
Tabla 5. Impacto del índice socioeconómico según competencia
por gestión no estatal y estatal, e índice intraclase (ICC)
Matemáticas Lectura Ciudadanía
Coeciente e.e Coeciente e.e Coeciente e.e
Índice ISE-alumno 21.4 0.807 23.8 0.787 22.6 0.783
Gestión
No estatal
(base = Estatal)
53.1 2.56 64.3 2.307 46.9 2.475
Constante 477.1 1.235 472.4 1.197 478.2 1.161
ICC (%) 36.1 0.006 35.6 0.007 32.0 0.006
N.B.: En el Anexo 3, se presenta los valores de los coecientes y errores estándar en las tres
competencias.
Todos los valores son estadísticamente signicativos a p<0.001.
Fuente: Elaboración propia, a partir de la base de datos UMC-EM 2013
En cuanto a la variabilidad al interior de las escuelas, la comparación de
los valores del ICC con aquellos generales de la Tabla 2 permite apreciar una
ligera disminución cuando se incorpora la variable gestión. En esa medida,
la variabilidad en los rendimientos por impacto del índice socioeconómico
148 I
luis muelle
sigue siendo igualmente importante cuando se distingue las escuelas por su
condición de no estatales.
Es necesario anotar que este cuadro general sobre el tema de la gestión
parece discutible, pues la literatura académica ha detectado —particularmente,
en la capital del país— la existencia de escuelas privadas con logros iguales o
menores que aquellos de las escuelas públicas en distritos de nivel socioeconó-
mico modesto (Balarin, 2015; Cuenca, 2013). En ciertos distritos, cuando los
efectos del nivel socioeconómico individual y de la composición social de las
escuelas están adecuadamente modelados, no se encuentran diferencias sus-
tantivas del rendimiento entre uno y otro tipo de gestión. Esta situación pare-
cer ser producto del incremento masivo de la matrícula privada, que oferta una
educación de bajo costo para familias de escasos recursos. Como consecuen-
cia, se genera una gran heterogeneidad del sector privado, tanto en términos de
calidad como en resultados de aprendizaje.
En el Anexo 3, se presenta los promedios de las pruebas a nivel de regio-
nes y según la gestión, los que ilustran las diferencias regionales. Así, los datos
muestran regiones donde existen brechas importantes entre las escuelas esta-
tales versus las no estatales. En Matemáticas, la diferencia va desde 5 puntos
en el Callao hasta más de 100 puntos en Ayacucho, Huancavelica, Huánuco y
Apurímac
8
. En Lectura, se observa aún mayores diferencias que en Matemáti-
cas y se agrega a Áncash a la lista. En Ciudadanía, aparece el mismo escenario
de diferencias para las regiones citadas. Cabe destacar que las menores diferen-
cias por gestión entre todas las competencias evaluadas ocurren en el Callao.
La importante segregación en el país no es novedad (Benavides et al., 2014).
A partir de ello, en primer lugar, se conrma que los mayores puntajes
en todas las competencias y las regiones sin excepción se encuentran en las
escuelas de gestión privada. Tal vez, este no sea el caso a nivel distrital, como
se ha encontrado en otras investigaciones. En segundo lugar, las diferencias
intra e interregionales tienen un rango muy amplio, que ilustran la alta hetero-
geneidad de la diferenciación social, pero quizás también son consecuencia de
una fuerte dispersión en la asignación y utilización de recursos humanos, físi-
cos y nancieros. Esto no signica necesariamente que frecuentar una escuela
pública conduce a menores rendimientos: regiones como Tacna y Moquegua,
por ejemplo, se distinguen por sus altos logros y 80% de sus alumnos asisten a
escuelas públicas.
