Anlisis Discriminante para evaluar el impacto del

uso de la tecnologa en las Actitudes y Rendimiento

en Matemticas. Un caso de telesecundaria.

Basado en los datos del libro : Actitudes

y Rendimiento en Matemticas. El caso
de Telesecundaria. De Jos Antonio
Jurez Lpez

El Anlisis Multivariado y sus

principales objetivos
Tcnicas estadsticas que permiten reducir la informacin
contenida en varias variables mediante el anlisis de su
estructura de correlacin.
El anlisis discriminante es una tcnica del anlisis
multivariado que permite entender las diferencias entre
grupos y predecir la verosimilitud de que una entidad
(persona u objeto) pertenezca a una clase o rubro particular
basndose en varias variables mtricas independientes,
Hair et al. (2007).
En Jurez (2010) se analiz la correlacin entre Rendimiento
y Actitud medidas al final del ao en tres aos de
Telesecundaria para dos grupos. Un grupo que recibi
enseanza con la ayuda de computadoras (EMAT) y otro de
control (que no utiliz las computadoras).

 En Mato y de la Torre (2009) se evidenci una fuerte

correlacin entre actitud y rendimiento. Sin embargo, tienen
calificaciones en lo sobresaliente, en este caso todas las
calificaciones son bajas. Ellos utilizan la metodologa del
ANOVA para contrastar la hiptesis de igualdad de medias y
adems el coeficiente de correlacin de Pearson.
El anlisis de Juarez (2010) no incluye el ANOVA pero s el
coeficiente de correlacin de Pearson entre actitud y
rendimiento en el primero, segundo y tercer ao de
secundaria por grupo (Con EMAT y sin EMAT). Este anlisis
no arroj suficiente evidencia que permitiera asociar el
rendimiento escolar y las actitudes respecto a las
matemticas.

Objetivos
Analizar los resultados de Juarez(2010) a la luz de las
tcnicas del anlisis multivariado e incluir el ANOVA.
Explorar el impacto de la enseanza por computadora en
el nivel Secundaria.
Sentar las bases para estudios posteriores que analicen el
proceso de enseanza de las matemticas utilizando la
computadora como auxiliar.
Estudiar el proceso de enseanza/aprendizaje de las
matemticas mediante tecnologa, en particular, de la
Estadstica.
Explorar el instrumento de medicin de la Actitud para
asociarlo con el rendimiento escolar y hacer un posible
diseo para la enseanza de la estadstica.

Objetivos
Mostrar el uso de las tcnicas de
anlisis multivariado en los estudios
de didctica de las matemticas y
promoverlos por su potencial utilidad
en
la
interpretacin
de
los
resultados.

Alcances
En este trabajo se logr caracterizar a dos
grupos de estudiantes, uno que tuvo un
sistema de enseanza mediante computadora
y otro que no.
Esto muestra evidencia de que la tecnologa
tiene cierto impacto sobre el rendimiento
acadmico de los estudiantes.
Este impacto es ms sutil de lo que en un
principio se plantea, pues en Juarez (2010)
pues no se detectaron relaciones directas entre
el rendimiento y las actitudes.

Anlisis Grfico Descriptivo

Mediante la grfica de matriz se
detect que la estructura de
correlacin de las variables no es la
misma para los dos grupos de
estudiantes.

Grfica de Matriz
Rend1

Act2

Rend2

Act3

0.333
(0.047)

0.508
(0.002)

0.312
(0.064)

0.272
(0.109)

0.387
0.337
(0.020) (0.044)

0.058
(0.735)

0.435
(0.008)

0.501
(0.002)

tos tres valores son en los que

hace ms nfasis en el
lisis aunque
aradjicamente), no se
portan.
es, al parecer, estudi estas
s correlaciones en los grupos
n o sin el uso de tecnologa.

