Universidad Complutense de Madrid: Facultad de Psicología Departamento de Metodología de Las Ciencias Del Comportamiento

UNIVERSIDAD COMPLUTENSE DE MADRID
FACULTAD DE PSICOLOGÍA
Departamento de Metodología de las Ciencias del
Comportamiento
TESIS DOCTORAL
Nivel socioeconómico y rendimiento académico: estudiantes resilientes
MEMORIA PARA OPTAR AL GRADO DE DOCTORA
PRESENTADA POR
Leire Olmeda García
Directora
Rosario Martínez Arias
Madrid, 2016
© Leire Olmeda García, 2016

Departamento de Metodología de las Ciencias del Comportamiento
TESIS DOCTORAL
Nivel socioeconómico y rendimiento académico:

estudiantes resilientes
MEMORIA PARA OPTAR AL GRADO DE DOCTOR
PRESENTADA POR
Directora
Madrid, 2015
Departamento de Metodología de las Ciencias del Comportamiento
TESIS DOCTORAL
Nivel socioeconómico y rendimiento académico:

estudiantes resilientes
Directora
Madrid, 2015
ÍNDICE DE TABLAS 5
ÍNDICE DE FIGURAS 11
ÍNDICE DE SIGLAS 15
RELACIÓN DE VARIABLES UTILIZADAS 17
RESUMEN 18
ABSTRACT 20
1. INTRODUCCIÓN GENERAL 23
1.1. CONTEXTO Y JUSTIFICACIÓN 24
1.2. OBJETIVOS DE LA INVESTIGACIÓN 27
1.2.1. OBJETIVOS GENERALES 27
1.2.2. OBJETIVOS ESPECÍFICOS DE LA INVESTIGACIÓN 27
1.3. ESTRUCTURA DE LA TESIS 28
2. INTRODUCCIÓN 29
2.1. EVALUACIÓN INTERNACIONAL A GRAN ESCALA 30
2.2. VARIABLES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO:
ESTUDIOS PREVIOS 40
2.2.1. NIVEL SOCIOECONÓMICO 40
2.2.2. SEXO 49
2.2.3. ESTATUS MIGRATORIO 50
2.2.4. GRADO 52
2.2.5. TIPO DE ESCUELA 53
2.2.6. VARIABLES NO DEMOGRÁFICAS 54
2.3. RESILIENCIA ACADÉMICA 59
2.4. PROGRAMA PARA LA EVALUACIÓN INTERNACIONAL DE ALUMNOS 63
2.4.1. DISEÑO PRUEBAS PISA 66
2.5. PISA EN ESPAÑA 68
3. MÉTODO 71
3.1. DATOS Y DEFINICIONES 72
3.2. PARTICIPANTES 75
3.3. SELECCIÓN DE PAÍSES 78
3.4. SELECCIÓN DE LAS VARIABLES 81
3.4.1. VARIABLES EN ESPAÑA 92
3.5. SELECCIÓN DEL MODELO 108
4. RESULTADOS 111
4.1. SALIDA DE CLUSTERS 112
4.1.1. SALIDA DE CLUSTERS EN ESPAÑA 114
4.2. RESILIENTES 116
4.3. CONTRASTE DE DIFERENCIAS ESTUDIANTES ALTO RENDIMIENTO
ACADÉMICO Y RESILIENTE 121
4.4 CONTRASTE DE DIFERENCIAS ESTUDIANTES BAJO NIVEL
SOCIOECONÓMICO Y RESILIENTES 128

4.4.1. REGRESIÓN LOGÍSTICA 134
4.5. RESUMEN DIFERENCIAS 138
4.6. ESPAÑA 139
4.6.1. REGRESIÓN LOGÍSTICA 143
5 DISCUSIÓN Y CONCLUSIONES 145
6 REFERENCIAS 155
6.4 PROGRAMAS UTILIZADOS 170
A. ANEXOS 171
ANEXO A.1. DEFINICIONES PISA COMPRENSIÓN LECTORA 172
ANEXO A.2. DESCRIPCIÓN DE LAS VARIABLES SEGÚN EL TECHNICAL
REPORT 2009 (OCDE, 2012K) 180
A.2.1. VARIABLES SOCIODEMOGRÁFICAS 180
A.2.2. OTRAS VARIABLES 183
A.2.3. ÍNDICES 184
ANEXO A.3. SELECCIÓN DEL MODELO 189
A.3.1. ANÁLISIS DE VARIABLES LATENTES 189
ANEXO A.4. SELECCIÓN DE PAÍSES 193
ANEXO A.5. SELECCIÓN DE VARIABLES 194
A.5.1. ESTATUS SOCIOECONÓMICO CULTURAL (ESCS) 194
A.5.2. RESULTADO ACADÉMICO EN LECTURA 200
A.5.3. ESTATUS MIGRATORIO (IMMIG) 202
A.5.4. GRADO (ST01Q01) 206
A.5.5. SEXO (ST04Q01) 210
A.5.6. TIPO DE ESCUELA (SCHLTYPE) 214
A.5.7. CLASES EXTRAESCOLARES PARA ENRIQUECIMIENTO EN
LENGUAJE (ST31Q01) 219
A.5.8. CLASES EXTRAESCOLARES CORRECTIVAS EN LENGUAJE
(ST31Q05) 223
3
A.5.9. HORAS DE LENGUAJE EXTRAESCOLARES (ST32Q01) 227
A.5.10. ESTRATEGIAS DE CONTROL (CSTRAT) 231
A.5.11. CLIMA DE DISCIPLINA (DISCLIMA) 235
A.5.12. DISFRUTE DE LA LECTURA (JOYREAD) 239
A.5.13. METACOGNICIÓN: RESUMEN (METASUM) 243
A.5.14. METACOGNICIÓN: ENTENDIMIENTO Y MEMORIA
(UNDREM) 247
A.5.15. LECTURA ON-LINE (ONLNREAD) 251
A.5.16. DIVERSIDAD EN LA LECTURA (DIVREAD) 255
A.5.17. PUNTUACIÓN EN MATEMÁTICAS (PV1MATH) 259
A.5.18. PUNTUACIÓN EN CIENCIAS (PV1SCIE) 262
ANEXO A.6. SELECCIÓN DE MODELOS 265
A.6.1. SALIDA LATENT GOLD 265
ANEXO A.7. RESULTADOS 270
A.7.1. DESCRIPTIVOS CLUSTERS 270
A.7.2. CLUSTER RESILIENTES 273
A.7.3. ANÁLISIS POST-HOC 280
A.7.4. DESCRIPTIVOS CLUSTERS ESPAÑA 301
ÍNDICE DE TABLAS
2.1. EVALUACIÓN INTERNACIONAL A GRAN ESCALA

Tabla 2.1 Pruebas de evaluación educativa. Tomado de Navas (2012) 34

ESTUDIOS PREVIOS
Tabla 2.3 Valores medios Resilientes y Desfavorecidos con bajo rendimiento en OCDE y
España. OCDE (2011a) 42
Tabla 2.4 ESCS medio para estudiantes según la puntuación en lectura y diferencia entre
el nivel alto y el medio-bajo. 43
2.3. RESILIENCIA ACADÉMICA

Tabla 2.2 . Estrategias RES-Research para el logro de la resiliencia en el sistema educativo 61
2.5. PISA EN ESPAÑA

Tabla 2.5 Frecuencia de alumnos por comunidades autónomas 69
3.2. PARTICIPANTES
Tabla 3.1 Población e información de la muestra 75
Tabla 3.2 Distribución de muestra por sexo y grado 76
3.3. SELECCIÓN DE PAÍSES

Tabla 3.3 Selección de países para el estudio según el IDH, la puntuación en PISA
respecto a la media de la OCDE y la pertenencia a la OCDE. 79
Tabla 3.4 Selección de países para el estudio según porcentaje de inmigrantes y
estudiantes resilientes. 79
3.4. SELECCIÓN DE LAS VARIABLES

Tabla 3.5 Puntuación CSTRAT y lectura por comunidad en España (OCDE, 2010d) 100
Tabla 3.6 Puntuación DISCLIMA y lectura por comunidad en España (OCDE, 2010d) 101
Tabla 3.7 Puntuación JOYREAD y lectura en España por comunidad (OCDE, 2010d) 102
Tabla 3.8 Puntuación METASUM y lectura por comunidad en España (OCDE, 2010d) 103
Tabla 3.9 Puntuación UNDREM y lectura por comunidad en España (OCDE, 2010d) 104
Tabla 3.10 Puntuación ONLREAD y lectura por comunidad en España (OCDE, 2010d) 105
Tabla 3.11 Puntuación Diversidad en la lectura en España por comunidad (OCDE, 2010d) 106
3.5. SELECCIÓN DEL MODELO
Tabla 3.12 Distribución de los datos perdidos por países tras LatentGold. 109
Tabla 3.13 Distribución de los datos perdidos por países tras LatentGold en España 110
4.1. SALIDA DE CLUSTERS
Tabla 4.1 Ubicación de los clusters según puntuación en lectura y nivel socioeconómico 113
SOCIOECONÓMICO Y RESILIENTES
Tabla 4.2 Parámetros de las variables en regresión logística 134
4.5. RESUMEN DIFERENCIAS
Tabla 4.3 Resumen de diferencias de resilientes 138
4.6. ESPAÑA
Tabla 4.4 Proporción de estudiantes resilientes por país. 139

Tabla 4.5 Proporción de resilientes según puntuación de lectura y nivel socioeconómico 140
Tabla 4.6 Estudiantes resilientes por comunidad en España 140

Tabla 4.7 Diferencias valores medios para España 143
Tabla 4.8 Parámetros de las variables en regresión logística España 144
ANEXO A.1.DEFINICIONES PISA COMPRENSIÓN LECTORA
Tabla A.1 Distribución de las preguntas de lectura 172

Tabla A.2 Clasificación de los niveles de lectura según la puntuación inicial. Tomado de
OCDE (2010b) 174

Tabla A.3 Definición de los niveles en la subescala Acceso a la información y su
recuperación 175
Tabla A.4 Definición de los niveles en la subescala Integración e Interpretación 175
Tabla A.5 Definición de los niveles en la subescala reflexión y evaluación 176
Tabla A.6 Definición de los niveles en la subescala Textos continuos 176
Tabla A.7 Definición de los niveles en la subescala Textos discontinuos 177
Tabla A.8 Ejemplo de pregunta PISA de nivel 5 y 6 178
ANEXO A.2.DESCRIPCIÓN DE LAS VARIABLES SEGÚN EL TECHNICAL REPORT 2009
Tabla A.9 Comparaciones de respuestas para el cálculo de METASUM 186

Tabla A.10 Comparaciones de respuestas para el cálculo de UNDREM 186
Tabla A.11 Fiabilidad de los índices de escala (OCDE, 2012k) 188
ANEXO A.4. SELECCIÓN DE PAÍSES

Tabla A.12 Valores medios por país según las variables usadas para la selección. 193
ANEXO A.5. SELECCIÓN DE VARIABLES

Tabla A.13 Medición ESCS en estudios internacionales. Fuente: Buchmann (2002) 194
Tabla A.14 Distribución de ESCS por países 195
Tabla A.15 Prueba T para ESCS 196
Tabla A.16 ANOVA para ESCS 197
Tabla A.17 Valores resumen de ESCS en España 199
Tabla A.18 Distribución del rendimiento académico en intervalos por países, en
frecuencias absolutas 200
Tabla A.19 Distribución del rendimiento académico en intervalos, en frecuencias
absolutas, en España 201
Tabla A.20 Prueba T para Estatus Migratorio 202
Tabla A.21 ANOVA para Estatus Migratorio 203
Tabla A.22 Valores resumen de Estatus Migratorio en España 205
Tabla A.23 Prueba T Grado 206
Tabla A.24 ANOVA para Grado 207
Tabla A.25 Valores resumen de Grado en España 209
Tabla A.26 Valores resumen de Sexo 210
Tabla A.27 ANOVA para Sexo 211
Tabla A.28 Valores resumen de Sexo en España 213
Tabla A.29 Prueba T para Tipo de Escuela 214
Tabla A.30 ANOVA para Tipo de Escuela 215
Tabla A.31 Valores resumen de Tipo de Escuela en España 217
Tabla A.32 Puntuación en lectura y ESCS según tipo de escuela por comunidad en España
(OCDE, 2010d) 218
Tabla A.33 Valores resumen de Clases extraescolares para enriquecimiento en lenguaje 219
Tabla A.34 ANOVA para Clases extraescolares para enriquecimiento en lenguaje 220
Tabla A.35 Valores resumen de Clases extraescolares para enriquecimiento en lenguaje en

España 222
Tabla A.36 Prueba T para Clases extraescolares correctivas en lenguaje 223

Tabla A.37 ANOVA para Clases extraescolares correctivas en lenguaje 224
Tabla A.38 Valores resumen de Clases extraescolares correctivas en lenguaje en España 226
Tabla A.39 Prueba T para horas de lenguaje extraescolares 227

Tabla A.40 ANOVA para Horas de lenguaje extraescolares 228
Tabla A.41 Valores resumen de Horas de lenguaje extraescolares en España 230
Tabla A.42 Prueba T para Estrategias de control 231
Tabla A.43 ANOVA para Estrategias de control 232
Tabla A.44 Valores resumen de Estrategias de control en España 234
Tabla A.45 Prueba T para Clima de disciplina 235
Tabla A.46 ANOVA para Clima de disciplina 236
Tabla A.47 Valores resumen de Clima de disciplina en España 238
Tabla A.48 Valores resumen de Disfrute de la lectura 239
Tabla A.49 ANOVA para Disfrute de la lectura 240
Tabla A.50 Valores resumen de Disfrute de la lectura en España 242
Tabla A.51 Prueba T para Metacognición: resumen 243
Tabla A.52 ANOVA para Metacognición: resumen 244
Tabla A.53 Valores resumen de Metacognición: resumen en España 246
Tabla A.54 Valores resumen de Metacognición: entendimiento y memoria 247
Tabla A.55 ANOVA para Metacognición: entendimiento y memoria 248
Tabla A.56 Valores resumen de Metacognición: entendimiento y memoria en España 250
Tabla A.57 Prueba T para Lectura on-line 251

Tabla A.58 ANOVA para Lectura on-line 252
Tabla A.59 Valores resumen de Lectura on-line en España 254
Tabla A.60 Prueba T para Diversidad en la lectura 255
Tabla A.61 ANOVA para Diversidad en la lectura 256
Tabla A.62 Valores resumen de Diversidad en la lectura en España 258
Tabla A.63 Prueba T para Puntuación en matemáticas 259
Tabla A.64 ANOVA para Puntuación en matemáticas 260
Tabla A.65 Prueba T para Puntuación en ciencias 262
Tabla A.66 ANOVA para Puntuación en ciencias 263
ANEXO A.6. SELECCIÓN DE MODELOS
Tabla A.67 Resumen Modelo 265
Tabla A.68 Estadísticos Chi-cuadrado 266

Tabla A.69 Estadísticos de clasificación 267
Tabla A.70 Correlaciones 268
Tabla A.71 Residuos bivariados 269
ANEXO A.7. RESULTADOS
Tabla A.72 Distribución de los Clusters según puntuación de lectura y socioeconómica. 270
Tabla A.73 Frecuencias (en porcentajes) de variables demográficas y asistencia a clases
extraescolares por cluster 271

Tabla A.74 Puntuación media de los índices por cluster 272
Tabla A.75 Distribución del Cluster 1 (Resilientes) según variables demográficas 273
Tabla A.76 Frecuencias de variables demográficas y asistencia a clases extraescolares en
Resilientes 274
Tabla A.77 Asistencia a clases extraescolares en Resilientes 275
Tabla A.78 Puntuación media de índices por país para Resilientes 276
Tabla A.79 Distribución de los Clusters según puntuación de lectura y socioeconómica en
España 277
Tabla A.80 Frecuencias (en porcentajes) de variables demográficas y asistencia a clases
extraescolares por cluster en España 278
Tabla A.81 Puntuación media de los índices por cluster en España 279
Tabla A.82 Análisis post-hoc entre el cluster 1 y cluster 12. 280
Tabla A.83 Análisis post-hoc entre el cluster 1 y cluster 12 en España 281
Tabla A.90 Presencia de Clusters por países. 288
Tabla A.91 Diferencias entre valores medios de Resilientes y el Cluster 12 en variables
sociodemográficas 289
Tabla A.92 Diferencias entre valores medios de Resilientes y el Cluster 12 en asistencia
clases extraordinarias 290
Tabla A.93 Diferencias entre valores medios de Resilientes y el Cluster 12 en índices 291

Tabla A.96 Diferencias entre valores medios de Resilientes y el Cluster 3 en índices. 294
Tabla A.103 Frecuencias de los clusters para España, el conjunto de los 30 países
estudiados, los países PISA y OCDE 301
Tabla A.104 Puntuaciones medias de los clusters para España, el conjunto de los 30 países
estudiados, los países PISA y OCDE 302
10
ÍNDICE DE FIGURAS
1.1.CONTEXTO Y JUSTIFICACIÓN
Figura 1.1 Rendimiento académico y perfil socioeconómico. Fuente: OCDE (2010c). 25
Figura 1.2 La desigualdad de ingresos en la población y la relación entre el entorno
socioeconómico y el rendimiento. Fuente: OCDE, 2010c 26

ESTUDIOS PREVIOS
Figura 2.1 Distribución de los estudiantes según obtienen o no alta puntuación en lectura,
matemáticas o ciencia. Fuente OCDE, 2013e. 44
Figura 2.2 Relación por países de la puntuación media ESCS y la diferencia ESCS entre
los estudiantes con puntuación media baja y puntuación alta. 45
Figura 2.3 Puntuación en lectura y proporción de alumnos desfavorecidos (OCDE, 2010b) 46
Figura 2.4 Puntuación en lectura y proporción de alumnos migrantes (OCDE, 2010b) 50
Figura 2.5 Cambio en la puntuación media en JOYREAD entre 2000 y 2009 (OCDE,
2010f) 56
Figura 2.6 Relación entre el conocimiento de estrategias efectivas para comprender y
recordar información y el rendimiento en lectura. Tomado de OCDE, 2010d 57
2.4. PROGRAMA PARA LA EVALUACIÓN INTERNACIONAL DE ALUMNOS

Figura 2.7 Cambios del rendimiento en lectura entre 2000 y 2009. (OCDE, 2010f) 65
2.5. PISA EN ESPAÑA

Figura 2.8 Comunidades autónomas participantes en PISA 2009 (Instituto de Evaluación,
2009) 68
3.3. SELECCIÓN DE PAÍSES

Figura 3.1 Países seleccionados para el presente estudio 78
3.4. SELECCIÓN DE LAS VARIABLES
Figura 3.2 Porcentaje de estudiantes en los niveles 5 y 6 de lectura por países 82
Figura 3.3 Distribución en porcentajes del ESCS por países 83
Figura 3.4 Puntuaciones medias en lectura según el ESCS 84
Figura 3.5 Puntuaciones medias en lectura según el estatus migratorio. 84
Figura 3.6 Puntuaciones medias en lectura según el grado. 85
Figura 3.7 Puntuaciones medias en lectura según el Sexo 85
11
Figura 3.8 Puntuaciones medias en lectura según el Tipo de Escuela 86
Figura 3.9 Puntuaciones medias en lectura según Clases extraescolares para el
enriquecimiento de la lengua 86
Figura 3.10 Puntuaciones medias en lectura según Clases extraescolares correctivas de la
lengua 87
Figura 3.11 Puntuaciones medias en lectura según Horas de lenguaje extraescolares 87
Figura 3.12 Puntuaciones medias en lectura según Estrategias de Control 88
Figura 3.13 Puntuaciones medias en lectura según Clima de disciplina 88
Figura 3.14 Puntuaciones medias en lectura según Disfrute de la lectura 89
Figura 3.15 Puntuaciones medias en lectura según Metacognición: resumen 89
Figura 3.16 Puntuaciones medias en lectura según Metacognición: resumen 90
Figura 3.17 Puntuaciones medias en lectura según Lectura online 90
Figura 3.18 Puntuaciones medias en lectura según Diversidad en la Lectura 91
Figura 3.19 Distribución de niveles en lectura por comunidad en España 92
Figura 3.20 Distribución en niveles socioeconómicos por comunidad en España 93
Figura 3.21 Puntuación media ESCS según nivel de lectura por comunidad en España 93
Figura 3.22 Puntuaciones medias en lectura según ESCS en España 94
Figura 3.23 Puntuaciones medias en lectura según IMMIG en España 95
Figura 3.24 Puntuaciones medias en lectura según Grado en España 95
Figura 3.25 Puntuaciones medias en lectura según sexo en España 96
Figura 3.26 Puntuación ESCS según tipo de escuela en España 96
Figura 3.27 Puntuaciones medias en lectura según Tipo de Escuela en España 97
Figura 3.28 Puntuaciones medias en lectura según asistencia a clases de enriquecimiento
en España 98
Figura 3.29 Puntuaciones medias en lectura según asistencia a clases correctivas en
España 98
Figura 3.30 Puntuaciones medias en lectura según nº de horas extraordinarias en España 99
Figura 3.31 Puntuaciones medias en lectura según CSTRAT en España 100
Figura 3.32 Puntuaciones medias en lectura según DISCLIMA en España 101
Figura 3.33 Puntuaciones medias en lectura según JOYREAD en España 103
Figura 3.34 Puntuaciones medias en lectura según METASUM en España 104
Figura 3.35 Puntuaciones medias en lectura según UNDREM en España 105
Figura 3.36 Puntuaciones medias en lectura según ONLNREAD en España 106
Figura 3.37 Puntuaciones medias en lectura según DIVREAD en España 107
12
4.1. SALIDA DE CLUSTERS

Figura 4.1 Frecuencia de los clusters 112
Figura 4.2 Puntación media en Lectura y posición socioeconómica de los clusters 112
Figura 4.3 Frecuencias de los clusters en España 114
Figura 4.4 Puntación media en Lectura y posición socioeconómica de los clusters en
España 114
4.2. RESILIENTES
Figura 4.5 Resilientes por país según Lectura o ESCS 116
Figura 4.6 Proporción de alumnos resilientes por país según media en ESCS y Lectura del
grupo resiliente 117
Figura 4.7 Proporción de alumnos en los intervalos -2 y -3 ESCS entre los resilientes por
país 117
Figura 4.8 Proporción en resilientes de alumnos nivel 6 de lectura 118
Figura 4.9 Proporción de migrantes en resilientes 119
Figura 4.10 Proporción de hombres en resilientes 119
Figura 4.11 Distribución de cursos en resilientes 120
4.3. CONTRASTE DE DIFERENCIAS ESTUDIANTES ALTO RENDIMIENTO

ACADÉMICO Y RESILIENTE
Figura 4.12 Frecuencias por nivel socioeconómico y cluster de alto rendimiento 122
Figura 4.13 Frecuencias por estatus migratorio y cluster de alto rendimiento 122
Figura 4.14 Frecuencias por grado y cluster de alto rendimiento 123
Figura 4.15 Frecuencias por sexo y cluster de alto rendimiento 123
Figura 4.16 Frecuencias por tipo de escuela y cluster de alto rendimiento 124
Figura 4.17 Frecuencias por el número de horas extraordinarias y cluster de alto
rendimiento 124
Figura 4.18 Perfiles de alumnos resilientes y alumnos de alto rendimiento académico por
países 127

Figura 4.19 Frecuencias por nivel socioeconómico y cluster de nivel socioeconómico bajo 128
Figura 4.20 Frecuencias por nivel socioeconómico y cluster de nivel socioeconómico bajo 129
Figura 4.21 Frecuencias por estatus migratorio y cluster de nivel socioeconómico bajo 130
13
Figura 4.22 Frecuencias por grado y cluster de nivel socioeconómico bajo 130
Figura 4.23 Frecuencias por sexo y cluster de nivel socioeconómico bajo 131
Figura 4.24 Frecuencias por tipo de escuela y cluster de nivel socioeconómico bajo 132
Figura 4.25 Frecuencias por el número de horas extraordinarias y cluster de nivel
socioeconómico bajo 132
Figura 4.26 Perfiles de alumnos resilientes y alumnos de bajo nivel socioeconómico por
países 137
ANEXO A.2.DESCRIPCIÓN DE LAS VARIABLES SEGÚN EL TECHNICAL REPORT 2009
Figura A.1 Composición del índice ESCS 181
14
ÍNDICE DE SIGLAS
AIC: Akaike Information Criterion (Criterio de Información de Akaike)
AIC3: Akaike Information Criterion 3 (Criterio de Información de Akaike 3)
BIB: Bloques incompletos balanceados
BIC: Bayesian Information Criterion (Criterio de Información Bayesiano)
CAIC: Consistent Akaike Information Criterion (Criterio de Información de Akaike
consistente)
ERA: Education Resilience Approaches (Enfoques de la educación a resilientes)
ICCS: International Civic and Citizenship Study (Estudio Internacional sobre
Educación Cívica y Ciudadana)
IDH: Índice del Desarrollo Humano
IEA: International Association for the Evaluation of Educational Achievement
(Asociación Internacional para la Evaluación del Logro Educativo)
ILSA: International Large-Scale Assessments (Estudios internacionales a gran escala)
INES: Indicators of Education Systems (Indicadores del Sistema Educativo)
LLECE: Laboratorio Latinoamericano de Evaluación de la Calidad de la Educación
MMS: Multiple matrix sampling (Muestreo de Matriz Simple)
OCDE: Organización para la Cooperación y el Desarrollo Económico
ONU: Organización de Naciones Unidas
15
PIRLS: Progress in International Reading Literacy Study (Estudio Internacional de

Progreso en Comprensión Lectora)
PISA: Programme for International Student Assessment (Programa para la

Evaluación Internacional de Alumnos, por sus siglas en inglés)
RES- Research. Resilience in education Systems. (Investigación de la Resiliencia en

sistemas educativos, por sus siglas en inglés)
SABER: Systems Approach for Better Education Results (Sistema de Aproximación

para Mejorar los Resultados Educativos)
SACMEQ: Southern and Eastern African Consortium for Monitoring Educational

Quality (Consorcio de África Meridional y Oriental para la Supervisión de la Calidad
de la Educación)
TALIS: Teaching and Learning Internacional Survey (Estudio Internacional de

Enseñanza y Aprendizaje)
TIMSS: Trends in International Mathematics and Science Study (Estudio

Internacional de Tendencias en Matemática y Ciencias)
TRI: Teoría de Respuesta al Ítem
TTO Trinidad y Tobago
UNESCO: United Nations Educational, Scientific and Cultural Organization

(Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura)
16
RELACIÓN DE VARIABLES UTILIZADAS
CSTRAT: Estrategias de control

DISCLIMA: Clima de disciplina
DIVREAD: Diversidad en la lectura
ESCS: Estatus Socioeconómico Cultural
IMMIG: Estatus migratorio
JOYREAD: Disfrute de la lectura
METASUM: Metacognición: resumen
ONLNREAD: Lectura on-line
PV1MATH: Puntuación en matemáticas
PV1READ: Puntuación en Lectura
PV1SCIE: Puntuación en ciencias
SCHLTYPE: Tipo de escuela
ST01Q01: Grado
ST04Q01: Sexo
ST31Q01: Clases extraescolares para enriquecimiento en lenguaje
ST31Q05: Clases extraescolares correctivas en lenguaje
ST32Q01: Horas de lenguaje extraescolares
UNDREM: Metacognición: entendimiento y memoria
17
RESUMEN
La pobreza es un factor que influye, como se ha indicado en numerosos estudios, en el

resultado académico de los chicos y las chicas desfavorecidas, así como en su proceso de
aprendizaje. Además, la falta de recursos tanto económicos como culturales interacciona con
múltiples variables de distinta manera.
En este estudio se analiza al estudiante resiliente a partir de los resultados obtenidos en el
Programa PISA de 2009 dedicado a la lectura con la pretensión de dar respuesta a la pregunta:
¿en qué se diferencian y en qué se parecen los estudiantes que tienen una puntuación similar en
lectura pero con orígenes sociales diferentes o a la inversa? a fin de poder conocer las
características propias de la resiliente. Para ello, se ha definido al estudiante resiliente como
aquel que obtiene una puntuación en el estatus socioeconómico y cultural contenida en el
intervalo -1 o menor y una puntuación en lectura en los niveles 5 ó 6.
Concretando los objetivos de este estudios, éstos son (a) Identificar las principales
variables, entre las seleccionadas por PISA, que influyen en la relación entre el nivel económico
y el académico, (b) Aplicar el Análisis de Variables Latentes para discernir grupos de alumnos
evaluados en PISA, (c) Identificar grupos de alumnos y (d) Buscar las características del
alumnado resiliente frente a las de aquellos sujetos con niveles socioeconómicos o académicos
similares.
Para ello se han seleccionado los siguientes países pertenecientes a la OCDE: Australia,
Canadá, República Checa, Estonia, Finlandia, Francia, Grecia, Hungría, Israel, Japón, Corea,
México, Nueva Zelanda, Polonia, Portugal, Eslovenia, España, Turquía, Reino Unido y Estados
Unidos y no pertenecientes a la OCDE: Brasil, Bulgaria, China Taipei, Croacia, Macao-China,
Rusia, Shanghái-China, Singapur, Trinidad y Tobago y Uruguay.
Las variables seleccionadas por su relación estadística respecto al rendimiento académico y
el estatus socioeconómico y cultural en los países seleccionados han sido: Resultado en lectura,
Estatus Socio Económico Cultural, Estatus migratorio, Grado, Sexo, Tipo de escuela, Asistencia
a Clases extraescolares para enriquecimiento en lenguaje, Asistencia a Clases extraescolares
correctivas en lenguaje, Horas de lenguaje extraescolares, Estrategias de control, Clima de
disciplina, Disfrute de la lectura, Metacognición: resumen, Metacognición: entendimiento y
memoria, Lectura On-Line, Diversidad en la lectura y la puntuación en matemáticas y ciencias.
Se ha llevado a cabo un análisis de clases latentes, usando para ello el software LatentGold. La
salida resultante ha sido un conjunto de 31 clusters, incluido el que incluye únicamente a la
totalidad de los estudiantes resilientes. De éstos, se han seleccionado los clusters que incluyen
18
estudiantes con (a) nivel socioeconómico similar al de los estudiantes resilientes o (b) puntuación
en lectura similar al de los estudiantes resilientes. Posteriormente, se ha realizado un análisis de
regresión logística entre los alumnos de bajo nivel socioeconómico para descubrir el valor
predictivo de las variables. Del análisis de estos grupos respecto al de resilientes, se descartan
los índices en los que se encuentra una diferencia significativa respecto a los estudiantes con
similar nivel socioeconómico, pero no entre los estudiantes de mayor nivel socioeconómico:
Clima de disciplina, Metacognición: resumen, Metacognición: entendimiento y memoria y
Lectura on-line. No son índices que puedan ser explicados a priori únicamente por el acceso o no
a renta o recursos (culturales o económicos). En un análisis específico de los resultados
españoles, se encuentran resultados similares en estas variables.
19
ABSTRACT
Poverty is a factor which has an influence on the academic results, as well as on the
learning process, of boys and girls from disadvanteged contexts, as many studies have indicated.
The lack of both economic and cultural resources also interacts with a number of factors in
different ways.
In this study the resilient student is analyzed based on the results of the PISA Programme
from 2009, based on reading and aimed at answering the following question: What are the
differences and smilarities between students with similar marks in reading but with diverse social
origins - or the opposite? This question is made in order to get to know the characteristics of the
resilient. For this purpose, the resilient student has been defined as the one which obtains a mark
in the socio-economical and cultural status which is below -1 and a mark in reading between
levels 5 and 6.
To specify the goals of this study, they are to: a) Identify the main aspects, among those
selected by PISA, which have an influence between the economic and academic level of the
students. b) Apply the Latent Analysis Variable to distinguish between the different groups of
students evaluated by TISA. c) Identify student groups. d) Look for the resilients' students
characteristics opposing those with similar socio-economic or academic levels.
For this the following countries which are part of the OECD have been selected: Australia,
Canada, Czech Republic, Estonia, Finland, France, Greece, Hungary, Israel, Japan, Korea,
Mexico, New Zealand, Poland, Portugal, Slovenia, Spain, Turkey, United Kingdom, and United
States - and the following ones not belonging to the OECD: Brazil, Bulgaria, China (Taipei),
Croatia, Macau-China, Russia, Shanghai-China, Singapur, Trinidad and Tobago, Uruguay.
The selected variables for their statistic relation with academic results and socio-economic
and cultural status in the selected countries have been: Reading score, Educational, Social and
Cultural Status, Immigrant background, Grade, Gender, School type, Out of school lessons
enrichment in language, Out of school lessons remedial in language, Hours attending out of
school lessons in languaje, Control strategies, Disciplinary climate, Enjoyment of reading, Meta
cognition: summarising, Meta-cognition: understanding and remembering, Online reading
activities, Diversity in reading and science and mathematics score.
An analysis of latent categories has been carried out, using the LatentGold software. The
outcome has been the sum of 31 clusters, including the one which only contains all of the
resilient students. Of these, we have selected the clusters which include students with a) A
similar socio-economic level to the resilient students, or b) similar marks in reading to the
resilient students. After that, we have analyzed the logistic regression among the students with a
20
lower socio-economic level to discover the predictive value of the variables. In the analysis of
this group, differently from the analysis of group of resilients, we gihlight the figures in which
there is a similar difference between students with a similar socio-economic level,except among
the students with a higher socio-economic level: Disciplinary climate, Meta-cognition:
summarising, Meta-cognition: understanding and remembering and Online reading activities.
They are not figures which could be explained only by access or lack of it to income, or to social
or cultural resources. In a specific analysis of the Spanish results, there are similar results for
these variables.
21
22
1. INTRODUCCIÓN
GENERAL
23
1.1.CONTEXTO Y JUSTIFICACIÓN
A día de hoy se realizan varios tipos de evaluaciones al alumnado y a los diferentes

sistemas educativos, desde pruebas internas a pruebas internacionales, con periodicidad o sin
ella. Es indudable el interés de la sociedad en la evaluación académica, como indicativo del
rendimiento, de las capacidades y habilidades de los alumnos y del sistema académico. Esta
preocupación no se da únicamente entre las instituciones académicas y los gobiernos: los medios
de comunicación dedican un importante espacio para tratar estos estudios, o sus resultados, más
exactamente.
PISA es una de las pruebas más comentadas en la prensa española. Esta prueba
internacional favorece poder analizar el rendimiento académico de sus estudiantes teniendo en
cuenta su contexto escolar, motivacional y social.
Una constante en todos los países es el hecho de que el rendimiento, con mayor o menor
fuerza en la relación, viene influido por el nivel socioeconómico y cultural. La Organización para
la Cooperación y el Desarrollo Económico (OCDE, OECD por sus siglas en inglés), precursora
de PISA, explica la importancia de la educación y la igualdad indicando que las destrezas
lectoras son la base del aprendizaje a lo largo de la vida y aumentan las oportunidades futuras de
empleo e ingresos. En consecuencia, aquellos países en los que la relación entre entorno
socioeconómico y rendimiento en lectura es fuerte no aprovechan completamente el potencial de
los alumnos de entornos desfavorecidos. Esto puede suponer un desperdicio de capital humano y
una limitación a la movilidad intergeneracional ascendente desde las posiciones socioeconómicas
bajas a otras superiores. Los alumnos cuyo rendimiento es más bajo seguramente serán los que
tengan menos probabilidad de obtener un empleo prometedor en cuanto a movilidad económica.
Esto supone una pérdida, no sólo para las personas, sino también para las sociedades, cuyo
crecimiento económico depende cada vez más de la contribución de todos sus miembros (OCDE,
2010h).
En la Figura 1.1 , tomada del segundo volumen de resultados de PISA 2009, se muestra la
relación directa entre el nivel socioeconómico y cultural (ESCS) medio de cada país y el
rendimiento medio evaluado en PISA. En el eje horizontal se encuentra el nivel socioeconómico
medio de cada país y en el eje vertical la puntuación media en lectura. Los cuadrantes vienen
determinados por la media de la OCDE de ambos términos. España se encuentra ligeramente por
debajo de la media de la OCDE tanto en rendimiento académico como en el perfil
socioeconómico. Una segunda figura de este mismo trabajo de la OCDE (Figura 1.2) nos
muestra los países según el Índice Gini y la relación entre el nivel socioeconómico y el
rendimiento calculados por PISA. El Índice Gini, en el eje horizontal, es un estadístico que
24
ofrece la desigualdad entre los ingresos de una población con valores entre 0 –máxima igualdad-
y 1 –máxima desigualdad-. La relación entre el nivel socioeconómico y el rendimiento, eje
vertical, viene explicitado como proporción de la varianza en el rendimiento por parte del nivel
socioeconómico. Los cuadrantes vienen determinados por la media de la OCDE. El cuadrante
superior izquierdo contiene los países cuya desigualdad se encuentra por encima de la media y la
relación entre rendimiento y entorno por debajo. España se encuentra en él, aunque próximo a las
medias.
600
Media Puntuación media superior a la media OCDE Puntuación media superior a la media OCDE
Nivel socioeconómico inferior a la media OCDE Nivel socioeconómico superior a la media OCDE
Shanghai‐China
Korea
Hong Kong‐China Finland
Singapore New Zealand Canada
Japan
Belgium Australia
Netherlands
Poland Hungary Switzerland
Ireland Norway
500 Chinese Taipei France Sweden Iceland
Portugal Italy Liechtenstein Denmark Estonia
Latvia Greece Slovenia United States
Macao‐China Spain Czech Republic Germany
Croatia Israel Luxembourg
Slovak Republic Austria United Kingdom
Turkey Lithuania Dubai (UAE)
Russian Federation
Chile
Serbia
Bulgaria
Mexico Uruguay Romania
Thailand
Colombia Trinidad and Tobago
Brazil
Indonesia Tunisia Jordan
400 Argentina Montenegro
Kazakhstan
Albania
Peru Panama Qatar