8 Todas las diferencias son estadísticamente signicativas.
I 149
desigualdades regionales y sociales del rendimiento escolar
Conclusiones
La encuesta muestral de 2013 permite medir la importancia de variables, socia-
les como el índice socioeconómico del alumno y de la escuela, como factores
importantes en la determinación del rendimiento académico. En este sentido,
estimar su impacto deviene crítico para contribuir al diseño y orientación de
las políticas de mejoramiento de los aprendizajes.
Los reportes ociales de la evaluación UMC-EM2013 presentan amplia-
mente, a través de modelos, los factores asociados que pueden inuir sobre el
rendimiento académico. De este modo, permiten espacio suciente para in-
vestigar diversos aspectos de la desigualdad social en la educación primaria.
Los resultados, como es usual, conrman una tendencia al crecimiento conti-
nuo y positivo del rendimiento conforme la condición social —medida por el
índice social— es más alta. Esta relación se maniesta como válida para las tres
competencias medidas por la encuesta.
La fuerza de la inuencia de la condición social se maniesta claramente
en la varianza explicada del rendimiento a través del llamado modelo mul-
tinivel nulo y mixto. En el modelo nulo, cuando ningún factor en particular
interviene en la determinación del rendimiento, aproximadamente la mitad
de la variabilidad de los logros académicos en cada una de las competencias es
atribuible a las características propias de la escuela; y la otra mitad, atribuible
a las características del alumno. Por construcción, estas características no son
observadas por la encuesta y engloban todas aquellas que pueden perlar al
alumno y a la escuela. Cuando interviene el índice social en el modelo mixto,
esta variabilidad al interior de las escuelas disminuye según la competencia:
39.9% en Matemáticas, 51.4 % en Lectura y 34.4% en Ciudadanía. Estos valo-
res son importantes y resaltan claramente la importancia del impacto del solo
factor social por su alto poder de mediación.
Basándose en el índice social, el análisis cruzado de alumnos y escuelas
entre categorías favorecidas y desfavorecidas permite apreciar los efectos de
composición social. En efecto, los alumnos socialmente favorecidos asisten
mayoritariamente (más de 70% de las veces) a escuelas también favorecidas.
Ocurre lo mismo con los alumnos desfavorecidos, quienes también en propor-
ción mayoritaria frecuentan las escuelas desfavorecidas. Esta distribución so-
cial se alinea igualmente con los logros académicos: se otorga mayores puntajes
en todas las competencias a los alumnos socialmente favorecidos. Paradójica-
mente, aunque ocurre raramente (menos del 1%), los alumnos desfavorecidos
se benecian más si asisten a escuelas favorecidas.
Los acápites dedicados al análisis de logros por regiones aportan impor-
tantes lecciones. En efecto, muchas veces los promedios nacionales eclipsan
realidades locales alarmantes. Así, 10 de las 26 regiones del país alcanzan el
promedio nacional en cada una de las competencias. Además, aunque las dife-
rencias pueden existir naturalmente entre regiones, los análisis muestran dife-
rencias muy importantes en los logros de cada competencia tanto al interior de
150 I
luis muelle
la misma región como entre las regiones. Esta dispersión interregional puede
llegar a 150 puntos de diferencia con otra región y a 50 puntos al interior de
una misma región. Cuando se perla las regiones por la composición social
de las escuelas, la dispersión es igualmente alarmante. En el país, coexisten
regiones socialmente desfavorecidas que atiende a más de 60% de sus alumnos
en esta categoría social frente a otras regiones que tienen menos del 5% de
alumnos en esta categoría. Los puntajes académicos traducen estas diferencias
sociales regionales.
También, existen casos de fuerte contraste en la dependencia del índice
social sobre el rendimiento escolar que atestiguan, por una parte, la poca equi-
dad en la distribución del índice social y, por otra, el riesgo de efectos dife-
renciados que podrían obtenerse con una política social dirigida de manera
uniforme a las familias de los alumnos sin distinguir su pertenencia regional.
Así, hay regiones con alto rendimiento cuya pendiente tiene un valor de apro-
ximadamente 20 puntos y regiones que, con un valor similar de pendiente,
obtienen resultados extremadamente bajos, que llegan al extremo de hasta 150
puntos de diferencia en la misma competencia.
