Resumen de Selección de candidatos a la Educación Superior en ausencia de un examen de ingreso

Luis Horacio Pedroza Zúñiga, Alma Yadhira López García, Rubí Surema Peniche Cetzal, Jessica Nájera Saucedo

• español

  Ante la situación excepcional causada por la pandemia de COVID-19 y la problemática para hacer evaluaciones masivas del alumnado, este artículo analiza alternativas diferentes al examen presencial para seleccionar a los aspirantes que pretenden ingresar a las Instituciones de Educación Superior, con base en información disponible de los alumnos y sus escuelas. A partir de información censal de evaluaciones de ingreso en seis cohortes anuales, se obtiene un modelo predictivo que incorpora el promedio de calificaciones de los aspirantes y el rendimiento histórico de sus escuelas de procedencia, medido a través del EXANI II. Los resultados permiten identificar un modelo que correlaciona en .69 el puntaje estimado con el real; además, se plantean escenarios con niveles de predicción mayores (R = .86). Se discute sobre las implicaciones de utilizar las calificaciones de bachillerato, a la luz del peso que tienen en predecir el desempeño académico durante la educación superior.

• English

  Given the exceptional circumstances of the COVID-19 pandemic and the problems faced in conducting mass student examinations, this article explores alternatives to an in-person exam to select candidates hoping to gain admission to higher education institutions, based on available information about students and their schools. Census-based information on entrance evaluations for six annual cohorts is used to obtain a predictive model that incorporates candidates’ average grades and the historical performance of their schools of origin, measured through EXANI II. The results allow us to identify a model able to correlate to .69 the estimated and actual scores; additional scenarios were proposed with greater levels of prediction (r = .86). A discussion is offered on the implications of using high school grades, in light of their power to predict academic performance in higher education.