0.169
(0.324)

Rend
3
0.241
Ac
(0.157
t1
)
0.384 Re
(0.02 nd
1)
1
0.121
Ac
(0.483
t2
)
0.469 Re
(0.00 nd
4)
2
0.008
Ac
(0.964
t3
)

Asociaciones significativas
Fuerte asociacin
(0.005<pvalor<0.05)
Act1

vs

Act2

vs

Act2

vs

Rend
2
Rend
3

vs
vs

Rend
1
Rend
1
Rend
2
Rend
1
Rend
1

Correlaci
n

P-valor

0.333

0.047

0.387

0.020

0.435

0.008

0.337

0.044

0.384

0.021

Correlaci
n

Muy fuerte
Act2
vs
Act1
0.508
asociacin
(pAct3
vs
Act2
0.501
valor<0.005)
Rend
3

vs

Rend2

0.469

P-valor
0.002
0.002
0.004

Matrices de correlacin
Con EMAT

Rend1
Act2
Rend2
Act3
Rend3

Act1 Rend1
0.269

(0.280)
0.433
0.7123
(0.073
(0.001)
)
0.416
0.228
(0.086
(0.363)
)
0.473
0.643
(0.048
(0.004)
)
0.448
0.059
(0.062
(0.816)
)

Sin EMAT
Act2 Rend2 Act3

Act1

Rend1

Act2

Rend2

Act3

Rend1

0.663
(0.003)

0.117
(0.643)

Act2

0.272 0.553
(0.278) (0.017)

0.428
(0.07

0.331 0.463
Rend2
7)
(0.180) (0.053)
0.792
(0.00 0.073

-0.086 -0.145
Act3
0)
(0.733) (0.565)
0.116 0.554 0.041
(0.64 (0.017 (0.87
0.444 0.348
Rend3
6)
)
2)
(0.065) (0.156)

0.333
(0.177
)
0.143
(0.572
)
0.093
(0.713
)

0.256 -0.084
(0.306) (0.741)

Valores
Estructuras de correlacin
reportados
como
significativo
tabla
s con

En Juarez (2010) pag. 108 muestra una

las correlaciones entre actitud y rendimiento en
cada ao escolar. En este trabajo se icluyen,
adems, los p-valores correspondientes, lo cual
indica que slo hay un valor estadsticamente
significativo y es el de Actitud contra
Rendimiento en el ao 1 para el grupo sin EMAT
Con
EMAT

Sin
EMAT
Correlaci
n

Correlaci
n

P-valor

P-valor

Act1

v
s

Rend
1

0.269

0.28

Act1

v
s

Rend
1

0.663

0.003

Act2

v
s

Rend
2

0.428

0.077

Act2

v
s

Rend
2

0.333

0.177

Act3

v
s

Rend
3

0.041

0.872

Act3

v
s

Rend
3

-0.084

0.741

Comparaciones entre
grupos

ANLISIS DISCRIMINANTE

Diferencias entre grupos

En esta seccin se har evidente que hay diferencias
entre los dos grupos analizados.
Estas diferencias no son evidentes a menos que se
utilice algn mtodo estadstico que caracterice estas
diferencias.
Mediante el anlisis discriminante se pudo probar que
existen diferencias significativas entre los dos grupos.
Mediante un anlisis de varianza se hace evidente de
manera precisa cules son las diferencias, sin
embargo este es un mtodo muy sensible a los
supuesto de homogeneidad de varianza, y de
normalidad.

Resumen de clasificacin
Grupo Verdadero
Puesto en
el Grupo

Sin EMAT

Con EMAT

Sin EMAT

13

Con EMAT

14

N correctos 13

14

Proporcin

0.778

0.722

N = 36
N Correctos = 27
Proporcin de Correctos= 0.750

Cuadrado de la Distancia Entre

Grupos
Sin EMAT

Con EMAT

Sin EMAT

0.0000

2.3862

Con EMAT

2.3862

0.0000

AD para variables
estandarizadas
Para evitar el efecto de que las
variables con mayor varianza
influyan ms en la funcin
discriminante.