Sin profundizar en el debate recurrente sobre la diferencia de rendimiento
entre escuelas estatales y no estatales, a nivel de regiones, este trabajo puede
aportar a la discusión mostrando que los rendimientos en favor de las escuelas
de gestión no estatal son siempre mayores que aquellos de las escuelas estatales
(Anexo 3).
Los análisis presentados no eximen de dejar constancia sobre la cautela
que debe acompañar las interpretaciones de estos resultados, pues se reitera el
carácter muestral de sección cruzada de los datos, cuyos límites de causalidad
son menores frente a encuestas longitudinales y experimentales. Asimismo, el
índice socioeconómico utilizado tiene una utilidad temporal, puesto que, en
tanto constructo multidimensional, posee componentes que probablemente
evolucionarán en el futuro cuando aparezca nuevos índices.
Para futuras investigaciones, queda pendiente investigar la asociación en-
tre la composición social de las escuelas con los procesos pedagógicos, psicoso-
ciales y psicológicos subyacentes a alumnos y docentes en el proceso de apren-
dizaje. Del mismo modo, queda por incorporar al análisis las mediaciones del
rol parental, el capital cultural de la familia, los aspectos socioafectivos y emo-
cionales de los aprendizajes, las aspiraciones de los alumnos, el clima escolar,
entre otras canteras de interés que están muy contextualizados socialmente.
En este trabajo, se evita establecer relaciones de causa y efecto entre los
factores que afectan los rendimientos escolares. Se propone, más bien, aportar
pistas de reexión sucientemente consistentes y signicativas para ayudar a
concebir políticas de educación justas y ecientes. Los resultados sugieren la
aplicación de políticas sociales y educativas diferenciales de recursos a distintas
escuelas que atienden alumnos diferentes y en contextos sociales también di-
ferentes. Este parece ser un requisito para resolver el desafío de elevar el rendi-
miento de los alumnos y, al mismo tiempo, reducir las desigualdades asociadas
I 151
desigualdades regionales y sociales del rendimiento escolar
a la condición social. No se puede ignorar que los resultados escolares son con-
secuencias históricas de políticas de educación, las que, a su vez, son producto
de un proceso histórico y social propio.
Abatir la desigualdad en los aprendizajes basada en la condición social
de alumnos y escuelas es una política social diferenciada y debe convertirse
en una política emblemática de la más alta importancia. La educación es un
proceso cuya transformación implica una visión de largo plazo y el futuro se
construye desde ahora. Por este motivo, eliminar las desigualdades sociales en
los aprendizajes desde la educación primaria deviene una cuestión urgente de
política educativa.
152 I
luis muelle
Referencias bibliográcas
Balarin, M. (2015). Las múltiples formas y efectos de la participación del sector
privado en la educación. Proyecto Forge. Lima.
Benavides, M., León, J. y Etesse, M. (2014). Desigualdades educativas y
segregación en el sistema educativo peruano. Una mirada comparativa en
las pruebas Pisa 2000 y 2009. Lima: Grade.
Bourdieu, P. et Passeron, J. C. (1970). La reproduction. Elements pour une
theorie du système d’enseignement. Paris: Les Editions de Minuit.
Calero, J., Escardíbul, O., Waisgrais, S. y Mediavilla, M. (2007). Desigualdades
socioeconómicas en el sistema educativo español. Madrid: Ministerio de
Educación.
Cuenca, R. (2013). La escuela pública en Lima Metropolitana. ¿Una institución
en extinción? Revista Peruana de Investigación Educativa, (5), pp. 73-98.
Coleman, J. S., Campbell, E. Q., Hobson, C. J., McPartland, J., Mood, A.
M., Weinfeld, F. D., and York, R. L. (1966). Equality and educational
opportunity. Washington, DC: National Center for Educational Statistics,
Oce of Education, U.S. Department of Health, Education, and Welfare.