Azerbaijan
Kyrgyzstan
300
‐2,0 ‐1,5 ‐1,0 ‐0,5 0,0 0,5 1,0
Medio Índice PISA Estatus Socioeconómico y cultural PISA
Figura 1.1 Rendimiento académico y perfil socioeconómico. Fuente: OCDE (2010c).
Según los datos sobre la distribución de ingresos y pobreza de la OCDE, el índice Gini
ha aumentado en la zona OCDE desde los años 80 hasta el final de la primera década de este
siglo (www.oecd.org/els/social/inequality). Las diferencias económicas siguen aumentando, y
éstas siguen influyendo en las diferencias académicas.
Mientras esto suceda, no será posible acabar con las diferencias entre los niños y las
niñas, posteriormente personas adultas. Se hace urgente conocer, para poder intervenir, las
razones del sistema educativo para perpetuar las diferencias sociales. La escuela no debe ser
reproductor de los esquemas sociales vigentes, sino generador de nuevos modelos, más justos y
democráticos.
25
Una manera de poder analizar las razones de la dependencia del nivel académico respecto
del socioeconómico es a través de las características de aquellos sujetos que, a pesar de partir de
los niveles económicos más bajos, obtienen los mejores resultados académicos: los estudiantes
resilientes.
0 Desigualdad de ingresos debajo de la media

Desigualdad de ingresos por encima de la media Relación entre rendimiento y entorno
Relación entre rendimiento y entorno socioeconómico socioeconómico
Macao‐China
(Porcentaje de varianza explicada por el status socioeconómico en el rendimiento del estudiante)
por debajo de la media por debajo de la media
Qatar
Hong Kong‐China
Iceland
Indonesia Estonia Azerbaijan

Tunisia Jordan Finland
Japan Norway
Canada
Trinidad and Tobago Montenegro
10 Serbia
Latvia Albania
Korea Croatia
Russian Federation
Italy Kazakhstan Slovak Republic
Israel Ireland Greece Czech Republic
Brazil Australia Netherlands
Thailand Lithuania Spain Romania Sweden
OECD media Mexico United Kingdom Switzerland
Slovenia Denmark
Poland Kyrgyzstan
15
Singapore
Portugal
Colombia New Zealand Austria
France
United States
Panama
Germany Luxembourg
Chile Turkey
Belgium
Argentina
20 Bulgaria
Uruguay
25
Hungary
Peru
30
0,6 0,55 0,5 0,45 0,4 0,35 0,3 0,25 0,2
Desigualdad de ingresos. Índice Gini
Figura 1.2 La desigualdad de ingresos en la población y la relación entre el entorno

socioeconómico y el rendimiento. Fuente: OCDE, 2010c
26
1.2.OBJETIVOS DE LA INVESTIGACIÓN
1.2.1. Objetivos Generales
 Ayudar a la comprensión de las diferencias académicas surgidas de las diferencias

socioeconómicas.
 Conseguir un conocimiento sobre las razones de las diferencias académicas.
1.2.2. Objetivos específicos de la Investigación
 Identificar las principales variables, entre las seleccionadas por PISA, que influyen en la
relación entre el nivel económico y el académico.
 Aplicar el Análisis de Variables Latentes para discernir grupos de alumnos evaluados en
PISA y la regresión logística posteriormente para conocer el alcance explicativo de las
variables.
 Identificar grupos de alumnos.
 Buscar las características del alumnado resiliente frente a las de aquellos sujetos con
niveles socioeconómicos o académicos similares.
27
1.3.ESTRUCTURA DE LA TESIS
Para intentar alcanzar los objetivos antes indicados para esta investigación, el trabajo
realizado consiste en los siguientes apartados:
 Una revisión teórica sobre: (a) la evaluación académica, (b) la evaluación internacional a
gran escala y (c) las diferencias académicas en función de las variables utilizadas en el
análisis.
 Una selección de 30 países de los evaluados en PISA procurando que sean
representativos según el nivel de pobreza –medido a través del Índice de Desarrollo
Humano elaborado por la ONU-, el nivel de inmigración, la puntuación media en la
prueba de lectura de PISA y el porcentaje de resilientes.
 Una selección de las variables aplicadas en PISA a partir de aquéllas en las que hay
relaciones significativas entre dichas variables y el rendimiento académico en los países
seleccionados previamente.
 Búsqueda de un modelo de Clusters, a partir del software Latent Gold, que cataloguen a
los sujetos a partir del rendimiento académico, el nivel socioeconómico y las variables
socioeconómicas -sexo, grado, estatus migarte y el tipo de escuela-.
 Análisis de regresión de los clusters previos.
 Análisis, a partir de los clusters antes calculados, de la relación entre éstos y las variables
seleccionadas a fin de poder ver cuáles podrían ser consideradas relevantes a la hora de
discernir al alumnado resiliente.
 Un análisis específico, a partir de las premisas anteriores, de los resultados españoles y de
las comunidades autónomas participantes.
 Reflexiones y propuestas a partir de los resultados para poder seguir identificando las
explicaciones a la resiliencia como medio de procurar reducir la influencia del nivel
socioeconómico en el rendimiento académico.
28
2. INTRODUCCIÓN
29
2.1.EVALUACIÓN INTERNACIONAL A GRAN ESCALA
¿Por qué no evaluamos el rendimiento internacionalmente?

El mundo podría ser nuestro laboratorio.
Husen (Universidad de Stockholm) a Bloom y Anderson (Universidad de Chicago)
Heymeman y Lee (2013)
En el artículo La Evaluación Educativa como Derecho Humano, Murillo y Román (2008)

explican:
“Si recibir educación de calidad es uno de los derechos fundamentales de los

seres humanos, ser evaluado y recibir información valorativa sobre la educación que
se está recibiendo ha de entenderse también como un derecho. […] Sin embargo, al
igual que la educación, no sirve cualquier evaluación. Para que se cumpla este
derecho ésta debe ser de calidad. […] Una evaluación de calidad ha de ser también
equitativa y justa. Debe reconocerse y asumir la diversidad social y cultural de los
estudiantes, para desde allí generar instrumentos y estrategias que permitan evaluar el
desarrollo y desempeño de todos y cada uno adecuada y justamente. Una evaluación
capaz de dar cuenta de la diversidad y heterogeneidad de los niños, niñas y jóvenes,
al mismo tiempo que visibilizar y dimensionar los desafíos que el contexto y sus
características, ponen al logro de resultados educativos de calidad.” (p. 2)
En “La evaluación como recurso para elevar la calidad de la educación en México”

Velásquez (1996) plantea que los objetivos en la evaluación del aprendizaje son:
1. Establecer u n sistema de medición del logro educativo que proporcione
periódicamente información válida, confiable y comparable, de tal forma que sea
posible producir series históricas para determinar el avance, el estancamiento o el
retroceso en los niveles de logro y que permita correlacionar éste con otras variables.
2. Mejorar los procesos de difusión de resultados, generando informes de destino tipo,
según el usuario de la información.
3. Probar modelos matemáticos para la equiparación de resultados en el tiempo,
independientemente de las modificaciones curriculares.
4. Identificar los factores de contexto que inciden en el logro educativo.
30
Si bien la OCDE no lo explicita de este modo, los objetivos de PISA son similares, en
tanto también pretende evaluar el sistema educativo, no al estudiantado como tal, analizar qué
factores intervienen y mejorar la difusión de los resultados.
Ejemplos de estos objetivos sería la introducción que realiza PISA con cada evaluación
progresivamente de variables nuevas, como el uso de las nuevas tecnologías o la encuesta a los
padres o, en lo referido a la difusión, los cambios que se han ido realizando en la web de PISA
con los que poder ver diferentes resultados cada vez de una manera más cómoda, o gráfica, y
entendible. Además, en los últimos informes han ido aumentando los artículos específicos, In
Focus, ya sea sobre los datos obtenidos directamente de la encuesta educativa –PISA In Focus- o
sobre datos económicos y sociales internacionales - Education Indicators In Focus-.
Plantea Hambleton (2002) que las pruebas de evaluación internacionales proporcionan
tres elementos claves: datos sobre la calidad educativa para los legisladores, posibles
explicaciones de los resultados y propuestas para mejorar el rendimiento. Entre sus propósitos
también se recogen "diagnosticar, clasificar, seleccionar, lugar, predecir, supervisar, o cambiar"
(Odendahl, 2011, p. vii).
El estudio o análisis del origen o factores relacionados con las diferencias en el
rendimiento académico surge prácticamente de forma simultánea que la propia evaluación del
propio rendimiento. Un ejemplo de ello pueden ser las publicaciones sobre la diferencia de
puntuación en función del sexo o sobre las diferencias derivadas del origen socioeconómico del
propio estudiante o de su entorno, de las que encontramos numerosos estudios y técnicas, como
en el fondo bibliográfico de la Universidad Complutense de Madrid. La búsqueda de artículos,
libros (o capítulos) o tesis doctorales en ese fondo en la primera década del siglo XXI bajo los
criterios “rendimiento escolar”, “sexo” o “socioeconómico” da lugar a los siguientes resultados:
Rendimiento Escolar: 1022 resultados
Rendimiento Escolar + Sexo: 555 resultados
Rendimiento Escolar + Socioeconómico: 465 resultados
Rendimiento Escolar + Socioeconómico + Sexo: 376 resultados
Aunque se trata de una búsqueda sin depurar, estos resultados de búsqueda dan una idea
de la importancia de la búsqueda de la influencia de estos factores explicativos en el rendimiento
escolar, dado que sólo el 37% de las reseñas sobre rendimiento escolar no tratan también sobre el
sexo o lo socioeconómico.
Desde el Informe Coleman, Igualdad de Oportunidades en Educación (1966), estudio que
atribuye al contexto socioeconómico un importante peso en el rendimiento académico, relegando
31
la importancia de la escuela, el plan de estudios o los profesores a un papel de mantener las

estructuras y diferencias sociales, se han sucedido numerosos estudios y teorías.
Alan Purves (1987), directivo de la Asociación Internacional para la Evaluación del
Logro Educativo (IEA) plantea los dos objetivos principales del I Estudio Internacional de
Matemáticas de la IEA, que puede ser considerado como el origen de la evaluación educativa
internacional (Rutkowski, Rutkowski y von Davier, 2013). Estos objetivos son: realizar
inferencias sobre el funcionamiento intelectual ante los ítems de múltiple elección y evaluar la
viabilidad de los estudios internacionales a gran escala (ILSAs por sus siglas en inglés).
Medio siglo después, los ILSAs no han dejado de desarrollarse, siendo PISA, TIMSS y
PIRLS sus máximos referentes. Estos estudios no sólo incluyen una estimación del rendimiento
en materias como lectura, matemáticas o ciencias, sino que se completan con información
complementaria obtenida de los propios alumnos, profesores, el colegio y los padres. (Rutkowski
et al., 2013).
Wagemaker (2013) recoge un resumen de los principales proyectos de evaluación
internacional así como las incertidumbres sobre estos. Plantea que se mantiene la duda sobre el
impacto que tienen estas investigaciones en los sistemas educativos de los países participantes, si
influyen en su reforma y desarrollo educativos.
Sánchez Santamaría y Manzanares (2013) realizan un análisis de las tendencias

internacionales sobre la equidad educativa desde la segunda mitad del siglo pasado hasta la
actualidad. Plantean que actualmente nos encontramos en un periodo de "rendimiento y
colaboración", en la que la equidad se contempla como inclusión educativa y la búsqueda del
éxito para todos. Destacan 3 cuestiones que describen la situación:
- Evolución del concepto de educación especial hacia la educación integradora e

inclusiva.
- El sistema pasa a ser el sujeto de intervención, y no el estudiante.
- Transformación del papel de la escuela bajo principios de igualdad, diversidad e
inclusión.
Respecto a por qué la información obtenida a través de la evaluación educativa ha

producido poco impacto en las políticas educativas, Caplan (1979) y Wyckoff (2009) plantean la
teoría de las “dos comunidades” que sostiene que los científicos sociales y quienes elaboran y
desarrollan los sistemas educativos se referencian en diferentes mundos con diferentes valores,
sistemas de recompensas,…
32
Acerca de qué criterios seguir a la hora de realizar una evaluación, Odendahl (2011)
plantea que en EEUU existe en ese ámbito "un documento similar" a su Constitución, el
Standards for Educational and Psychological Testing (AERA, APA, NCME., 1999
Actualización 2014) (p 57).
Estos Standards, plantea Odendahl, representan el consenso de los profesionales de la
medición, pero hay otros grupos que también se encuentran afectados por la evaluación
educativa:
- Ciudadanía: estudiantes, padres, contribuyentes, votantes, defensores de alguna causa
social o política o miembros de organizaciones no gubernamentales.
- Educadores: Aunque realizan evaluaciones rutinariamente, éste no es su principal
objetivo.
- Especialistas: Profesionales en el campo de la evaluación educativa. Profesores
universitarios de psicología de la educación y la medición y psicométricos, estadísticos,
investigadores, desarrolladores de prueba, entre otros.
- Reguladores: Personas y organizaciones con funciones gubernamentales, legales o
jurídicas.
Se plantea que estos colectivos comparten las mismas preocupaciones, aunque en

lenguajes diferentes y que, ante esto, un acuerdo sobre unas líneas básicas facilitaría las
negociaciones.
Los objetivos de la IEA, que se encuentran recogidos en su web, son:
 Proporcionar puntos de referencia internacionales para ayudar a los responsables

políticos en la identificación de las fortalezas y debilidades relativas de sus sistemas
educativos;
 Proporcionar datos de alta calidad que servirán como un recurso para la identificación de
áreas de preocupación y acción, y para la preparación y evaluación de las reformas
educativas;
 Desarrollar y mejorar la capacidad de los sistemas educativos a participar en las
estrategias nacionales de supervisión educativa y mejora;
 Contribuir al desarrollo de una comunidad mundial de investigadores en la evaluación
educativa.
El interés y objetos de estudio de los ILSA no ha hecho sino incrementar a lo largo de los
años, aumentando el número de países participantes tanto en TIMSS como en PISA . Igualmente,
33
se han ido poniendo en marcha estudios de gran escala para la evaluación del profesorado o la
formación y competencias de las personas adultas (Wagemaker, 2013). En Navas (2012)
encontramos un listado de las pruebas de evaluación educativa internacionales auspiciadas por la
OCDE y la IEA -Tabla 2.1-.
A parte de estos estudios, Wagemaker (2013) recoge los estudios internacionales
realizados por la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura
(UNESCO) que lleva a cabo dos ILSA a través de organizaciones afiliadas:
 El Consorcio de África Meridional y Oriental para la Supervisión de la Calidad de la
Educación (SACMEQ) que evalúa las condiciones de escolarización y la calidad de los
resultados educativos en la región anglófona.
 El Laboratorio Latinoamericano de Evaluación de la Calidad de la Educación (LLECE)
que elabora información sobre el rendimiento académico y analiza los factores asociados
al éxito académico, da apoyo y asesoramiento a las unidades de medición y evaluación de
los países y sirve de foro para debatir, compartir nuevos enfoques para la evaluación
educativa.
Además, el proyecto Educación Para Todos, dentro de los objetivos del milenio, se
propone la educación universal primaria.
Tabla 2.1 Pruebas de evaluación educativa. Tomado de Navas (2012)

Auspiciados por la OCDE PISA Estudiantes de 15 años
Lectura, Matemáticas y
Ciencias
TALIS Profesores y directores
ESO
Condiciones de la
enseñanza y el aprendizaje
INES Sistema internacional de
indicadores de la educación
Auspiciados por la IEA TIMSS Estudiantes de 9 y 13 años
y en el último curso de la
enseñanza secundaria
Matemáticas y Ciencias
PIRLS Estudiantes de 4º de
Primaria
Lectura
ICCS Estudiantes de 14 años
Educación cívica y
ciudadana
Los ILSA permiten analizar las diferencias inter e intrapaíses, entre el currículo, la
enseñanza, la familia o las motivaciones y actitudes del estudiante. Por ello, varios países
dedican parte de sus esfuerzos en materia de política educativa para analizar estos resultados
34
(Wagemaker, 2013). Singapur, por ejemplo, periódicamente estudia sus resultados en TIMSS
para detectar las fortalezas y debilidades de sus estudiantes. Kovaleva (2011) plantea el papel
que ha jugado TIMMS y PIRLS en Rusia para establecer estándares académicos y aspectos
relacionados con la equidad y la rendición de cuentas.
Señalan Heyneman y Lee (2013) la evolución sobre el debate de la viabilidad de la
comparación de diferentes resultados académicos. En la década de los años 30 Dottrens propuso
una evaluación internacional para conocer qué hacían los diferentes países en educación, frente a
la visión contraria defendida por Piaget, quien argumentaba la dificultad de uniformar las
diferentes definiciones de educación, los niveles de escolarización o los años cursados. En las
décadas de los 70 y 80 las críticas a la evaluación internacional se centraron en entender dicha
evaluación como una forma de neocolonialismo (Weiler, 1994) en tanto que los países en
desarrollo obtenían menores puntuaciones, sin embargo, Heyneman (2004) ha propuesto que los
países en desarrollo obtienen mejor puntuación media y en eficiencia que los países ricos. Otra
crítica, protagonista en la última década del siglo XX, se centraba en el posible sesgo de las
muestras, dado que se evaluaban tipos concretos de escuelas, en las que no cursaba toda la
cohorte de edad, sino sólo aquella parte destinada a cursar estudios universitarios.
Linn (2002) plantea que para el desarrollo de pruebas de evaluación internacionales debe
de establecerse un consenso previo entre los países participantes. Este consenso debe abarcar las
especificidades técnicas de la prueba, incluidos los tipos de ítems que la compondrán y el peso
relativo que debe tener cada dimensión a evaluar. Añade Linn que estos aspectos resultan ser los
más problemáticos a pesar de que el diseño de las grandes pruebas internacionales suelen
organizarse desde pruebas anteriores y desde ítems proporcionados por los países participantes
en función de sus propias evaluaciones nacionales. A estas dificultades, Hambleton (2002) añade
la estandarización de las condiciones de administración de las pruebas y, relacionado a esto, la
traducción y adaptación de la prueba, los protocolos de puntuación y los cuestionarios.
Hambleton, Merenda y Spielberger (2005) indican la preferencia del término adaptación
sobre el de traducción, dado que, como indica Hambleton (2002) en el capítulo dedicado a este
aspecto en el libro de Gamoran y Porter Methodological Advances in Cross-National Surveys of
Educational Achievemente, “las traducciones pobres van más allá de los simples aspectos
lingüísticos de la prueba” (p. 72). Señala como ejemplo la familiaridad cambiante según el país y
el formato de opción del ítem y como solución a este problema la necesidad de equilibrar la
familiaridad o desconocimiento de los ítems teniendo en cuenta que el efecto cansancio derivado
de la duración también puede variar según la cultura. Explica el autor que lo importante es
preservar la equivalencia psicológica de la prueba en los diferentes grupos incluso si eso supone
alterar el formato del ítem, como puede ser moviendo el “espacio en blanco” de las pruebas de
35
completar frases en función de la estructura gramatical del idioma o alterando el tiempo verbal o
debiendo elegir entre diferentes sinónimos.
Hambleton y Patsula (1999) detallaron una lista de cinco mitos de los que prescindir, a
fin de evitar errores en el proceso de adaptación:
Mito 1: Siempre es preferible la estrategia de adaptar una prueba existente a desarrollar

una nueva en el segundo idioma.
Mito 2: Quien conoce dos idiomas puede realizar una traducción aceptable de una
prueba.
Mito 3: Una buena traducción garantiza que los resultados de las pruebas es un idioma u
otro serán válidos para ser comparados.
Mito 4: Los constructos son universales, y por lo tanto todas las pruebas pueden ser
traducidos a otro idioma o cultura.
Mito 5: Los traductores pueden encontrar los defectos de adaptación, por lo que las
pruebas de campo no son necesarias.
La adaptación de la prueba en PISA partió de la metodología aplicada en TIMSS a la que

se añadió el francés como punto de partida del proceso, junto al inglés. Del proceso de
adaptación de PISA 2000, Hambleton (2002) destaca los siguientes tres puntos fuertes: la mejora
en el método al formar traductores, los consejos que éstos reciben para que eviten errores como
cambiar la abstracción del lenguaje o proporcionar pistas sobre la respuesta correcta y la
completa documentación del proceso de adaptación que incluye los avances y retrocesos y los
diseños de doble traducción.
Para garantizar los estándares mínimos en el muestreo de cada país, un Coordinador
Nacional de Proyecto se responsabiliza de los siguientes objetivos: establecer las definiciones de
edad, definir y documentar las exclusiones para mantenerlas al mínimo (autorizadas las
exclusiones de escuelas hasta el 0,5% del estudiantado por motivos de inaccesibilidad
geográfica, tamaño pequeño,…), realizar el marco muestral de escuelas, identificar las variables
de estratificación, determinación de la escuela y muestra de estudiantes, mantener los registros
sobre la participación escolar y el uso de los reemplazos (Chromy, 2002). Generalmente, el
muestreo se realiza en dos o tres etapas, seleccionando por país al menos 150 escuelas y 35
estudiantes por escuela.
Para poder llegar a estos objetivos indicados, PISA recopila datos de los alumnos, las
aulas, las instituciones educativas y el propio sistema educativo obtenidos a partir de los propios
estudiantes, el equipo directivo de la escuela y los padres (Childs y Broomes, 2012).
36
Breakspear (2012) plantea que PISA juega un papel clave para controlar los estándares
educativos y Shamatov (2010) registró las reformas realizadas tras los resultados de PISA 2006
como el desarrollo de nuevos estándares y currículos, la reducción del ratio de alumnos por
profesor, la modernización de la infraestructura y equipamiento, mejora en la formación del
profesorado o la introducción de la financiación per cápita.
Cochran planteó en 1977 los once pasos para evaluar una prueba correctamente
definiendo:
 Los objetivos de la encuesta
 La población objeto del muestreo
 Los datos a recoger
 El grado de precisión requerido
 El método de medición
 La división de la población para el muestreo
 Los métodos de selección de la muestra
 El pretest
 La organización del trabajo de campo
 El resumen y el análisis de los datos
 Una revisión de todo el proceso para aprender en futuras ocasiones.
Cada una etapas en el diseño y realización de pruebas tiene asociados unos posibles
errores, que deben conocerse a fin de evitarse o, en otro caso, procurar minimizar. Sobre la etapa
de recogida de los datos, Weeks, von Davier y Yamamoto (2013) recuerdan que hay dos fuentes
de error: los errores sistemáticos que introducen sesgos y afectan a la precisión de los resultados
y los errores aleatorios que no generan sesgo pero sí reduce la precisión. Estas fuentes de error
son comunes a todas los ILSA. Un aumento en las diferencias aleatorias dificulta detectar
pequeñas diferencias entre grupos, así como diferencias entre grupos pequeños. Por otro lado, un
aumento de los errores sistemáticos puede generar falsas diferencias.
En relación a las ILSA, Wu (2010) enumera y describe una relación de precauciones y
errores que se producen en el muestreo y las pruebas de éstos, que deben de ser tenidos en
cuenta:
- Fuentes de errores asociadas a las evaluaciones, como es el hecho de que a los
estudiantes se les evalúa de un contenido concreto y limitado (un número de preguntas concreto,
con un formato y contenido delimitados).
37
- Establecer criterios aceptables para las precisiones de los resultados de la evaluación y

en función de éstos valorar qué precisión y error de medida se requieren para el estudio y los
análisis a realizar.
- Errores de medida asociados al propio test de la prueba
- Errores de muestreo cuyas características varían según cómo este se realice. Por
ejemplo, si se realiza el muestreo en varias etapas o no. También debe de tenerse en cuenta, en
los casos en los que no se realiza porque se evalúa a toda la cohorte, que los resultados de la
cohorte evaluada podrían no coincidir con una cohorte posterior o anterior sin necesidad de
achacar a las políticas educativas los cambios encontrados.
- Equiparación del error cuando el objetivo es realizar un seguimiento a varios alumnos
realizando pruebas en diferentes momentos.
En la revisión (Cordero, Crespo y Pedraja, 2013) acerca de los estudios sobre los
determinantes del rendimiento en PISA desde sus primeras pruebas hasta la de 2009 en los
alumnos españoles se plantea el resumen de la metodología estos en dos bloques:
 Análisis de regresión
En la búsqueda de alguna relación estadísticamente significativa entre el rendimiento
evaluado y algunas otras características del estudio, aplican la ecuación genérica:
Yij   0  1 X ij   3 Z j   is (1)
Donde
Yij es el rendimiento académico del estudiante i en el centro j
Xij es un vector de características individuales y familiares del estudiante i en el centro j
Zj es un vector de características del centro j
En la mayoría de los estudios se aplica un modelo de regresión multinivel, para agrupar las
escuelas en un nivel superior, dado que si no se encontraría mayor correlación entre alumnos de
una misma escuela. Estos estudios pueden dividirse entre aquellos que analizar la totalidad del
alumnado y aquellos que se centrar en alguna característica como el estatus migratorio o el
rendimiento académico.
 Enfoque de tipo frontera

Estos estudios buscan calcular la ineficacia a partir del cálculo de la máxima puntuación en
las pruebas PISA a obtener en función de los recursos existentes. A través del cálculo del índice
de eficiencia individual se evalúa la influencia de otros factores:
38
i  f ( Zi , i )  u j (2)
Siendo
 i la eficiencia individual
Zi los factores explicativos
i los parámetros asociados a los factores
uj el error
Generalmente desde planteamientos no paramétricos, suponen una ventaja respecto al

tipo de análisis anterior dado que permite considerar el rendimiento académico como
multidimensional.
39
2.2.VARIABLES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO:

ESTUDIOS PREVIOS
2.2.1. Nivel Socioeconómico
La OCDE en su publicación Against the Odds: Disadvantaged students who succeed in

school (2011a) estudia la resiliencia en PISA 2006 aplicando como criterio para seleccionar el
alto rendimiento o el bajo nivel socioeconómico la desviación respecto a la media de cada país.
Realiza un exhaustivo análisis entre numerosos índices y variables comparando a los estudiantes
resilientes con los estudiantes con desventaja económica, por un lado, y los estudiantes con
buena puntuación y situación económica. En este estudio, aumenta el porcentaje de hombres en
el grupo de los resilientes respecto a los estudiantes con desventajas económicas. Respecto a ésta
y otras diferencias entre los datos de 2006 y 2009 debe tenerse en cuenta que la materia
principalmente evaluada en 2006 fue la ciencia y no la lectura como en la prueba posterior.
Plantea la OCDE que no existe un consenso sobre la definición de la resiliencia y que los
disensos se centran en el origen, los factores asociados, si la resiliencia se debe o no a la
interacción individuo-medio y cómo puede promoverse. Por ello, este estudio realizado a partir
de los datos recogidos por PISA 2006, que centra su evaluación en la ciencia, plantea dos
definiciones según su propósito: una basada en la comparación internacional y otra en el análisis
interpaíses.
Comparación internacional: Resiliente es el estudiante con un entorno socioeconómico
situado en el primer tercil de su mismo entorno socioeconómico –del mismo país- y un
rendimiento ubicado en el tercio superior medido por el conjunto de todos los países. La
proporción de estudiantes por país se ofrece como los estudiantes de alto rendimiento entre sus
pares.
Análisis interpaís: Resiliente es el alumno del primer tercil en nivel socioeconómico del
país y en el último en puntuación en ciencias también del país. Este análisis dificulta la
comparación internacional. Dadas las altas diferencias socioeconómicas entre los países y de sus
rendimientos medios y la distribución de los mismos se podría estar tratando como resilientes a
alumnos con estatus socioeconómico y puntuación académica muy dispares. Sin embargo, sí que
resulta muy útil para poder analizar a este estudiantado en un único país, dado que aumenta la
muestra del mismo, facilitando las comparaciones estadísticas.
Dadas las características de esta tesis doctoral, ninguna de las dos definiciones que se
realizan en este estudio de la OCDE nos es útil, dado que (a) al realizar el análisis sobre una
40
parte de los países, la selección de estos variaría la composición de la submuestras resiliente y

(b) se dificulta la comparación interpaíses si la definición de estos estudiantes se realiza a partir
de los datos de cada país.
La Tabla 2.2 muestra, en función de la definición de resilientes internacional, los valores
medios para el conjunto de los países de la OCDE y para España. Los datos están tomados de los
Anexos A1 y A2 del estudio Against the Odds, que recoge los resultados desglosados para todos
los países participantes en PISA 2006. Se han seleccionados los datos de los resilientes en
Ciencia, por ser la materia principal de ese año. Se han seleccionado únicamente las variables
que pudieran ser de interés para el presente estudio. A partir de las definiciones que ofrece la
OCDE, los estudiantes desfavorecidos son aquellos cuyo nivel socioeconómico se encuentra en
el tercil inferior, siendo resiliente aquel que obtiene una puntuación ubicada en el tercil superior
del país y de bajo rendimiento cuya puntuación se ubica en el tercil inferior. En primer lugar se
indica la proporción que representan respecto del total ambos grupos. A continuación se muestra
el perfil de cada uno de los dos grupos tanto en la puntuación en lectura según el nivel, el sexo,
el estatus migrante o la asistencia a la escuela privada. La parte final de la tabla muestra la
puntuación media de cada uno de los grupos en el estatus socioeconómico, en ciencia, o en
diversos índices que ofrece el informe pisa.
En PISA in Focus nº 5 (2011f) se analiza brevemente la resiliencia en los estudiantes PISA
2006. La descripción que encontramos de los estudiantes resilientes es: “Los estudiantes
resilientes vienen de entornos socioeconómicos desfavorables, en relación con los alumnos de su
país, y logran altas puntuaciones en los estándares internacionales.” y añaden “Para que las
comparaciones entre países sean significativas se toma en cuenta la relación global entre entorno
socioeconómico y desempeño” (p. 3). En el presente estudio se dan resultados de resiliencia
mucho mayores que en éste último debido a la diferente forma de medir el alto rendimiento. En
PISA in Focus han considerado un rendimiento alto como aquel que se encuentra en el último
cuartil, sin embargo, en este estudio el rendimiento ha sido considerado, no en relación al
conjunto del estudiantado, sino en relación a objetivos. Por ello, se considera rendimiento alto
alcanzar los niveles 5 o 6 en las pruebas PISA. El motivo de haber seleccionado ese criterio ha
sido el de poder comparar los datos internacionalmente. Como variable del nivel socioeconómico
se usa el índice ESCS que ofrece PISA, índice normalizado internacionalmente, no país a país.
Siguiendo ese criterio se ha considerado que la otra variable que influye en la clasificación, el
rendimiento, sea también de escala única entre todos los países aunque en función de un
currículum concreto y no del resto de la muestra.
En otra publicación del Informe PISA 2009, Overcoming Social Background (2010c), se
señala que en muchos países se encuentra una fuerte relación entre el rendimiento académico y el
41
nivel socioeconómico de los estudiantes, agravada esta relación en algunos casos por el entorno
socioeconómico de la propia escuela. Es decir, que no se trataría únicamente de “bagaje” que
trae el estudiante al centro, sino que el propio centro está afectado por esa desventaja y puede
influir en su aumento.
Estos diagnósticos deben realizarse desde análisis profundos y no titulares precipitados que
surgen en los primeros días de la publicación de los sucesivos Informes PISA. Por ello, la OCDE
a través de su programa PISA realiza un gran esfuerzo para homogeneizar “la puntuación” en
estatus socioeconómico a fin de que puedan compartirse los resultados entre las diferentes
regiones. A la hora de llegar a conclusiones a partir de una evaluación, debe tenerse siempre en
cuenta el contexto, entre otros factores, ya que, como plantean Calero y Choi (2012) “en muchos
contextos reales la evaluación genera problemas de eficiencia y/o equidad que merecen una
atención cuidadosa por parte de los diseñadores y aplicadores de las políticas educativas”. (p. 30)
Tabla 2.2 Valores medios Resilientes y Desfavorecidos con bajo rendimiento en OCDE y
España. OCDE (2011a)
Media OCDE España
Bajo Rendimiento
Bajo Rendimiento
Desfavorecidos
Desfavorecidos
Resilientes
Resilientes
Proporción respecto total del país (%) 13.0 8.6 14,7 6,5
Inferior Nivel 2 (%) 0,7 48 0 49,6
Distribución en
cada categoría
Niveles 2-3 (%) 43,1 51,5 58,4 50,4

Niveles 4-6 (%) 56,1 0,5 41,6 0
Resiliente también en la otra materia (%) 67,7 67,9
Hombres (%) 51 49 52,5 47,6
Nativos (%) 88,3 76,5 96,7 88,9
Escuela privada (%) 14,8 12,7 24 18
ESCS -0.86 -1.07 -1,56 -1,35
Ciencia 584 393 386 570
Interés en ciencia 0,22 -0,35 0,02 -0,59
Puntuación
Motivación instrumental para estudiar ciencia 0,15 -0,2 0,22 -0,21