Funciones lineales Discriminantes

para los Grupos

Sin EMAT

Con EMAT

Act1

0.486

0.567

Act2

0.498

0.512

Rend1

-0.246

-0.336

Act3

0.169

0.216

Rend3

0.159

0.169

Rend2

-0.11

-0.061

-46.473

-58.073

Constante

Todos los coeficientes

tienen el mismo signo y
semejante magnitud.
Los valores absolutos
de los coeficientes son
mayores para la funcin
discriminante del grupo
ConEMAT para todas las
variables (excepto el
rendimiento en el ao
2, pero tiene magnitud
pequea).

Alumno
Ma.Fernan
da
Beatrz
Francisco
Omar
JesusA.
Martin
MariaJ
Lorena
MariadelS
Maricela
Gabriel
-

Grupo
Grupo
Verdadero Predicho

Grupo

Distancia
Probabilida
al
d
Cuadrado

5.325

0.711

1
1
1
0
0
0
0
0
0
0
-

0
0
0
1
1
1
1
1
1
1
-

1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1

7.125
4.823
5.074
0.8383
1.6374
4.297
7.534
4.57
3.26
2.575
1.828
6.203
3.403
4.312
3.021
8.219
7.179
4.784
3.327
3.489
3.033

0.289
0.531
0.469
0.599
0.401
0.835
0.165
0.342
0.658
0.408
0.592
0.198
0.802
0.344
0.656
0.373
0.627
0.326
0.674
0.443
0.557

Ajuste para variables

estandarizadas

Sin
EMAT

Con
EMAT

Rend1m
0.75228 -0.75228
od
Act1mod -0.50815 0.50815
Act3mod -0.36549 0.36549
Rend2m
-0.36305 0.36305
od
Rend3m
-0.08479 0.08479
od
Act2mod -0.08032 0.08032
Constan
-0.29828 -0.29828
te
Las variables estn ordenadas de magnitud mayor a menor y la
constante al final, esto para enfatizar el aporte de cada una de
las variables en la funcin discriminante.
Note que la funcin discriminante ConEMAT tiene signos iguales
para todas las variables (excepto la constante y el Rend1mod).

Discusin
Las variables Act1 y Act2 tuvieron magnitud mayor en valor
absoluto (tambin lo fue Act3 pero de menor magnitud).
Afirmamos, entonces, que puede ser la actitud un factor que
determina la diferencia entre los dos grupos.
De la matriz de correlaciones y los grficos de caja observamos
que, si bien en promedio no muestra diferencias significativas, los
alumnos mantienen sus actitudes (ya sea positivas o negativas) a
lo largo del tiempo cuando trabajaron bajo el esquema del uso de
la computadora.
Del grfico que muestra los coeficientes de las dos funciones
discriminantes, se ve que, en efecto (como lo apunta el
investigador que recolect los datos) la actitud no parece
asociarse con el Rendimiento. Vea Grafica de dispersin y vea
cmo se alejan las variables. Entre s, excepto act3 y rend3 pero
son las que tienen menor magnitud en valor absoluto.

Regresin logstica
Binary Logistic Regression: EMAT versus Act1, Rend1, ...
Link Function: Normit

Response Information
Variable Value Count
EMAT
1
18 (Event)

0
18

Total
36

Logistic Regression Table

Predictor
Constant
Act1
Rend1
Act2
Rend2
Act3
rend3

Coef SE Coef
Z
P
-7.86414 2.97114 -2.65 0.008
0.0510869 0.0243178 2.10 0.036
-0.0704000 0.0268892 -2.62 0.009
0.0067528 0.0352992 0.19 0.848
0.0330588 0.0229554 1.44 0.150
0.0407075 0.0287316 1.42 0.157
0.0110011 0.0188179 0.58 0.559

Log-Likelihood = -15.584
Test that all slopes are zero: G = 18.738, DF = 6, P-Value = 0.005

Goodness-of-Fit Tests

Method
Chi-Square DF
P
Pearson
27.9055 29 0.523
Deviance
31.1687 29 0.358
Hosmer-Lemeshow
9.2786 8 0.319

Table of Observed and Expected Frequencies:

(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic)