Caro, D. H. y Lenkeit, J. (2012). An analytical approach to study educational
inequalities: 10 hypothesis tests in PIRLS 2006. International Journal of
Research & Method in Education, 35(1), 3-30.
Consejo Nacional de Educación (2007). Proyecto educativo nacional al 2021:
La educación que queremos. Lima: Consejo Nacional de Educación.
Cueto, S. (2007). Las evaluaciones nacionales e internacionales de rendimiento
escolar en el Perú: Balance y perspectivas. En Grupo de Análisis para el
Desarrollo (Ed.), Investigación, políticas y desarrollo en el Perú (pp. 405-
455). Lima: Grupo de Análisis para el Desarrollo.
Cueto, S., León, J. y Miranda, A. (2014). La composición de la escuela y su asociación
con el rendimiento y características socioemocionales de los estudiantes. Niños
del Milenio. Recuperado de <www.ninosdelmilenio.org>
Guadalupe, C. y Castillo, L. (2014). Diferencias regionales en políticas de apoyo
al aprendizaje y su posible impacto sobre los niveles de logro (documento de
Discusión). Lima, Centro de Investigación de la Universidad del Pacíco.
Guadalupe, C. y Villanueva, A. (2014). PISA 2009/2000 en América Latina:
Una relectura de los cambios en el desempeño lector y su relación con las
condiciones sociales. Apuntes: Revista de Ciencias Sociales, 40(72), 157-
192.
Hanushek, E., y Woessman, L. (2011). e economics of international
dierences in educational achievement. In Hanushek E., Machin S. y
Woessmann, L. (Eds.), Handbookof Economics of Education. Vol 3. e
Economics of Education (pp. 89-200). Amsterdam: North Holland.
I 153
desigualdades regionales y sociales del rendimiento escolar
León, J. y Min-Jong Youn. (2016). El efecto de los procesos escolares en
el rendimiento en Matemática y las brechas de rendimiento debido a
diferencias socioeconómicas de los estudiantes peruanos. Revista Peruana
de Investigación Educativa, (8), 149-180.
León, J. y Collahua, Y. (2016). El efecto del nivel socioeconómico en el
rendimiento de los estudiantes peruanos: Un balance de su efecto en
los últimos quince años.Investigación para el desarrollo en el Perú: Once
balances. Lima: Grade.
Ministerio de Educación del Perú - Unidad de Medición de la Calidad de los
Aprendizajes (2006). Evaluación nacional del rendimiento estudiantil 2004.
¿Cómo disminuir la inequidad del sistema educativo peruano y mejorar el
rendimiento de sus estudiantes? Factores explicativos más relevantes en la
Evaluación Nacional 2004. Lima: Ministerio de Educación.
¿Cuánto aprenden nuestros estudiantes
al término de la educación primaria? Informe de logros de aprendizaje y
sus factores asociados en la Evaluación Muestral 2013. Lima: Ministerio de
Educación.
(2015). Reporte técnico de la Evaluación
Muestral de estudiantes de 6º de primaria 2013. Lima: Ministerio de
Educación.
(2016). Regiones en perspectiva: la
inuencia de los factores asociados al aprendizaje al término de la
educación primaria. Estudios Breves 2. Lima: Ministerio de Educación.
Miranda, L. (2008). Factores asociados al rendimiento escolar y sus implicancias
para la política educativa del Perú. En M. Benavides (Ed.), Análisis de
programas, procesos y resultados educativos en el Perú: contribuciones empíricas
para el debate (pp. 11-39). Lima: Grupo de Análisis para el Desarrollo.
Monseur, C. et Crahay, M (2008). Composition académique et sociale
des établissements, ecacité et inégalités scolaires: Une comparaison
internationale. Revue Francaise de Pédagogie, (164), Julio-Septiembre.