Participación en actividades de ciencia 0,11 -0,25 -0,04 -0,45
Autoeficacia 0,3 -0,53 0,31 -0,69
Autoconcepto 0,24 -0,32 0,3 -0,41
Nº horas regulares en ciencia 3,37 2,15 3,53 2,27
Buchmann (2002) ofrece tres respuestas a la pregunta sobre la importancia de medir el

contexto familiar en los estudios internacionales de educación: Para poder examinar los efectos
escolares sin los efectos familiares, poder conocer mejor cómo la familia, como institución,
42
afecta a la capacidad y motivación para aprender y el poder controlar las influencias familiares
en la investigación comparada.
Tabla 2.3 ESCS medio para estudiantes según la puntuación en lectura y diferencia entre el
nivel alto y el medio-bajo.
Diferencia Niveles 1-4 Niveles 5-6 Total
Australia 0,54 0,25 0,79 0,32
Bulgaria 0,88 -0,13 0,75 -0,11
Brasil 1,79 -1,20 0,59 -1,18
Canadá 0,49 0,41 0,90 0,46
República Checa 0,56 -0,03 0,53 0,02
España 0,76 -0,28 0,48 -0,25
Estonia 0,51 0,15 0,66 0,18
Finlandia 0,35 0,37 0,72 0,41
Francia 0,66 -0,18 0,48 -0,12
Reino Unido 0,60 0,13 0,74 0,18
Grecia 0,72 -0,01 0,71 0,03
Croacia 0,74 -0,21 0,53 -0,18
Hungría 0,99 -0,22 0,77 -0,16
Israel 0,62 -0,06 0,56 -0,01
Japón 0,36 -0,06 0,30 -0,01
Corea 0,47 -0,19 0,28 -0,13
Macao-China 0,42 -0,71 -0,29 -0,70
México 1,54 -1,16 0,38 -1,15
Nueva Zelanda 0,56 0 0,56 0,10
Polonia 0,77 -0,28 0,49 -0,22
Portugal 1,06 -0,35 0,71 -0,30
Shanghái-China 0,67 -0,61 0,06 -0,48
Rusia 0,76 -0,19 0,57 -0,16
Singapur 0,59 -0,51 0,08 -0,42
Eslovenia 0,70 -0,08 0,62 -0,06
Taipéi chino 0,62 -0,33 0,28 -0,30
Trinidad y Tobago 0,80 -0,58 0,22 -0,56
Turquía 1,44 -1,19 0,25 -1,16
Uruguay 1,56 -0,77 0,79 -0,74
Estados Unidos 0,79 0,08 0,87 0,15
Total 0,95 -0,38 0,57 -0,32
González (2000), en referencia al nivel socioeconómico, plantea que éste, conjunto de

características cuantitativas y/o cualitativas, es un término que hará referencia a todas las
personas de una misma vivienda, de modo que un sujeto “hereda” en estatus socioeconómico del
hogar, no el de sus miembros por separado. Sin olvidar, como ya se ha dicho, que PISA pretende
dotar de herramientas de diagnóstico a los gobiernos para adaptar sus sistemas educativos, el
rendimiento académico “no solo a nivel institucional, en lo referente al uso de los recursos,
proyección externa–social, sino que también impacta en lo personal” (Garbanzo, 2014, p. 123).
43
No puede plantearse que un sistema educativo será justo cuando el resultado académico
depende en gran medida de las circunstancias socioeconómicas del estudiante. En la Tabla 2.3
consta el nivel medio ESCS según si la puntuación en lectura es media-baja o alta en los 30
países seleccionados para este estudio. Puede verse cómo las diferencias respecto a ambos –
segunda columna- en el estatus socioeconómico son mayores a medio punto en casi todos los
casos, siendo las menores las de Finlandia y Japón (0,35 y 0,36 respectivamente) y sobrepasan
del punto Portugal, Turquía, México, Uruguay y Brasil, éste último con 1,79 puntos de
diferencia. Es decir, aunque hay excepciones, los estudiantes con mejor puntuación son aquellos
con mayores recursos de origen. Las economías que muestran menor diferencia de rendimiento
según el ESCS suelen ser, además, aquellas con mayor ESCS de media –quinta columna-, como
puede verse en la Figura 2.2. Esta figura ubica en el eje horizontal la puntuación media ESCS de
cada país y en el eje vertical la diferencia socioeconómica entre los alumnos con puntuación alta
y aquellos con puntuación media y baja. En PISA 2009, países como Canadá, Estonia, Finlandia,
Hong Kong- China, Islandia, Corea, Liechstenstein y Noruega se situaron por encima de la
media OCDE en lectura y la diferencia fue menor a 70 puntos (ODCE, 2013c).
Figura 2.1 Distribución de los estudiantes según obtienen o no alta puntuación en lectura,
matemáticas o ciencia. Fuente OCDE, 2013e.
En la Figura 2.1 tomada de PISA in Focus ¿Quiénes son los académicos talentosos? se
muestra la distribución media de los estudiantes con alto rendimiento en lectura, matemáticas y/o
ciencias. Éstos, de media, son el 16,3% del estudiantado. Ese mismo estudio indica que hay
grandes diferencias en estos porcentajes entre países con puntuaciones medias similares.
44
Incluso en periodos de crisis económica, como en el que nos encontramos actualmente,

son las personas con mayores recursos, y mayor nivel de formación en consecuencia, quienes
menos afectadas se encuentran por el contexto. La diferencia de ingresos derivados del trabajo se
ve reducida cuanto mejor se distribuyen los recursos a la educación entre los estudiantes
favorecidos y desfavorecidos, pudiendo entonces producirse un cambio en el estatus
socioeconómico de las personas más desfavorecidos (OCDE, 2012a, 2012c). Las diferencias en
el nivel formativo alcanzado, probablemente debido al contexto socioeconómico original, se
perciben a lo largo de la vida, hasta el punto de que la esperanza de vida de los varones en países
de la OCDE puede variar hasta en 8 años según si se han finalizado los estudios universitarios o
no se acabó la secundaria. Está diferencia se ve reducida a la mitad en el caso de las mujeres
(OCDE, 2013a).
2,00
Diferencia ESCS niveles 5-6 y 1-4
1,80
1,60
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
-1,50 -1,00 -0,50 0,00 0,50 1,00
Media ESCS
Figura 2.2 Relación por países de la puntuación media ESCS y la diferencia ESCS entre los
estudiantes con puntuación media baja y puntuación alta.
Lizasoain, Joaristi, Likas y Santiago (2007) evalúan la influencia de los estatus

socioeconómico familiar y de la escuela y la interacción entre ambas. En el estudio no
encuentran efecto de la interacción, pero sí los efectos de los estatus familiar y escolar. Es mayor
el efecto de éste último en 1º ESO, aunque para los cursos posteriores no se encuentra evidencia
para afirmar acerca de la diferencia de ambos efectos. Debe realizarse la reflexión de si el centro
educativo, y sus políticas educativas, tienen como función perpetuar las diferencias sociales y la
cultura propia del sistema o si, por el contrario, deben avanzar en la reducción de esas
diferencias a fin de poder cambiar el sistema. En España, por ejemplo, el resultado académico
medido en PISA es gravemente dependiente del nivel socioeconómico (OCDE, 2011g). Estas
diferencias debidas al nivel socioeconómico persisten una vez finalizada la formación
45
académica, como parece mostrarse en un estudio longitudinal realizado en Canadá (OCDE,

2012d) evaluando en 2009 a alumnos que participaron en PISA 2000. Con 24 años, 9 años
después, si bien la diferencia entre alumnos favorecidos y desfavorecidos se redujo, ésta seguía
siendo de 50 puntos. Esta diferencia se redujo gracias a la mejora académica de los alumnos con
peores resultados, aunque no lo suficiente como para llegar a la media.
Puntuación
550
525
500
475
450
0 10 20 30 40 50 60 70
Proporción de alumnos cuyo índice PISA de estatus socioeconómico y cultural es menor a ‐1
Figura 2.3 Puntuación en lectura y proporción de alumnos desfavorecidos (OCDE, 2010b)
Dice Bolívar (2005) que “un sistema educativo será más equitativo que otro si las
desigualdades existentes en el ámbito educativo son ventajosas para los más desfavorecidos” (p.
55). Un ejemplo de esto podrían ser los estudios sobre el valor añadido en los que se pretende
analizar, en algunos casos para la distribución presupuestaria, cuánto “aporta” una escuela al
rendimiento académico de sus estudiantes teniendo en cuenta –aislando- las características
socioeconómicas de las familias y del entorno inmediato. Tanto la OCDE (2008) como el
Instituto de Evaluación (2009), dependiente del Ministerio de Educación de España, han editado
monográficos sobre el tema. Ferrâo (2009) explica la relación entre el estatus socioeconómico y
el rendimiento previo que es “el factor más importante requerido para controlar las diferencias de
entrada en las medidas de valor añadido”(p. 139).
Además, los datos de PISA indican que aquellos sistemas educativos que realizan
esfuerzos para garantizar la equidad entre su alumnado, ya sea con esfuerzos políticos o
46
económicos –en las fases previas a la escolarización obligatoria o en el propio proceso de

formación- obtienen mejores resultados académicos que aquellos sistemas que segregan al
alumnado en función de su rendimiento o de si los alumnos tienen necesidades educativas o
problemas de comportamiento (OCDE, 2012f, 2013c).
La Figura 2.3 muestra cómo la puntuación media en lectura del conjunto de los
estudiantes de un país desciende según aumenta la proporción de alumnos de bajo nivel
socioeconómico (inferior a -1).
Otro estudio (Corral, Zurbano, Blanco, García y Ramos, 2012) evalúa, en este caso a partir
de los datos PIRLS 2011, la influencia en la comprensión lectora de los factores sociofamiliares:
nivel educativo familiar, experiencias de acercamiento temprano a la lectura, modelos familiares
con hábitos lectores, expectativas de los padres,… en las conclusiones se plantea la influencia de
éstas características en el rendimiento, efecto que se acumula principalmente en las familias con
un entorno cultural más pobre. Además, se destaca:
“Estos resultados indican que, en las familias con menor nivel cultural, puede
haber un colectivo de estudiantes con una capacidad potencialmente alta, y que
quizás nuestro Sistema Educativo no esté atendiendo de forma adecuada”(p.
26).
Al estatus socioeconómico nos le encontramos también como influencia en el rendimiento

académcio en Hattie (2013b). En Visible Learning el autor recopila y sintetiza alrededor de 800
metaanálisis diferentes acerca de las variables que influyen en el rendimiento de los
estudiantes.En la selección de los estudios, se eligió entre aquellos que usaron estadísticos
básicos (medias, varianzas, tamaño de la muestra). En el conjunto de los 816 metaanálisis se
incluyen 52.637 estudios y millones de estudiantes de los últimos 15 años.
Ante el problema de buscar una escala con la que poder analizar el máximo número de
estudios posible, Hattie eligió usar el tamaño del efecto (d), para referirse a la magnitud de los
resultados de los diferentes estudios y sus diferentes variables ante el rendimiento académico.
Del conjunto de los más de 50.000 estudios incluidos en los metaanálisis, se obtienen 146.142
tamaños del efecto sobre la influencia de diversas circunstancias. Así mismo, parte de un
continuo del logro académico en el que poder ubicar las distintas influencias sobre él.
Cataloga las diferentes influencias en seis dominios (Estudiante, Enfoques de enseñanza,
Escuela, Profesor, Currículo y Casa) y en cuatro grados de influencia: alto (d ≥ 0.6), medio (d ≥
0.4), bajo (d ≥ 0.2) y negativo (d < 0.2).
47
El estatus socioeconómico, ubicado en el domino casa, se encuentra en una influencia

media, con un tamaño del efecto d = 0.57. En un orden descendente en función del tamaño del
efecto, de las 138 influencias en el rendimiento académico que se evalúan, el estatus
socioeconómico se encuentra en el puesto 32. Se encuentran en el grado alto 23 factores
diferentes. Estos son, en función del dominio:
- Estudiante
o Autoinforme d =1.44
o Programas piagetianos d =1.28
o Rendimiento previo d =0.67
- Enfoques de enseñanza
o Proporcionar información formativa de los programa d =0.90

o Intervención integral con alumnos con dificultades d =0.77
o Aprendizaje recíproco d =0.74
o Feedback d =0.73
o Relaciones profesor-alumno d =0.72
o Prácticas espaciadas frente a las masivas d =0.71
o Estrategias metacognitivas d =0.69
o Auto-verbalización / Autocuestionamiento d =0.64
o Estrategias de enseñanza d =0.60
o Aprendizaje en la resolución de problemas d =0.61
- Escuela
o Mejora para estudiantes superdotados d =0.88

o Conducta en el aula d =0.80
- Profesor
o Microenseñanza d =0.88
o Claridad d =0.75
o Desarrollo profesional d =0.62
o No etiquetado a estudiantes d =0.61
- Currículo
o Formación en vocabulario d =0.67

o Programas de lectura repetida d =0.67
o Programas creativos d =0.65
o Instrucción fónica d =0.60
48
El estudio de Hattie (2013b), obviamente, abarca muchos más ámbitos de los incluidos en
este trabajo, dado que a través de PISA no obtenemos información sobre el currículo, el profesor
y parte de los denominadas enfoques de enseñanza.
A pesar de que este trabajo pretende analizar las características de los estudiantes
resilientes, es decir, de aquellos que, desde una desventaja socioeconómica logran un alto
rendimiento académico, no debería ser objetivo prioritario de la política educativa de un país
aumentar el porcentaje de resilientes sino reducir el porcentaje de estudiantes en los menores
niveles de rendimiento académico y que éste no dependiera, como sucede en buena parte de los
países, del nivel socioeconómico.
A propósito de los objetivos educativos de un país, en función de los datos TIMSS, se

plantea que en muchos de los países con alto rendimiento, al tener recursos limitados, este alto
rendimiento puede entenderse cómo una inversión en capital humano. Los legisladores deben
aprender de las políticas de fomento de los altos niveles efectiva y eficientemente (Plucker,
2015). Si bien el tener un mayor porcentaje de alumnos desfavorecidos en general parece ser un
obstáculo para el rendimiento de los alumnos resilientes y del sistema educativo en su conjunto,
hay casos en los que este obstáculo se supera (Erberber et al., 2015). Recuerda la IEA que los
países con abundantes recursos naturales pero baja excelencia académica no podrán contar por
siempre con estos recursos (Plucker, 2015). En este artículo se destacan los factores que más
afectan a la excelencia académica: el penetrante efecto de la pobreza, el sistemático sesgo en el
diseño e implementación de programas para alumnos avanzados, la inadecuada formación a los
educadores que trabajan con alumnos con bajo rendimiento y la falta de atención a las cuestiones
que rodean la excelencia educativa.
2.2.2. Sexo
A la hora de plantear las diferencias respecto a los chicos y las chicas en el rendimiento
académico, el primer aspecto reseñable es que las chicas superan la puntuación de lectura de los
chicos en todos los países en todas las pruebas PISA desde su inicio en el año 2000. Esta
diferencia, además, se acentúa entre los alumnos con menor estatus socioeconómico. Respecto a
la evolución del resultado en lectura de 2000 a 2009, la mayoría de los países en los que mejoró
su resultado medio vio disminuido el porcentaje de alumnos en los niveles inferiores sin que el
número de alumnos en los niveles más altos se viera influido por ello (OCDE, 2010c). Es
importante tener en cuenta, a la hora de valorar estas diferencias, que éstas no se mantienen en
los resultados en ciencias o en matemáticas (donde los varones obtienen mayor puntuación).
49
Junto a los datos PRILS Martínez García y Córdoba (2011) exponen que la actividad económica
y el nivel de estudios de la madre influyen en mayor medida en las niñas que en los niños.
El aumento de la proporción de chicos que no llegan al Nivel 2 de competencia lectora de
PISA vino acompañado de una disminución de la proporción de chicos que no leen por placer
(en especial los que provienen de familias desfavorecidas).
En PISA 2009 se evaluó, además de la lectura impresa, la lectura digital por primera vez.
Se mantuvo en la lectura digital la diferencia entre chicos y chicas en la misma dirección aunque
no con la misma intensidad. La diferencia media entre chicos y chicas es de 38 puntos en lectura
impresa. Esta diferencia se reduce a 24 en la lectura digital.
2.2.3. Estatus Migratorio
Desde la década de los 60 la población migrante se ha triplicado en los países de la

OCDE. Únicamente en Australia, República Checa, Estonia, Hungría, Irlanda, Nueva Zelanda y
Portugal dejan de encontrarse diferencias en el estatus socioeconómico según varía la condición
migrante (OCDE, 2010c).
Puntuación
550
y = 0,2772x + 490,6
2
R = 0,0126
525
500
475
450
425
400
0 5 10 15 20 25 30 35 40 45
Proporción de alumnos de 15 años de entorno migrante
Figura 2.4 Puntuación en lectura y proporción de alumnos migrantes (OCDE, 2010b)
50
En todas las economías de la OCDE –excepto Australia, Canadá, Nueva Zelanda, Irlanda
y Grecia- la población migrante, principalmente de primera generación, se encuentran en los
niveles más desfavorecidos social y económicamente. Es también ésta una de las razones por el
interés de este organismo en la compresión de la integración académica de esta población (Burns
y Shadoian-Gersing, 2010).
En Overcoming Social Background (2010c) también se indica que, aunque en los países
pertenecientes a la OCDE los estudiantes migrantes de primera o segunda generación obtienen
52 puntos menos de media, el porcentaje de la población migrante no influye en el rendimiento
medio del país. La Figura 2.4 muestra la relación entre la proporción de alumnos migrantes y la
puntuación media en lectura y puede apreciarse cómo la relación entre la proporción de alumnos
migrantes y la puntuación media del conjunto del país es prácticamente nula.
En su estudio sobre la migración de los padres y el rendimiento escolar, León Fonseca
(2009) define como fracaso escolar “aquella situación en la que el sujeto no alcanza las metas
esperables para su nivel de inteligencia, de manera tal que ésta se ve alterada repercutiendo en su
rendimiento integral y en su adaptación a la sociedad” (p. 53) y diferencia entre los casos en los
que la capacidad intelectual es la causante y aquellos en los que sus capacidades cognitivas no
son la causa sino que se da por alguna otra externa. Siguiendo con esta definición, y atendiendo a
que los peores resultados educativos se encuentran en los casos de pobreza, surge la reflexión
sobre si la pobreza podría disminuir la inteligencia, atención o memoria -por ejemplo por la falta
de una alimentación correcta (Portillo, Barrios et al., 2013)- o si es el entorno de pobreza o las
dinámicas del propio centro o del sistema educativo lo que reduce el rendimiento.
Plantea Rodríguez (2008) que no puede valorarse el éxito o el fracaso escolar ignorando
las desventajas socioeconómicas de la población migrante, que deben tenerse en cuenta las
culturas de origen, huyendo de los estereotipos.
Así, aquellos aspectos que afectan a la población nativa como el estatus socioeconómico,
las escuelas con pocos recursos o segregadas también afectan a la población migrante. Duong,
Badaly, Liu, Schwartz y McCarty (2015). En el metaanálisis acerca de la población migrante y
el rendimiento académico se encuentra que los migrantes suelen obtener mejor puntuación en las
calificaciones del curso que en las de los test, por lo que plantean que hay factores educativos en
esa ventaja.
La OCDE (2012i) indica que estudiar en un aula con alumnos de otros países u otros
idiomas no influye negativamente en el rendimiento tanto como lo hace el estudiar junto a un
numeroso grupo de alumnos desfavorecidos, como indica el nivel de formación de las madres.
Aún así, teniendo en cuenta el nivel socioeconómico, la diferencia en el rendimiento en lectura
sigue siendo considerable, equivalente a medio curso (OCDE, 2011i). Cordero Ferrera, Pedraja
51
Chaparro y Simancas Rodríguez (2015) analizan la resiliencia en España a partir de PISA 2012,
que evalúa las matemáticas como principal materia. Para esta materia, se encuentra como factor
negativo para la resiliencia ser migrante o mujer. Elgie (2008) planteó cómo el rendimiento
académico de los estudiantes de secundaria de Ontario se veía influido negativamente si el
alumno llevaba en Canadá menos de 3,5 años y si se encontraban en escuelas con otros muchos
inmigrantes nuevos. Junto a las políticas migratorias y las acciones sociales, el sistema educativo
también puede facilitar la integración del alumnado migrante (OCDE, 2013f).
En un estudio acerca de los estudiantes de origen extranjero en la Universidad en
Cataluña, Cano y Fernández (2015) se recogen como facilitadores del éxito académico la
autopercepción positiva, la iniciativa y la autonomía. Entre los dificultadores destacan el género
ser mujer-, los recursos económicos limitados de la familia, la religión y, en menor medida, la
situación de la vivienda, lejana del centro de estudios.
2.2.4. Grado
Sobre el grado, calculado en PISA como el curso en el que se encuentra el estudiante,

sobre equivalencias internacionales para poder comparar los distintos sistemas educativos, se
indica que, de media, a cada curso escolar le corresponden 39 puntos de lectura.
Jackson (1975) definió la repetición como la práctica de exigir a un estudiante que ha
estado en un nivel de grado para un año escolar completo de permanecer en ese nivel durante el
año escolar siguiente.
Respecto a los años de escolarización, la OCDE (2011b) en PISA in Focus n°1 explica
que en Canadá, Finlandia e Irlanda, países con alta puntuación media, la escolarización en
Educación Infantil mejora en mayor grado el rendimiento en lectura entre los estudiantes
inmigrantes. Igualmente, según PISA, los países con resultados más igualitarios son aquellos con
mayor acceso a la educación infantil. Concluye este informe ¿La asistencia a educación infantil
se traduce en mejores resultados en el aprendizaje escolar?: "ampliar el acceso a la educación
infantil puede mejorar el rendimiento general y la equidad mediante la reducción de las
diferencias socioeconómicas entre los alumnos, si no se compromete con ello la calidad"(p. 4).
Si bien la escolarización en educación infantil ha aumentado en estos años, también está
aumentando la desigualdad en el acceso entre los alumnos desfavorecidos y los favorecidos
(OCDE, 2014b). Teniendo en cuenta que existen diferencias en el rendimiento en función del
mes de nacimiento, obteniendo mejor puntuación los nacidos antes, Martínez García y Córdoba
(2011) proponen que una solución sería flexibilizar el comienzo de la enseñanza obligatoria –a
partir de diagnósticos de profesores con formación para ello- en función del desarrollo cognitivo,
que difiere según la edad (en meses) en los alumnos.
52
Se ha encontrado una fuerte relación positiva entre los años de escolarización y el buen
rendimiento en test estandarizados (Manski y Wise, 1983) y la productividad y el crecimiento
económico (Hanushek, 2003).
Respecto a la repetición de curso, el informe PISA in Focus nº 43 (OCDE, 2014c) ha
planteado que este modelo tiende a reproducir las desigualdades sociales. El 20% de los
estudiantes desfavorecidos han repetido alguna vez en los países pertenecientes a la OCDE frente
al 7% de los favorecidos, está relación entre el nivel socioeconómico y la repetición de curso se
produce incluso en niveles similares de rendimiento académico.
Cordero, Manchón y Rodríguez (2012), realizando un análisis multinivel sobre los
mismos datos que este estudio a cerca de los “condicionantes del rendimiento educativo de los
alumnos españoles”, plantean la incidencia negativa que supone en la lectura la repetición de
curso, la asistencia a clases de refuerzo, la condición de migrante de primera generación y la
falta de libros y otros materiales en el hogar. Sobre el primero de estos factores, la repetición,
proponen un debate acerca de su conveniencia y alternativas a la misma, como la intervención en
edades más tempranas. Realizan posteriormente (2014) un estudio sobre la repetición de curso en
España dado que este país tiene uno de los principales niveles de repetición de curso en la
OCDE, por detrás de Francia y Luxemburgo. De este estudio, de los datos PISA 2009, estudian
el aumento de las probabilidades de repetir curso por “ser chico, proceder de un entorno
socioeconómico desfavorable, tener condición de inmigrante, tener padres con poca implicación
en la escuela, carecer de disciplina en el hogar o tener una edad inferior a sus compañeros” (p.
18). Recalcan durante su estudio, al referirse a las diferencias en los diferentes países en su nivel
de repetición que aunque la decisión última acerca de la repetición dependa de la escuela, ésta se
ve influida por el contexto, la tradición y legislación educativas de cada país.
2.2.5. Tipo de Escuela
Respecto al tipo de escuela, el artículo In Focus nº 7 Centros privados: ¿A quién

benefician? (OCDE, 2011g) señala que, una vez tenido en cuenta el nivel socioeconómico, no se
aprecian diferencias entre los centros públicos, concertados o privados. Aunque los análisis de la
OCDE se centran más en analizar el sexo o el estatus socioeconómico, en este estudio analizan el
efecto, o la falta del mismo, de la escuela privada.
La OCDE diferencia entre tres tipos de centros educativos: públicos, privados
independientes y privados dependientes del Gobierno. Los centros públicos son aquellos
gestionados por una entidad pública y los privados los que se gestionan desde otro tipo de
entidades como “una iglesia, un sindicato o una institución privada” (OCDE, 2011g, p. 2). Si la
financiación de estos centros procede, al menos la mitad, de los organismos públicos será
53
considerados privados dependientes aún cuando su gestión no sea pública. Si la financiación

pública que reciben estos centros es inferior al 50%, se trata de centros privados independientes.
No existen diferencias en el rendimiento académico entre los diferentes tipos de escuela, una vez
tenido en cuenta el contexto socioeconómico de los estudiantes y el entorno, los recursos
materiales y educativos de los centros y su autonomía curricular. Es decir, la diferencia inicial
de 30 puntos de lectura de los centros privados sobre los públicos en el área OCDE queda
reducida y, en gran parte de los países (12 sobre 14) no significativa, una vez que se contemplan
las características de los centros y sus alumnos. La existencia de centros privados, con el
alumnado más favorecido económicamente, podría crear un doble sistema educativo en función
del status socioeconómico de los alumnos, socavándose la cohesión social (OCDE, 2012h). La
diferencia en el rendimiento entre los centros privados y públicos se ve reducida si los centros
privados reciben fondos públicos. En concreto, en los países de la OCDE el 45% de esta
diferencia (el 35% en la muestra completa PISA) es explicada en función de la financiación
pública a los centros privados. Lizasoain et al. (2007) analizando estudiantes y centros
educativos del País Vasco, catalogan el estatus de los centros como bajo, medio-bajo, medio-alto
y alto y destacan que ninguno de los centros público se encuentra en nivel alto.
Además, con los datos de PISA 2012, se encontró una relación negativa entre la
motivación y los sistemas educativos que clasifican y agrupan a los estudiantes en distintos
centros educativos o programas. Como consecuencia, “seleccionar a los estudiantes así implica
que solo algunos pueden alcanzar un alto rendimiento, y por tanto se corre el riesgo de
desmotivar a los estudiantes que precisamente se beneficiarían más si sus padres, profesores y
centros educativos tuvieran mayores expectativas para ellos” (OCDE, 2014ª, p. 3)
Cordero, Crespo y Santín (2009) a través del Análisis Envolvente de Datos realizan un
análisis sobre la eficiencia –entendida como la relación existente entre recursos productivos y
resultados educativos- de los alumnos de las diferentes comunidades autónomas españolas
participantes en PISA 2006. En una primera etapa, se ve que al analizar los recursos de cada
comunidad las diferencias medias “se desvanecen”. En un segundo análisis detectan que los
centros privados (dependientes o no) afectan negativamente a la eficiencia.
2.2.6. Variables No Demográficas
En PISA in Focus nº2 (OCDE, 2011c) encontramos como principales variables

explicativas el número de horas de ciencias (materia principal de estudio en PISA 2006) y la
motivación del estudiante. Tal y como se explica en el capítulo de la selección de las variables,
en el presente estudio se han seleccionado las variables que ofrecían relaciones significativas en
54
los diferentes países. Por ello, se recogen el número de horas extraescolares (tanto correctivas
como de mejora) pero no la motivación del estudiante. Los resultados (OCDE, 2011d) parecen
indicar que no hay relación entre una mayor puntuación en ciencias (con los datos de PISA
2006) y asistir a clases extraescolares (de cualquiera de los dos tipos), más bien se ve una
relación contraria. Esto podría deberse a que, pareciera lógico, son los estudiantes con peor
rendimiento de partida quienes más asisten a estas clases. Además, el hecho de que sean los
alumnos con peor nivel socioeconómico quienes más asistan a estas clases podría deberse, como
apunta el tercer PISA in FOCUS, a que los estudiantes con más recursos sacarían más provecho
de las clases ordinarias participando y prestando más atención. En ¿Cómo algunos estudiantes
superan su entorno socioeconómico de origen? (OCDE, 2011f) se plantea que no se trata tanto
del tiempo pasado en el centro educativo por sí solo sino de mejorar el rendimiento con nuevas
medidas entre los entornos desfavorecidos. Esto además es importante a largo plazo porque debe
garantizarse que la elección futura de formación se deba a las capacidades intelectuales de los
estudiantes y no a su capacidad económica y de recursos porque este hecho perpetuaría las
desigualdades sociales y “potencialmente producirse una pérdida de talento para la economía y la
sociedad” (OCDE 2012j, p. 4).
También resulta ser una variable importante el placer por la lectura, dado que se da un
descenso (entre PISA 2000 y PISA 2009) de estudiantes que dicen sentir placer al leer que
correlaciona, principalmente entre los estudiantes desfavorecidos, con un aumento de chicos y
chicas con una puntuación baja en lectura -niveles 1 y 2- (OCDE, 2011c). Al igual que con la
puntuación en lectura, el placer por la lectura es mayor en las chicas que en los chicos. En los
países OCDE, el 72% de los estudiantes aventajados –en el último cuartil del estatus
socioeconómico y cultural- indicaron leer diariamente sin obligación. En contra, sólo el 56% de
los estudiantes del primer cuartil mostraron ese placer por la lectura. Aquellos estudiantes que
leen a diario por placer acaban obteniendo una puntuación superior a quienes no lo hacen
equivalente a un año y medio de escolarización (OCDE, 2011h). Esta relación también se
encuentra en estudios sectoriales, como en el caso de los resilientes italianos (Agasisti y
Longobardi, 2012). Dada la importancia de los hábitos lectores en el rendimiento académico, Gil
(2009) propone la intervención en la familia, bien en las actividades existentes en los centros,
bien en actividades específicas para padres y madres, a fin de implicar a todo el entorno del
alumno.
55
0,8 2000 2009
0,7
0,6
0,5
0,4
Índice medio de disfrute de la lectura
0,3
0,2
0,1
‐0,1
‐0,2
‐0,3
Germany +
Denmark ‐
Peru o
Hungary o
Greece o
France o
Bulgaria o
Ireland o
Norway o
Belgium o
Brazil +
Korea +
Italy o
Poland o
Australia o
Spain o
Latvia o
Albania +
Thailand +
Hong Kong‐China +
Portugal ‐
Japan +
Mexico ‐
Canada +
New Zealand +
Romania ‐
OECD average‐26 ‐
Switzerland ‐
Argentina ‐
Russian Federation o
United States o
Israel ‐
Finland ‐
Iceland ‐
Chile ‐
Indonesia ‐
Sweden ‐
Czech Republic ‐
Liechtenstein ‐
Figura 2.5 Cambio en la puntuación media en JOYREAD entre 2000 y 2009 (OCDE, 2010f)
2009 mayor 2009 menor Ninguna diferencia

que 2000 que 2000 estadísticamente
significativa
95% Nivel de Confianza + - O
Además del placer por la lectura, también parece influir el conocimiento y utilización de
las herramientas de aprendizaje, como el saber resumir la información, que marca diferencias
equivalentes a dos cursos de formación respecto al rendimiento en lectura. Igualmente, son los
alumnos cuyas familias disponen de mayores recursos quienes aplican mejor estas estrategias
(OCDE, 2013d). La Figura 2.5, tomada de OCDE (2010f), muestra la variación en la puntuación
en la lectura por placer de la primera evaluación a la de 2009, mostrándose los países según la
puntuación en disfrute de la lectura en 2009 en orden descendiente e indicándose si las
diferencias son significativas o no. La Figura 2.6 muestra la relación entre el manejo de
estrategia para recordar (eje horizontal) y la puntuación en lectura (eje vertical) y se aprecia una
clara relación directa entre ambas variables.
56
600 Rendimiento en lectura superior a la media

Puntuación Conocimiento de los alumnos de estrategias
media efectivas para resumir información superior a la
OECD media
media
Shanghai‐China
550 Korea
Hong Kong‐China
Finland
Canada
Singapore
Japan
New ZealandAustralia
Norway Netherlands Belgium
United States
Poland Liechtenstein
OECD media Switzerland Estonia
500 Sweden Hungary Germany
Chinese Taipei
Iceland Portugal United Kingdom Ireland
Latvia Macao‐ChinaGreece
Israel Slovenia Czech Republic Spain
Slovak Republic Italy France
Luxembourg Croatia Austria Denmark
Turkey Lithuania Dubai (UAE)
Russian Federation
450
Chile
Bulgaria Serbia
RomaniaUruguay
Mexico
Colombia Thailand
Trinidad and Tobago
Jordan Brazil
Montenegro
400 Tunisia IndonesiaArgentina
Kazakhstan Albania
QatarPanama
Peru
Azerbaijan
350
Rendimiento en lectura inferior a la media
Conocimiento de los alumnos de estrategias
efectivas para resumir información inferior
Kyrgyzstan a la media
300
‐0,80 ‐0,60 ‐0,40 ‐0,20 0,00 0,20 0,40
Índice medio de comprender y recordar información
Figura 2.6 Relación entre el conocimiento de estrategias efectivas para comprender y

recordar información y el rendimiento en lectura. Tomado de OCDE, 2010d
Sobre la importancia de las estrategias de control la OCDE (2010d) indica que “los centros
escolares deberían concentrarse en permitir a los alumnos que dirijan y controlen su aprendizaje
con el fin de ayudarles a desarrollar estrategias efectivas, no solamente para apoyar su
aprendizaje en el centro escolar, sino también para proporcionarles las herramientas con que
dirigir su aprendizaje en su vida posterior.” (pp. 46-47)
El Volumen sobre PISA dedicado a Implicación, estrategias y prácticas de los estudiantes
(OCDE, 2010d) utiliza un análisis latente para agrupar a los alumnos en 6 perfiles en función de
la diversidad de los materiales de lectura y las estrategias de aprendizaje.
Al contrario de lo que se viene sugiriendo la indisciplina en las aulas ha disminuido desde
el primer Informe PISA. Esta reducción es algo positivo dado que las interrupciones en la clase
correlacionan con peor rendimiento académico (OCDE, 2011e) y con la actitud que los alumnos
hacia el centro educativo. Los estudiantes que indican que hay poca disciplina en las aulas y que
el profesor debe esperar un tiempo largo antes de comenzar la lección “tienden a pensar que la
escuela no es útil para ellos o para su futuro” (OCDE, 2013b, p.2). La sensación de buen clima
escolar también correlaciona positivamente con el rendimiento en matemáticas (Cordero, Pedraja
y Simancas, 2014). El clima escolar influye mucho más en la actitud del estudiante hacia la
escuela que el contexto de los estudiantes o la escuela. La OCDE (2010e) señala que la máxima
57
puntuación de clima de se registra en Japón y Corea con un tercio de una desviación típica mayor
que la media de la OCDE y los menores valores en Grecia, Finlandia, Países Bajos, Noruega,
Luxemburgo y Francia con más de un 20% de una desviación típica por debajo. Indica que el
13% de la variación en el rendimiento está asociada al clima escolar. En un estudio acerca de los
factores no cognitivos, a partir de los datos PISA 2009 para España, Krüger, Formichella y
Lekuona, (2015) seleccionan diversas variables, entre las cuales se encuentra Clima de
Disciplina- que también se estudia en esta tesis- para la que encuentra relación significativa. Por
ello, incide en las conclusiones en que, aunque es importante elaborar políticas educativas
generales, también pueden realizarse avances desde el propio ámbito escolar ya que las escuelas
difieren en el proceso de disminuir las desigualdades socioeconómicas.
En el sexto volumen del Informe PISA redactado por la OCDE (2010g), dedicado a la
lectura digital, se muestra la varianza explicada por varias características del entorno del alumno,
tanto para la lectura digital como la impresa. La mayor diferencia respecto a qué proporción de la
varianza explica cada variable la encontramos en el estatus ocupacional más alto de los padres
que explica el 2% de la varianza de la lectura impresa y el 0,7% de la digital. Respecto a los
datos españoles de PISA 2012, se encuentra mayor influencia de las variables TIC en los
estudiantes de la escuela pública que en los de la privada y en las chicas que en los chicos
(Mediavilla y Escardíbul ,2014).
Becerra- González y Reidl (2015) destacan la importancia de la motivación y la
autoeficacia académica en el rendimiento, no encontrando sin embargo relación de éste con las
variables sociodemográficas incluidas en su trabajo (sexo, edad, condición laboral de los
alumnos y escolaridad de los padres).
58
2.3.RESILIENCIA ACADÉMICA
El Banco Mundial (2013) define la resiliencia como proceso de integración individual,

institucional y social que puede ser definida como:
- La capacidad de los individuos a encontrar su camino en los recursos que sustentan el
bienestar.
- La capacidad del entorno físico y social de los individuos para proveer de esos recursos.
- La capacidad de los individuos, familia y entorno para obtener formas culturalmente
significativas para ser compartidas.
A partir de esa definición, el riesgo y la resiliencia están orgánicamente vinculadas, sin

entender una no puede entenderse la otra. El riesgo incluye: violencia, conflicto armado, carencia
de vivienda, pobreza extrema, adicción de drogas, traumas, catástrofes,… El fenómeno de la
resiliencia es el paso a través del riesgo.
Podemos tomar como definición general de la resiliencia: adaptación exitosa a las tareas de
la vida frente a la desventaja social (Finn y Rock, 1997).
Se han dado varias definiciones a la resiliencia académica, aunque la mayoría hacen
hincapié en la superación de un riesgo. La resiliencia viene definida en parte por la consecuencia
de la misma, es decir, ésta se muestra tras la superación de las circunstancias adversas (Gutman y
Schoon, 2013). Gaxiola, González y Contreras (2012) exponen que no sólo el riesgo define la
resiliencia, sino que éste debe existir junto a las disposiciones de resiliencia y la medición de la
competencia.
El riesgo es definido como un contratiempo, estrés o la presión en el ambiente académico
(Martin y Marsh, 2003), la pobreza, de la pérdida de los padres, la enfermedad mental de los
padres, y / o el abuso (Rutter, 2006). Se plantean diversos factores de riesgo, generalmente
asociados a los bajos ingresos, el estatus migratorio o una lengua materna diferente a la hablada
en la escuela (Finn y Rock, 1997).
La resiliencia no se considera un atributo que un sujeto tiene o no, sino como un proceso.
Además, no es un concepto absoluto. Un estudiante puede ser considerado resiliente en una
materia académica concreta y no en el resto. Igualmente, puede haber superado esos riesgos en el
ámbito académico (resiliencia académica) pero sufrir problemas emocionales o depresión
(resiliencia psicológica) (Gutman y Schoon, 2013).
Al hablar de la resiliencia, de la superación de un entorno desfavorecido y así obtener un
logro, debe tenerse en cuenta que la mayoría de los sujetos en estos entornos no supera las
limitaciones que éstos imponen (Schoon, 2006). Así, Vera-Bachmann y López (2014) exponen,
59
en la línea de lo trabajado por el Banco Mundial, que las características de los estudiantes
resilientes, su adaptabilidad al entorno desfavorecido, se encuentran relacionadas con la equidad
en la escuela.
Dicen Cano y Fernández (2015)
"A pesar del acceso universal y del derecho a la educación, no se garantiza
de la misma manera la calidad y el aprovechamiento para todos los grupos
de estudiantes, con lo que pueden aumentar las diferencias ya existentes"
(p. 267)
A partir de los datos TIMSS 2011, Erberber, Stephens, Mamedova, Ferguson y Kroeger
(2015) realizan un estudio sobre la resiliencia con criterios similares de selección al realizado en
este trabajo. Señalan que, una vez controlado el sexo del alumno, el nivel educativo paterno, el
uso de la lengua de la evaluación en casa y el tamaño de la comunidad en la que se ubica el
centro, se encuentran como indicadores de la resiliencia académica factores relativos al alumno
(aspiraciones educativas, valoración de las matemáticas y experiencias de acoso escolar),
factores relativos al centro (creencia por parte de los profesores de que los alumnos pueden sacar
buenas notas en matemáticas, porcentaje de alumnos económicamente desfavorecidos en el
centro, énfasis del centro en el éxito académico, seguridad y disciplina en el centro y efectos de
la falta de recursos educativos para la enseñanza).
Martin y Marsh (2003), a partir de un estudio en el que detectar la importancia de los
facilitadores (autoconfianza, valoración de la escolarización, satisfacción con el aprendizaje,
planificación en el estudio o persistencia) y dificultadores (bajo control, auto-sabotaje, evitación
de fallos o ansiedad) a través de un análisis de regresión, indican que en la resiliencia académica
se detectan la confianza en uno mismo, un sentido de control, baja ansiedad, y la persistencia.
En un estudio acerca de la implicación del entorno familiar para minimizar el riesgo de
bajo rendimiento en los estudiantes chilenos se plantea que
“La revalorización de la educación debe producirse haciendo al mismo tiempo

que el sistema educacional sea eficiente, es decir, que esté ligada a los
requerimientos educativos actuales necesarios para el adecuado desarrollo del
país, lo que implica una articulación con el mundo productivo y una valoración
de todas las habilidades humanas, de tal manera que cada alumno reciba –de
acuerdo a sus características cognitivas, socioculturales y familiares aquella
educación que le permita desarrollarse como persona, esto es, que además de
permitirle obtener un empleo remunerado de acuerdo a sus habilidades, le
60
otorgue las oportunidades de un desarrollo personal y ético.” (Jadue, 1999,

digital)
Tabla 2.4 . Estrategias RES-Research para el logro de la resiliencia en el sistema educativo