Group
Value 1 2 3 4 5 6 7 8 9 10 Total
1
Obs 0 0 2 0 2 1 3 2 4 4
18
Exp 0.0 0.3 0.5 1.2 1.6 1.9 2.8 2.3 3.5 3.9
0
Obs 3 4 1 4 2 2 1 1 0 0
18
Exp 3.0 3.7 2.5 2.8 2.4 1.1 1.2 0.7 0.5 0.1
Total 3 4 3 4 4 3 4 3 4 4
36

Measures of Association:
(Between the Response Variable and Predicted Probabilities)

Pairs
Number Percent Summary Measures
Concordant
284
87.7 Somers' D
0.75
Discordant
40
12.3 Goodman-Kruskal Gamma 0.75
Ties
0
0.0 Kendall's Tau-a
0.39
Total
324 100.0

Regresin logistica
Binary Logistic Regression: EMAT versus Act1, Rend1, ...
Link Function: Logit

Response Information
Variable Value Count
EMAT
1
18 (Event)

0
18

Total
36

Logistic Regression Table

Odds
95% CI
Predictor
Coef SE Coef
Z
P Ratio Lower
Constant -13.2604 5.33858 -2.48 0.013
Act1
0.0829779 0.0413123 2.01 0.045 1.09
Rend1
-0.117127 0.0473608 -2.47 0.013 0.89
Act2
0.0141553 0.0616832 0.23 0.818 1.01
Rend2
0.0552901 0.0403145 1.37 0.170 1.06
Act3
0.0680473 0.0522865 1.30 0.193 1.07
rend3
0.0195022 0.0319957 0.61 0.542 1.02

Upper
1.00
0.81
0.90
0.98
0.97
0.96

1.18
0.98
1.14
1.14
1.19
1.09

Log-Likelihood = -15.711
Test that all slopes are zero: G = 18.484, DF = 6, P-Value = 0.005

Goodness-of-Fit Tests

Method
Chi-Square DF
P
Pearson
28.4754 29 0.493
Deviance
31.4227 29 0.346
Hosmer-Lemeshow
9.6444 8 0.291

Table of Observed and Expected Frequencies:

(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic)

Group
Value 1 2 3 4 5 6 7 8 9 10 Total
1
Obs 0 0 2 0 2 1 3 2 4 4
18
Exp 0.1 0.3 0.5 1.2 1.6 1.9 2.8 2.3 3.5 3.9
0
Obs 3 4 1 4 2 2 1 1 0 0
18
Exp 2.9 3.7 2.5 2.8 2.4 1.1 1.2 0.7 0.5 0.1
Total 3 4 3 4 4 3 4 3 4 4
36

Measures of Association:
(Between the Response Variable and Predicted Probabilities)

Pairs
Number Percent Summary Measures
Concordant
283
87.3 Somers' D
0.75
Discordant
40
12.3 Goodman-Kruskal Gamma 0.75
Ties
1
0.3 Kendall's Tau-a
0.39
Total
324 100.0

Comparacin de los coeficientes del anlisis

discriminante y los de la regresin logstica

Coeficient
e

Parmetro
Funcin
Funcin
s
Discrimina Discrimina
Regresin
nte Sin
nte Con
Logstica
EMAT
EMAT.
(p-valor)
-13.2604
(0.013)

-46.473

-58.073

0.083 (0.045)

0.486

0.567

Rend1

-0.1171 (0.013)

-0.246

-0.336

Act2

0.0142 (0.818)

0.498

0.512

Rend2

0.0553 (0.170)

-0.11

-0.061

0.068 (0.193)

0.169

0.216

0.0195 (0.542)

0.159

0.169

Constante
Act1

Act3
Rend3

Componentes Principales
Para contrastar con las funciones
discriminantes

Componentes Principales

Variable
Act1
Rend1
Act2
Rend2
Act3
rend3

Con
EMAT
PC1
-0.438
-0.405
-0.517
-0.329
-0.462
-0.236

PC2
-0.319
0.262
-0.219
0.501
-0.362
0.632

Sin EMAT
Variable
PC1
PC2
Act1
0.494729 0.214907
Rend1
0.554062 0.046367
Act2
0.38933 -0.42921
Rend2
0.409665 0.271113
Act3
0.031878 -0.76003

Componentes Principales para el

Grupo Sin EMAT

Chi-Cuadrada
Rendimiento alto, actitud positiva
Rendimiento alto es por encima de la
media del grupo. Y actitud positiva es
arriba de 87 en la escala de medida
de actitud.