Muelle, L. (2016). Factores de riesgo en el bajo desempeño académico y
desigualdad social en el Perú según PISA 2012. Revista Apuntes, 43(79),
10-45.
Organization for Economic Co-operation and Development [OECD] (2014).
PISA 2012 Results: What students know and can do. Student Performance
in Mathematics, Reading and Science, Volume I. Paris: OECD Publishing.
Rumberger R., and Palardy G, (2005). Does segregation still matter? e
impact of student composition on academic achievement in High School.
Teachers College Record, 107(9), 1999–2045.
Sirin, S. R. (2005). Socioeconomic status and academic achievement: A meta-
analytic review of research. Review of Educational Research, 75(3), 417-
453.
154 I
luis muelle
Snijders T., and Bosker R. (2012). Multilevel analysis: An introduction to basic
and advanced Multilevel Modeling. 2
nd
Ed. London: Sage Publishers.
Unesco-Orealc (2016). Terce - Factores asociados. Cuadernillo N° 3. Laboratorio
Latinoamericano de la evaluación de la calidad de la educación. Santiago
de Chile: Unesco.
Willms, J. D. (2006). Las brechas de aprendizaje: Diez preguntas de la política
educativa a seguir en relación con el desempeño y la equidad en las escuelas
y los sistemas educativos. Montreal: Instituto de Estadística de la Unesco.
I 155
desigualdades regionales y sociales del rendimiento escolar
Anexo 1.
Distribución de promedios y errores estándares según Matemáticas (M), Lectura (L)
y Ciudadanía (C), e índices socioeconómicos del alumno y de la escuela, según regiones
Región M ee L ee Ca ee ISE e.e ISE-
escuela
e.e
Amazonas 478.4 (5.26) 473.1 (4.78) 479.4 (5.11) -0.767 0.05 -0.764 0.05
Áncash 476.7 (5.36) 476.2 (5.01) 475.8 (4.79) -0.210 0.05 -0.213 0.05
Apurímac 436.8 (5.60) 431.4 (6.14) 440.1 (5.82) -0.596 0.06 -0.609 0.06
Arequipa 553.0 (3.91) 547.2 (3.42) 542.1 (3.31) 0.569 0.04 0.566 0.04
Ayacucho 463.1 (7.34) 458.7 (7.07) 463.6 (6.98) -0.362 0.07 -0.378 0.08
Cajamarca 480.7 (9.48) 459.6 (7.08) 461.0 (7.46) -0.866 0.09 -0.869 0.09
Callao 540.5 (3.613) 549.9 (2.953) 543.3 (3.430) 0.618 0.04 0.626 0.04
Cusco 479.0 (5.437) 467.8 (5.392) 472.1 (4.848) -0.355 0.05 -0.364 0.05
Huancavelica 450.6 (5.438) 422.9 (5.444) 427.4 (5.420) -0.849 0.06 -0.893 0.06
Huánuco 447.2 (5.300) 440.7 (6.012) 445.7 (5.295) -0.709 0.06 -0.710 0.06
Ica 520.6 (5.602) 521.1 (3.907) 522.1 (4.222) 0.422 0.03 0.428 0.03
Junín 518.3 (6.046) 506.9 (4.803) 508.7 (4.786) -0.025 0.06 -0.029 0.06
La Libertad 491.1 (4.950) 490.1 (4.874) 490.8 (4.941) -0.308 0.06 -0.325 0.06