Criterios para asegurar Inclusión
un acceso universal a la Infraestructura
Estrategias de acceso
educación dentro de un Materiales y recursos

país
Localización
Criterios relativos a las Equidad
intervenciones Asequibilidad
equitativas para hacer Prohibición de la discriminación en la escuela
frente a las
vulnerabilidades Oferta de todos los niveles educativos
particulares de acceso
Criterios para mejorar la Contenido
calidad de la aprendizaje Acercamiento pedagógico
Estrategias para la enseñanza formal y no formal
Estrategias de calidad
Clima y relaciones en la escuela

Apoyo psicosocial
Seguridad y crianza
Criterios para mejorar la Necesidades básicas de los profesores
calidad de la enseñanza Formación del profesorado para contextos de
adversidad
Inventivos para la innovación pedagógica
Apoyo psicosocial
Criterios para informar Dirección estratégica
Estrategias de gestión de gobierno y la
de la gestión del sistema Instituciones participativas e innovadoras

de educación de las
reformas de fomento de Respuesta de emergencia a tiempo
la resiliencia
Criterios para informar Estrategias de participación de la administración
educación
de la gestión del sistema de la escuela y de la comunidad

de educación de las Liderazgo de la dirección de la escuela
reformas de fomento de Participación institucionalizada de la comunidad
la resiliencia y su en la gestión escolar
implementación
Criterios para evaluar las Supervisión de la equidad en los servicios
estrategias educativos
Supervisión en la seguridad en las instituciones y
sus alrededores
El Banco Mundial lanzó la Estrategia Sector Educación 2020: Aprendiendo por todos
(Learning for All), definida por una agenda colaborativa entre varios países. Se implementa una
iniciativa basada en la experiencia SABER (Systems Approach por Better Education Results)
consistente en herramientas de diagnóstico sobre los exámenes a los sistemas educativos y sus
componentes.
61
Para sistemas educativos en extrema adversidad (contextos de fragilidad, conflicto y
violencia), el Banco Mundial ha desarrollado un “juego” complementario de herramientas:
programa ERA –enfoques de la educación a resilientes-, que complementa al SABER a través de
estrategias e instrumentos para identificar los riegos de aquellos actores que operan en difíciles
circunstancias (estudiantes, escuela, comunidad y ámbito institucional). Los pilares
fundacionales son la investigación local, basada en el contexto, conducida por actores locales,
enfoques interdisciplinares y resiliencia basada desde un punto humano, social y mundial (World
Bank, 2013).
RES-Research es una de las herramientas ofertadas desde ERA, para instituciones de
educación más avanzada, investigadores locales y agencias que trabajan en contextos afectados
por la violencia. Son sus pilares fundacionales: investigación local, basada en el contexto,
conducida por actores locales, enfoques interdisciplinares y resiliencia basada desde un punto
humano, social y mundial.
Los estudios sobre la resiliencia muestran que el ser humano puede fomentar fortalezas y
copiar habilidades que le permitan transformar una situación de crisis en una oportunidad. (Word
Bank, 2013). Para ello, se plantea que el sistema educativo debe estar dispuesto a adoptar un
acercamiento resiliente e implicarse en él. Para ello, deben darse las siguientes premisas:
1: El sistema educativo espera que todos los estudiantes tengan éxito a pesar de la
adversidad
2: El sistema educativo trata de contribuir a los objetivos de la sociedad a través de los
servicios de educación prestados
3: El sistema educativo refuerza su base de pruebas a través de evaluaciones e
investigaciones
Para lograr este “acercamiento resiliente” el Banco Mundial (Reyes, 2013) plantea varias
estrategias con sus respectivos criterios que deben cumplirse (Tabla 2.4).
62
2.4.PROGRAMA PARA LA EVALUACIÓN INTERNACIONAL DE

ALUMNOS
Los alumnos pueden triunfar cuando se les da la oportunidad, y no pueden ganar si no se les da
la posibilidad de participar en el juego. (OCDE, 2011f)
En 1997 se puso en marcha el Programa para la Evaluación Internacional de Alumnos

(PISA) por parte de la Organización para la Cooperación y el Desarrollo Económico (OCDE),
realizándose la primera evaluación en el año 2000. La cuarta evaluación, en 2009, es la
evaluación de la que trata este estudio y se centró principalmente en la lectura, evaluando
también las matemáticas y las ciencias, como en el estudio inicial. Este trabajo trata de la
principal materia evaluada en 2009: comprensión lectora. El Informe PISA 2009 evalúa a
estudiantes de 15 años, de 75 países -34 de ellos pertenecientes a la OCDE- para conocer si
“están preparados para enfrentarse a los retos de las sociedades del conocimiento actuales”
(OCDE, 2005, p.29) o para “utilizar sus habilidades y conocimientos para enfrentarse a los retos
de la vida real” (OCDE, 2010b, p. 18). La población se conformaba por los estudiantes de 15
años cursando estudios en los colegios y se evaluaron entre 5.400 y 10.000 estudiantes en cada
país (OCDE, 2009).
PISA es un programa trienal que evalúa tres materias diferentes (comprensión lectora,
matemáticas y ciencias) centrándose en cada evaluación en una de ellas. La primera evaluación
en 2000 se centró en la compresión lectora, en 2003 en matemáticas y en 2006 en ciencias. En
2009 volvió a evaluar principalmente la compresión lectora, añadiendo en esta ocasión la lectura
de textos digitales, con la participación de 20 países.
El Informe PISA destaca una serie de características “que lo hacen único en su género”
(OCDE, 2010b):
 Orientación hacia políticas, que conecta los datos sobre los resultados educativos con los
datos sobre sus características y sobre factores clave que modelan su aprendizaje dentro y
fuera del centro escolar. Esto le permite centrarse en las diferencias en los modelos de
rendimiento e identificar las características de los estudiantes, los centros y los sistemas
educativos con unos niveles de rendimiento alto.
 Un concepto innovador de “competencia”, como capacidad de los estudiantes de aplicar
sus conocimientos y capacidades a determinadas áreas curriculares, y analizar, razonar y
63
comunicarse con eficacia cuando plantean, interpretan y resuelven problemas en diversas

situaciones.
 Relevancia del aprendizaje a lo largo de la vida. PISA no se limita a evaluar las
competencias de los estudiantes en las asignaturas escolares, sino que también les pide que
informen de sus motivaciones para aprender, sus opiniones sobre ellos mismos y sus
estrategias de aprendizaje.
 Regularidad, que permite a los países hacer un seguimiento de su progreso en la
consecución de sus objetivos clave de aprendizaje.
 Amplitud de cobertura geográfica y naturaleza colaboradora. PISA 2009 abarca a los 34
países miembros de la OCDE y a 41 países y economías asociados.
Uno de los objetivos de la OCDE se basa en que los Gobiernos puedan lograr extraer
consecuencias y conclusiones de sus políticas educativas. Es por ello el riguroso cuidado con que
se diseñan los métodos y los instrumentos en cada una de las etapas. Probablemente también por
ello sea la “publicidad” que se les da tanto a los informes como a los propios datos, teniendo la
organización un apartado web (http://www.pisa.oecd.org) en el que cualquier persona puede
pedir algún dato concreto, o bien descargarse las bases de datos. Ningún cambio en las políticas
educativas será útil si no viene acompañada de un diagnóstico real, objetivo y público.
En el prólogo del libro Handbook of Quantitative Methods for Educational Research Hattie
(2013a) plantea que nos encontramos en la era de las "evidencias" (p. vii) pero que estas
evidencias, tan imprescindibles para la toma de decisiones, no son neutrales y dependen de la
interpretación adecuada. Plantea que los numerosos métodos disponibles para la investigación
educativa requieren de un entendimiento para interpretar lo que significan. En este sentido Wu
(2010) critica que a menudo en los medios de comunicación y en ámbitos institucionales se citan
erróneamente los resultados o se hacen un mal uso de ellos.
Cuando hablamos de comprensión lectora, o lectura para acomodar el texto, nos remitimos
a la definición que realiza PISA:
“comprender, utilizar textos escritos, reflexionar sobre ellos e implicarse con

ellos para alcanzar los propios objetivos, desarrollar el propio conocimiento y
potencial y participar en la sociedad.” (OCDE, 2010b, p.37)
¿Por qué estudiar el alto rendimiento? Para poder comprender qué les caracteriza,
diferencia de alumnos de un mismo entorno social pero peor rendimiento y en qué se diferencian
también de alumnos de igual rendimiento pero mejor entorno. Según la OCDE (2010b) lograr
64
que todos los sujetos se encuentren al menos en el nivel 2 aumentaría la economía de los países
miembros de la OCDE 200 billones de dólares estadounidenses en su conjunto. Evidentemente,
este es únicamente un enfoque más. Choi y Calero (2013) realizan un exhaustivo análisis a partir
de los datos de PISA 2009 en el que analizan las variables relacionadas con el fracaso escolar, en
este caso en España, Cáceres (2011) estudia en Honduras la incidencia de la situación de las
familias en el rendimiento académico y Fernández Aráuz (2013) analiza a los estudiantes
resilientes de PISA 2009 en Costa Rica.
A la vista de los datos obtenidos en PISA, la OCDE plantea que la diferencia en el
rendimiento académico entre los entornos favorecidos y desfavorecidos descendería hasta un
20% si éstos últimos tuvieran el conocimiento que los primeros en estrategias de estudio.
(OCDE, 2010d).
Cambio en la puntuación observado

Cambio de puntuación en el rendimiento de la lectura entre los años 2000 ‐2009
Cambio en la puntuación ajustado según los cambios

60 sociodemográficos
50
40
30
20
10
‐10
‐20
‐30
‐40
Greece
Peru
Sweden
France
Korea
Argentina
Denmark
Hungary
Germany
Norway
Mexico
Chile
Belgium
Hong Kong‐China
Austria
Portugal
Poland
Japan
Spain
OECD average‐26
Czech Republic
Albania
Latvia
Romania
Canada
United States
Brazil
Italy
Liechtenstein
Switzerland
Iceland
New Zealand
Ireland
Finland
Bulgaria
Australia
Indonesia
Israel
Thailand
Russian Federation
Figura 2.7 Cambios del rendimiento en lectura entre 2000 y 2009. (OCDE, 2010f)
Nota: Los cambios de puntuación observados estadísticamente significativos están marcados en un tono más
oscuro.
Los países están clasificados en orden descendiente del cambio de puntuación observado entre 2000 y 2009
La Figura 2.7 muestra -en las columnas- el cambio en el rendimiento en lectura desde la
primera prueba PISA en 2000 hasta la siguiente para esa misma materia en 2009. Además,
incluye el cambio previsto si la población del año 2000 tuviera la misma composición que la del
2009: edad, sexo, entorno socioeconómico y proporción de alumnos de entorno migrante. Puede
65
verse cómo en España no existe diferencia significativa con los datos observados, pero sí que lo
es teniendo en cuenta los cambios socioeconómicos.
2.4.1. Diseño Pruebas PISA
Ante la diversidad y cantidad de dominios y subdominios que pretende evaluar PISA, es

precisa una elección de método para elaborar la prueba o las pruebas que van a contestar los
estudiantes, dado que sería prácticamente imposible evaluar correctamente a todos los
estudiantes de todo el espectro a evaluar en profundidad. Diversas ILSA como PISA utilizan
Multiple matrix sampling (MMS).
MMS es un método de montaje y administración de una encuesta o evaluación donde
cada participante es encuestado de una muestra de la prueba total. Permite la cobertura de un
amplio campo de datos en un tiempo razonable de tiempo. Este enfoque plantea el reto para
escalar los ítems y estimar la competencia individual, ya que sólo una parte de los sujetos
responde a un ítem concreto.
Estos estudios utilizan la teoría de respuesta al ítem, y la puntuación de un sujeto
concreto, dado que no responde al conjunto del test está sujeto a un error de medida mayor
(Rutkowski, González, von Davier y Zhou, 2013).
Una vez decidido el criterio general de construcción de la prueba, es precisa la concreción
del mismo. En el caso de PISA, se aplica un diseño BIB puro. El diseño de bloques incompletos
balanceados (BIB), método de construcción de test de MMS propuesto por Lord (1965) plantea
que todos los ítems deben aparecer un mismo número de veces y que cada uno de los subtest
debe administrarse.
La prueba principal de PISA 2009, de lectura, se compone de 131 ítems dispuestos en 37
unidades, 26 de las cuales se usan para vincularse a PISA 2000 en dos clusters. A partir de éstos,
se crearon siete clusters de ítems que, junto a los tres de ciencia y los tres de matemáticas, se
combinan para componer los diferentes cuadernillos que contestarán los estudiantes. Cada
cluster aparece en una posición diferente cada vez dentro de un cuadernillo, de esta manera se
evita el efecto que la posición pudiera generar. Aunque los modelos para variables binarias,
ordinales y nominales son relativamente comunes y están bien desarrollados surgen
complicaciones cuando los estudios a gran escala emplean diseños complejos en el muestreo de
las preguntas, como en el modelo empleado en PISA con distintos clusters (Anderson, Kim y
Keller, 2013).
PISA opta por la estrategia de Dominio de múltiple contenido, frente al de contenido
simple. Es decir, cada alumno es preguntado por varias materias (aunque no la totalidad de las
incluidas en la prueba total). Este método resulta más eficiente dado que precisa de un menor
66
número de encuestados. Además, ofrece la posibilidad de establecer relaciones entre el

rendimiento en distintas materias. Entre los inconvenientes de esta estrategia, se destaca que los
test que debe completar cada sujeto exigen mayor tiempo, lo que aumenta el cansancio y
disminuye el esfuerzo y que la influencia de un dominio sobre otro puede modificar ciertos
factores como la dificultad (Le, 2009). También es un factor a tener en cuenta la motivación de
los estudiantes a la hora de llevar a cabo los test de las pruebas de gran escala. Van Barneveld,
Pharand, Ruperto y Haggarty (2012) plantean que se debe alentar al estudiante a que intente
realizar su mejor marca personal y, simultáneamente, explicarle la importancia de este tipo de
prueba, así, con factores tanto internos como externos, puede mejorar la motivación del
estudiante a la hora de enfrentarse a los test.
También es imprescindible para los objetivos de PISA, poder comparar los resultados
extraídos entre los diversos países y a lo largo del tiempo, de una prueba a otra de las realizadas
cada tres años. En relación a esto, Mazzeo y von Davier (2013) desarrollan Linking Scales: el
proceso que incluye la instrumentación, administración y análisis de las pruebas y que garantiza
que las evaluaciones se encuentran en una escala comparable en el tiempo entre países. Para ello
es necesario un correcto control de los diseño del conjunto de ítems y análisis de los
procedimientos.
El procedimiento utilizado en PISA es similar a otras ILSA dado que se basan en la TRI.
En concreto, PISA aplica el modelo binario y de crédito parcial de Rasch.
67
2.5.PISA EN ESPAÑA
La OCDE permite poder ampliar la muestra sobre la exigida para poder obtener resultados
significativos a fin de poder extraer resultados sobre zonas concretas del país evaluado,
comparables entre sí y el resto de países evaluados. España ha optado por esta opción, así como
también Bélgica y Reino Unido en esta evaluación. En el caso de España, dado que las
competencias en educación están transferidas a las comunidades autónomas (excepto en el caso
de las ciudades autónomas, dependiente directamente del Ministerio de Educación) son éstas las
que pueden optar por realizar este estudio o no hacerlo. El Instituto de Evaluación (2010) indica
la evolución de las comunidades participantes. En el primer estudio PISA, en el año 2000, no
participó ninguna comunidad, más allá de la evaluación nacional. En 2003 participaron Castilla y
León, Cataluña y el País Vasco. En 2006 se sumaron también Andalucía, Asturias, Aragón,
Cantabria, Galicia, La Rioja y Navarra. En este estudio, de 2009, únicamente Extremadura,
Castilla La Mancha y la Comunidad Valenciana decidieron no participar. La Figura 2.8 muestra
el mapa de las comunidades autónomas participantes (marcadas en tono oscuro) y la Tabla 2.5
indica la participación de estudiantes por comunidad autónoma. El motivo por el mayor tamaño
de la muestra en el País Vasco se debe a que en esta comunidad autónoma se evalúan los 3
modelos de los que se compone su sistema educativo.
Figura 2.8 Comunidades autónomas participantes en PISA 2009 (Instituto de Evaluación,

2009)
En el conjunto de PISA, en la primera evaluación no se realizaron muestreos, ni análisis de

regiones. En 2006 se evaluaron 24 y en 2009 el número descendió a 17.
La puntuación media en lectura en España se encuentra estadísticamente por debajo de la
media de la OCDE, teniendo una puntuación no estadísticamente diferente con Italia, Letonia,
Eslovenia, Grecia, República Checa, Croacia e Israel.
68
A la hora de evaluar los resultados de los estudiantes resilientes no se realizará un análisis

estadístico por comunidades autónomas dada la poca muestra de los mismos a ese detalle, sin
embargo, respecto a los datos de PISA 2012 Gil (2014) plantea la existencia de dos grandes
bloques (comunidades del norte y comunidades del sur) que explicarían las diferencias en el
rendimiento académico a partir de las diferencias ajenas a las variables analizadas por la OCDE:
la riqueza de las regiones.
Tabla 2.5 Frecuencia de alumnos por comunidades autónomas

Frecuencia Porcentaje
Alumnos
Andalucía 1416 5,47
Aragón 1514 5,85
Asturias 1536 5,93
Islas Baleares 1463 5,65
País Vasco 4768 18,42
Islas Canarias 1448 5,59
Cantabria 1516 5,86
Castilla y León 1515 5,85
Cataluña 1381 5,33
Ceuta y Melilla 1370 5,29
Galicia 1585 6,12
La Rioja 1288 4,98
Madrid 1453 5,61
Murcia 1321 5,10
Navarra 1504 5,81
No Adjudicados 809 3,13
España 25887
Finalmente, tras el análisis de las conclusiones de los estudios reseñados en esta

introducción, se plantea la hipótesis de que deben de ser variables indicativas de resiliencia
académica las relacionadas con el interés del estudiante y las herramientas de las que dispone
para el estudio.
69
70
3. MÉTODO
71
3.1.DATOS Y DEFINICIONES
En primer lugar, corresponde hacer una breve descripción de los datos y definiciones
utilizados en este estudio:
 Base de Datos:
 Todos los datos relativos a los estudiantes proceden de Programa Internacional para la
Evaluación de Estudiantes (PISA) del año 2009. Los datos han sido descargados de la
página web de la OCDE para el Informe PISA.
 Los datos estadísticos para Israel son suministrados por y bajo la responsabilidad de las
autoridades israelíes, tal y como indica la OCDE en sus informes.
 En la evaluación PISA, para algunas economías no miembros de la OCDE no participa el
conjunto del país, sino algunas regiones concretas, como en el caso de China, en la que se
evalúa Shanghái, Hong Kong y Macao. A los efectos de análisis, estas regiones serán
considerados como países. Por ello, en este estudio, el término “país” se referirá tanto a
los países evaluados en PISA como las regiones equiparadas. No así las subregiones,
como en el caso de las comunidades autónomas españolas dado que se evalúa
simultáneamente el país al completo y alguna de sus subregiones.
 En este estudio, como en PISA, cuando se indica Corea se refiere a Corea del Sur.
 Se evalúa a los y las estudiantes que se encuentran con una edad entre los 15 años y 3 meses
y los 16 años y dos meses que hayan cumplido al menos 6 cursos de enseñanza obligatoria.
 Rendimiento académico:
 La puntuación en lectura, así como las de ciencias, matemáticas y sus correspondientes
subescalas, es calculada en PISA a partir de “valores plausibles”, que no son
estrictamente resultados de un test.
 Los valores plausibles son números aleatorios extraídos de la distribución de las
puntuaciones que podrían ser razonablemente asignados a cada sujeto. En consecuencia,
contienen componentes de la varianza error. Por ello, los valores en su conjunto son
apropiados para describir el comportamiento de la población. Para cada escala, y
subescala, se han elaborado cinco valores plausibles diferentes (de PV1READ a
PV5READ en el caso de la lectura).
 Para la selección inicial de las variables de estudio indicada en este apartado se han
utilizado los valores PV1MATH, PV1READ, PV1SCIE. A pesar de la indicación
recogida en el Technical Report de realizar los análisis con los cinco valores plausibles y
72
posteriormente calcular la media, no se ha realizado en este estudio dado que si se

promedian los resultados al tratar de casos situados en los límites de la escala se perdería
la muestra de estudio. Previamente se ha comprobado que la proporción de estudiantes
resilientes es la misma con todas las subescalas.
 Estas puntuaciones muestran una media de 500 y una desviación típica de 100 para la
media de los países de la OCDE.
 Las variables continuas, para algunos análisis y representaciones, se han convertido a
intervalos, en los que la denominación corresponde a su punto medio.
 Para facilitar la lectura del texto, se entenderán como equivalentes las expresiones:
“intervalo inferior a -1” y “puntuación menor a -1”, una vez hecha la explicación de que
se corresponde al valor medio del intervalo, no al límite inferior o superior del mismo.
 Al tratarse de variables con distribución normal, los intervalos límite contienen en
algunos casos una muestra muy escasa, por lo que pueden desviarse los resultados del
mismo.
 Estudiante Resiliente: Es aquel que obtiene una puntuación en el estatus socioeconómico y
cultural contenida en el intervalo -1 o menor y una puntuación en lectura en los niveles 5 ó 6.
En este estudio se hablará de resiliencia para referirse a la resiliencia académica, a fin de
facilitar la lectura.
 Índices:
 Los índices simples son aquellos que se obtienen a partir de una recodificación de uno o
más ítems (como la edad o el estatus migratorio). Los índices de escala (como el disfrute
de la lectura) son calculados, generalmente, desde estimaciones TRI desde uno o más
ítems tipo Likert o dicotómicos.
 Para ítems dicotómicos se aplica el modelo de un parámetro, de Rasch, donde la
probabilidad de seleccionar la respuesta 1 frente a la 0 es
exp( n   i ) (3)
P1 ( ) 
1  exp( n  i)
Para los ítems tipo likert se usa el modelo de crédito parcial donde
x
exp  ( n   i   ij ) (4)
P xi ( n )  mi
k 0
h
 exp  (
h0 k 0
n  i   ik )
73
siendo Pxi ( n ) la probabilidad de que el sujeto n puntúe x en el ítem i,  n la puntuación del sujeto
en el rasgo latente,  i la localización del ítem i en el rasgo evaluado y  ij un paso adicional del
parámetro.
Previamente, cada ítem que compone el índice tiene asignado un valor Гi para cada
opción de respuesta (completamente desacuerdo, en desacuerdo, de acuerdo, completamente de
acuerdo, por ejemplo) a partir de los cuales calcular el valor del índice.
Posteriormente esa puntuación es normalizada con la siguiente fórmula:
 n   OCDE
 n`  (5)
  (OCDE )
 Para facilitar la lectura, en este estudio se utiliza el término índice para hablar de los
índices de escala, excepto en las ocasiones en las que se especifique.
3.2.PARTICIPANTES
Todos los datos utilizados en este estudio provienen de las respuestas de los estudiantes y
las escuelas obtenidos en PISA 2009 en treinta de los países participantes en el estudio.
Tabla 3.1 Población e información de la muestra

matriculados en séptimo
Tasa de exclusión total
Número de estudiantes
Número de estudiantes
estudiantes de 15 años
estudiantes de 15 años
Tasa de exclusión de
centros escolares (%
Población total de
Población total de
curso o superior
participantes
excluidos
(%)
Australia 286.334 269.669 2,62 14.251 313 4,36
Canadá 430.791 426.590 0,56 23.207 1.607 6,00
República Checa 122.027 116.153 1,39 6.064 24 1,76
Estonia 14.248 14.106 3,09 4.727 32 3,81
Finlandia 66.198 66.198 2,28 5.810 77 3,40
Francia 749.808 732.825 2,62 4.298 1 2,66
Grecia 102.229 105.664 0,66 4.969 142 3,74
Hungría 121.155 118.387 2,81 4.605 10 3,14
Israel 122.701 112.254 1,40 5.761 86 2,68
Japón 1.211.642 1.189.263 1,93 6.088 0 1,93
Corea 717.164 700.226 0,42 4.989 16 0,69
México 2.151.771 1.425.397 0,41 38.250 52 0,56
Nueva Zelanda 63.460 60.083 1,07 4.643 184 4,19
Polonia 482.500 473.700 1,61 4.917 15 1,88
Portugal 115.669 107.583 0,00 6.298 115 1,57
Eslovenia 20.314 19.571 0,89 6.155 43 1,61
España 433.224 425.336 0,74 25.887 775 3,88
Turquía 1.336.842 859.172 1,00 4.996 11 1,19
Reino Unido 786.626 786.825 2,24 12.179 318 4,62
Estados Unidos 4.103.738 4.210.475 0,36 5.233 315 5,16
Brasil 3.292.022 2.654.489 0,59 20.127 24 0,72
Bulgaria 80.226 70.688 1,94 4.507 0 1,94
Croacia 48.491 46.256 1,16 4.994 34 1,78
Macao-China 7.500 5.969 0,05 5.952 0 0,05
Rusia 1.673.085 1.667.460 1,50 5.308 59 2,65
Shanghái-China 112.000 100.592 1,28 5.115 7 1,41
Singapur 54.982 54.212 1,17 5.283 48 1,96
China Taipei 329.249 329.189 0,54 5.831 32 1,09
Trinidad y Tobago 19.260 17.768 0,00 4.778 11 0,24
Uruguay 53.801 43.281 0,07 5.957 14 0,26
75
Tabla 3.2 Distribución de muestra por sexo y grado

Chicos Chicas
10º
11º
12º
10º
11º
12º
7º
8º
9º
7º
8º
9º
% % % % % % % % % % %
Australia 0,0 0,1 13,1 69,6 17,1 0,1 0,0 0,1 7,9 72,0 20,0 0,1
Canadá 0,0 1,4 14,6 82,9 1,1 0,0 0,0 1,0 12,5 85,3 1,1 0,0
República Checa 0,7 4,5 52,5 42,3 0,0 0,0 0,3 3,1 44,8 51,8 0,0 0,0
Estonia 2,4 27,0 69,6 1,0 0,0 0,0 0,9 20,8 75,4 2,7 0,2 0,0
Finlandia 0,6 14,0 85,2 0,0 0,2 0,0 0,4 9,6 89,4 0,0 0,6 0,0
Francia 1,3 4,0 39,6 51,4 3,6 0,0 1,3 3,2 29,4 61,6 4,4 0,1
Grecia 0,5 1,9 6,2 91,4 0,0 0,0 0,2 0,9 4,9 94,0 0,0 0,0
Hungría 3,2 9,3 68,8 18,7 0,0 0,0 2,3 5,9 65,4 26,2 0,2 0,0
Israel 0,0 0,5 19,9 78,7 1,0 0,0 0,0 0,1 15,9 83,8 0,2 0,0
Japón 0,0 0,0 0,0 100 0,0 0,0 0,0 0,0 100,0 0,0 0,0
Corea 0,0 0,1 4,7 94,5 0,7 0,0 0,0 0,0 3,6 95,6 0,8 0,0
México 2,0 8,8 37,6 51,0 0,5 0,0 1,5 6,1 31,5 60,1 0,8 0,0
Nueva Zelanda 0,0 0,0 0,0 6,9 87,9 5,2 0,0 0,0 0,1 4,8 89,8 5,4
Polonia 1,5 6,5 91,6 0,5 0,0 0,0 0,6 2,5 95,6 1,3 0,0 0,0
Portugal 3,4 10,5 30,9 54,9 0,4 0,0 1,4 7,7 25,1 65,4 0,4 0,0
Eslovenia 0,0 0,1 4,0 91,1 4,7 0,0 0,0 0,0 1,9 90,3 7,8 0,0
España 0,1 12,2 28,7 58,9 0,0 0,0 0,1 7,6 24,2 68,0 0,0 0,0
Turquía 1,0 4,0 30,2 61,3 3,2 0,2 0,4 2,9 19,8 72,3 4,4 0,2
Reino Unido 0,0 0,0 0,0 1,3 98,0 0,7 0,0 0,0 0,0 1,0 98,1 0,9
Estados Unidos 0,0 0,1 13,2 68,6 17,9 0,1 0,0 0,2 8,5 68,4 22,8 0,1
Brasil 8,4 21,0 37,8 31,1 1,7 0,0 5,4 15,3 37,1 39,7 2,5 0,0
Bulgaria 2,0 7,4 86,9 3,7 0,0 0,0 0,9 4,6 90,6 3,9 0,0 0,0
Croacia 0,0 0,1 79,1 20,7 0,0 0,0 0,0 0,2 75,8 24,1 0,0 0,0
Macao-China 8,9 22,0 34,9 33,6 0,5 0,0 4,4 16,3 34,9 43,9 0,5 0,0
Rusia 1,4 10,4 61,2 26,3 0,8 0,0 0,5 9,7 59,0 29,8 1,0 0,0
Shanghái-China 1,2 5,1 38,8 54,7 0,2 0,0 0,8 3,0 36,1 59,5 0,6 0,0
Singapur 0,8 2,9 35,7 60,6 0,0 0,0 1,2 2,3 33,7 62,7 0,0 0,0
China Taipei 0,0 0,2 35,2 64,7 0,0 0,0 0,0 0,0 33,7 66,3 0,0 0,0
Trinidad y Tobago 2,7 10,7 28,4 51,0 7,1 0,0 1,5 6,9 22,3 61,0 8,3 0,0
Uruguay 9,1 12,0 24,9 50,4 3,6 0,0 5,4 9,4 18,5 61,4 5,4 0,0
En la Tabla 3.1 se indican la selección de muestra y las exclusiones por país, a partir de
los datos recogidos en el primer volumen del Informe PISA 2009 (OCDE, 2010b). Aunque en
dicho texto pueden comprobarse los datos y definiciones más detallados, se ofrece un resumen
de los datos. La OCDE (2010b) ofrece la especificación de la información contenida en cada
columna (p. 174):
- La primera columna muestra el número total de jóvenes de 15 años según los últimos
datos disponibles, que en la mayoría de los países son del año 2008, el año previo a la
evaluación.
- La tercera columna muestra el porcentaje de estudiantes matriculados en los centros
escolares excluidos.
76
- La cuarta columna muestra el número de estudiantes participantes en PISA 2009.

