Identifying the Factors Influencing the Scientific Competence in Andalusia: A Multilevel Study of the PISA 2012 Results

Yıl 2018, Cilt: 9 , 200 - 208, 18.08.2018

Ana María Lara Porras María Del Mar Rueda García David Molina Muñoz Beatriz Cobo Rodríguez

Öz

In this paper we investigate the factors that contribute to the performance of
Andalusian students in the scientific competence aspect of the PISA 2012 tests.
The variables included refer to the students and schools. Multilevel analysis
of the variables reveals that between 9.58% and 14.68% of the differences in
the performance are due to characteristics of the schools and that most of the
variance is explained by the characteristics of the students. The most
significant variables with respect to scientific competence, in a negative
sense, are grade repetition, immigrant status and female gender; in a positive
sense, they are family and sociocultural background and pre-primary schooling.
In the light of these results, we discuss implications for education policy
actions. This study shows the multilevel analysis model to be a very useful
tool in education studies.

Anahtar Kelimeler

Education, PISA, Multilevel regression, Performance, Scientific competence, Andalusia

Kaynakça

• Blanco-Blanco, A., López-Martín, E. and Ruiz de Miguel, C. (2014). Aportaciones de los modelos jerárquico-lineales multivariados a la investigación educativa sobre el rendimiento. Un ejemplo con datos del alumnado español en PISA 2009. Revista de Educación, 365, 122-149. DOI: 10.4438/1988-592X-RE-2014-365-267. Buck, G.A., Plano-Clarck, V.I., Leslie-Pelecky, D., Lu, Y. and Cerda-Lizarraga, P. (2008). Examining the cognitive processes used by adolescent girls and women scientists in identifying science role models: A feminist approach. Science Education, 92, 688-707. DOI 10.1002/sce.20257. Calero, J., Choi, A. and Waisgrais, S. (2009). Determinantes del rendimiento educativo del alumnado de origen nacional e inmigrante. Cuadernos Económicos del ICE, 78, 281-311. Calero, J., Choi, A. and Waisgrais, S. (2010). Determinantes del riesgo de fracaso escolar en España: una aproximación a través de un análisis logístico multinivel aplicado a PISA 2006. Revista de Educación, núm. extraordinario, 225-256. Choi, A. and Calero, J. (2013). Determinantes del riesgo de fracaso escolar en España en PISA-2009 y propuestas de reforma. Revista de Educación, 362, 562-593. Cordero, J.M., Crespo, E., and Santín, D. (2010). Factors affecting educational attainment: evidence from Spanish PISA 2006 results. Regional and Sectoral Economic Studies, 10-3, 55-76. Cordero, J. M., Crespo, E., Pedraja, F. and Santín, D. (2011): Exploring educational efficiency divergences across Spanish regions in pisa 2006. Revista de Economía Aplicada, XIX (57), pp. 117-145. Cordero, J.M., Crespo, E. and Pedraja, F. (2013). Rendimiento educativo y determinantes según PISA: Una revisión de la literatura en España. Revista de Educación, 362, 273-297 DOI: 10.4438/1988-592X-RE-2011-362-161. Dronkers, J. and Robert, P. (2008). Differences in scholastic achievement of public, private government-dependent and private independent schools. Educational Policy, 22 (4), 541-577. Escardíbul, O. (2008). Los determinantes del rendimiento educativo en España. Un análisis a partir de la evaluación de PISA 2006. Investigaciones de Economía de la Educación, 3, 153-162. Ford, D. J., Brickhouse, N. W., Lottero-Perdue, P. and Kittleson, J. (2006). elementary girls’ science reading at home and school. Science Education, 90, 270-288. DOI 10.1002/sce.20139. Gail, M. J., Howe, A. and Rua, M.J. (2000). Gender differences in students’ experiences, interests, and attitudes toward science and scientists. Science Education, 84, 180-192. Gil, D. and Vilches, A.(2006). ¿Cómo puede contribuir el proyecto PISA a la mejora de la enseñanza de las ciencias (y de otras áreas de conocimiento)? Revista de Educación, extraordinario 2006, 295-311. Ho, E.S.C. (2010). Family influences on science learning among Hong Kong adolescents: what we learned from PISA. International Journal of Science and Mathematics Education 8, 409-428. Leuven, E., Lindahl, M., Oosterbeek, H. and Webbink, D. (2010). Expanding Schooling Opportunities for 4-Year-Olds. Economics of Education Review, 29 (3), 319-328. Liou, P. Y. and Hung, Y. Ch. (2015). Statistical techniques utilized in analyzing PISA and TIMSS data in science education from 1996 to 2013: a methodological review. International Journal of Science and Mathematics Education 13, 1449-1468 López, E., Navarro, E., Ordoñez, X. and Romero, S. J. (2009). Estudio de variables determinantes de eficiencia a través de los modelos jerárquicos lineales en la evaluación PISA 2006: el caso de España. Archivos Analíticos de Políticas Educativas, 17, 1-27. Martínez López, C. (2010). Andalucía y el informe PISA. Molina, J.A., Marcenario, O. and Martín, A. (2015). Educación financiera y sistemas educativos en la OECD: Un análisis comparativo con datos PISA 2012. Revista de Educación. 369, 80-103. OECD (2006). PISA 2006. Marco de la evaluación. Conocimientos y habilidades en Ciencias, Matemáticas y Lectura. Madrid: Santillana; MEC. OECD (2011). Does participation in pre-primary education translate into better learning outcomes at school? PISA in focus 2011/1. Rasch, G. (1980). Probabilistic models for some intelligence and attainment tests. Copenhagen, Danish Institute for educational research, expanded edition (1980), University Chicago Press. Riegle-Crumb, C., Moore, C. and Ramos-Wanda, A. (2011). Who wants to have a career in science or math? Exploring adolescents’ future aspirations by gender and race/ethnicity. Science Education, 95, 458-476. DOI 10.1002/sce.20431. Ruíz de Miguel, C. (2009). Las escuelas eficaces: un estudio multinivel de factores explicativos del rendimiento escolar en el área de matemáticas. Revista de Educación, 348,355-376. Snijders, T. and Bosker, R. (2012). Multilevel Analysis: An Introduction to Basic and Applied Multilivel Analysis. London: Sage. Vázquez, A. and Manassero, M.A. (2010). Perfiles actitudinales de la elección de ciencias en secundaria según el sexo y el tipo de educación. Revista Electrónica de Enseñanza de las Ciencias, 9, 1, 242-260. Wu, M. and Adams, R. J. (2002). Plausible values – why they are important. International Objective Measurement. Workshop, New Orleans. Yus, R., Fernández, M., Gallardo, M., Barquín, G., Sepúlveda, M. P. and Serván, M.J. (2013). La competencia científica y su evaluación. Análisis de las pruebas estandarizadas de PISA. Revista de Educación, 360, 557-576. DOI: 10.4438/1988-592X-RE-2011-360-127