Lambayeque 507.8 (4.681) 510.6 (4.455) 515.9 (4.472) 0.018 0.05 -0.003 0.06
Lima
Metropolitana
542.6 (4.590) 550.7 (3.981) 543.0 (4.143) 0.770 0.04 0.783 0.04
Lima
Provincias
515.7 (3.748) 520.1 (4.323) 519.6 (4.314) 0.239 0.05 0.244 0.05
Loreto 411.6 (4.909) 424.4 (6.129) 439.8 (5.340) -0.66 0.07 -0.691 0.07
Madre de Dios 474.7 (5.843) 488.8 (5.801) 483.6 (6.166) 0.054 0.05 0.057 0.05
Moquegua 554.9 (5.348) 547.7 (4.867) 537.6 (4.966) 0.656 0.06 0.657 0.06
Pasco 497.3 (6.221) 489.9 (5.702) 495.2 (5.023) -0.17 0.07 -0.187 0.07
Piura 487.5 (3.480) 489.2 (3.555) 501.7 (3.436) -0.41 0.05 -0.417 0.05
Puno 460.4 (5.977) 446.3 (5.471) 449.2 (5.947) -0.31 0.08 -0.320 0.08
San Martín 464.9 (5.052) 471.9 (4.696) 480.1 (4.585) -0.46 0.07 -0.469 0.07
Tacna 566.2 (4.941) 555.3 (3.826) 549.7 (4.376) 0.615 0.05 0.619 0.05
Tumbes 473.8 (4.559) 487.3 (4.177) 489.7 (3.863) 0.145 0.06 0.140 0.06
Ucayali 454.2 (4.443) 474.0 (4.637) 481.8 (3.987) -0.23 0.05 -0.253 0.06
N.B.: Todos los valores son signicativos a p<0.001.
Fuente: Elaboración propia a partir de la UMC-EM 2013
156 I
luis muelle
Anexo 2.
Coecientes (β) y errores estándares (e.e) de los puntajes en Matemáticas (M), Lectura (L)
y Ciudadanía de las regresiones multinivel del índice socioeconómico del alumno (ISE)
según regiones
Région β M e.e β L e.e β C e.e
Amazonas
24.0 2.64 31.2 2.74 31.5 2.56
Áncash
34.4 1.99 38.7 2.06 37.8 1.97
Apurímac
22.6 2.15 28.7 2.32 30.8 2.33
Arequipa
29.4 2.74 24.7 2.64 25.4 2.39
Ayacucho
25.1 2.58 26.7 2.66 32.6 2.59
Cajamarca
29.6 2.62 36.3 2.63 39.7 2.43
Callao
22.3 2.56 21.4 2.63 25.6 2.36
Cusco
26.6 1.97 32.6 1.98 33.4 1.92
Huancavelica
14.8 2.76 21.4 2.84 23.2 2.75
Huánuco
25.0 2.31 27.1 2.38 25.8 2.34
Ica
23.8 2.31 25.7 2.33 30.2 2.21
Junín
25.3 2.30 28.3 2.13 31.6 2.10
La Libertad
23.2 2.00 28.7 2.08 30.3 1.92
Lambayeque
23.2 1.98 25.7 2.14 28.1 1.99
Lima
Metropolitana
26.7 2.42 27.1 2.39 28.6 2.21
Lima
Provincia
28.2 2.67 32.2 2.67 33.5 2.48
Loreto
16,6 2.29 18.5 2.50 20.9 2.62
Madre de Dios
26,8 3.45 25.4 3.76 31.0 3.47
Moquegua
26,9 3,61 22,9 3.49 26.9 3.14
Pasco
37,9 2,87 37,7 2.87 37.0 2.66
Piura
22,9 1,83 28,2 1.92 30.2 1.82
Puno
31,3 2,48 31,6 2.56 34.6 2.45
San Martín
24,6 2,07 32,8 2.06 32.8 1.95
Tacna
22,0 2,75 20,0 2.62 21.5 2.30
Tumbes
21,9 2,48 24,9 2.57 25.0 2.57
Ucayali
21,0 2,22 22,8 2.36 25.1 2.34
N.B: Todos los coecientes de β son signicativos a p<0.001.
Fuente: Elaboración propia a partir de la UMC-EM 2013
I 157
desigualdades regionales y sociales del rendimiento escolar
Anexo 3.