Obsérvese que en algunos casos esta cifra no incluye a los jóvenes de 15 años evaluados
como parte de las opciones adicionales de un país.
- La última columna muestra la tasa de exclusión total, que representa el porcentaje
ponderado de la población objetivo deseada del país excluida de PISA ya sea a través de
exclusiones de centros escolares o intraescolares. Las razones de exclusiones son:
- Discapacidad funcional
- Discapacidad intelectual
- Un nivel de competencia limitado en el idioma de la evaluación
- Otros motivos definidos por los centros nacionales y aprobados por el centro
internacional
- No existe material escolar en el idioma de instrucción.
En el conjunto de los países la población de chicos y chicas de 15 años era de 19.109.057,

de los cuales, 17.209.381 estaban matriculados en un centro en séptimo curso o superior. Tras
4.365 sujetos excluidos, la muestra utilizada en este estudio es de 261.179 alumnos. En la Tabla
3.2 muestra la distribución de la asistencia a cada curso según el sexo de los estudiantes y el país.
77
3.3.SELECCIÓN DE PAÍSES
De los 65 países evaluados por PISA 2009 se han seleccionado, aproximadamente, el

45% de ellos, es decir, treinta países y el 54,9 % de la muestra total. Las variables utilizadas para
esta selección han sido, principalmente, la puntuación obtenida en las pruebas de Lectura (si ésta
se encontraba por encima, debajo o en la media de la OCDE), la pertenencia o no a la OCDE y el
Índice de Desarrollo Humano elaborado por la ONU (2009). Dado que PISA 2009 no evalúa a
ningún país con el IDH bajo o muy bajo, los valores resultantes han sido IDH medio, alto o muy
alto.
Previamente se han eliminado de la selección los países con menos de 10 resilientes en
total, veintidós países en total.
Además, se ha procurado tener en cuenta los porcentajes de población inmigrante (tanto
de primera como de segunda generación) y de resilientes (con puntuación entre los intervalos -5
y -1 en ESCS y los intervalos 5 y 6 en la puntuación de lectura) según los datos del propio
muestreo para PISA 2009. Para ambas variables, se han tomado los valores bajo, medio y alto.
Con ello, se ha procurado garantizar una representatividad de los países seleccionados, de modo
que para cada uno de los cruces de las variables arriba indicados se encuentre, al menos, un país.
De esta manera, los países cuyas puntuaciones se utilizarán en el presente estudio son los
marcados en la Tabla 3.3– que identifica a los países según el IDH, la puntuación de lectura en
PISA y su pertenencia o no a la OCDE- y la Tabla 3.3 –en función de la proporción de migrantes
y resilientes-. En la Tabla A.12 pueden verse con más detalles los datos indicados utilizados para
la selección.
Figura 3.1 Países seleccionados para el presente estudio

78
Tabla 3.3 Selección de países para el estudio según el IDH, la puntuación en PISA respecto
a la media de la OCDE y la pertenencia a la OCDE.
IDH
Medio Alto Muy Alto
PISA
Menor No OCDE Macao- China Brasil
Bulgaria
Croacia
Rusia
Trinidad y Tobago
Uruguay
OCDE México Rep. Checa
Turquía Grecia
Israel
Eslovenia
España
Igual No OCDE China Taipei
OCDE Hungría Francia
Portugal
Reino Unido
Estados Unidos
Mayor No OCDE Shanghái China Singapur
OCDE Estonia Australia
Polonia Canadá
Finlandia
Japón
Corea
Nueva Zelanda
Tabla 3.4 Selección de países para el estudio según porcentaje de inmigrantes y estudiantes
resilientes.
Porcentaje Resilientes
Bajo Medio Alto
Porcentaje Inmigrantes Bajo Brasil Bulgaria China Taipei
México Hungría Japón
Turquía Corea
Uruguay Polonia
Shangai China
Medio Croacia Rep. Checa
Estonia Finlandia
Eslovenia Grecia
Reino Unido Portugal
España
Trinidad y Tobago
Alto Australia Canadá
Israel Francia
Rusia Macao China
Nueva Zelanda
Estados Unidos Singapur
En la Figura 3.1 aparecen en azul y gris los países analizados en este estudio participantes
en PISA 2009, según sean de la OCDE o no. En color negro constan los países evaluados por
PISA no seleccionados para este estudio. Ha sido elaborada partir de los Resultados PISA 2009
(OCDE, 2010b).
79
Respecto a los porcentajes de inmigración y resiliencia, los países quedarían según se

indica en la Tabla 3.4.
Para el conjunto de los 30 países, la prueba se ha realizado en 27 idiomas diferentes.
80
3.4.SELECCIÓN DE LAS VARIABLES
La OCDE en su estudio Against the Odds: Disadvanted students who succeed in school
(2011a), analizaba la resiliencia en PISA 2006 en función de una serie de variables, algunas de
ellas tomadas directamente de las respuestas de los cuadernillos y otras a partir de los índices
creados agrupando varias preguntas (índices simples o de escala), tal y como se explica en el
Technical Report 2006.
Para la selección de las variables para este estudio se han tenido en cuenta los índices
simples y de escala utilizados en el estudio sobre PISA 2006. Evidentemente, se han
seleccionado aquéllas que también aparecen recogidas en 2009 (OCDE, 2012k). Además de
éstas, se han tenido en cuenta los índices creados para PISA 2009, específicos para la materia
principal, la lectura, o sobre el uso y actitudes hacia las TIC (tecnologías de la información y la
comunicación), novedad ésta respecto a los tres informes PISA previos (2000, 2003 y 2006).
También se han seleccionado las puntuaciones en matemáticas y ciencias de esta misma prueba
además de, obviamente, la puntuación en lectura. Para la selección de las variables, también se
ha tenido en cuenta las relaciones indicadas en los diferentes estudios antes indicados con la
resiliencia. Además, se han excluido aquellas variables en las que no participaron los treinta
países de estudio (excepto la variable Tipo de Escuela, que no está incluida en los datos de
Francia) y también las que se encontraran incluidas en algún índice evaluado.
En una primera selección han sido incluidas directamente, debido a su importancia, las
variables sociodemográficas:
 Estatus socioeconómico y cultural (ESCS)
 Estatus migratorio (IMMIG)
 Grado (ST01Q01)
 Sexo (ST04Q01)
 Tipo de escuela (SCHLTYPE)
y las puntuaciones en la prueba de matemáticas y de ciencias.
Posteriormente, para la selección del resto de las variables, se han realizado dos análisis:
1) Prueba T para la igualdad de medias en SPSS para cada variable y país entre los
grupos con los niveles 1-4 y 5-6 en la prueba de lectura.
2) Correlación de Pearson entre la puntuación en Lectura y cada variable entre todos los
países simultáneamente.
81
Se han tenido en cuenta aquellas variables en las que ha resultado existir diferencias entre
los sujetos con alta puntuación en lectura y aquellos con puntuación media-baja en, al menos, 20
de los países evaluados y en los que la correlación de Pearson resulta significativa y mayor que
0,15 o menor que -0,15. Con esto, se combina la importancia de las variables en las que existe
diferencia en función del rendimiento académico en función del número de países en las que se
da esta diferencia con un factor más general, con el que se detecta, al menos, una pequeña
relación entre la variable y el rendimiento en el conjunto de los datos evaluados.
Tanto el cálculo de la correlación de Pearson como la prueba T se han hecho a partir de
las variables sin modificar, sin embargo, algunos índices con puntuación normalizada han
sufrido transformaciones para poder ser tratados como de intervalo en los cálculos del ANOVA
(que se muestran en las Tablas del anexo) y para mostrar las frecuencias por cada intervalo. El
resto se han mantenido igual.
En el anexo Descripción de las variables según el Technical Report 2009 (OCDE, 2012k)
se muestra la definición de las variables seleccionadas, así como las preguntas iniciales a partir
de las que se construyen, en el caso de los índices como el estatus migratorio o el placer por la
lectura. A fin de definir “alta puntuación en lectura” se han seleccionado los sujetos con
puntuación en los niveles 5 y 6. En la Tabla A.18 se muestra la distribución según el nivel de
lectura y país. En la Figura 3.2 aparece el porcentaje de sujetos en los niveles 5 y 6, es decir, con
puntuación alta, respecto al total de los sujetos examinados en ese país. Como puede verse, en el
total de los 30 países evaluados, el 6,08% de los estudiantes tienen altas puntuaciones. El país
con menor porcentaje de sujetos con alta puntuación en México (0,34%) y el país con mayor
Shangai-China (19,04%).
20
18
16
14
12
10
0
Nueva Zelanda
Eslovenia
Trinidad y Tobago
Turquía
Total 30 países
Hungría
Japón
China Taipei
Israel
Singapur
Australia
Bulgaria
Canadá
Corea
Rusia
Shanghái China
Croacia
Rep Checa
Estonia
Finlandia
Francia
Grecia
Macao China
México
Polonia
España
Reino Unido
Estados Unido
Brasil
Portugal
Uruguay
Figura 3.2 Porcentaje de estudiantes en los niveles 5 y 6 de lectura por países
82
En el Anexo A.5 se recogen los valores para cada una de las variables usados para la
selección, como se ha indicado antes. Las tablas “Valores resumen de (nombre de la variable)”
recoge tanto para el conjunto de los países como para cada uno independientemente:
- Correlación de Pearson y su significación (sólo para el conjunto de los treinta países)
- Prueba T: Valor medio de la variable entre los alumnos con nivel el lectura bajo y
medio. Valor medio de la variable entre los alumnos con nivel el lectura alto. Estadístico t y su
significación.
- ANOVA: Puntuación media en lectura para cada uno de los niveles de la variable.
Estadístico F y su significación y estadísticos relacionados.
Así mismo se ofrece una tabla específica para cada variable con los valores de los
estudiantes españoles, con las frecuencias de cada uno de los niveles de la variables y la
puntuación en lectura para esos niveles.
A continuación se enumeran las variables seleccionadas en el estudio, incluyéndose en
cada variable una figura en la que se indica el valor medio en lectura (eje vertical) para cada uno
de los niveles o categorías de la variable (eje horizontal) para cada uno de los países. Igualmente,
se ofrece para las comunidades autónomas participantes en España.
Estatus Socio Económico Cultural (ESCS)
100
90
80 3
70 2
60 1
0
50
-1
40 -2
30 -3
20 -4
-5
10
0
Chinese Taipei
United Kingdom
Macao-China
Russian Federation
Trinidad and Tobago

Czech Republic
Turkey
Total 30 países
Israel
Portugal
Canada
Estonia
Finland
France
Greece
Japan
Croatia
Mexico
Poland
Shanghai-China
Hungary
Uruguay
United States
Brazil
Korea
Bulgaria
Spain
Singapore
Slovenia
New Zealand
Australia
Figura 3.3 Distribución en porcentajes del ESCS por países
83
650
600
550
500
450
400
350
300
250
200
-4 -3 -2 -1 0 1 2 3
Total 30 países Australia Brasil Bulgaria Canadá China Taipei
Croacia República Checa Estonia Finlandia Francia Grecia
Hungria Israel Japón Corea Macao-China México
Nueva Zelanda Polonia Portugal Rusia Shanghai-China Singapur
Eslovenia España Trinidad y Tobago Turquía Estados Unidos Reino Unido
Uruguay
Figura 3.4 Puntuaciones medias en lectura según el ESCS
Estatus migratorio (IMMIG)
650
600
550
500
450
400
350
300
250
200
Nativo 2ª generación 1ª generación

Uruguay
Figura 3.5 Puntuaciones medias en lectura según el estatus migratorio.
84
Grado (ST01Q01)
650
600
550
500
450
400
350
300
250
200
7 8 9 10 11 12 13
Uruguay
Figura 3.6 Puntuaciones medias en lectura según el grado.
Sexo (ST04Q01)
650
600
550
500
450
400
350
300
250
200
Mujer Hombre
Uruguay
Figura 3.7 Puntuaciones medias en lectura según el Sexo
85
Tipo de escuela (SCHLTYPE)
650
600
550
500
450
400
350
300
250
200
Público Privado dependiente del Gobiero Privado independiente
Uruguay
Figura 3.8 Puntuaciones medias en lectura según el Tipo de Escuela
Clases extraescolares para enriquecimiento en lenguaje (ST31Q01)
650
600
550
500
450
400
350
300
250
200
Sí No
Uruguay
Figura 3.9 Puntuaciones medias en lectura según Clases extraescolares para el

enriquecimiento de la lengua
86
Clases extraescolares correctivas en lenguaje (ST31Q05)
650
600
550
500
450
400
350
300
250
200
Sí No
Uruguay
Figura 3.10 Puntuaciones medias en lectura según Clases extraescolares correctivas de la

lengua
Horas de lenguaje extraescolares (ST32Q01)
650
600
550
500
450
400
350
300
250
200
0 hrs/sem - 2 hrs/sem 2-4 hrs/sem 4-6 hs/sem + 6 hr/sem
Uruguay
Figura 3.11 Puntuaciones medias en lectura según Horas de lenguaje extraescolares
87
Estrategias de control (CSTRAT)
650
600
550
500
450
400
350
300
250
200
-3 -2 -1 0 1 2 3
Uruguay
Figura 3.12 Puntuaciones medias en lectura según Estrategias de Control
Clima de disciplina (DISCLIMA)
650
600
550
500
450
400
350
300
250
200
-3 -2 -1 0 1 2
Uruguay
Figura 3.13 Puntuaciones medias en lectura según Clima de disciplina
88
Disfrute de la lectura (JOYREAD)
650
600
550
500
450
400
350
300
250
200
-3 -2 -1 0 1 2 3
Nueva Zelanda Polonia Polonia Rusia Shanghai-China Singapur
Uruguay
Figura 3.14 Puntuaciones medias en lectura según Disfrute de la lectura
Metacognición: resumen (METASUM)
650
600
550
500
450
400
350
300
250
200
-2 -1 0 1
Uruguay
Figura 3.15 Puntuaciones medias en lectura según Metacognición: resumen
89
Metacognición: entendimiento y memoria (UNDREM)
650
600
550
500
450
400
350
300
250
200
-2 -1 0 1
Uruguay
Figura 3.16 Puntuaciones medias en lectura según Metacognición: resumen
Lectura On-Line (ONLNREAD)
650
600
550
500
450
400
350
300
250
200
-5 -4 -3 -2 -1 0 1 2 3
Uruguay
Figura 3.17 Puntuaciones medias en lectura según Lectura online
90
Diversidad en la lectura (DIVREAD)
650
600
550
500
450
400
350
300
250
200
-4 -3 -2 -1 0 1 2 3 4
Uruguay
Figura 3.18 Puntuaciones medias en lectura según Diversidad en la Lectura
El Anexo Selección de Variables se indicar los valores de ANOVA para cada país, este
estadístico ha resultado significativo para cada variable en el global de los datos: Estatus
Socioeconómico [F(8, 258227) = 6733.7, p <.001, eta-cuadrado = 0.173], Estatus Migratorio
[F(2, 255379) =55.07 , p <.001, eta-cuadrado = 0], Grado [F(6, 260692) = 5888, p <.001, eta
cuadrado = 0.119] , Sexo [F(1, 261177) = 7858, p <.001, eta-cuadrado =0.029], Tipo de Escuela
[F(2, 250208) = 2438.83, p <.001, eta-cuadrado = 0.02], Clases extraescolares para
enriquecimiento en lenguaje [F(1, 253963) = 78.79, p <.001, eta-cuadrado = 0.033], Clases
extraescolares correctivas en lenguaje [F(1, 253008) = 115.05, p <.001, eta-cuadrado = 0.03],
Horas de lenguaje extraescolares [F(4, 191445) = 1347.26, p <.001, eta-cuadrado = 0.0274],
Estrategias de control [F(6, 257674) = 2666.75, p <.001, eta-cuadrado = 0.058], Clima de
disciplina [F(5, 256757) = 1313.19, p <.001, eta-cuadrado = 0.025], Disfrute de la lectura [F(6,
254999) = 17892.67, p <.001, eta-cuadrado = 0.112], Metacognición: resumen [F(3, 248823) =
16125.68, p <.001, eta-cuadrado = 0.16], Metacognición: entendimiento y memoria [F(3,
248108) = 11651, p <.001, eta-cuadrado = 0.123], Lectura on-line [F(8, 257675) = 2934.62, p
<.001, eta-cuadrado = 0.084], Diversidad en la lectura [F(8, 258299) = 1442.96, p <.001, eta
cuadrado = 0.04].
91
3.4.1. Variables en España
Puntuación en Lectura
100%
80% Nivel 6
Nivel 5
60% Nivel 4
Nivel 3
40% Nivel 2
Nivel 1
20% Inferior Ni vel 1
0%
Ar ía
ón
G la
Is ís V s
C an as
Es ra
a
s
N ia
Is As n
M ja
an o
ña
la ria
La i a
M d
re
s uria
ta luñ
ó
s asc
il
uc
ri
c
io
ar
ic
C ari
Le
el
pa
ag
ad
ur
Pa lea
R
al
as ta
av
l
eu ata
M
da
y
Ba
y
An
C
til
la
la
Figura 3.19 Distribución de niveles en lectura por comunidad en España
La media de España en puntuación en lectura es 481 puntos. Se encuentran por debajo de la

media Andalucía, Islas Baleares, Islas Canarias, Ceuta y Melilla y Murcia. Todas las
comunidades tienen una diferencia entre la puntuación de chicos y chicas (en relación con la
puntuación media) menor que la diferencia media de la OCDE. Son Cataluña, Asturias, Islas
Canarias, Andalucía y Murcia las comunidades con una diferencia menor a la media española.
La Figura 3.19 muestra la distribución del alumnado según su nivel de lectura en las
comunidades participantes y el conjunto de los datos españoles. Todas las comunidades tienen
un porcentaje de alumnos de rendimiento alto menor que la media de la OCDE. Murcia, Ceuta y
Melilla, las Islas Canarias, Baleares y Andalucía se encuentran por debajo de la media española
en esta categoría. La Figura 3.20 indica la distribución de los niveles socioeconómicos en las
comunidades autónomas. Poco más del 40% del total de los estudiantes españoles se encuentra
en un bajo nivel socioeconómico. Tienen mayor nivel de alumnos desfavorecidos de Asturias, La
Rioja, Baleares, Galicia, Murcia, Ceuta y Melilla, Andalucía y Canarias –estas dos últimas
comunidades con más de la mitad del estudiantado-.
Teniendo en cuenta el número de alumnos con alta puntuación en lectura y aquéllos con
bajo nivel socioeconómico, si ambas variables fueran independientes entre sí, la frecuencia
92
esperada de estudiantes resilientes, al igual que sucede con los diferentes países analizados,
resulta mayor que la observada en todas las comunidades y el conjunto del país (Tabla 4.6).
100%
3
80%
2
1
60%
0
-1
40%
-2
-3
20%
-4
0%
illa
a
Es a
t a uñ a
ón
ia
ja
As n
rid
a
o
an s
s
La ia
ña
cí
Pa are
r
ia
ó
ria
ci
sc
io
br
ic
ar
el
ad
Le
ag
pa
lu
ar
ur
al
R
Va
l
ta
tu
av
M
a
le
da
an
M
Ar
G
at
y
Ba
N
y
ís
An
C
C
till
s
eu
la
as
la
Is
Is
C
C
Figura 3.20 Distribución en niveles socioeconómicos por comunidad en España
1,0
0,5
0,0
Ni veles 5 y 6 Ni vel 4 Ni veles 2 y 3 Nivel i nferi or 2
-0,5
-1,0
-1,5
Andalucía Aragón Asturias Islas Baleares País Vasco Islas Canarias
Cantabria Castilla y León Cataluña Ceuta y Melilla Galicia La Rioja
Madrid Murcia Navarra No Adjudicados España
Figura 3.21 Puntuación media ESCS según nivel de lectura por comunidad en España
93
600
550
500
450
400
350
300
-3 -2 -1 0 1 2 3
Figura 3.22 Puntuaciones medias en lectura según ESCS en España
Tal y como sucede con el conjunto de los países evaluados, cuanto mayor es el rendimiento
académico, mayor es el nivel socioeconómico medio en todas las comunidades (Figura 3.21).
Las diferencias entre el nivel socioeconómico de los alumnos de mayor rendimiento y los de
menor puntuación se encuentran desde los 0,99 puntos en el País Vasco y 1,44 de Andalucía y
Murcia. En Ceuta y Melilla no se evaluaron alumnos con un nivel 5 o superior en lectura. La
Figura 3.22 muestra la media en lectura según el nivel socioeconómico. En él puede verse la
relación ya comentada entre riqueza y rendimiento, con excepción de las comunidades
autónomas en las que hay sujetos con nivel 3 de estatus socioeconómico, en las que en algunas
regiones obtienen puntuación menor que los estudiantes del nivel 2.
En España la población escolar migrante es poco frecuente, principalmente la de segunda

generación. Al igual que en el conjunto de los países, es mayor la puntuación de los estudiantes
nativos que la de los migrantes. Sin embargo, encontramos varias comunidades en las que la
diferencia entre los nativos y los migrantes de 2ª generación se reduce al mínimo, como
Andalucía, Aragón, Asturias, Islas Canarias, Castilla y León y Navarra.
94
600
550
500
450
400
350
300
Nativo 2ª generación 1ª generación
Figura 3.23 Puntuaciones medias en lectura según IMMIG en España
Grado (ST01Q01)
En España el 68% de los alumnos cursan el décimo grado, el correspondiente a su edad. El

resto -a excepción de un 0,05% de alumnos de Asturias, País Vasco, Cantabria, Castilla y León,
Cataluña, Murcia y Navarra que se encuentra en el curso superior- cursa en niveles anteriores,
principalmente el 9º con un 22% de media general. La puntuación de los estudiantes del décimo
curso es mayor que la de aquellos que han repetido uno o dos cursos. Las desviaciones respecto a
las puntuaciones en los grados 7º y 11º se deben a la poca muestra.
600
550
500
450
400
350
300
8 9 10 11
Figura 3.24 Puntuaciones medias en lectura según Grado en España
95
Sexo (ST04Q01)
Como ya se ha explicado anteriormente, la puntuación de las chicas también es mayor que

la de los chicos en España. En 10 comunidades la puntuación media de las mujeres supera la
media de la OCDE (500 puntos). Esta barrera no se rebasa en ninguna región en el caso de los
varones.
600
550
500
450
400
350
300
Mujer Hombre
Figura 3.25 Puntuaciones medias en lectura según sexo en España
0,40
0,20
0,00
-0,20 Escuela Pública

-0,40 Escuela Pri vada (dep e i ndep)
-0,60
-0,80
-1,00
C C a eó n
G lla
Ar ía
Is ís V res
as ta s
y ña
Es r ra
Ba as
N cia
Is As ón
M ja
C co
ña
la bria
L a ci a
M d
C aria
uc
ri
io
i
s turi
el
ta lu
s as
pa
ag
a
ad
ur
Pa lea
i
L
R
al
av
l
eu ta
M
da
an
y
C an
An
til
la
la
Figura 3.26 Puntuación ESCS según tipo de escuela en España
96
600
550
500
450
400
350
300
Público Privado Dependiente Privado Independiente
Figura 3.27 Puntuaciones medias en lectura según Tipo de Escuela en España
La puntuación media para todas las comunidades es menor para la escuela pública que para
la privada, ya sea esta dependiente o independiente del gobierno. Tal y como se indicó en la
introducción, debe tenerse en cuenta el nivel socioeconómico de los alumnos que asisten a un
tipo u otro. La Figura 3.26 muestra el nivel socioeconómico según el tipo de escuela. En azul se
muestra el ESCS medio de los estudiantes de la escuela pública de cada comunidad autónoma y
e morado el ESCS medio de los estudiantes de la escuela privada, tanto dependiente como
independiente del gobierno. Para los centros privados el estatus socioeconómico en todas las
comunidades (excepto en Andalucía, Islas Canarias, Cataluña, Galicia y Murcia) es mayor que 0,
estando en valores positivos hasta 0,20 puntos. Los alumnos de centros públicos tienen un
estatus socioeconómicos menor que 0,20 puntos negativos, hasta una puntuación de -0,80
puntos. La mayor diferencia la encontramos en Andalucía y la menor en Madrid.

Al igual que sucede en el resto de los países, también en España la asistencia a clases de
enriquecimiento es minoritaria. En 7 comunidades asisten entre un 10 % y un 15% del
alumnado: Andalucía, Aragón, Asturias, Islas Canarias, Cantabria, Castilla y León, Murcia. En el
resto, excepto Ceuta y Melilla que cuenta con una asistencia del 20%, la asistencia a clases
extraescolares de enriquecimiento es menor la 10%. La puntuación en lectura es menor en los
estudiantes que no asisten a clases extraordinarias.
97
600
550
500
450
400
350
300
Sí No
Figura 3.28 Puntuaciones medias en lectura según asistencia a clases de enriquecimiento en

España
La diferencia entre la asistencia o no a clases correctivas se da en la misma dirección que la

que se produce con la asistencia a clases de mejora, aunque en una proporción ligeramente
menor. Para este tipo de clases extraordinarias, son tres comunidades en las que la asistencia es
menor al 10% (País Vasco, Cataluña y Navarra). El resto cursan entre el 10 y el 15% del
alumnado, excepto en Islas Canarias, Cantabria, Ceuta y Melilla y Murcia, que cursa más que el
15%.
600
550
500
450
400
350
300
Sí No
Figura 3.29 Puntuaciones medias en lectura según asistencia a clases correctivas en España
98
La distribución del número de horas extraescolares es similar en todas las comunidades. De

media en toda España, el 80,57% del alumnado no asiste a ninguna clase, el 7,05% acude a hasta
dos horas, el 6,86 cursa de dos a cuatro horas, el 3,83% hasta seis horas y sólo el 1,69% acude a
más de seis horas semanales. De media, es mayor la puntuación de aquellos que no acuden a
clases extraescolares. Esta diferencia se da en todas las comunidades, sin embargo, las
diferencias en puntuación según el número de horas a las que se acuden no siguen la misma
dirección en todas las comunidades. En el conjunto, la diferencia de puntuación entre los que
cursan menos de dos horas y aquellos que cursan de dos a cuatro es prácticamente nula (0,1
punto) pero en cada comunidad se dan diferencias diferentes. Por ejemplo, en Baleares se dan 14
puntos más según se cursan menos horas, pero en Galicia o Castilla y León se obtiene mejor
puntuación según se cursan más horas (38,02 y 27,11 puntos de diferencia respectivamente).
Estos datos deben tomarse con prudencia, dada la poca muestra que abarca la asistencia a clases
extraordinarias.
600
550
500
450
400
350
300
0 0-2 2-4 4-6 +6
Figura 3.30 Puntuaciones medias en lectura según nº de horas extraordinarias en España
Casi la mitad de los estudiantes (45%) se sitúa en la puntuación 0. Los máximos de

puntuación en lectura se encuentran en los niveles 1 y 2 de este índice, baja progresivamente
según disminuye y también, en menor medida, si aumenta a 3.
99
600
550
500
450
400
350
300
-3 -2 -1 0 1 2 3
Figura 3.31 Puntuaciones medias en lectura según CSTRAT en España
Casi la mitad de los estudiantes (45%) se sitúa en la puntuación 0. Los máximos de

puntuación en lectura se encuentran en los niveles 1 y 2 de este índice, baja progresivamente
según disminuye y también, en menor medida, si aumenta a 3.
En la Figura 3.31 se indican las puntuaciones en este índice según el sexo y la provincia. Al
igual que la diferencia media en la OCDE, en todas las comunidades autónomas la puntuación de
las chicas es mayor que la de los chicos. Estas diferencias se encuentran entre los 0,35 puntos de
Navarra y los 0,18 de Murcia. La diferencia media de España es una centésima menor que la de
la OCDE.
Tabla 3.5 Puntuación CSTRAT y lectura por comunidad en España (OCDE, 2010d)
Estrategias de Control
Total Chicos Chicas Diferencia
Andalucía 0,12 0,01 0,24 -0,23
Aragón 0,08 -0,06 0,21 -0,27
Asturias 0,03 -0,14 0,22 -0,36
Islas Baleares 0,07 -0,11 0,26 -0,37
País Vasco -0,04 -0,15 0,08 -0,23
Islas Canarias 0,11 -0,04 0,28 -0,32
Cantabria 0,10 0 0,21 -0,22
Castilla y León 0,14 0,01 0,27 -0,26
Cataluña 0,14 0 0,30 -0,30
Ceuta y Melilla 0,32 0,21 0,43 -0,22
Galicia -0,02 -0,15 0,12 -0,27
La Rioja 0,10 -0,02 0,22 -0,24
Madrid 0,14 -0,01 0,29 -0,30
Murcia 0,17 0,08 0,26 -0,18
Navarra 0,03 -0,13 0,22 -0,35
España 0,12 -0,01 0,25 -0,26
OCDE Media 0 -0,13 0,14 -0,27
100
600
550
500
450
400
350
300
-3 -2 -1 0 1 2
Figura 3.32 Puntuaciones medias en lectura según DISCLIMA en España
Tabla 3.6 Puntuación DISCLIMA y lectura por comunidad en España (OCDE, 2010d)
Clima de Disciplina
Andalucía 0,12 0,08 0,19 -0,10
Aragón 0,06 0 0,19 -0,19
Asturias 0,12 0,03 0,24 -0,21
Islas Baleares -0,05 -0,16 0,08 -0,24
País Vasco 0,02 -0,01 0,09 -0,10
Islas Canarias 0,11 0,06 0,22 -0,15
Cantabria 0,07 0 0,12 -0,11
Castilla y León 0,18 0,14 0,24 -0,10
Cataluña 0 -0,02 0,04 -0,06
Ceuta y Melilla -0,02 -0,12 0,11 -0,24
Galicia -0,03 -0,08 0,03 -0,11
La Rioja -0,05 -0,12 0,13 -0,25
Madrid 0,12 0,06 0,18 -0,12
Murcia 0,11 0,05 0,20 -0,15
Navarra 0,08 0,02 0,15 -0,13
España 0,09 0 0,14 -0,15
La puntuación en lectura va descendiendo según desciende este índice, estando el máximo

entre las puntuaciones 1 y 2, según la comunidad. Más del 60% del estudiantado se posiciona
entre los valores 0 y 1 en el clima de disciplina.
Al ver las diferencias por sexo respecto al índice indicativo de la disciplina en el aula
Tabla 3.6- nos encontramos con que este valor es mayor en el caso de las mujeres pero la
101
diferencia es mucho menor que en otros índices, lo cual parece lógico dado que en la gran
mayoría de los casos chicos y chicas comparten aula, por lo que únicamente podría variar su
percepción sobre el ambiente en la misma.
Como en los índices anteriores, la puntuación en lectura tiene una relación directa con el disfrute
de la lectura. La diferencias por sexo que nos encontramos en la Tabla 3.7 son mayores que en
otros índices. Además, las puntuaciones medias de los alumnos, inferiores a las de ellas, son más
uniformes. Las puntuaciones medias de las mujeres doblan el rango mínimo-máximo.
Tabla 3.7 Puntuación JOYREAD y lectura en España por comunidad (OCDE, 2010d)
Disfrute de la lectura
Andalucía -0,11 -0,33 0,13 -0,46
Aragón -0,09 -0,33 0,16 -0,49
Asturias -0,02 -0,29 0,27 -0,56
Islas Baleares -0,02 -0,31 0,27 -0,58
País Vasco -0,04 -0,29 0,22 -0,52
Islas Canarias -0,03 -0,26 0,21 -0,47
Cantabria -0,07 -0,29 0,15 -0,44
Castilla y León 0,10 -0,20 0,39 -0,59
Cataluña 0,07 -0,21 0,37 -0,58
Ceuta y Melilla 0,03 -0,22 0,27 -0,49
Galicia -0,04 -0,31 0,24 -0,55
La Rioja -0,04 -0,27 0,20 -0,47
Madrid 0,05 -0,26 0,37 -0,63
Murcia 0,02 -0,23 0,28 -0,51
Navarra -0,09 -0,31 0,15 -0,46
España -0,01 -0,28 0,26 -0,55
OCDE Media 0 -0,31 0,31 -0,62
102
600
550
500
450
400
350
300
-3 -2 -1 0 1 2 3
Figura 3.33 Puntuaciones medias en lectura según JOYREAD en España
Respecto a la estrategia del resumen, casi la mitad de los estudiantes se encuentran en el

máximo de este índice, 1, siendo progresivamente menor la proporción de estudiantes según
desciende la puntuación en este índice. En este caso, excepto en Navarra en los niveles inferiores
de este índice, las diferencias en lectura son mayores que en los índices anteriores.
Tabla 3.8 Puntuación METASUM y lectura por comunidad en España (OCDE, 2010d)
Metacognición: resumen
Andalucía 0,01 -0,12 0,16 -0,27
Aragón 0,07 -0,08 0,21 -0,29
Asturias 0,09 -0,03 0,22 -0,25
Islas Baleares -0,09 -0,20 0,01 -0,21
País Vasco -0,04 -0,19 0,12 -0,31
Islas Canarias 0,06 -0,01 0,13 -0,14
Cantabria 0,13 0,01 0,25 -0,24
Castilla y León 0,13 -0,01 0,27 -0,28
Cataluña 0,14 -0,02 0,31 -0,33
Ceuta y Melilla -0,12 -0,23 -0,02 -0,22
Galicia 0,11 -0,03 0,26 -0,29
La Rioja 0,10 -0,07 0,28 -0,35
Madrid 0,20 0,01 0,39 -0,38
Murcia 0,12 -0,03 0,26 -0,29
Navarra 0,07 -0,01 0,16 -0,17
España 0,08 -0,07 0,23 -0,31
OCDE Media -0,01 -0,18 0,17 -0,35
103
600
550
500
450
400
350
300
-2 -1 0 1
Figura 3.34 Puntuaciones medias en lectura según METASUM en España
Este índice se comporta de forma similar al otro aspecto de la metacognición, el resumen.

Y al igual que con otros mecanismos como las estrategias de control o el resumen, en la Tabla
3.9 vemos que las mujeres obtienen mejor puntuación que los varones con unas diferencias
próximas –aunque menores- a la media en la OCDE.
Tabla 3.9 Puntuación UNDREM y lectura por comunidad en España (OCDE, 2010d)
Entendimiento y Memoria
Andalucía 0,06 -0,05 0,18 -0,23
Aragón 0,15 0,06 0,24 -0,18
Asturias 0,05 -0,11 0,22 -0,33
Islas Baleares 0,05 -0,01 0,11 -0,12
País Vasco -0,01 -0,10 0,08 -0,18
Islas Canarias 0,14 0,05 0,23 -0,18
Cantabria 0,13 0,06 0,20 -0,14
Castilla y León 0,23 0,10 0,35 -0,26
Cataluña 0,17 0,05 0,30 -0,25
Ceuta y Melilla -0,03 -0,11 0,05 -0,16
Galicia 0,09 0 0,18 -0,18
La Rioja 0,15 0,01 0,30 -0,30
Madrid 0,21 0,07 0,34 -0,28
Murcia 0,14 0,05 0,23 -0,17
Navarra 0,08 -0,03 0,19 -0,22
España 0,13 0 0,25 -0,25
OCDE Media 0 -0,13 0,13 -0,27
104
600
550
500
450
400
350
300
-2 -1 0 1
Figura 3.35 Puntuaciones medias en lectura según UNDREM en España
Tabla 3.10 Puntuación ONLREAD y lectura por comunidad en España (OCDE, 2010d)
Lectura On line
Andalucía -0,04 0,02 -0,12 0,14
Aragón -0,04 -0,04 -0,04 0
Asturias -0,01 -0,01 -0,02 0,01
Islas Baleares -0,16 -0,16 -0,16 0
País Vasco -0,22 -0,21 -0,23 0,02
Islas Canarias -0,06 0,03 -0,16 0,19
Cantabria -0,08 -0,10 -0,05 -0,04
Castilla y León -0,14 -0,13 -0,16 0,03
Cataluña -0,13 -0,08 -0,19 0,11
Ceuta y Melilla 0,09 0,17 0,01 0,16
Galicia -0,35 -0,32 -0,38 0,06
La Rioja -0,13 -0,12 -0,14 0,01
Madrid -0,03 0,03 -0,09 0,12
Murcia -0,10 -0,01 -0,19 0,18
Navarra -0,23 -0,24 -0,22 -0,02
España -0,11 -0,07 -0,16 0,08
OCDE Media 0 0,03 -0,03 0,07
Las puntuaciones en lectura de los estudiantes con puntuación entre 0 y 2, que suponen el
68,60% del total, son muy similares en todas las comunidades. La puntuación en lectura
desciende más de 20 puntos (excepto en Asturias, País Vasco y Madrid) al descender la
puntuación en este índice. En la Tabla 3.10 vemos cómo en todas las comunidades, excepto
Ceuta y Melilla, la puntuación es inferior a la media OCDE y que las diferencias por sexo,
105
próximas a cero, transcurren en las dos direcciones, no sobrepasando los 0,04 puntos cuando es
mayor la puntuación de las mujeres.
600
550
500
450
400
350
300
-3 -2 -1 0 1 2
Figura 3.36 Puntuaciones medias en lectura según ONLNREAD en España
Tabla 3.11 Puntuación Diversidad en la lectura en España por comunidad (OCDE, 2010d)
Diversidad de lectura
Andalucía -0,43 -0,37 -0,49 0,12
Aragón -0,28 -0,32 -0,24 -0,08
Asturias -0,07 -0,10 -0,04 -0,06
Islas Baleares -0,29 -0,39 -0,20 -0,19
País Vasco -0,11 -0,12 -0,09 -0,03
Islas Canarias -0,38 -0,42 -0,34 -0,08
Cantabria -0,25 -0,32 -0,18 -0,14
Castilla y León -0,07 -0,11 -0,02 -0,08
Cataluña -0,28 -0,32 -0,24 -0,09
Ceuta y Melilla -0,34 -0,36 -0,32 -0,04
Galicia -0,02 -0,05 0,01 -0,06
La Rioja -0,14 -0,12 -0,16 0,04
Madrid -0,26 -0,28 -0,25 -0,03
Murcia -0,33 -0,31 -0,36 0,05
Navarra -0,09 -0,18 0,01 -0,19
España -0,30 -0,31 -0,28 -0,02
OCDE Media 0 -0,09 0,09 -0,18
106
Entre las puntuaciones -1 y 2, que representa al 94,45% de los estudiantes, la puntuación en

lectura aumenta, de media en España y en la mayoría de las provincias, según aumenta la
diversidad en lectura. Las variaciones en los límites del índice puede deberse a la poca
población. La diversidad en la lectura es inferior en España (y sus comunidades por separado)
que la media de la OCDE, además, en este ámbito, la diferencia entre sexos es prácticamente
nula -Tabla 3.11-.
600
550
500
450
400
350
300
-2 -1 0 1 2
Cantabria Cas tilla y León Cataluña Ceuta y Melilla Galicia La Rioja
Figura 3.37 Puntuaciones medias en lectura según DIVREAD en España
107
3.5.SELECCIÓN DEL MODELO
Para poder catalogar a los sujetos a partir del rendimiento académico, el nivel socioeconómico y
las variables socioeconómicas -sexo, grado, estatus migarte y el tipo de escuela- y
posteriormente analizar la relación entre éstos y las variables seleccionadas a fin de poder ver
cuáles podrían ser consideradas relevantes a la hora de discernir al alumnado resiliente, se ha
hecho un análisis con los 30 países simultáneamente buscando el modelo que mejor ajuste
ofrezca usando el software LatentGold. Para el modelo inicial se han utilizado como indicadores
la puntuación en lectura según los seis niveles y el nivel socioeconómico convertido a intervalos.
Como covariantes se han usado las variables sociodemográficas: sexo, grado y estatus
migratorio. Excepto las variables sexo y estatus migratorio que han sido consideradas como
nominales, el resto de variables se han tratado como intervalo.
En la opción clase conocida se ha usado la variable creada “resiliente”. Para esta variable,
se ha seleccionado el cluster 1 para el valor sí, y el valor no para todos los demás grupos. Es
decir, para todos los países los estudiantes resilientes eran asignados a un mismo cluster, para
hallar el resto de clusters se ha seleccionado el modelo que menos parámetros necesitase entre
aquellos que cumplieran los criterios de L2 con una significación mayor de 0,05 y con los
residuos bivariados entre los indicadores y los covariantes menores de uno. L2 muestra la
asociación entre las variables que queda sin explicar del modelo -a menor L2 mayor ajuste del
modelo con los datos- y P-value debe ser mayor de 0,05 para que sea significativo. Una vez que
el ajuste de un modelo es significativo, se selecciona el modelo con mayor parsimonia, es decir,
el de menor número de parámetros. Los residuos bivariados han de ser menores de uno porque
indican qué relaciones a dos pueden dar más fallos.
Con más de un cuarto de millón de sujetos, dos indicadores (puntuación en lectura y
ESCS) y tres covariantes (grado, sexo y estatus migratorio) se precisa un alto número de clusters,
31 en este caso, para lograr un buen ajuste de los datos al modelo. Este modelo -30 clusters más
el grupo de resilientes-, ofrece, en general, un buen ajuste.
Se ha elegido el modelo que, cumpliendo los mínimos de validez sobre el ajuste de modelo,
ofrecía el menor número de parámetros, y de clusters. Esta decisión se toma por la necesidad de
poder realizar un análisis útil de los resultados dado que un número mucho mayor de clusters
daría un modelo estadísticamente mejor, pero con una complejidad innecesaria en lo práctico de
analizar los resultados.
108
Como se ha comentado, la significación de L² es 1 –mayor, entonces, a 0,05-. Los otros dos