Tablas y prueba de ChiCuadrada

Tipo de Rendimiento = Bajo
Tipo de Rendimiento = Alto
Contenido de las celdas: Frecuencias
Renglones: EMAT. Columnas: Tipo de
Actitud
Sin EMAT
Con EMAT
Total

Total

Contenido de las celdas: Frecuencias

Renglones: EMAT. Columnas: Tipo de
Actitud

Negati
va

Positiv
a

14

10

24

Sin EMAT

16

25

23

26

49

Chi-Cuadrado de Pearson = 2.452, GL

= 1,
P-Valor = 0.117
Chi-Cuadrado de Razn de
Verosimilitud= 2.472, GL = 1, P-Valor
= 0.116

Negativ
a

Positiva

Total

12

18

30

Con
EMAT

10

19

29

Total

22

37

59

Chi-Cuadrado de Pearson = 0.192, GL

= 1,
P-Valor = 0.661
Chi-Cuadrado de Razn de
Verosimilitud = 0.192, GL = 1, P-Valor
= 0.661

Para aclarar en qu se diferenciaron ambos grupos

ANOVA

ANOVA
Permite contrastar la hiptesis de
igualdad de medias. Se defini como
factor EMAT y el ao cursado y se hizo el
anlisis por separado de las dos variables
ACTITUD y RENDIMIENTO. Esto debido a
que tienen escalas distintas y una prueba
conjunta evidentemente rechazara la
igualdad de medias.
Esto es para evidenciar estadsticamente
diferencias entre las medias observadas

ANOVA de dos vas

Variables de respuesta: Actitud,
Rendimiento
Variables Explicativas: Ao, EMAT.
Ao es una variable dicotmica: 0
Sin EMAT, 1 Con EMAT.
(Comentario de hair sobre la
comparacin entre los dos
procedimientos).

Actitud
Two-way ANOVA: Actitud versus
Ao, EMAT
Source
DF
SS
MS
F
P
Ao
2 1687.4 843.68 5.12
0.008
EMAT
1 1933.8 1933.79
11.73 0.001
Interaction 2 115.0 57.51 0.35
0.706
Error
102 16812.4 164.83
Total
107 20548.5
S = 12.84 R-Sq = 18.18% R-Sq(adj)
= 14.17%

Individual 95% CIs For Mean Based on

Pooled StDev
Ao
Mean ---+---------+---------+---------+-----1 92.6111
(-------*--------)
2 88.2500
(--------*-------)
3 82.9444 (--------*-------)
---+---------+---------+---------+-----80.0
85.0
90.0
95.0

Individual 95% CIs For Mean Based on

Pooled StDev
EMAT
Mean ---------+---------+---------+---------+
0
83.7037 (-------*--------)
1
92.1667
(-------*--------)

---------+---------+---------+---------+

84.0
88.0
92.0
96.0

Rendimiento
Two-way ANOVA: Rendimiento
versus Ao, EMAT
Source
DF
SS
MS
F
P
Ao
2 2418.7 1209.34 4.59
0.012
EMAT
1
9.5
9.48 0.04
0.850
Interaction 2 1109.2 554.62 2.10
0.127
Error
102 26897.0 263.70
Total
107 30434.4
S = 16.24 R-Sq = 11.62% R-Sq(adj)
= 7.29%

Individual 95% CIs For Mean Based on

Pooled StDev
Ao
Mean ------+---------+---------+---------+--1 32.9167 (--------*--------)
2 31.5833 (--------*--------)
3 42.2222
(--------*--------)
------+---------+---------+---------+--30.0
36.0
42.0
48.0

Individual 95% CIs For Mean Based on

Pooled StDev
EMAT
Mean ------+---------+---------+---------+-- 0
35.2778 (----------------*-----------------)
1
35.8704 (----------------*-----------------)

------+---------+---------+---------+--
32.5
35.0
37.5
40.0

Interpretacin del ANOVA

Hair ()

El rendimiento
aument ao con ao
independientemente
del programa la
interaccin tiende a la
significancia (p-valor
0.127).
En el tercer ao hay un
rendimiento mayor,
tambin
independientemente
del programa.