Promedio y errores estándares (e.e) de Matemáticas (M), Lectura (L)
y Ciudadanía (C) por gestión estatal (Pub.) y no estatal (Priv.), según regiones
Región M
Pub
e.e M
Priv
e.e L
Pub
e.e L
Priv
e.e C
Pub
e.e C
Priv
e.e
Amazonas 478.2 5.29 508.7 8.17 472.7 4.80 553.7 1.01 478.9 5.12 569.3 5.42
Áncash 465.8 6.05 556.3 8.99 463.7 5.68 567.4 6.82 464.1 5.30 561.2 9.51
Apurímac 432.7 5.85 535.8 12.21 426.8 6.44 544.9 4.16 437.1 6.10 511.8 8.52
Arequipa 537.5 5.10 575.7 5.70 528.8 4.16 574.0 5.07 528.6 3.79 561.9 5.82
Ayacucho 452.9 7.09 567.9 10.87 447.2 6.99 576.4 6.28 453.2 6.95 569.2 6.54
Cajamarca 478.4 9.83 521.0 32.45 455.6 7.10 530.1 31.56 457.8 7.68 518.1 22.25
Callao 538.7 5.08 544.0 4.30 543.2 3.83 562.1 4.60 542.3 4.31 545.1 5.73
Cusco 468.6 6.08 552.4 12.36 455.5 6.13 554.4 9.12 461.8 5.43 545.5 11.28
Huancavelica 450.0 5.47 555.3 9.04 422.2 5.47 548.0 17.71 426.8 5.45 544.7 8.21
Huánuco 438.0 5.49 553.9 13.59 430.5 6.20 558.6 10.60 437.5 5.51 541.4 6.30
Ica 510.1 7.23 553.6 7.77 508.8 5.00 559.8 6.16 512.8 5.24 551.2 7.70
Junín 510.5 6.88 567.0 9.64 496.2 5.29 574.4 9.19 500.9 5.30 557.5 8.98
La Libertad 476.2 5.59 554.0 8.47 472.1 5.35 565.8 6.66 474.4 5.64 559.9 6.18
Lambayeque 493.0 5.40 554.7 8.76 493.1 4.66 565.8 9.46 502.9 4.86 556.9 9.59
Lima
Metropolitana 526.9 7.67 561.1 5.44 533.5 6.77 571.0 4.64 533.9 6.76 553.6 4.86
Lima
Provincia 504.1 3.98 555.6 6.49 505.8 4.35 569.4 6.96 509.1 5.01 555.9 6.33
Loreto 407.2 4.67 470.4 30.16 420.0 5.81 484.3 40.63 436.4 4.90 486.4 38.40
Madre de Dios 472.3 6.07 493.8 16.41 484.2 5.80 525.9 16.87 482.1 6.27 495.2 21.80
Moquegua 548.3 6.08 581.6 11.25 538.7 5.72 583.6 6.61 530.7 5.82 565.8 6.78
Pasco 491.0 6.09 591.0 26.50 485.6 6.00 554.0 13.70 491.1 5.26 554.9 12.01
Piura 475.8 3.90 546.9 6.62 474.5 4.03 563.5 5.47 490.5 4.03 558.4 4.03
Puno 454.0 6.66 502.4 12.03 437.3 6.13 505.3 10.53 443.3 6.79 488.3 9.26
San Martín 462.2 5.18 528.8 3.17 468.9 4.73 544.4 10.24 478.7 4.75 512.5 12.34
Tacna 557.2 5.55 594.6 10.09 545.4 4.51 586.6 6.57 543.5 5.10 569.5 8.07
Tumbes 466.9 5.14 525.4 7.64 478.3 4.77 555.0 6.54 483.4 4.30 536.7 7.85
Ucayali 449.8 4.74 531.5 4.59 470.2 4.93 539.3 8.32 478.4 4.20 541.4 9.82
N.B.: Todos los valores son signicativos a p<0.001.
Fuente: Elaboración propia a partir de la UMC-EM 2013