estadísticos que se ofrecen, el X² ofrecido por Pearson y Cressie-Read deberían ofrecer
significaciones similares a la primera. Esto sucede con la de Cressie-Read, con una significación
igual, aunque no con X².
A pesar de la falta de coincidencia con los tres estadísticos, el Índice de Disimilitud,
entendido como la proporción de muestra a la que debería modificarse el cluster de destino para
un perfecto ajuste, es muy reducido.
Tabla 3.12 Distribución de los datos perdidos por países tras LatentGold.
Frecuencia Perdidos %
Inicial Perdidos
Australia 14251 434 3,05
Brasil 20127 829 4,12
Bulgaria 4507 216 4,79
Canadá 23207 892 3,84
Shanghái-China 5115 47 0,92
Taipéi chino 5831 98 1,68
Croacia 4994 57 1,14
República Checa 6064 87 1,43
Estonia 4727 72 1,52
Finlandia 5810 80 1,38
Francia 4298 94 2,19
Grecia 4969 66 1,33
Hungría 4605 52 1,13
Israel 5761 306 5,31
Japón 6088 111 1,82
Corea 4989 54 1,08
Macao-China 5952 79 1,33
México 38250 975 2,55
Nueva Zelanda 4643 121 2,61
Polonia 4917 112 2,28
Portugal 6298 529 8,40
Rusia 5308 126 2,37
Singapur 5283 86 1,63
Eslovenia 6155 132 2,14
España 25887 578 2,23
Trinidad y Tobago 4778 366 7,66
Turquía 4996 151 3,02
Reino Unido 12179 436 3,58
Estados Unidos 5233 146 2,79
Uruguay 5957 146 2,45
Total 261179 7478 2,86
Al realizar el análisis de clusters con LatentGold, el software convierte en dato perdido

aquel en los que falta uno o más valores en las variables utilizadas para el análisis (puntuación en
lectura, nivel socioeconómico, grado, sexo y estatus migratorio). Por ello, la variable tipo de
109
escuela no se ha utilizado en la selección de los clusters, ya que no consta en los datos recogidos
para Francia. En la Tabla 3.12 se muestran los datos perdidos por países –en absolutos y en
porcentaje respecto de la frecuencia inicial de cada país-, que van desde 0,92% en Shangai China
y 8,40% en Portugal. De los 261.179 estudiantes evaluados en los 30 países, han resultado
perdidos 7478 sujetos, el 2,86 % del total.
Los 578 sujetos con datos perdidos en España, indicado en el apartado anterior, se
distribuyen por las comunidades autónomas tal y como se muestra en la Tabla 3.13. La mayor
proporción de datos perdidos se encuentran en las Islas Baleares, con un 4,03% de pérdida. Esta
comunidad junto al País Vasco, las Islas Canarias y Ceuta y Melilla con las zonas en las que se
da una pérdida de datos superior a la media nacional.
Tabla 3.13 Distribución de los datos perdidos por países tras LatentGold en España
Frecuencia Perdidos %
Inicial Perdidos
Andalucía 1416 20 1,41
Aragón 1514 24 1,59
Asturias 1536 29 1,89
Islas Baleares 1463 59 4,03
País Vasco 4768 120 2,52
Islas Canarias 1448 48 3,31
Cantabria 1516 27 1,78
Castilla y León 1515 21 1,39
Cataluña 1381 27 1,96
Ceuta y Melilla 1370 52 3,80
Galicia 1585 31 1,96
La Rioja 1288 28 2,17
Madrid 1453 24 1,65
Murcia 1321 28 2,12
Navarra 1504 24 1,60
No Adjudicados 809 16 1,98
España 25887 578 2,23
Posteriormente, entre los estudiantes de los clusters con un estatus socioeconómico bajo, se
ha realizado un análisis de regresión logística. El análisis se ha realizado para los sujetos
incluidos en los clusters indicados como de bajo nivel socioeconómico, es decir, aquellos que
parten de las circunstancias de las cuales podría ser denominado resiliente según el rendimiento
académico. La variable dependiente ha sido la variable creada resiliente, variable dummie y las
covariables las indicadas en este estudio, a excepción del tipo de escuela.
110
4. RESULTADOS
111
4.1.SALIDA DE CLUSTERS
A partir de los países y variables seleccionados y de las condiciones indicadas, el modelo

seleccionado es el que se detalla a continuación, cuyas características ofrecidas por el software se
indican en el anexo Salida Latent Gold.
En total, se ofrece una salida 31 clusters, de los que se ofrece mayor detalle en Tabla A.72,
Tabla A.73 y Tabla A.74. La totalidad de estos clusters se dan en todos los países excepto en seis
-Japón, Reino Unido, Nueva Zelanda, Estonia, Polonia y Finlandia- (Tabla A.90).
40000
35000
30000
25000
20000
15000
10000
5000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Figura 4.1 Frecuencia de los clusters
6 3
5 2
4 1
Lectura
3 0
ESCS
2 -1
1 -2
0 -3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Figura 4.2 Puntación media en Lectura y posición socioeconómica de los clusters
112
Como puede verse en la Figura 4.1 de los 31 clusters sólo dos superan el 10% de los casos
totales y 13 superan el 4%. La Figura 4.2 indica la puntuación media en lectura y nivel
socioeconómico de cada cluster. Se indica en rosa la puntuación en lectura (eje izquierda) y en
azul la puntuación ESCS (eje derecho).
Se ve en la figura que hay dos clusters con similar puntuación en lectura (12 y 19) que los
estudiantes resilientes. Respecto al nivel socioeconómico se componen únicamente de sujetos
con puntuación inferior a -1 los clusters 3, 6, 9, 16, 17, 20, 21, 23, 24, 27 y 30.
A partir de los clusters con una proporción mayor al 4%, representados en la Tabla 4.1 en
función de los niveles ESCS y de lectura de los estudiantes que componen cada cluster, pueden
verse marcados en rojo los clusters con sujetos con el mismo nivel socioeconómico que los
estudiantes resilientes (reseñados en morado). En azul se señala el cluster con estudiantes con
puntuación alta. Será en estos clusters en los que centraremos la atención dado que al compartir
con los estudiantes resilientes una de las características principales (puntuación en lectura o nivel
socioeconómico) pero no la otra, nos permiten analizar qué semejanzas o diferencias se
comparten en función de estatus o el rendimiento.
Tabla 4.1 Ubicación de los clusters según puntuación en lectura y nivel socioeconómico
ESCS
Bajo Medio Alto
Cluster 9
Cluster 13
Bajo
Cluster 15
Cluster 6 Cluster 7 y Cluster 14
Lectura
Cluster 3 Cluster 11
Medio Cluster 2
Cluster 8
Cluster 4 y Cluster 10
Alto Resilientes Cluster 12
A continuación, se exponen brevemente las características de las distintas variables según

los clusters indicados (resilientes, clusters 3, 6 y 9 y cluster 12, a través de figuras que muestran
las frecuencias de cada una de las opciones de una variable. En estos gráficos, el cuadro superior
a la izquierda representa al grupo de los alumnos resilientes. Dadas las diferencias entre el
tamaño de cada grupo, los resultados se muestran en porcentajes.
113
4.1.1. Salida de Clusters en España
20%
15%
10%
5%
0%
Res 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
ilien
tes
Figura 4.3 Frecuencias de los clusters en España
6 3
5 2
4 1
Lectura
3 0
ESCS
2 -1
1 -2
0 -3
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Resilientes
Figura 4.4 Puntación media en Lectura y posición socioeconómica de los clusters en España
Sobre los clusters antes calculados, se analizan para España los mismos que en el modelo
general, a fin de poder comparar. En la Figura 4.3 puede verse cómo la distribución es similar
respecto al total de países analizados, aunque los sujetos se concentran en mayor medida entre
los clusters 2 y 3. Los clusters que suman más de un 4% del estudiantado español son 2, 3, 4, 7,
9, 11, 13, 14. Viendo las puntuaciones medias en lectura y el estatus socioeconómico (Figura
114
4.4), al igual que sucede con el resto de los países, hay dos cluster más (el 12 y el 19) con similar
puntuación en lectura a los alumnos resilientes. Los clusters compuestos por sujetos del mismo
nivel socioeconómico que los resilientes con los mismos que en conjunto general.
115
4.2.RESILIENTES
Las Tabla A.75 y Tabla A.76 muestran las características de los estudiantes resilientes en
los treinta países.
En la Figura 4.6 puede verse que los estudiantes resilientes obtienen mejor nota media
cuanto mayor sea su estatus socioeconómico medio, pero que esta relación no influye en la
cantidad de resilientes, respecto al total del país. En este gráfico se ubica en el eje horizontal el
nivel ESCS y en el vertical la puntuación en lectura. El tamaño de los círculos representa el
tamaño del cluster de resilientes para cada país.
En la Figura 4.5 se muestra la proporción de estudiantes resilientes según la puntuación
media en lectura del país o el estatus socioeconómico. Pudiera pensarse que, al aumentar la
población desfavorecida de un país, aumentaría el número de resilientes del mismo, pero puede
verse cómo apenas se aprecia relación en cuanto al nivel socioeconómico, por lo que variar el
criterio de selecciones de los alumnos desfavorecidos no debería, a priori, alterar -al alta o a la
baja- la composición de los resilientes de cada país. Sin embargo, sí se encuentra un aumento de
resilientes al aumentar la media en lectura.
6 6
5 5
4
% Resilientes
% Resilientes
3 3
2 2
1 1
0 0
400 450 500 550 600 -1,5 -1 -0,5 0 0,5 1
Puntuación Lectura ESCS
Figura 4.5 Resilientes por país según Lectura o ESCS
De media, el 89% de los estudiantes resilientes se encuentran en el intervalo -1 en la

puntuación en ESCS, y la Figura 4.7 indica el porcentaje de alumnos de puntuación inferior a
esta, ordenados ascendentemente.
Puede verse cómo la alta proporción de estos alumnos se encuentra tanto en países de la
OCDE como países no pertenecientes, así como en países de baja y alta renta. Únicamente hay
alumnos con puntuación en el intervalo -1 en Bulgaria, Croacia, República Checa, Francia,
Hungría, Nueva Zelanda, Rusia, Eslovenia, Turquía y Uruguay. En ocho países la proporción de
alumnos en los niveles inferiores del estatus socioeconómico es mayor al 10%: España (13%),
Taipéi chino (14%), Portugal (15%), Trinidad y Tobago (15%), Shanghái-China (21%), Macao
116
China (23%), Brasil (36%) y México, con una amplia mayoría de alumnos con estatus
socioeconómico inferior (71%).
670
665
660
655
Lectura
650
645
640
635
630
-2 -1,5 -1 -0,5
ESCS
Figura 4.6 Proporción de alumnos resilientes por país según media en ESCS y Lectura del
grupo resiliente
80
70
60
50 -2
40
30 -3
20
10
0 México
Trinidad y Tobago
Macao-China
Singapur
Portugal
Australia
Canadá
Grecia
Corea
Reino Unido
Japón
Shanghái-China
Polonia
Finlandia
Taipéi chino
Brasil
Israel
Estonia
España
Estados Unidos
Figura 4.7 Proporción de alumnos en los intervalos -2 y -3 ESCS entre los resilientes por
país
El 95,7% de los estudiantes se encuentran en la puntuación 5 en lectura y en 12 países –

Brasil, Bulgaria, Croacia, Finlandia, Francia, Hungría, Macao-China, México, Portugal, Rusia,
Turquía y Uruguay- sólo hay alumnos del nivel 5. En el resto de los países, excepto Israel (10%),
Nueva Zelanda (12%) y República Checa (14%) la proporción de alumnos en el nivel 6 es
117
inferior al 10%, siendo la menor proporción (entre los países en los que hay alumnos de ese
nivel) la de España con un 0,75% -Figura 4.8.
El 89,55 % de los estudiantes en el conjunto de los países son nativos. En doce de los
países –Brasil, Bulgaria, Shanghái-China, Taipéi chino, Estonia, Grecia, Japón, Corea, México,
Polonia- el grupo de los resilientes se compone únicamente de población nativa. Respecto a los
países restantes, la Figura 4.9 muestra la proporción de población migrante. Puede verse que, a
excepción de Macao-China –donde el 83% de los resilientes son migrantes de primera o segunda
generación-, en el resto de los países la población migrante es menor que la población nativa. Se
encuentra la población migrantes con un porcentaje mayor que el 20% de los resilientes en
Nueva Zelanda y Uruguay (20%), Canadá (22%), Australia (31%), Israel (45%), Estados Unidos
(50%) y Croacia (67%). Menores proporciones se encuentran en Reino Unido (18%), Francia
(15%), Rusia (14%), Singapur (13%), Trinidad y Tobago, Turquía (8%), Eslovenia (7%),
Hungría (5%), República Checa (4%), Finlandia y Portugal (3%) y España (2%).
40
35
30
25
20
15
10
5
0
Nueva Zelanda
Israel
Estados Unidos
Reino Unido
Japón
Taipéi chino
España
Canadá
Grecia
Australia
Trinidad y Tobago
Corea
Polonia
Estonia
Eslovenia
Shanghái-China
República Checa
Singapur
Figura 4.8 Proporción en resilientes de alumnos nivel 6 de lectura
El 70,72 % de los resilientes en lectura son mujeres. En Uruguay se compone el grupo de

resilientes únicamente por mujeres. La Figura 4.10 muestra la proporción de hombres, en la que
la máxima proporción de hombres se da en México, con un 42,86%. Las menores proporciones
de hombres entre los resilientes los encontramos en Eslovenia (7%), República Checa y Estonia
(11%), Bulgaria (13%), Rusia (14%), Israel y Grecia (15%) y Finlandia (19%).
118
90
80
70
60
50 1º Gener
40 2ª Gener
30
20
10
0
Nueva Zelanda
Trinidad y Tobago
Eslovenia
Turquía
Hungría
Israel
Singapur
España
Finlandia
Canadá
Australia
Croacia
República Checa
Rusia
Francia
Reino Unido
Macao-China
Portugal
Estados Unidos
Uruguay
Figura 4.9 Proporción de migrantes en resilientes
El 69,68% de los resilientes cursan el 10º curso. La Figura 4.11 muestra la distribución por
cursos de los estudiantes resilientes, ordenados por países según la proporción de alumnos en el
décimo curso. Únicamente en dos países hay alumnos cursando el grado 12, Nueva Zelanda
(12%) y Reino Unido (8%). En la mitad de los países hay alumnos resilientes cursando 11º curso
cuyas proporciones se encuentran entre el 92% de Reino Unido y el 0,38% de Shanghái-China.
Únicamente en Nueva Zelanda, Eslovenia, Uruguay, Israel, Grecia, Japón y Reino Unido ningún
alumno se encuentra en algún grado inferior al décimo. En Francia no hay alumnos resilientes en
los grados 8º y 9º, aunque un 3% de ellos cursa el 7º grado.
50
45
40
35
30
25
20
15
10
5
0
Nueva Zelanda
Eslovenia
Trinidad y Tobago
Turquía
Hungría
Taipéi chino
Japón
Israel
Singapur
República Checa
Estonia
Grecia
Finlandia
Bulgaria
Rusia
Polonia
México
Francia
España
Shanghái-China
Croacia
Australia
Corea
Canadá
Reino Unido
Macao-China
Brasil
Portugal
Estados Unidos
Figura 4.10 Proporción de hombres en resilientes
119
0
10
20
30
40
50
60
70
80
90
100
Nueva Zelanda
Estonia
Hungría
Australia
Rusia
Estados Unidos
Brasil
Croacia
Turquía
Trinidad y Tobago
Shanghái-China
República Checa
Taipéi chino
Macao-China
Singapur
120
Eslovenia
Uruguay
México
Portugal
Francia
Israel
Corea
España
Figura 4.11 Distribución de cursos en resilientes
Canadá
Grecia
Japón
Bulgaria
Finlandia
Polonia
Reino Unido
Grado 7
Grado 8
Grado 9
Grado 10
Grado 11
Grado 12
4.3.CONTRASTE DE DIFERENCIAS ESTUDIANTES ALTO
RENDIMIENTO ACADÉMICO Y RESILIENTE
Las Tabla A.91, Tabla A.92 y Tabla A.93 muestran las diferencias significativas de medias
o proporción (según cuál sea la variable) entre el Cluster 1 y el Cluster 12, así como los valores
medios para ambos grupos. Los valores positivos indican una media o proporción mayor en el
cluster 1. La diferencia de medias, ANOVA es significativa para todas las variables, como se ha
indicado. Realizadas las pruebas post-hoc, técnica de comparación múltiple planeada, los
resultados de las diferencias de medias entre el cluster de resilientes y el cluster 12 es
significativa para todas las variables excepto para Clima de disciplina, Metacognición: resumen
y Metacognición: entendimiento y memoria.
Las diferencias en la puntuación en lectura, aunque reducidas, son significativas en 11
países individualmente y en el conjunto de los países. La diferencia máxima es de 62,85 puntos
(en Francia) en beneficio de los estudiantes del cluster 12. La diferencia en los 30 países en
global es de 8,60 puntos en esa misma dirección.
La mayoría de los resilientes obtienen una puntuación incluida en el nivel 5 de lectura y
sólo hay otro cluster con una puntuación similar: el cluster 12. En el resto de clusters y países,
como parece lógico, es menor la puntuación de estos alumnos que la de los resilientes. En el
cluster 12, los alumnos tienen mayor puntuación que los alumnos resilientes en todos los países
excepto en la República Checa y Eslovenia. La máxima diferencia se encuentra en Francia, con
62 puntos, aunque en 16 países la diferencia es menor de 10 puntos.
 Estatus Socio Económico Cultural (ESCS)

Como era esperable, en todos los países se da menor nivel socioeconómico medio
encontrándose las diferencias entre 1,27 (en Singapur) y 2,41 puntos (México). La diferencia
media es de 1,81 puntos.
La puntuación media de los resilientes es menor en todos los países que la puntuación de el
clusters 12.
121
Figura 4.12 Frecuencias por nivel socioeconómico y cluster de alto rendimiento
 Estatus migratorio
En Estados Unidos la diferencia entre la proporción de estudiantes nativos e inmigrantes es
de más de 40 puntos, siendo mayor la proporción de estudiantes nativos en los resilientes y
mayor la proporción de estudiantes inmigrantes de 1ª generación en los estudiantes del cluster
12.
Figura 4.13 Frecuencias por estatus migratorio y cluster de alto rendimiento
 Grado
Se hallan diferencias en el grado en el que cursan los estudiantes de los clusters 1 y 12 en
Australia, Canadá, China Taipei, Croacia, República Checa, Hungría, Rusia, Shanghái-China,
Singapur y España. En estos países las diferencias se dan en la misma dirección: más estudiantes
resilientes en el grado 9 y, en consecuencia, más alumnos más favorecidos en el grado 10. Estas
diferencias se hallan entre 1,30 puntos porcentuales por encima en España y 54.55 en Hungría.
122
Figura 4.14 Frecuencias por grado y cluster de alto rendimiento
 Sexo
En ambos clusters es mayor el porcentaje de mujeres que de hombres, siendo la diferencia
mayor en los estudiantes resilientes que en los de mayor nivel socioeconómico. Esto sería
explicable porque el porcentaje de mujeres es mayor en los niveles altos de lectura y también en
los de pobreza. En el nivel -3 del estatus socioeconómico el porcentaje de mujeres es el 57,08
mientras baja esta proporción a los niveles 2 (48,37%) y 3 (41,49%). En la puntuación de lectura,
apenas el 25,76% de los sujetos con puntuación menor que uno son mujeres. Ese porcentaje sube
al 72,78% para el nivel 6. Respecto al sexo de los estudiantes, en global la diferencia entre el
número de mujeres entre los estudiantes resilientes o las del cluster 12 es de 7,84 puntos a favor
de éste último grupo. No se encuentran diferencias individuales por países.
Figura 4.15 Frecuencias por sexo y cluster de alto rendimiento
123
 Tipo de escuela
Figura 4.16 Frecuencias por tipo de escuela y cluster de alto rendimiento
Únicamente en el cluster 12 el porcentaje de la escuela privada (dependiente o

independiente) es mayor del 25%. Los estudiantes resilientes acuden, en general, a la escuela
pública con una frecuencia 10.33 puntos que los estudiantes más favorecidos. Los estudiantes del
cluster 12 acuden con una frecuencia de 5,64 puntos mayor a la escuela privada independiente.
Encontramos una diferencia similar respecto a la escuela pública en Japón y España y respecto a
la privada en Brasil, Japón y Macao-China.
 Clases extraescolares de lenguaje

En total, se encuentran diferencias en el número de horas extraordinarias, siendo mayor el
porcentaje de alumnos resilientes que asiste a alguna clase que los estudiantes favorecidos con
más de 10 puntos de diferencia. En el cluster 12 hay un menor porcentaje de asistencia a clases
extraordinarias, aunque en ambos grupos la asistencia es reducida. En general, en ningún cluster
la asistencia a clases extraordinarias llega al 11% de los sujetos.
Figura 4.17 Frecuencias por el número de horas extraordinarias y cluster de alto

rendimiento
 Índices
Respecto a los índices, se da en todos los países en los que resulta significativo mayor
puntuación en el grupo de los estudiantes favorecidos en Estrategias de control (Canadá, China
124
Taipei, Estonia, Hungría, Corea, Macao China, Portugal y Singapur), Disfrute de la lectura
(Estonia, Finlandia, Corea, Polonia, Rusia y Singapur), Lectura On-Line (Australia, Canadá,
República Checa, Francia, Grecia, Hungría, Japón, Macao-China, México, Polonia, Shanghái-
China, Singapur, Eslovenia y Trinidad y Tobago) y Diversidad en la lectura (Australia, Canadá,
Finlandia, Israel, Corea, Nueva Zelanda, Shanghái-China, Singapur y España.
Los índices en los que se dan diferencias significativas hacia ambos grupos según el país
son Clima de disciplina (en Estonia tiene mayor valor el índice en el grupo de los favorecidos y
en Reino Unido los estudiantes resilientes), Metacognición: resumen (en Finlandia y Shanghái-
China tiene mayor valor el índice en el grupo de los favorecidos y en Eslovenia los estudiantes
resilientes) y Metacognición: entendimiento y memoria (en Canadá y Finlandia tiene mayor
valor el índice en el grupo de los favorecidos y en Japón los resilientes). La Figura 4.18 muestra
los perfiles, respecto a los índices, de los estudiantes resilientes y de los alumnos de alto
rendimiento académico. Esta figura muestra para cada país evaluado los valores medios de los
estudiantes resilientes (en morado) y de los alumnos del cluster 12 (en azul). Los ejes de las siete
variables (CSTRAT, DISCLIMA, JOYREAD, METASUM, UNDREM, ONLNREAD Y
DIVREAD en el sentido de las agujas del reloj) sitúan los valores inferiores en la unión de estos,
y va ascendiendo el valor según se alejan. Por ejemplo, para Bulgaria, se muestra cómo la
puntuación media en Clima de Disciplina de los resilientes es mayor que la de los alumnos del
cluster 12, dado que el valor morado se encuentra más alejado del centro.
125
Australia Brasil Bulgaria

CSTRAT CSTRAT CSTRAT
1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
NLNREAD JOYREADNLNREAD JOYREADNLNREAD JOYREAD
UNDREM METASUM UNDREM METASUM UNDREM METASUM
Canadá Shanghái-China Taipéi chino

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Croacia Rep Checa Estonia

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Finlandia Francia Grecia

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Hungría Israel Japón

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
126
Corea Macao-China México

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Nueva Zelanda Polonia Portugal

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Rusia Singapur Eslovenia

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
España Trinidad y Tobago Turquía

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Reino Unido Estados Unidos Uruguay

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Figura 4.18 Perfiles de alumnos resilientes y alumnos de alto rendimiento académico por
países
127

Como se indicaba antes, los clusters 3, 6 y 9 son aquellos clusters con sujetos de nivel
socioeconómico bajo (y una frecuencia mayor al 4%). Respecto a estos cluster que contienen
sujetos con nivel socioeconómico bajo, las diferencias país a país son las indicadas en las tablas
Tabla A.94, Tabla A.95 y Tabla A.96 (para el cluster 3) Tabla A.97, Tabla A.98 y Tabla A.99
(para el cluster 6) y Tabla A.100, Tabla A.101 y Tabla A.102 (para el cluster 9).
Como puede verse en la Tabla A.90 en el cluster 9 no hay sujetos de Japón, Nueva Zelanda
ni Reino Unido.
La diferencia en la puntuación de lectura, como era esperable, es significativa en todos los
países para el cluster 3, cluster 6 (excepto Finlandia) y Cluster 9 (excepto Corea y México). Las
diferencias máximas y mínimas en cada cluster son: 175.75 y 115.13 para cluster 3, 329.95 y
206.96 para cluster 6, 347.96 y 243.62 para cluster 9.
Realizadas las pruebas post-hoc, técnica de comparación múltiple planeada, los resultados
de las diferencias de medias entre el cluster de resilientes y el resto de clusters es significativa
para todas las variables excepto ESCS (en los cluster 3), Sexo (en el cluster 6), Estatus
Migratorio (en el cluster 3) y Tipo de Escuela (en los cluster 3 y 6)-
 Estatus Socio Económico Cultural (ESCS)
Figura 4.19 Frecuencias por nivel socioeconómico y cluster de nivel socioeconómico bajo
Respecto al nivel socioeconómico, la diferencia en el cluster 3 sólo es significativa para 12

países siendo la máxima de 0,44 en Turquía. En todas las diferencias, aunque pequeñas, dan
mayor nivel socioeconómico para los estudiantes resilientes excepto en Japón, con una diferencia
de 0,01 para los sujetos del cluster 3. Respecto al Cluster 6, la diferencia es significativa para 19
de los países, encontrándose esta entre 0,10 y 0,77 puntos a favor de los estudiantes resilientes.
En el cluster 9 la diferencia socioeconómica aumenta respecto a los clusters anteriores, siendo
significativa en todos los países excepto Corea, México y Eslovenia y encontrándose entre 0,75 y
1,5 puntos por encima los sujetos resilientes que los encontrados en el cluster 9.
Figura 4.20 Frecuencias por nivel socioeconómico y cluster de nivel socioeconómico bajo
 Estatus Migratorio
La diferencia entre la proporción entre nativos en el grupo de resilientes y el resto de los
grupos en menor a 10 puntos porcentuales en todos los clusters excepto en Estonia, Finlandia,
Francia, Grecia, Israel, Nueva Zelanda, Eslovenia, España y Reino Unido (para el cluster 9). Los
clusters 3 y 6 se componen únicamente de nativos. Los cluster 6 y 9, en total, muestran una
diferencia mayor de 10 y 5 puntos en la proporción de alumnos resilientes nativos respecto a los
incluidos en este cluster. En el cluster 3 no se encuentran diferencias significativas.
129
Figura 4.21 Frecuencias por estatus migratorio y cluster de nivel socioeconómico bajo
 Grado
Respecto al grado en el que cursan los alumnos, el cluster 3 muestra pocas diferencias
significativas, el cluster 6 muestra una diferencia generalizada en todos los países en la que los
sujetos resilientes se encuentran en mayor proporción en los cursos 10 y 11. En el cluster 9 las
diferencias indican mayor proporción de estos sujetos en el curso 9.
Figura 4.22 Frecuencias por grado y cluster de nivel socioeconómico bajo
 Sexo
130
Sobre la proporción de mujeres, en el cluster 3, aunque en el total se produce una diferencia

significativa siendo la proporción de mujeres entre los resilientes de 8,86 puntos porcentuales,
sólo se da una diferencia significativa en 8 países. En Finlandia y Polonia es mayor la proporción
de mujeres en el cluster 3 y a la inversa en Japón, Corea, Nueva Zelanda, Shanghái-China y
Reino Unido. No hay diferencias en el cluster 6. En el cluster 9 la diferencia total es mayor
proporción de mujeres, 18,97, en los sujetos resilientes, aumentando esta diferencia hasta 62,39
en Grecia, que resulta uno de los cuatro países en los que da diferencia es significativa junto a
Polonia, Shanghái-China y España.
Los clusters 6 está compuesto exclusivamente por hombres. En general, como se ha
comentado, los grupos con mayor puntuación tienen mayor proporción de mujeres que los
grupos con niveles más bajos en lectura. La proporción de mujeres es mayor entre los resilientes
que la proporción de el cluster 9.
Figura 4.23 Frecuencias por sexo y cluster de nivel socioeconómico bajo
 Tipo de escuela
Sobre el tipo de escuela, en el cluster 3 en Canadá, Corea y Uruguay se da mayor
proporción de estudiantes respecto a los resilientes que cursan en la escuela privada
independiente. En el cluster 9 en global es mayor la proporción de alumnos de este grupo
respecto a los resilientes que cursan en la escuela pública.
131
Figura 4.24 Frecuencias por tipo de escuela y cluster de nivel socioeconómico bajo
 Clases extraescolares
Figura 4.25 Frecuencias por el número de horas extraordinarias y cluster de nivel

socioeconómico bajo
En general, excepto en Turquía, en casi todos los clusters el número de horas

extraordinarias para el enriquecimiento supera a las impartidas por los resilientes.
El cluster 9 es en el que se dan el mayor número de horas de media con un 24,54%.
En general, excepto en Turquía y Corea, en casi los clusters el número de horas
extraordinarias correctivas supera a las impartidas por los resilientes.
132
Sobre la asistencia a clases extraordinarias, las diferencias significativas son pequeñas y

todas indican mayor asistencia a extraordinarias por parte de los alumnos resilientes excepto en
Corea y la asistencia a clases correctivas (para cluster 3 y 6).
 Índices
En el cluster 3 para todos los países e índices las diferencias significativas indican siempre
mayor puntuación para los estudiantes resilientes. Las mayores diferencias se encuentran en
Disfrute de la lectura –con diferencias mayores a un punto en Australia, Canadá, República
Checa, Hungría, México, España, Trinidad y Tobago, Reino Unido y Estados Unidos- y
Metacognición: resumen -con diferencias mayores a un punto en Australia y Eslovenia-.
Disfrute de la lectura, Metacognición: entendimiento y memoria y Metacognición: resumen con
diferencias mayores a un punto en la mayoría de los países. Además, encontramos diferencias
mayores a un punto en los siguientes países e índices: Estrategias de control (Australia, China
Taipei, Grecia, Nueva Zelanda, Reino Unida y Estados Unidos), Disfrute de la Lectura (en todos
los países excepto Croacia, Israel, Macao-China, Rusia, Shanghái.China y Turquía),
Metacognición: Resumen (Reino Unido), Metacognición: entendimiento y memoria (Australia,
Brasil, Bulgaria, República Checa, Estonia, Israel, Corea, Nueva Zelanda, Portugal, Rusia,
Eslovenia, Trinidad y Tobago, Turquía y Reino Unido), Lectura On-Line (Nueva Zelanda y
Uruguay), Lectura On-Line (Nueva Zelanda y Uruguay) y Diversidad en la lectura (China
Taipei).
Disfrute de la lectura, Metacognición: resumen, Metacognición: entendimiento y memoria y
Lectura On-Line con diferencias mayores a un punto en la mayoría de los países. Además,
encontramos diferencias mayores a un punto en los siguientes países e índices: Estrategias de
control (Australia, China Taipei, República Checa, Francia, Grecia, Corea, Polonia y España,
Clima de disciplina (Estados Unidos) y Diversidad en la lectura (Finlandia y España).
La Figura 4.26 muestra los perfiles, respecto a los índices, de los estudiantes resilientes y
de los alumnos de bajo nivel socioeconómico. Esta figura muestra para cada país evaluado los
valores medios de los estudiantes resilientes (en morado) y de los alumnos de cluster 3 (en
amarillo), el cluster 6 (en rojo claro) y el cluster 9 (en rojo oscuro). Los ejes de las siete variables
(CSTRAT, DISCLIMA, JOYREAD, METASUM, UNDREM, ONLNREAD Y DIVREAD en el
sentido de las agujas del reloj) sitúan los valores inferiores en la unión de estos, y va
133
ascendiendo el valor según se alejan. Por ejemplo, para Bulgaria, se muestra cómo la puntuación
media de los resilientes en Disfrute de la Lectura es mayor que la de los alumnos de los tres
clusters, dado que el valor morado se encuentra más alejado del centro.
4.4.1. Regresión logística
A fin de poder analizar si las variables utilizadas permiten “predecir” la resiliencia de un

alumno, se ha realizado un análisis de regresión logística binaria por el método de introducción,
según se ha expuesto previamente. Para el análisis se ha utilizado la variable resiliente como
variable dependiente. Entonces, el valor 1 en la variable resiliente la obtienen los alumnos del
cluster 1 y el valor 0 lo obtienen los alumnos incluídos en los clusters previamente indicados
como de nivel socioeconómico similar al de los resilientes (cluster 3, cluster 6 y cluster 9).
Tabla 4.2 Parámetros de las variables en regresión logística
I.C. 95,0% para
EXP(B)
B E.T. Wald gl Sig. Exp(B) Inferior Superior
Constante -15,17 0,71 454,85 1 <.001
Estatus Migratorio 2,55 0,11 575,05 1 <.001 12,76 10,36 15,71
Estatus Socioeconómico 1,38 0,07 351,42 1 <.001 3,98 3,44 4,60
Grado 1,04 0,07 230,74 1 <.001 2,84 2,48 3,24
Disfrute de la lectura 0,92 0,03 699,76 1 <.001 2,50 2,34 2,68
Resumen 0,82 0,05 316,33 1 <.001 2,26 2,07 2,48
Entendimiento y Memoria 0,45 0,04 141,16 1 <.001 1,58 1,46 1,70
Sexo -0,45 0,07 43,60 1 <.001 0,64 0,56 0,73
Clima de disciplina 0,28 0,03 68,25 1 <.001 1,33 1,24 1,42
Estrategias de control -0,11 0,03 10,37 1 <.001 0,89 0,83 0,96
Lectura on-line 0,07 0,03 3,97 1 0,0464 1,07 1,00 1,14
El modelo ofrece un R2 de Nagelkerke de 0,3042, es decir, explica un 30,42% de la

varianza en la resiliencia. En la Tabla 4.2 se indica el valor del coeficiente de regresión,
parámetro B, para cada variable, en todas ellas significativo, ordenadas de mayor a menor según
el valor absoluto de B.
Por ello, la ecuación acerca de la probabilidad de ser resiliente quería de la siguiente

manera:
1
p(resil  1)  15,172,55*IMMIG1,38*ESCS 1,04*GRADO0,92*JOYREAD0,82*METASUM 0.45*UNDREM 0,45*SEXO0,28*DISCLIMA0,11*CSTRAT 0,07*ONLNE
1 e
134
Considerando que la variable sexo queda definida como Mujer =1 y Hombre = 2 y el

Estatus Migratorio como Nativo=1, 2ª Generación=2 y 1ª Generación=3, tenemos un modelo en
el que aumenta la probabilidad de ser resiliente, por situarse en un bajo nivel socioeconómico
bajo, ser mujer, ser inmigrante y cursar en grados superiores. Respecto al nivel socioeconómico,
aún dentro de los niveles inferiores, la probabilidad de resiliencia aumenta según aumenta la
riqueza, como era esperable. Todas las demás variables aumentan la probabilidad de resiliencia
según aumenta su valor, excepto Estrategias de Control. Es decir, aunque en una proporción muy
limitada, disminuye la probabilidad de ser resiliente según aumentan las destrezas en el manejo
de un texto.
Puede verse cómo queda excluida del modelo la variable Diversidad en la Lectura. Esto
puede deberse, por un lado a que ya se encuentre la información que pudiera aportar en las
variables incluidas en el modelo. Sin embargo, en el análisis de los clusters que se ha presentado
anteriormente, la Diversidad en la Lectura mostraba diferencias significativas de los resilientes
respecto a los alumnos de bajo nivel socioeconómico y a los alumnos de alto rendimiento, al
igual que las variables Estrategias de Control, que muestra una relación inversa, Disfrute de la
Lectura, que es el índice con un mayor coeficiente de los índices incluidos y Lectura On-Line
con el menor coeficiente.
135
Australia CSTRAT Brasil CSTRAT Bulgaria CSTRAT

1,3 1,3 1,3
DIVREAD 0,8 DISCLIMA DIVREAD 0,8 DISCLIMA DIVREAD 0,8 DISCLIMA

0,3 0,3 0,3
-0,2 -0,2 -0,2
-0,7 -0,7 -0,7
NLNREAD JOYREAD NLNREAD JOYREAD NLNREAD JOYREAD
Canadá CSTRAT CSTRAT Taipéi chino CSTRAT

1,3
Shanghái-China1,3 1,3
DIVREAD 0,8 DISCLIMA DIVREAD 0,8 DISCLIMA DIVREAD 0,8 DISCLIMA

0,3 0,3 0,3
-0,2 -0,2 -0,2
-0,7 -0,7 -0,7
Croacia CSTRAT Rep Checa CSTRAT Estonia CSTRAT

1,3 1, 3 1, 3
DIVREAD 0,8 DISCLIMA DIVREAD 0,8

DISCLIMA
0,3 0,3 0,3
-0,2 -0, 2 -0, 2
-0,7 -0, 7 -0, 7
Finlandia CSTRAT Francia CSTRAT Grecia CSTRAT

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Hungría CSTRAT Israel CSTRAT Japón CSTRAT

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
136
Corea CSTRAT Macao-China CSTRAT México CSTRAT

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Nueva Zelanda CSTRAT Polonia CSTRAT Portugal CSTRAT

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Rusia CSTRAT Singapur CSTRAT Eslovenia CSTRAT

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
España CSTRAT CSTRAT Turquía CSTRAT

1, 3 Trinidad y Tobago
1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Reino Unido CSTRAT Estados UnidosCSTRAT Uruguay CSTRAT

1, 3 1, 3 1, 3
DIVREAD 0,8
DISCLIMA
0,3 0,3 0,3
-0, 2 -0, 2 -0, 2
-0, 7 -0, 7 -0, 7
Figura 4.26 Perfiles de alumnos resilientes y alumnos de bajo nivel socioeconómico por
países
137
4.5. RESUMEN DIFERENCIAS
En la Tabla 4.3 se ofrece un resumen de las diferencias indicadas entre los clusters. En
color rojo se indican las diferencias en las que el valor de los resilientes es menor que las del
grupo de comparación. En negro cuando el valor es mayor. Cabe intentar explicar las tres
semejanzas que se encuentran en los dos grupos de comparación: sexo, tipo de escuela y número
de horas extraordinarias.
Tabla 4.3 Resumen de diferencias de resilientes

Diferente Nivel Socioeconómico, Diferente Rendimiento en Lectura,
similar rendimiento en lectura similar nivel socioeconómico
Cluster 12 Cluster 3 Cluster 6 Cluster 9
Lectura
ESCS
Grado
Mujer
Migrante
Escuela Pública
Nº horas extraordinarias
CSTRAT
DISCLIMA
JOYREAD
METASUM
UNDREM
ONLNREAD
DIVREAD
Resilientes Mayor Proporción /

Mayor Puntuación
Resilientes Menor Proporción /
Menor Puntuación
138
4.6. ESPAÑA
Como puede verse en la Tabla 4.4, la proporción de estudiantes resilientes en España se

encuentra en la media de los países analizados en este estudio, y ligeramente por encima de la
media de los países OCDE analizados.
Tabla 4.4 Proporción de estudiantes resilientes por país.