Checar pag 312

Estimacin de la funcin
discriminante
Pag. 300

Conclusiones
Los estudiantes
concomputadora
tienen actitudes
coherentes a lo
largo del ao y
crecientes con el
tpo (cheart).

loupemy04@yahoo
.com

Bibliografa
Jurez Lpez, J. A. (2010). Actitudes y Rendimiento
en Matemticas El caso de Telesecundaria.
Mxico, Ediciones Daz de Santos.
Mato, M. D. y De la Torre, E. (2009). Evaluacin de
las actitudes hacia las matemticas y el rendimiento
acadmico. En M. J. Gonzlez, M. T. Gonzlez y J.
Murillo (Eds.), Actas del XIII simposio de la SEIEM.
Investigacin en Educacin Matemtica (pp. 285300). Santander, Espaa: Universidad de Cantabria.
Hair, J.F., Anderson, R., Tatham, R. and Black, W.
(1999). Anlisis multivariante. 5a Edicin. Iberia,
Prentice Hall.

Datos Originales
Hay dos archivos, segn como se
hayan acomodado.

Arboles de Decisin

DATOS
Actitudes DOE

DATOS2
En columnas como los registr el
investigador

Anlisis de Riesgo

El riesgo de un estudiante
de estar en un rendimiento alto, crece cuando est en el
programa EMAT
##Anlisis de OR
library(epitools)
library(epiR)
##Estudio para ver si la categora de IVSA
##est asociada con el diagnstico NIC

tapw <- c("Con", "Sin")

outc <- c("Rendim<50", "Rendim>50")
dat <- matrix(c(43,11,51,3),2,2,byrow=TRUE)
dimnames(dat) <- list("EMAT" = tapw, "Rendim>50" = outc)
oddsratio.wald(dat, rev="c")

Rendimiento
EMAT

< 50

> 50

Total

Con

43

11

54

Sin

51

54

Total

94

14

108

El anlisis de OR
Medida
OR con IC 95%
EMAT
Estimador
Inferior
Superior
Con
1 NA
NA
Sin
4.348837
1.139248
16.60077

p-valor
de dos colas
EMAT
midp
fisher
chi-cuadrado
Con
NA
NA
NA
Sin
0.02491928 0.04191045 0.02191804

El riesgo de los
que estn el
programa EMAT de
obtener
rendimiento alto
es cuatro veces
mayor. Y adems
esta diferencia es
significativa.

##Anlisis de OR
library(epitools)
library(epiR)
##Estudio para ver si la categora de IVSA
##est asociada con el diagnstico NIC

tapw <- c("Con", "Sin")

outc <- c("Rendim<50", "Rendim>50")
dat <- matrix(c(43,11,51,3),2,2,byrow=TRUE)
dimnames(dat) <- list("EMAT" = tapw,
"Rendim>50" = outc)
oddsratio.wald(dat, rev="c")

tapw <- c("alto", "bajo","medio","muy_bajo")

outc <- c("Sin", "Con")
dat <matrix(c(3,11,26,14,19,16,6,13),4,2,byrow=TRUE)
dimnames(dat) <- list("Rendimiento" = tapw,
"EMAT" = outc)
oddsratio.wald(dat, rev="c")

$measure

odds ratio with 95% C.I.

Rendimiento estimate
lower
upper

alto
1.000000
NA
NA

bajo
6.809524 1.6256290 28.524106

medio 4.354167 1.0322024 18.367296

muy_bajo 1.692308 0.3410900 8.396335

$p.value

two-sided
Rendimiento midp.exact fisher.exact
chi.square

alto
NA
NA
NA

bajo
0.006415446 0.01106094
0.004892963

medio 0.042995086 0.05658376

0.036710229

muy_bajo 0.553521421 0.69819800

0.517584929