País Resilientes
México 0,058
Brasil 0,109
Uruguay 0,185
Bulgaria 0,244
Croacia 0,280
Rusia 0,301
Eslovenia 0,325
Reino Unido 0,419
Turquía 0,420
Estados Unidos 0,440
Australia 0,442
Estonia 0,444
Israel 0,451
Hungría 0,456
Grecia 0,463
Canadá 0,470
Trinidad y Tobago 0,481
Rep. Checa 0,561
Finlandia 0,568
España 0,688
Portugal 0,746
Francia 0,907
Taipéi chino 0,909
Macao-China 1,226
Nueva Zelanda 1,249
Polonia 1,363
Japón 1,709
Corea 2,145
Singapur 2,859
Shanghai-China 5,630
Total 30 países 0,662
OCDE 0,525
A la hora de valorar el número de resilientes, hay que tener en cuenta, además del
porcentaje respecto al conjunto de la población, la proporción que representan éstos entre los
alumnos de bajo nivel socioeconómico o de alta puntuación académica.
139
Tabla 4.5 Proporción de resilientes según puntuación de lectura y nivel socioeconómico

España Total 30 OCDE
países
Nivel 5 Lectura 18,03 11,52 8,39
Nivel 6 Lectura 7,84 6,31 4,21
Lectura Alta 17,52 10,91 7,94
Nivel -5 ESCS 0 0
Nivel -4 ESCS 0 0 0
Nivel -3 ESCS 0 0,09 0,08
Nivel -2 ESCS 0,80 0,62 0,45
Nivel -1 ESCS 2,01 2,34 2,17
ESCS bajo 1,63 1,63 1,59
Respecto a los países seleccionados en este estudio y su pertenencia a la OCDE, puede

verse en la Tabla 4.5 que la proporción de alumnos con bajo nivel socioeconómico entre los
estudiantes con nivel 5 y 6 de lectura es mayor en España que en la media del resto de los países.
Sin embargo, el porcentaje de alumnos resilientes entre los alumnos de bajo nivel
socioeconómico es similar entre los alumnos españoles, de la OCDE y del total de los treinta
países.
Tabla 4.6 Estudiantes resilientes por comunidad en España

Resilientes
Recuento %
Andalucía 2 0,14
Aragón 7 0,46
Asturias 16 1,04
Islas Baleares 3 0,21
País Vasco 22 0,46
Islas Canarias 2 0,14
Cantabria 11 0,73
Castilla y León 12 0,79
Cataluña 10 0,72
Ceuta y Melilla 0 0
Galicia 13 0,82
La Rioja 11 0,85
Madrid 9 0,62
Murcia 6 0,45
Navarra 7 0,47
No Adjudicados 3 0,37
España 134 0,52
Como ya se ha planteado previamente, según va aumentando el estatus, se desplaza a la

derecha la curva que representa el rendimiento académico –en lengua, matemáticas y ciencias-,
dando mejores resultados cuanto mayor sea el nivel socioeconómico. Los estudiantes españoles
son, principalmente, chicos y chicas nacidas en España con ambos padres españoles también, sin
140
embargo, la proporción de migrantes (mayoritariamente de primera generación), si bien pequeña,

va descendiendo según aumenta el nivel socioeconómico. Como ya se comentó en la
introducción, la repetición de cursos se da en mayor medida entre los estudiantes más
desfavorecidos, de manera que la proporción de alumnos en el grado décimo (el que
correspondería sin repetición) va disminuyendo con el descenso del nivel socioeconómico, así
como aumentan los estudiantes en los grados noveno y octavo.
Aunque las diferencias en el caso del sexo son muy reducidas, sí que se ve una sutil
tendencia en la proporción de mujeres según varía la riqueza. Es mayor la diferencia encontrada
en el tipo de escuela, siendo la pública ampliamente mayoritaria en los sectores inferiores,
económicamente hablando, aumentando la cobertura de la escuela concertada y, en menor
medida la absolutamente privada, según aumenta el estatus socioeconómico. La asistencia a
clases extraordinarias, ya sean de mejora o de enriquecimiento, se produce en general en baja
proporción, pero ésta aumenta un poco según disminuye el estatus. Obviamente, lo mismo ocurre
con el número de horas en las que se asiste.
En relación a los diferentes índices, respecto al uso de las estrategias de control se ve
cómo, lentamente, va aumentando según aumenta el nivel socioeconómico. También aumenta,
aunque con un cambio muy moderado, el uso del resumen y la memoria como herramientas
metacognitivas. El cambio es mayor, lógicamente, en el caso de la lectura on-line,
probablemente porque este hábito requiere de unas condiciones económicas previas, ya sea en la
familia o en el colegio.
Sin embargo, no pasa así con el clima de disciplina o con el disfrute de la lectura o la
diversidad en la lectura, cuya distribución es similar en todos los niveles.
Dada la relación entre el nivel socioeconómico y el rendimiento académico, antes
indicada, en la distribución de las variables estudiadas respecto a la puntuación en la prueba de
lectura se encuentra la misma relación que al compararlas con el estatus socioeconómico: a
menor puntuación de lectura encontramos mayor proporción de estudiantes cursando grados
inferiores, mayor proporción de estudiantes migrantes (principalmente de primera generación),
mayor proporción de escuela pública, asistencia a clases extraordinarias para el enriquecimiento
o la mejora.
Sin embargo, esta relación no se cumple en el caso de la variable sexo: es mayor la
proporción de hombres en los niveles inferiores y la proporción de mujeres va aumentando según
aumenta la puntuación.
Respecto a los índices, aumenta la puntuación en estos según aumenta el rendimiento
académico en estrategias de control, disfrute de la lectura, uso del resumen, entendimiento y
141
memoria, diversidad en la lectura. Hay menor variación para clima de disciplina y lectura on
line.
Analizando las diferencias estadísticamente significativas en los datos españoles entre los
estudiantes resilientes y los incluidos en el cluster 12, de alto rendimiento académico,
encontramos diferencias para la puntuación en lectura –con una diferencia mínima de 4.29
puntos, el grado también con una diferencia mínima, el estatus socioeconómico con casi dos
puntos de diferencia, el tipo de escuela, siendo mayor la asistencia a la escuela pública entre los
estudiantes resilientes más de 20 puntos porcentuales, la asistencia a clases extraordinarias para
el enriquecimiento y la diversidad en la lectura, siendo mayor la puntuación entre los estudiantes
favorecidos por 0,17 puntos.
Respecto a las diferencias con el cluster 3, éstas las encontramos para la lectura con la
menor diferencia entre los clusters de alumnos desfavorecidos, 140 puntos, el grado con casi 15
puntos porcentuales de alumnos del cluster 3 que no cursan el grado décimo sino el noveno, el
sexo siendo la presencia de mujeres 15 puntos mayor en el grupo de los resilientes, el estatus
socioeconómico –con una diferencia de apenas 0,11, la asistencia a clases extraordinarias tanto
correctivas como de mejora, el número de horas cursadas, con una diferencia de 14,82 puntos y
todos los índices excepto clima de disciplina cuyas diferencias, todas indicando un valor mayor
en el grupo de los resilientes, va desde 0,24 para lectura on-line a 1,15 para el Disfrute de la
lectura.
En el cluster 6, las diferencias con los estudiantes resilientes se encuentran en la lectura,
siendo más de 220 puntos mayor la puntuación de los resilientes, el grado en el que hay una
diferencia de casi 50 puntos en el número de alumnos del cluster 6 que se encuentran en el grado
9º, el sexo, dado que todos los estudiantes del cluster 6 son varones, el nivel socioeconómico
siendo este 0,31 puntos mayor en el grupo de los resilientes, el tipo de escuela, con una pequeña
diferencia de diez puntos de mayor asistencia a la escuela pública por parte de los estudiantes del
cluster 6, la asistencia a clases extraordinarias, con una mayor asistencia en más de 10 puntos por
parte de los resilientes a ambos tipos de clases y el número de horas y en todos los índices, todas
indicando un valor mayor en el grupo de los resilientes, va desde 0,29 para Clima de disciplina a
1,74 para Disfrute de la lectura.
Con el cluster 9 las diferencias se hallan para todas las variables. Los estudiantes
resilientes tienen mayor puntuación en lectura (290 puntos de diferencia) y en el estatus
socioeconómico (1,03 puntos de diferencia). Respecto al grado, hay una notable diferencia
respecto a los alumnos del cluster 6 que cursan en el noveno grado. El porcentaje de mujeres es
mayor en el cluster de los resilientes, con 25,54 puntos de diferencia. También es mayor el
porcentaje de población nativa, 18,61 puntos. Con una diferencia de más de 15 puntos los
142
resilientes acuden más a la escuela concertada que los alumnos del cluster 9, que cursan
principalmente en la escuela pública.
Todas las diferencias en los índices indican un valor mayor en el grupo de los resilientes,
va desde 0,40 para Clima de disciplina a 1,59 para Disfrute de la lectura.
Tabla 4.7 Diferencias valores medios para España

Cluster 12 Cluster 3 Cluster 6 Cluster 9
Lectura -4,29 142,51 223,52 292,47
ESCS -1,81 0,11 0,31 1,03
Grado 9 -13,85 -44,52
10 -1,30 13,85 54,20
Sexo Mujer 15,13 71,64 25,54
Estatus Migratorio Nativo 18,61
2ª gen
1ª gen -16,45
Tipo de Escuela Público 21,86 -10,25 -19,02
Privado Depen 16,11
Privado Independiente
Nº Extraordinarias 0 14,82 26,01 32,17
Clases enriquecimiento Sí -1,61 -7,06 -13,30 -25,22
Clases correctivas Sí -6,05 -11,21 -25,36
CSTRAT 0,62 0,99 1,20
DISCLIMA 0,29 0,40
JOYREAD 1,15 1,74 1,59
METASUM 0,44 0,92 1,16
UNDREM 0,43 0,78 1,03
ONLNREAD 0,24 0,43 0,74
DIVREAD -0,17 0,55 0,81 1,06
Finalmente, los estudiantes resilientes se diferencian de los estudiantes del cluster 9 en la

puntuación en lectura, el sexo, el nivel socioeconómico, el tipo de escuela y todos los índices.
En la Tabla 4.7 se encuentran las diferencias entre los valores medios de los distintos
clusters respecto a los alumnos resilientes, agrupados los datos referidos a España relativos a las
tablas entre Tabla A.103 y Tabla A.104 . Los valores positivos indican un valor mayor hacia los
resilientes. No procede realizarse un estudio comparativo de las características de los alumnos de
los distintos clusters respecto a los resilientes por comunidades autónomas debido a la baja
muestra de resilientes por cada región.
4.6.1. Regresión logística
Al igual que con el conjunto de los datos de los 30 países evaluados, se ha realizado un
análisis de regresión con los datos españoles, con las mismas características.
143
El modelo ofrece un R2 de Nagelkerke de 0,2658, es decir, explica un 26,58% de la

varianza en la resiliencia, algo menos de la explicada en el modelo general. En Tabla 4.8 se
indica el valor del coeficiente de regresión, parámetro B, para cada variable, en todas ellas
significativo, ordenadas de mayor a menor según el valor absoluto de B.
Tabla 4.8 Parámetros de las variables en regresión logística España

I.C. 95,0% para
EXP(B)
B E.T. Wald gl Sig. Exp(B) Inferior Superior
Constante -29,65 4,84 37,46 1 <.001 0,00
Grado 2,36 0,48 23,95 1 <.001 10,62 4,122 27,357
Estatus Socioeconómico -1,28 0,10 157,35 1 <.001 0,28 ,227 ,339
Disfrute de la Lectura 0,99 0,09 122,76 1 <.001 2,69 2,258 3,206
Estatus Migratorio -0,68 0,31 4,66 1 0,0308 0,51 ,273 ,939
Resumen 0,65 0,15 19,10 1 <.001 1,91 1,429 2,552
Entendimiento y Memoria 0,37 0,13 8,30 1 0,0040 1,44 1,125 1,856
Lectura On Line 0,27 0,11 6,43 1 0,0112 1,31 1,062 1,604
Estrategias de control 0,24 0,11 4,90 1 0,0269 1,27 1,027 1,559
Por ello, la ecuación acerca de la probabilidad de ser resiliente quedaría de la siguiente

manera:
1
p(resil  1)  29,652,36*GRADO1,28*ESCS 0,99*JOYREAD0,68*IMMIG0,65*METASUM 0.37*UNDREM 0,27*ONLNE 0,24*CSTRAT
1 e
Respecto a las relaciones en el análisis en los treinta países, se modifica la dirección de los
parámetros Estatus Socioeconómico (curiosamente, dentro de los estudiantes con bajo nivel
socioeconómico, se mostraría un aumento de la probabilidad de resiliencia al disminuir los
recursos), Estatus Migratorio (para los datos españoles es el ser nativo lo que aumenta la
probabilidad) y Estrategias de control.
Puede verse cómo queda excluida del modelo la variable Diversidad en la Lectura, como
en el análisis del conjunto de los países. Tampoco se incluyen las variables Clima de Disciplina y
Sexo, variables que sí estaban incluidas en el análisis global.
144
5 DISCUSIÓN Y
CONCLUSIONES
145
Esta tesis doctoral partía del objetivo de buscar las características del alumnado resiliente
frente a las de aquellos sujetos con niveles socioeconómicos o académicos similares. Para ello, a
la vista de los estudios previos, se partió de la hipótesis de que, más allá de las características
harto conocidas por su influencia en la escuela como el sexo o el país de origen, también debía
de encontrarse la acción de diversas características o habilidades de los estudiantes, como su
entusiasmo o el modo de enfrentarse al estudio y al aprendizaje.
El primer factor a destacar, extraído del análisis de regresión logística, es que el estatus
socioeconómico es un factor que influye en el rendimiento académico, no sólo en el amplio
espectro de esta categoría-Lizasoain et al.(2007), Ferrâo (2009), Erberber et al. (2015) o Plucker
(2015) entre otros-, sino en el propio nivel bajo de recursos sigue siendo un factor importante.
Respecto a las similitudes de los estudiantes resilientes, cabe destacar que en todos los
países se dan en una proporción menor a la esperada, en función del porcentaje de estudiantes
con alto rendimiento académico y los estudiantes con bajo nivel socioeconómico. Es decir,
podemos concluir que, como ya se ha indicado en la introducción y numerosos estudios lo han
señalado -Ferrâo (2009), Chaparro et al. (2016) o Corral Blanco et al. (2012)- el rendimiento no
es una variable independiente de la riqueza del entorno del alumno.
También en todos los países la proporción de mujeres es superior a la de los hombres,
como sucede entre los grupo con alta puntuación.
De todos los índices estudiados, nos encontramos tres en los que la puntuación media de
los resilientes tiene un valor positivo en los 30 países: Disfrute de la lectura, Metacognición:
resumen y Metacognición: entendimiento y memoria.
Valorando los estudiantes resilientes de los 30 países, las mujeres obtienen mayor valor en
Disfrute de la lectura y Metacognición: entendimiento y memoria que los hombres.
Los alumnos que cursan 11º curso obtienen mayor puntuación que aquellos que cursan 9º y
10º para Estrategias de control y Lectura on-line. Obtienen menor puntuación en Disfrute de la
lectura y Diversidad en la lectura.
Según el tipo de escuela, los estudiantes obtienen menor puntuación en Estrategias de
control y Diversidad en la lectura si asisten a la escuela privada independiente. Este valor
aumenta en la escuela privada dependiente y obtiene su máximo valor en la escuela pública.
Entre quienes acuden a la escuela privada independiente, la puntuación en Clima de disciplina y
Metacognición: entendimiento y memoria es mayor y es menor en Lectura on-line y Disfrute de
la lectura.
En función del estatus migrante, es mayor la puntuación de los migrantes de 1ª generación
que la de los nativos en Estrategias de control, Disfrute de la lectura, Metacognición: resumen y
Lectura on-line. La condición de migrante, respecto a los otros grupos con similar nivel
146
socioeconómico, es mayor en el grupo de resilientes. Esto sugiere, tal y como indica Elgie
(2008) acerca de las características de los inmigrantes concretas que afectan al rendimiento
económico, que debería realizarse un estudio de mayor profundidad acerca del idioma de éstos,
su nivel socioeconómico o las características de la escuela para poder llegar a mayores
conclusiones.
El análisis de clases latentes nos facilita estudiar las características de los diferentes
estudiantes, clasificados en función de su similitud por puntuación en lectura, nivel
socioeconómico y variables como el sexo, el tipo de escuela o el estatus migratorio. En los
resultados, este estudio se ha centrado, para poder analizar las características de los estudiantes
resilientes, en la comparación con los estudiantes, bien de similar nivel socioeconómico y
diferente puntuación académica (clusters 3, 6 y 9), bien con aquellos con similar puntuación y
distinto nivel socioeconómico (cluster 12).
O dicho de manera más coloquial, ¿en qué se diferencian y en qué se parecen los
estudiantes que tienen una puntuación similar en lectura pero con orígenes sociales diferentes o a
la inversa?
Vemos cómo respecto a todos los clusters de los alumnos con similar nivel socioeconómico
e inferior rendimiento en lectura, los alumnos resilientes obtienen mayor puntuación en todos los
índices evaluados (de media con los 30 países) y cursan en mayor proporción en algún grado
superior.
Respecto a los alumnos con similar puntuación en lectura y mayor nivel socioeconómico
(incluidos en el cluster 12), nos encontramos con que éstos son los que cursan en mayor
proporción grados superiores que los resilientes. Sin olvidar que la repetición no es la única
explicación del grado en el que se está cursando, estos datos pueden indicar que, como se ha
indicado previamente (OCDE, 2014c), la repetición pudiera deberse más al nivel
socioeconómico que al académico, dado que alumnos con similar puntuación académica varían
en el grado según su estatus socioeconómico. Pero esta conclusión debe ser tomada con cautela,
porque no debe olvidarse a la hora de evaluar PISA, que este programa no tiene en cuenta los
currículos académicos (que son sobre los que se repite o se promociona).
Sobre los índices, en cuatro encontramos diferencias significativas (Estrategias de control,
Disfrute de la lectura, Lectura On Line y Diversidad en la lectura) en los que es mayor la
puntuación entre los estudiantes favorecidos.
En otros aspectos es similar la diferencia que se encuentra entre los resilientes y las dos
categorías indicadas. Por ejemplo, tanto en comparación con los alumnos desfavorecidos con
baja o media puntuación académica, como en comparación con los alumnos de alta puntuación,
147
es mayor el número de mujeres entre los resilientes, también de inmigrantes y estudian con
mayor proporción en la escuela pública .
El porcentaje de mujeres es mayor entre los estudiantes resilientes, probablemente debido a
que, como se ha explicado anteriormente, es mayor la proporción entre la población con alta
puntuación y, a la vez, entre la población empobrecida. Por ello, parece lógico que el grupo de
resilientes, con menor nivel socioeconómico, se componga de más mujeres que los chicos con
similar puntuación y que, simultáneamente, al tener mayor puntuación media haya mayor
porcentaje de mujeres respecto a sus iguales en el nivel socioeconómico.
Los estudiantes resilientes asisten en mayor proporción a la escuela pública tanto en
comparación con los estudiantes de similar nivel socioeconómico pero inferior rendimiento
académico como con los alumnos de alto nivel socioeconómico y similar puntuación en lectura.
Aunque la asistencia a un tipo de escuela u otro varía mucho de un país a otro, suele a ir ligada al
nivel socioeconómico, lo que explicaría que los alumnos de mayor nivel socioeconómico asistan
menos a la escuela pública, resulta significativo que también se asista en menor medida a la
escuela pública entre los alumnos de similar nivel socioeconómico.
Los alumnos resilientes acuden a un número menor de horas extraordinarias en dos de los
tres clusters de estudiantes desfavorecidos, aunque en general la asistencia a clases
extraordinarias es prácticamente residual. Resulta casi contradictorio que sea mejor la
puntuación cuando no se asiste a clases extraordinarias, del tipo que sea. Podría entenderse este
hecho con las clases de mejora, dado que, a priori, asisten alumnos con alguna dificultad para
completar una asignatura, pero no con las asignaturas de enriquecimiento. Esto puede deberse,
aunque es algo que excede al objetivo de este estudio, que la asistencia a clases extraordinarias
se produce para completar conocimientos o aptitudes que no facilita el centro escolar en su
jornada ordinaria. Es decir, en las aulas en las que se imparte una materia completa, se tiene una
educación mejor y no se hace necesario recurrir a clases extraescolares. Sin olvidar, como se
indicaba en la introducción, que es posible que los estudiantes que poseen más herramientas para
aprovechar las horas ordinarias de aprendizaje sean precisamente los que obtienen mejor
puntuación y menor necesidad tienen de horas extraordinarias.
Centrando ahora la atención en los índices evaluados, en todos ellos los estudiantes
resilientes obtienen mejor valor medio que los alumnos de similar nivel socioeconómico pero
menor puntuación académica. Sin embargo, según el parecido o diferencia con el grupo de
alumnos de alto nivel socioeconómico, éstos pueden dividirse, según los resultados, en dos tipos:
 Índices con diferencias con estudiantes de mayor nivel socioeconómico
148
Estos índices implican la existencia de diferencias tanto por la puntuación académica como por
el estatus socioeconómico y cultural.
 Estrategias de control
 Como se ha indicado en el modelo resultante de la regresión logística, este índice, a
pesar de ofrecer mayores valores medios a los estudiantes resilientes, se asocia a un
coeficiente de regresión con valor negativo, aunque reducido. Probablemente por la
relación de esta variable con otras, se indica que disminuye la posibilidad de
resiliencia –aunque en pequeña proporción- al aumentar su valor.
 Disfrute de la lectura
 Este índice probablemente sea de los que más relacionados con el estatus cultural de
los evaluados en este estudio dado que resulta plausible que el crecimiento con
recursos culturales diversos como libros de poesía o arte se vea relacionado con
diversas actividades de lectura como regalar libros, comentarlos o acudir a
bibliotecas, que son algunos de los ítems incluidos en este índice. Aunque, como se
ha indicado, la variable Disfrute de la Lectura es la que tiene mayor relación de todos
los índices en la regresión logística entre estudiantes con un similar estatus
socioeconómico, por lo que, además de su relación con los recursos, también se
encuentra relacionada con el rendimiento escolar.
 Lectura on-line
 El hecho de que a partir de la puntuación de la variable lectura online adquiere
valores positivos ya no se vea un aumento en la puntuación en lectura, puede deberse
sencillamente al acceso o no de aparatos electrónicos desde los que acceder a
Internet, hecho generalmente vinculado a los recursos disponibles. Es decir, es
posible que este índice indique cambios en el rendimiento en el sentido de tener
recursos económicos, no tanto si, teniéndolos, se le da mejor o peor uso y genera
mayor aprendizaje o práctica. Cualquier conclusión sobre este índice debe tomarse
con la precaución para ser conscientes de que la composición de este índice incluye,
además de la necesidad de acceso a aparatos electrónicos tales como ordenador, tablet
o móvil con acceso a Internet, los conocimientos e inquietudes para usarlos para la
búsqueda de información.
 Diversidad en la lectura
 En función de los resultados y distribución de esta variable, puede entenderse que sea
necesaria una mínima variedad y riqueza en la lectura para garantizar una lectura
productiva, pero que una vez que se da, un aumento de la misma ya no aumenta las
149
características evaluadas en este estudio. Es por ello, quizá, que se encuentre excluida
del modelo logístico resultante.
 Índices sin diferencias con estudiantes de mayor nivel socioeconómico

Probablemente sea en estos índices donde sea más interesante centrar la atención dado que se
trata de variables que dan valores altos para la alta puntuación y valores bajos para la baja
puntuación académica. Es decir, no son índices que puedan ser explicados a priori únicamente
por el acceso o no a renta o recursos (culturales o económicos). Además, estas cuatro variables
intervienen como predictoras –aunque Lectura on line de forma muy reducida- en la resiliencia
académica en la misma dirección, aumentando la probabilidad de resiliencia según aumenta el
valor de las mismas. No se pretende, por supuesto, plantear una relación causal de manera que
mejorando estas variables vayan a mejorar automáticamente las puntuaciones, pero suponen
indicios para facilitar el entendimiento sobre las altas puntuaciones.
 Clima de disciplina
 El clima de disciplina evaluado a partir de las respuestas de los alumnos consiste,
precisamente por su forma de evaluación, en la percepción del clima. Además, dada
la dificultad existente para objetivar un buen o mal clima, se construye a partir de las
respuestas sobre la frecuencia de circunstancias como “El profesor tiene que esperar
mucho tiempo hasta que los estudiantes se callen” lo que puede resultar que un
mismo espacio de tiempo sea considerados para algunos alumnos como “lo normal” y
para otros como “mucho tiempo” en función de múltiples circunstancias como cómo
se funciona en el resto de asignaturas, qué perspectivas se tienen sobre cómo debe ser
un buen funcionamiento,... Por ello, es difícil concluir si lo que correlaciona con un
alto rendimiento en lectura es un buen clima de disciplina o la percepción de ese
clima. Es decir, puede pasar que, aunque es importante un espacio ordenado y
silencioso para el aprendizaje, quizá también lo sea la sensación de que un entorno
facilita o dificulta el estudio.
 Metacognición: resumen
 Metacognición: entendimiento y memoria
 Al igual que en el cálculo del clima de disciplina, los índices que miden distintos
aspectos de la metacognición también miden, en cierta medida, más la percepción del
estudiante sobre su capacidad que la capacidad misma. Por ello, es posible que estas
variables también se encuentren relacionadas con la motivación o la autoestima, de
forma que, a modo de círculo virtuoso, la creencia de que saben realizar un resumen
150
correctamente, o que tienen la capacidad para recordar lo que estudias, facilite que se
pongan a realizar resúmenes, de manera que facilita el aprendizaje.
Las diferencias que encontramos son similares a las españolas (que se encuentran indicadas
en la Tabla 4.7) principalmente entre los clusters de alumnos con bajo y medio nivel
socioeconómico. Comparando con los estudiantes favorecidos, en España no resultan
significativas las diferencias de éstos respecto a los resilientes en el grado, el sexo y el estatus
migratorio. Tampoco hay diferencia en Estrategias de control y Disfrute de la lectura, resultando
Diversidad en la lectura el único índice en el que se hallan diferencias. En el caso del análisis de
regresión, se muestran también diferencias en la influencia del estatus migratorio y las
estrategias de control.
Corresponde en el apartado de las conclusiones destacar la utilidad del análisis de clases
latentes. Éste nos ha permitido discriminar entre qué estudiantes realizar las comparaciones. Esta
herramienta nos facilitaría también, por ejemplo para futuros estudios, analizar la composición
de los diferentes grupos entre los alumnos desfavorecidos. Estas técnicas, que ya se emplean en
otros usos de las ciencias sociales, resultan útiles en el ámbito de la educación para poder
agrupar correctamente –teniendo en cuenta un mayor número de características- a fin de poder
realizar un correcto diagnóstico de las circunstancias y, posteriormente, poder intervenir sobre
ellas.
Para este estudio se han empleado como variables indicadoras el nivel socioeconómico y el
rendimiento académico, sin embargo, bien podría emplearse el análisis de clases latentes a partir
de otras variables, como el clima de disciplina, por ejemplo, como indicador entre otros y poder
estudiar los grupos creados a partir de variables en las que más fácil debería ser incidir desde la
escuela que en el nivel socioeconómico.
También resulta importante la aportación al análisis que puede realizarse gracias a la
regresión logística, que en este trabajo se ha realizado con los clusters que engloban a los
estudiantes desfavorecidos. Con éste, cabe destacar, tanto para los datos globales como para los
españoles, el valor del Disfrute de la Lectura, siendo en ambos casos la primera variable no
demográfica cuyo valor en la ecuación en mayor, coincidiendo con los resultados obtenidos por
Agasisti y Longobardi (2012)
Menor valor, aunque aún importante, reciben las variables entendidas como herramientas
del aprendizaje -resumen y entendimiento y memoria-, como indica también Becerra- González
y Reidl (2015). Otra de las herramientas, Estrategias de control, muestra bajo valor en la
regresión tanto para el conjunto de los países como para España. Además, para los datos
151
generales ofrece un parámetro B negativo, lo que contrasta con la importancia dada al manejo de
la información para la mejora del rendimiento.
El Clima de Disciplina obtiene un valor aún menor en los datos generales, desapareciendo
del resultado en España, lo que contrasta con estudios como los de Cordero, Pedraja y Simanca,
(2014), que destacan la importancia de esta variable.
A la hora de poder analizar los resultados derivados de PISA -tanto los emitidos por la
propia OCDE como los elaborados posteriormente como este estudio- es imprescindible entender
qué evalúa exactamente la OCDE a través de este programa. No puede extraerse conclusiones
más allá de lo que se evalúa.
Exactamente, respecto a la prueba de lectura se entiende por competencia lectora:
"La capacidad de un individuo de entender y utilizar textos escritos,
reflexionar sobre ellos y relacionarse con los mismos, para alcanzar sus
objetivos, desarrollar su conocimiento y potencial, y participar en la sociedad.
[...] también implica la lectura, la interpretación y la reflexión, y la capacidad
de utilizar la lectura para alcanzar los propios objetivos de la vida." (OCDE,
2010b, p. 23)
Es sobre lo contenido en esta explicación de lo que se podrá extraer conclusiones. Es decir,

se evalúan los sistemas educativos, las escuelas, las capacidades de los alumnos, sobre este
concepto concreto. Es importante realizar esta concreción dado que en ocasiones se pretende, a
partir de los datos PISA, analizar en conjunto los sistemas educativos. Además, aunque sería
objeto de estudios de otras materias, también debería, a la hora de extraerse las conclusiones,
conocerse la definición exacta de los términos "sociedad" y "vida" dado que sería un paso previo
a la hora de preparar a los estudiantes para "participar en la sociedad", saber qué sociedad
queremos. Como plantea Odendahl (2011), la elaboración de un test supone privilegiar unas
habilidades o conocimientos frente a otros bajo puntos de vista políticos.
Esto indicado anteriormente no se trata de una enmienda a la totalidad de PISA, ni es la
intención, sino conocer la limitación del estudio que, teniendo una gran amplitud de
aplicaciones, no puede ser la única herramienta para evaluar los sistemas educativos, como en
ocasiones se pretende desde medios de comunicación genéricos.
En la introducción se han presentado distintos estudios sobre la resiliencia, en los que la
definición de resiliencia viene expresada por el posicionamiento o no del estudiante en los
terciles inferiores en cuanto al nivel socioeconómico y superiores en la puntuación del test
académico. También se ha explicado que este estudio ha realizado la selección de manera
152
diferente, como también se hace en Erberber el al. (2015). Con este cambio en el criterio de
alumno desfavorecido, el porcentaje de éstos por países varía del 12,48% en Finlandia al 71,29%
en Turquía.
El análisis realizado por la OCDE (2011a), en su comparación internacional, al estudiarse
por terciles del conjunto de países, se producirían cambios al añadir (o quitar) nuevos países en
la muestra. La definición utilizada en esta tesis también sufriría cambios si cambia el conjunto de
los países, pero en menor medida:
 El rendimiento no se ve influido al ser por consecución de objetivos. Si no cambia la

escala la puntuación, el rendimiento no cambia.
 El nivel ESCS, al ser una escala normalizada con la escala OCDE, cambiaría si cambian
los países OCDE participantes –que cambian en menor medida- pero no si cambian las
economías asociadas participantes en PISA-.
La mayoría de los estudios sobre la vinculación entre la pobreza y el rendimiento
académico derivado de los datos PISA realizan comparaciones entre alumnos con alta y baja-
media puntuación académica entre los alumnos desfavorecidos -sea cual sea la forma de calcular
la pobreza-. Este estudio añade una perspectiva más, comparando también las características de
los estudiantes resilientes con la de los alumnos con un nivel similar en lectura pero con un
estatus socioeconómico diferente. Esto permite discriminar en principio qué variables son
aquellas que en mayor medida caracterizan a los estudiantes resilientes, o en cuáles poner el foco
de atención para analizarlas en mayor medida.
En este estudio y en otros como Against de Odd (OCDE, 2011a) que estudian la resiliencia
a partir de los datos obtenidos por PISA se utiliza únicamente el nivel socioeconómico y cultural
para poder definir la resiliencia. Sin embargo, sería recomendable para futuros estudios, a fin de
poder perfilar el concepto “riesgo” con mayor precisión introducir datos relacionados con la
escuela (obtenidos a partir de sus cuestionarios), dado que el entorno abarca más conceptos
además del familiar y el domicilio que es incluye en la variable construida ESCS -WordBank
(2013), Martin y Marsh (2003), Calero y Choi (2012), Vera-Bachmann y López (2014) o Cano y
Fernández (2015)-. Para este fin, además podrían resultar útil las respuestas al cuadernillo de los
padres, que la OCDE ha incorporado a PISA y que progresivamente va implicando a más países.
Una de las limitaciones que presenta este estudio es la utilización de una única fuente de
datos, PISA, que si bien es muy completa en los ámbitos que trata, quizá sería recomendable en
futuros estudios vincular los datos obtenidos a partir de PISA con otras fuentes y así poder
buscar influencias en el rendimiento académico de los dominios que describe Hattie (2013b):
Estudiante, Enfoques de enseñanza, Escuela, Profesor, Currículo y Casa).
153
Se planteaba al inicio de esta sección que entre las variables de las que se esperaba hallar
relación con la resiliencia se encontraba la motivación. Sin embargo, frente a lo señalado por
Martin y Marsh (2003) u OCDE (2011a) en la selección de las variables con relación respecto al
rendimiento académico –cuyos criterios de selección ha sido explicado previamente- no se ha
encontrado ninguna de las variables relacionadas directamente con la motivación. Sin embargo,
sí que algunas de las variables incluidas en este estudio, como las dos que tratan de la
metacognición, se encuentran parcialmente relacionadas con la percepción de autocontrol. Sí que
se han utilizado otras variables como las horas extraescolares cursadas o la lectura digital que
realiza el estudiante.
Sobre qué hacer para superar estas desigualdades originales, Stephens, Hamedani y Destin
(2015) plantea para los llamados estudiantes de primera generación, cuyos padres no han cursado
cuatro grados formativos, un proyecto de intervención-formación proporcionando información
crítica sobre la importancia de los orígenes y cómo puede superarse con las herramientas y
estrategias correctas. Pudiera resultar además relativamente sencillo -o al menos con menor
complejidad que otros ámbitos- indicir en factores como el placer de la lectura, que parece
mostrar una importante relación con el rendimiento académico. Al igual que plantea Gil (2009)
respecto a intervenir en el ámbito escolar y famliar para dotarnos de mejores hábitos lectores.
quizá deberían dirigirse los mensajes institucionales de fomento de la lectura no a la conclusión
de que leer es importante -que lo es- sino a que leer es divertido.
Finalmente, habría que destacar la importancia de continuar analizando aquellas variables

que, como se ha dicho, parecen tener más relación con el rendimiento que con el acceso a
recursos. Principalmente Metacognición: resumen, Metacognición: entendimiento y memoria
que ofrecen además una relativa importancia en la regresión logística. y Clima de disciplina por
su aparente relación con la motivación, factor que se destaca en diversos estudios y por la posible
incidencia sobre estos aspectos en el propio entorno académico –OCDE, (2011c,) o Cordero,
Pedraja y Simancas, (2014)-.
154
6 REFERENCIAS
155
Agasisti, T., y Longobardi, S. (2014). Inequality in education: Can Italian disadvantaged students
close the gap? Journal of Behavioral and Experimental Economics, 52, 8-20. Disponible en:
http://www.invalsi.it/invalsi/ri/improving_education/Papers/longobardi/presentation.pdf
[2015, 7 de Julio]
American Educational Research Association, American Psychological Association, National
Council on Measurement in Education, Joint Committee on Standards for Educational, &
Psychological Testing (US). (1999). Standards for educational and psychological testing.
Amer Educational Research Assn. Actualización 2014.
Anderson, C. J., Kim, J. S., y Keller, B. (2013). Multilevel Modeling of Categorical Response
Variables. En L. Rutkowski,, M. von Davier, y D. Rutkowski, Handbook of International
Large-Scale Assessment: Background, Technical Issues, and Methods of Data Analysis, 481
520 CRC Press
Araya Alpízar, C. (2011). El modelo de clases latentes en presencia de tablas poco ocupadas:
aplicación del método bootstrap. Tesis Doctoral. Departamento de Estadística. Universidad
de Salamanca. Disponible en:
http://gredos.usal.es/jspui/bitstream/10366/83209/1/DES_ArayaAlp%C3%ADzar_Carlomag
no_Modelos.pdf [2013, 4 de marzo]
Becerra-González, C. E. y Reidl L. M. (2015). Motivación, autoeficacia, estilo atribucional y

rendimiento escolar de estudiantes de bachillerato. Revista Electrónica de Investigación
Educativa, 17(3), 79-93. Disponible en: http://redie.uabc.mx/vol17no3/contenido-becerra
reidl.html
Bolívar, A. (2005) Equidad educativa y teorías de la justicia. Revista Electrónica Iberoamericana
sobre Calidad, Eficacia y Cambio en Educación. 3 (2), 42-69. Disponible en:
http://www.rinace.net/arts/vol3num2/art4.pdf [2012, 8 de marzo]
Breakspear, S. (2012). The policy impact of PISA: an exploration of the normative effects of
international benchmarking in school system performance (No. 71). París: OECD
Publishing.
Buchmann, C. (2002). Measuring family background in international studies of education:
Conceptual issues and methodological challenges. En A. Gamoran y A.C. Porter,
Methodological advances in cross-national surveys of educational achievement, 150-197.
National Academies Press
156
Burns, T., y Shadoian-Gersing, V. (2010). The importance of effective teacher education for
diversity. Educational Research and Innovation, 19-40.
Cáceres, D.F. (2011) Incidencia de la condición social, económica y cultural de las familias en el
logro del Rendimiento Académico en el área de Ciencias Sociales de los alumnos de noveno
grado del Instituto Técnico 21 de febrero durante el año 2010. Honduras: Universidad
Pedagógica Nacional Francisco Morazán.
Caldito, L. A., Caldera, M. A. F., Mayo, J. P., y Dios, N. M. C. (2002). Los modelos markovianos de
variables latentes. En Pleguezuelo, R. H., González, F. P. y Céspedes J. C. Modelos de
generación de distribuciones: propiedades y aplicaciones, 117-163. Universidad de Granada.
Disponible en: http://www.ugr.es/~callejon/modelos.pdf [2013, 4 de marzo]
Calero, J. y Choi, Á. (2012) La evaluación como instrumento de política educativa. Presupuesto y
Gasto Público 67, 29-42. Disponible en:
http://www.ief.es/documentos/recursos/publicaciones/revistas/presu_gasto_publico/67_02.pd
f [2012, 21 de noviembre]
Cano García, E. y Fernández Ferrer, M. (2015). La visión de los estudiantes de origen extranjero
sobre factores y competencias clave para el acceso a la Universidad. Pedagogía Social.
Revista Interuniversitaria, 26, 263-284. OI:10.7179/PSRI_2015.26.10
Caplan, N. 1979. The two-communities theory of knowledge utilization. American Behavioral
Scientist 22(3), 459–470
Cattell, J. M. (1890). Mental tests and measurements. Mind, 15, 373-380.
Chaparro, A. A., González, C. y Caso, J. (2016). Familia y rendimiento académico: configuración de
perfiles estudiantiles en secundaria. Revista Electrónica de Investigación Educativa, 18(1),
53-68. Disponible en: http://redie.uabc.mx/redie/article/view/774
Childs, R. A., y Broomes, O. (2012). Role and Design of Background Questionnaires in Large-Scale
Assessments. Improving Large-scale Assessment in Education: Theory, Issues and Practice,
27.
Choi de Mendizábal, A. y Calero Martínez, J. (2013) Determinantes del riesgo de fracaso escolar en
España en PISA-2009 y propuestas de reforma. Revista de Educación, 362, 562-593
Chromy, J. R. (2002). Sampling issues in design, conduct, and interpretation of international
comparative studies of school achievement. En A. Gamoran y A.C. Porter, Methodological
advances in cross-national surveys of educational achievement, 80-114. National Academies
Press
Cochran, W. G. (1977). Sampling techniques. New York: John Wiley y Sons.
157
Coleman, J. S., Campbell, E. Q., Hobson, C. J., McPartland, J., Mood, A. M., Weinfeld, F. D., y
York, R. L. (1966). Equality of educational opportunity: Summary report (Vol. 2). US
Department of Health, Education, and Welfare, Office of Education. Disponible en:
https://docs.google.com/file/d/0Byhtrdi1KzqBRmdDQlhfM3NLeDA/edit?pli=1 [2014, 20
de abril]
Cordero Ferrera, J.M., Crespo Cebada, E. y Santín González, D. (2009) Factores explicativos de los
resultados de las comunidades autónomas españolas en PISA 2006. Madrid: Instituto de
Estudios Fiscales.
Cordero Ferrera, J.M., Crespo Cebada, E. y Pedraja Chaparro, F., (2013) Rendimiento educativo y
determinantes según PISA: Una revisión de la literatura en España. Revista de Educación,
362, 273-297
Cordero Ferrera, J. M., Manchón López, C., y Rodríguez Simancas, R. (2012). Análisis de los
condicionantes del rendimiento educativo de los alumnos españoles en PISA 2009 mediante
técnicas multinivel. Presupuesto y Gasto Público, 67, 71-96.
Cordero Ferrera, J. M., Manchón López, C., y Rodríguez Simancas, R. (2014). La repetición de
curso y sus factores condicionantes en España. Revista de Educación, 365, 12-37
Cordero Ferrera, J.M., Pedraja Chaparro, F., Simancas, R. (2014) Superando las barreras: factores
determinantes del rendimiento en escuelas y estudiantes con un entorno desfavorable, en
Instituto Nacional de Evaluación Educativa, PISA 2012. Informe español. Resolución de
problemas de la vida real. Resultados de Matemáticas y Lectura por ordenador, 39-63
Disponible en: http://www.mecd.gob.es/dctm/inee/internacional/pisa2012
resolucionproblemas/04cordero-pedraja-simancascorreccion-18-4
2014.pdf?documentId=0901e72b81948d75 [2015, 7 de Julio]
Cordero Ferrera, J.M., Pedraja Chaparro, F. y Simancas Rodríguez, R. (2015) Factores del éxito
escolar en condiciones socioeconómicas desfavorable, Revista de Educación, 370, 172-198
Corral Blanco, N., Zurbano Fernández, E., Blanco Fernández, Á., García Hornado, I. y Ramos
Guajardo, A.B. (2012): Estructura del entorno educativo familiar: su influencia sobre el
rendimiento y el rendimiento diferencial. PIRLS - TIMSS 2011. Volumen II. Madrid:
Ministerio de Educación y Cultura (INEE).
Corral-Verdugo, V. (1995) Modelos de variables latentes para la investigación conductual. Acta
Comportamentalia 3(1), 171-190. Disponible en:
http://ojs.unam.mx/index.php/acom/article/view/18319 [2012, 8 de marzo]
158
Distefano, C y Mindrila, D. (2013). Cluster Analysis. In T. Teo, Handbook of quantitative methods

for educational research, 103-122. Rotterdam: SensePublishers.
Duong, M. T., Badaly, D., Liu, F. F., Schwartz, D. y McCarty, C. A. (2015). Generational
Differences in Academic Achievement Among Immigrant Youths A Meta-Analytic Review.
Review of Educational Research, -3, 1-39
Elgie, S. (2008). Achievement on the Ontario Secondary School Literacy Test: A focus on immigrant
students. Tesis Doctoral no publicada. Toronto: Universidad de Toronto
Erberber, E., Stephens, M., Mamedova, S., Ferguson, S. & Kroeger, T. (2015). Alumnos
socioeconómicamente desfavorecidos que tienen éxito académico: Examen transnacional de
la resiliencia académica. Policy Brief Series, 5, Ámsterdam, IEA, http://www.
iea.nl/policy_briefs.html
Fernández Aráuz, A. (2013). Análisis de la Resiliencia Educativa de los Estudiantes Costarricenses

con datos de la Prueba de Lectura de la Evaluación PISA 2009. Revista de Ciencias
Económicas, 31(2), 75-99.
Ferrâo, M.E, (2009) Sensibilidad de las especificaciones de los modelos de valor añadido: midiendo
el estatus socioeconómico. Revista de educación, 348, 137-152. Disponible en:
http://www.mecd.gob.es/dctm/revista-de-educacion/numeros
completos/re348.pdf?documentId=0901e72b811e318f
Finn, J. D., y Rock, D. A. (1997). Academic success among students at risk for school failure.
Journal of applied psychology, 82(2), 221-234
Garbanzo, G. M. (2014). Factores asociados al rendimiento académico tomando en cuenta el nivel

socioeconómico: Estudio de regresión múltiple en estudiantes universitarios Revista
Electrónica Educare, 18(1), 119-154. Disponible en:
http://www.revistas.una.ac.cr/index.php/EDUCARE/issue/current [2014, 15 de enero]
Gaxiola, J. C., González, S. y Contreras, Z. (2012). Influencia de la resiliencia, metas y contexto
social en el rendimiento académico de bachilleres. Revista Electrónica de Investigación
Educativa, 14(1), 164-181. Disponible en http://redie.uabc.mx/vol14no1/contenido
gaxiolaglez.html
Gil, J. (2009). Hábitos y actitudes de las familias hacia la lectura y competencias básicas del
alumnado, Revista de educación, 350, 301-322. Disponible en:
159
http://www.mecd.gob.es/dctm/revista-de
educacion/articulosre350/re35013.pdf?documentId=0901e72b81234825 [2015, 6 de junio]
Gil Flores, Javier (2014). Factores asociados a la brecha regional del rendimiento español en la
evaluación pisa. Revista de Investigación Educativa, 32(2), 393-410. Disponible en:
http://dx.doi.org/10.6018/rie.32.2.192441
González, M. (2000). Niveles socioeconómicos AMAI. [En línea] Disponible en:
http://segmento.itam.mx/Administrador/Uploader/material/NivelesSocioeconomicosAMAI.P
DF [2014, 10 de marzo]
González Pérez, M. (2001). La evaluación del aprendizaje: tendencias y reflexión crítica. Educación
Médica Superior, 15(1), 85-96. Disponible en:
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21412001000100010 [2014, 4
de mayo]
Goodman, L. (1978). Analyzing Qualitative/Categorical Data. Log-Linear Models and Latent
Structure Analysis. Massachusetts: Abt Books.
Gutman, L. M., & Schoon, I. (2013). The impact of non-cognitive skills on outcomes for young
people. Education Endowment Foundation. Available at: h
ttp://educationendowmentfoundation. org. uk/uploads/pdf/Non-cognitive_skills_
literature_review. pdf.
Hambleton, R. K., Merenda, P., y Spielberger, C. (Eds.). (2005). Adapting educational and
psychological tests for cross-cultural assessment. Hillsdale, NJ: Lawrence Erlbaum
Associates.
Hambleton, R. K., y Patsula, L. (1999). Increasing the validity of adapted tests: Myths to be avoided
and guidelines for improving test adaptation practices. Journal of Applied Testing
Technology, 1, 1-12
Hambleton, R. K., Yu, J., y Slater, S. C. (1999). Field-test of the ITC guidelines for adapting
psychological tests. European Journal of Psychological Assessment, 15(3), 270-276.
Hambleton, R. K. (2002). Adapting achievement tests into multiple languages for international
assessments. En A. Gamoran y A.C. Porter, Methodological advances in cross-national
surveys of educational achievement, 58-79. National Academies Press
Hanushek, E. A. (2003). The failure of input-based schooling policies. Economic Journal, 113, 64–
98.
Hattie, J.A. (2013a) Foreword In T. Teo, Handbook of quantitative methods for educational
research, 103-122. Rotterdam: SensePublishers.
160
Hattie, J. (2013b) Visible learning: A synthesis of over 800 meta-analyses relating to achievement.
Routledge.
Heyneman, S. P. (2004). International education quality. Economics of Education Review, 23(4),
441-452.
Heyneman, S. P., y Lee, B. (2013). The Impact of International Studies of Academic Achievement
on Policy and Research. En L. Rutkowski,, M. von Davier, y D. Rutkowski, Handbook of
International Large-Scale Assessment: Background, Technical Issues, and Methods of Data
Analysis, 37-72. CRC Press
Instituto de Evaluación (2009). Panorama de la Educación. Indicadores de la OCDE: Informe

Español. Madrid
Instituto de Evaluación (2010). PISA 2009: Informe Español. Madrid
Jadue, G. (1999). Hacia una mayor permanencia en el sistema escolar de los niños en riesgo de bajo
rendimiento y de deserción. Estudios pedagógicos (Valdivia), (25), 83-90.
Jackson, G. B. (1975). The Research Evidence on the Effects of Grade Retention. Review of
Educational Research, 45 (4), 613-635.
Keel, P. K., Fichter, M., Quadflieg, N., Bulik, C. M., Baxter, M. G., Thornton, L. y Kaye, W. H.
(2004). Application of a Latent Class Analysis to Empirically Define EatingDisorder
Phenotypes. Archives of General Psychiatry, 61(2), 192-200.
Kovaleva, G. 2011. Use and Impact of TIMSS and PIRLS data in the Russian Federation, IEA
Newsletter
Krüger, N., Formichella, M. M., & Lekuona, A. (2015). Más allá de los logros cognitivos: la actitud
hacia la escuela y sus determinantes en España según PISA 20091 Beyond cognitive-skills:
the attitudetowards school andits determinants in Spain with PISA 2009. Revista de
educación, 367, 10-35.
Lazarsfeld, P. F. (1950). The logical and mathematical foundation of latent structure analysis.
Measurement and prediction, 4.
Lazarsfeld, P.F. y Henry, N.W. (1968), Latent structure analysis, Boston: Houghton Mifflin.
161
Le, L. T. (2009) Effects of item positions on their diffculty and discrimination—A study in PISA
science data across test language and countries. En K. Shigemasu, A. Okada, T. Imaizumi, y
T. Hoshino, New Trends in Psychometrics. Tokyo: Universal
Leighton, J. P. (2012). Large-scale assessment design and development for the measurement of
student cognition. Improving large scale assessment in education: theory, issues, and
practice, 13-26.
León Fonseca, D. O. (2009) La migración y el rendimiento escolar de los estudiantes del Instituto
Tecnológico Superior Juan Francisco Montalvo en el año lectivo 2008 – 2009 de la ciudad
de Ambato. Ambato: Universidad Técnica de Ambato. Disponible en :15 de enero de 2014 de
http://repo.uta.edu.ec/handle/123456789/4181 [2014, 15 de enero]
Linn, R. L. (2002). The measurement of student achievement in international studies. En A.
Gamoran y A.C. Porter, Methodological advances in cross-national surveys of educational
achievement, 27-57. National Academies Press
Lizasoain, L., Joaristi, L., Likas, J.F.y Santiago, K. (2007). Efectos Contextuales del Nivel
Socioeconómico sobre el Rendimiento Académico en la Educación Secundaria Obligatoria
en la Comunidad Autónoma Vasca (España). Estudio Diferencial del Nivel Socioeconómico
Familiar y el del Centro Escolar. Archivos Analíticos de Políticas Educativas, 15 (8), 1-37
LORD. F. M. (1965) A Strong true-score theory.with applications. Psychometrika. 30. 239-270
Martin, A. J., y Marsh, H. W. (2003). Academic resilience and the four Cs: Confidence, control,
composure, and commitment. Citeseer.
Martínez García, J.S. y Córdoba, C. (2011) Rendimiento en lectura y género: una pequeña
diferencia motivada por factores sociales. Universidad de La Laguna
Mazzeo, J., y von Davier, M. (2013). Linking Scales in International Large-Scale Assessments. En
L. Rutkowski,, M. von Davier, y D. Rutkowski, Handbook of International Large-Scale
Assessment: Background, Technical Issues, and Methods of Data Analysis, 229-316. En CRC
Press
Manski, C. F., y Wise, D. A. (1983). College choice in America. Cambridge, MA: Harvard
University Press.
Martínez, J. A., y Martínez, L. (2013). Tipología de partidos y factores de rendimiento en
baloncesto. Revista Internacional de Medicina y Ciencias de la Actividad Física y el
Deporte, 13(49), 131-148.
Mediavilla, M. y Escardíbul, J.-O. (2014) El efecto de las TIC en la adquisición de competencias.
Un análisis de género y titularidad de centro para las evaluaciones por ordenador. En
162
Instituto Nacional de Evaluación Educativa, PISA 2012. Informe español. Resolución de

problemas de la vida real. Resultados de Matemáticas y Lectura por ordenador Análisis
secundario. Disponible en 7 de julio de 2015
http://www.mecd.gob.es/dctm/inee/internacional/pisa2012
resolucionproblemas/08mediavilla-escardibul14-4-2014
revisadoii.pdf?documentId=0901e72b819490ae
Muro González, F. (2007). Modelos de Clase Latente en la Evaluación de la Educación. El Caso del
Aprovechamiento Escolar en la Educación Primaria de Zacatecas. Archivos Analíticos de
Políticas Educativas, 16 (4), 1-28. Disponible en: 8 de marzo de 2012 de
http://redalyc.uaemex.mx/redalyc/pdf/2750/275020545004.pdf [2012, 8 de marzo]
Murillo, F. J. y Román, M. (2008) La Evaluación Educativa como Derecho Humano . Revista
Iberoamericana de Evaluación Educativa, 1 (1), 1-5.
Navas, M. J. (2012) La medición en el ámbito educativo. Psicología Educativa, 18, 15-28.

Disponible en:
http://www.copmadrid.org/webcopm/publicaciones/educativa/ed2012v18n1a2.pdf [2012, 21
de diciembre]
OCDE (1999) PISA sampling manual, main study version 1. Paris: Autor.
OCDE (2000) Program for international student assessment. Paris: Autor.
OCDE (2005) Informe PISA, Aprender para el mundo del mañana. Madrid: Santillana Educación,
S.L,
OCDE (2008) Measuring Improvements in Learning Outcomes. Best practices to assess the value
added of schools. Paris: Autor Disponible en
:www.sourceoecd.org/educationt/9789264050228
OECD (2010a) Closing the Gap for Immigrant Students: Policies, Practice and Performance. París:
Autor.
OCDE (2010b). PISA 2009 Results; What Students Know and Can Do - Student
Performance in Reading, Mathematics and Science (Volume I). En castellano: Informe PISA
2009: Lo que los estudiantes saben y pueden hacer Rendimiento de los estudiantes en lectura,
matemáticas y ciencias. Paris: Autor. Disponible en :10.1787/9789264174900-es
OCDE (2010c), PISA 2009 Results: Overcoming Social Background – Equity in Learning
Opportunities and Outcomes (Volume II). Paris: Autor. Disponible en:
163
http://dx.doi.org/10.1787/9789264091504-en. En castellano: Informe PISA 2009: Superación

del entorno social - Equidad en las oportunidades y resultados del aprendizaje (Volumen II).
Disponible en: http://dx.doi.org/10.1787/9789264177512-es
OCDE(2010d) Informe PISA 2009: Aprendiendo a aprender Implicación, estrategias y prácticas de
los estudiantes (Volumen III). Paris: Autor Disponible en:
http://dx.doi.org/10.1787/9789264177529-es
OCDE (2010e) Informe PISA 2009: ¿Qué hace que un centro escolar tenga éxito ? - Recursos,
politícas y prácticas (Volumen IV). Paris: Autor. Disponible en:
http://dx.doi.org/10.1787/9789264177536-es
OCDE (2010f) Informe PISA 2009: Tendencias de aprendizaje - Cambios en el rendimiento de los
estudiantes desde 2000 (Volumen V). Paris: Autor. Disponible en:
http://www.keepeek.com/Digital-Asset-Management/oecd/education/informe-pisa-2009
tendencias-de-aprendizaje_9789264177543-es#page1
OCDE (2010g) Informe PISA 2009: Estudiantes en Internet Tecnologías y rendimiento digitales
(Volumen VI). Paris: Autor. Disponible en: http://www.keepeek.com/Digital-Asset
Management/oecd/education/informe-pisa-2009-estudiantes-en-internet_9788468012001
es#page1
OCDE (2010h) The High Cost of Low Educational Performance: The long-run economic impact of
improving PISA outcomes. Paris: Autor. Disponible en:
http://www.oecd.org/pisa/44417824.pdf
OCDE (2011a), Against the Odds: Disadvantaged Students Who Succeed in School. Paris: Autor
Disponible en: . http://dx.doi.org/10.1787/9789264090873-en
OCDE (2011b) PISA in Focus nº 1, ¿La asistencia a educación infantil se traduce en mejores
resultados en el aprendizaje escolar? Paris: Autor. Disponible en
:http://www.mecd.gob.es/dctm/inee/pisa-in
focus/pif1esp19042013.pdf?documentId=0901e72b81631135
OCDE (2011c) PISA in Focus nº 2, Mejorar el rendimiento desde el nivel más bajo. Paris: Autor.
Disponible en: http://www.mecd.gob.es/dctm/ievaluacion/pisa-in-focus/pif2
esp.pdf?documentId=0901e72b81328433
OCDE (2011d) PISA in Focus nº 3, ¿Vale la pena invertir en clases extraescolares? Paris: Autor.
OCDE (2011e) PISA in Focus nº 4, ¿Se ha deteriorado la disciplina en los centros? Paris: Autor.
164
OCDE (2011f) PISA in Focus 5, ¿Cómo algunos estudiantes superan su entorno socioeconómico de
origen? Paris: Autor. Disponible en: http://www.mecd.gob.es/dctm/ievaluacion/pisa-in
focus/pif5-esp.pdf?documentId=0901e72b81328736
OCDE (2011g) PISA in Focus nº 7 Centros privados: ¿A quién benefician? Paris: Autor. Disponible
en:http://www.mecd.gob.es/dctm/ievaluacion/pisa-in-focus/pif7
OCDE (2011h) PISA in Focus nº 8, ¿Leen actualmente los estudiantes por placer? Paris: Autor.
OCDE (2011i) PISA in Focus nº 11, ¿Cómo se están adaptando los sistemas escolares al creciente
número de estudiantes inmigrantes? Paris: Autor. Disponible en:
http://www.mecd.gob.es/dctm/ievaluacion/pisa-in-focus/pisa-in-focus-n11
OCDE (2012a) Education Indicators in Focus nº 1 ¿Cómo ha afectado la crisis económica mundial
a la población en función de su nivel educativo?, Paris: Autor. Disponible en:
http://www.oecd.org/edu/skills-beyond-school/EDIF%202012--N%C2%B01%20ESP.pdf
OCDE (2012b) Education Indicators in Focus nº 3 ¿Cómo progresan las niñas en la escuela – y las
mujeres en el trabajo – en todo el mundo?, Paris: Autor. Disponible en:
http://www.oecd.org/edu/skills-beyond-school/EDIF%202012--N%C2%B03%20ESP.pdf
OCDE (2012c) Education Indicators in Focus nº 4 ¿Qué dimensiones alcanza la desigualdad de
ingresos en el mundo y cómo puede la educación contribuir a su reducción?, Paris: Autor.
Disponible en: http://www.oecd.org/edu/skills-beyond-school/EDIF%202012-
N%C2%B04%20ESP.pdf
OCDE (2012d), Learning beyond Fifteen: Ten Years after PISA, Paris: Autor.
OCDE (2012e) PISA in Focus nº 12, ¿Están preparados los chicos y las chicas para la era digital?
Paris: Autor. Disponible en: http://www.mecd.gob.es/dctm/ievaluacion/pisa-in-focus/pif12-
esp.pdf?documentId=0901e72b813c2170
OCDE (2012f) PISA in Focus nº 13, ¿Se compran con dinero los buenos resultados en PISA? Paris:
Autor. Disponible en: http://www.mecd.gob.es/dctm/ievaluacion/pisa-in-focus/pif13-
esp.pdf?documentId=0901e72b813c2171
OCDE (2012g) PISA in Focus nº 19, ¿Existe realmente la llamada “segunda oportunidad” en
educación? Paris: Autor. Disponible en: http://www.mecd.gob.es/dctm/inee/pisa-in
focus/pisa-in-focus-n19-esp.pdf?documentId=0901e72b81416fcd
165
OCDE (2012h) PISA in Focus nº 20, ¿Tiene el cheque escolar relación con la equidad en
educación? Paris: Autor. Disponible en: http://www.mecd.gob.es/dctm/inee/pisa-in
focus/pisa-in-focus-n20-esp.pdf?documentId=0901e72b8141cb84
OCDE (2012i) PISA in Focus nº 22, ¿Cómo les va a los alumnos inmigrantes de los centros
escolares desfavorecidos? Paris: Autor. Disponible en:
http://www.mecd.gob.es/dctm/inee/pisa-in-focus/pisa-in-focus-n22
esp.pdf?documentId=0901e72b814eafb4
OCDE (2012j) PISA in Focus nº 23, ¿Qué piensan hacer los alumnos después de finalizar la
Educación Secundaria superior? Paris: Autor. Disponible en:
esp.pdf?documentId=0901e72b814eafb3
OCDE (2012k) PISA 2009 Technical Report, PISA, Paris: Autor. Disponible
en:http://dx.doi.org/10.1787/9789264167872-en Tablas descargadas de: OECD, PISA 2009
Database, Table I.2.1. http://dx.doi.org/10.1787/888932343133
OCDE (2013a) Education Indicators in Focus nº 11 ¿Cómo difieren las políticas, los sistemas y la
calidad de la educación infantil entre los países de la OCDE Paris: Autor. Disponible en:
http://www.oecd.org/edu/skills-beyond-school/EDIF%202013--N_11%20(esp).pdf
OCDE (2013b) PISA in Focus nº 24, ¿Qué piensan los estudiantes sobre la escuela? Paris: Autor.
Disponible en: http://www.mecd.gob.es/dctm/inee/pisa-in-focus/pif24
esp.pdf?documentId=0901e72b8164872f
OCDE (2013c) PISA in Focus nº 25, ¿Los países se están dirigiendo a sistemas educativos más
equitativos? Paris: Autor. Disponible en http://www.mecd.gob.es/dctm/inee/pisa-in
focus/pif25-esp.pdf?documentId=0901e72b81648730
OCDE (2013d) PISA in Focus nº 30 ¿Las estrategias de aprendizaje pueden reducir la brecha en el
rendimiento entre los estudiantes favorecidos y desfavorecidos? Paris: Autor. Disponible en:
esp.pdf?documentId=0901e72b8173bf55
OCDE (2013e) PISA in Focus nº 31 ¿Quienes son los académicos talentosos?, Paris: Autor.
Disponible en: http://www.mecd.gob.es/dctm/inee/pisa-in-focus/pisa-in-focus-n31
esp.pdf?documentId=0901e72b8173d7f6
OCDE (2013f) PISA in Focus nº 33 ¿Qué nos dicen los estudiantes inmigrantes sobre la calidad de
los sistemas educativos?, Paris: Autor. Disponible en:
esp.pdf?documentId=0901e72b8176624f
166
OCDE (2014a) PISA in Focus nº 39 ¿Está relacionada la agrupación y selección de estudiantes en

distintos centros educativos con su motivación para aprender?, Paris: Autor. Disponible en:
http://www.mecd.gob.es/dctm/inee/pisa-in-focus/pisa-in-focus-n39-esp-
v3revisado.pdf?documentId=0901e72b81b30571
OCDE (2014b) PISA in Focus nº 40 ¿Llega la educación infantil a aquellos que más la necesitan?,
Paris: Autor. Disponible en: http://www.mecd.gob.es/dctm/inee/pisa-in-focus/pisa-in-focus
n40-esp--v3.pdf?documentId=0901e72b81b30572
OCDE (2014c) PISA in Focus nº 43 ¿Tienen más probabilidades de repetir curso los estudiantes
más desfavorecidos?, Paris: Autor. Disponible en: http://www.mecd.gob.es/dctm/inee/pisa
in-focus/pisa-in-focus-n43-esp--v3.pdf?documentId=0901e72b81b30574
Odendahl, N. V. (2011). Testwise: understanding educational assessment (Vol. 1). R&L Education.
ONU (2009) Informe sobre desarrollo humano 2009. Superando barreras: movilidad y desarrollo
humanos Programa de las Naciones Unidas para el Desarrollo . Disponible en:
http://hdr.undp.org/sites/default/files/hdr_2009_es_complete.pdf
Perassi, Z. (2008). La evaluación en educación: un campo de controversias. San Luis, Argentina:

LAE-Laboratorio de Alternativas Educativas. Disponible en:
http://lae.unsl.edu.ar/Ediciones/Libros_Electronicos/Libro_La_Eval_En_Educacion.pdf
[2014, 4 de mayo]
Pilatti, A., Castillo, D., Martínez, M. V., Acuña, I., Godoy, J. C., y Brussino, S. (2010).
Identificación de patrones de consumo de alcohol en adolescentes mediante análisis de clases
latentes. Quaderns de psicologia. International journal of psychology, 12(1), 59-73.
Plucker, J. A. (2015, August). Advanced Academic Performance: Exploring country-level
differences in the pursuit of educational excellence. Policy Brief, 7, Amsterdam, IEA,
http://www.iea.nl/policy_briefs.html
Portillo, C., Barrios, C., Gutiérrez, M., León, A., Ojeda, Á. y Barrientos, S. (2013) Relación entre el
rendimiento académico y la desnutrición en los niños de 8 a 14 años., 1-7 Revista del Colegio
de Médicos y Cirujanos de Guatemala. Disponible en:
http://www.medicina.usac.edu.gt/encuentro2013/uploads/CONGRESONACIONALMEDIC
OYCIRUJANOS2012/04Rendimientoacademico.pdf [2014, 10 de marzo]
Purves, A. C. 1987. The evolution of the IEA: A memoir. Comparative Education Review, 31(1),
10–28
167
RAFTERY, A.E. (1986). Choosing Models for Cross-Classifications. American Sociological

Review, 51, 145-146.
Reyes, J. (2013) What Maters Most for Students in Contexts of Adversity: A Framework Paper.
Washington, The World Bank,
Rodríguez Izquierdo, R. (2008) Éxito y fracaso escolar en contextos socioculturales interculturales:
el reto de educar a estudiantes de diverso origen lingüístico y cultural: II Congrés anual
sobre fracás escolar (Palma de Mallorca). Disponible en:
http://segundaslenguaseinmigracion.com/ense_anzal2/exitoyfracasoescolar.pdf [2012, 8 de
marzo]
Rondán-Cataluña, F. J., Sánchez-Franco, M. J., y Ramos, Á. F. V. (2007). Análisis de clases latentes
en la relación entre calidad de servicio, satisfacción y confianza con la intención de
recompra. En J.C. Ayala Calvo, Conocimiento, innovación y emprendedores: Camino al
futuro, 2025-2036. La Rioja: Universidad de La Rioja.
Rutkowski, L., Gonzalez, E., von Davier, M., y Zhou, Y. (2013). Assessment Design for
International Large-Scale Assessments. En L. Rutkowski,, M. von Davier, y D.
Rutkowski, Handbook of International Large-Scale Assessment: Background, Technical
Issues, and Methods of Data Analysis, 75-95 CRC Press.
Rutkowski, D., Rutkowski, L., y von Davier, M. (2013). A Brief Introduction to Modern
International Large-Scale Assessment. En L. Rutkowski,, M. von Davier, y D.
Issues, and Methods of Data Analysis, 1-9 CRC Press.
Rutter, M. (2006). Implications of Resilience Concepts for Scientific Understanding. Annals of the
New York Academy of Science, 1094(1), 1-12.
Sánchez Santamaría, J. y Manzanares, A. (2013). Tendencias internacionales sobre equidad

educativa desde la perspectiva del cambio educativo. Revista Electrónica de Investigación
Educativa, 16(1), 12-28. Recuperado de http://redie.uabc.mx/vol16no1/contenido-sanchez
manzanares.html
Scott, J. W. (1986). El género: una categoría útil para el análisis histórico. Historical review, 91,
1053-1075. Disponible en:
http://www.iupuebla.com/tabasco/Maestrias/M_E_GENERO/MA_EGENERO/olamendi/EL
%20GENERO%20UNA%20CATEGORIA%20UTIL%20PARA%20EL%20ANALISIS%20
HISTORICO%5B1%5D.pdf [2014, 4 de mayo]
Schoon, I. (2006). Risk and resilience: Adaptations in changing times. Cambridge University Press.
168
Sepúlveda, R. (2004). Contribuciones al análisis de clases latentes en presencia de dependencia

local. Tesis Doctoral. Departamento de Estadística Aplicada. Universidad de Salamanca,
Salamanca.
Shamatov, S. A. (2010) The impact of standardized testing on education quality in Kyrgzstan: The
case of the Program for International Student Assessment (PISA) 2006. En A. Wiseman, The
Impact of International Achievement Studies on National Education Policymaking:
International Perspectives on Education and Society, 145–180. Bingley: Emerald Publishing
Stephens, N. M. Hamedani , M. G y Destin M. (2015) Closing the Social-Class Achievement Gap:
A Difference-Education Intervention Improves First-Generation Students’ Academic
Performance and All Students’ College Transition, Psychological Science, 1-11
van Barneveld, C., Pharand, S. L., Ruberto, L., & Haggarty, D. (2012). Student Motivation in Large-
Scale Assessments. Improving Large-scale Assessment in Education: Theory, Issues and
Practice, 43,4361.
Velásquez, V. M. (1996). La evaluación como recurso para elevar la calidad de la educación en
México. Revista Iberoamericana de Educación, 10, 197-211. Disponible en:
http://www.rieoei.org/oeivirt/rie10a08.pdf [2014, 12 de marzo]
Vera-Bachmann, D., y López Pérez, M. (2014). Resiliencia Académica: una alternativa a explorar en
la educación de niños y niñas en contextos rurales. Revista Integra Educativa, 7(2), 187-205.
Vermunt, J. K., y Magidson, J. (2002). Latent class cluster analysis. Applied latent class analysis,
11, 89-106.
Vermunt, J. K., y Magidson, J. (2005a). Latent GOLD 4.0 user's guide. Belmont (Mass.): Statistical
Innovations Inc.
Vermunt, J. K., y Magidson, J. (2005b). Technical guide for Latent GOLD 4.0: Basic and advanced.
Belmont (Mass.): Statistical Innovations Inc.
Wagemaker, H. (2013). International Large-Scale Assessments: From Research to Policy. En L.

Rutkowski,, M. von Davier, y D. Rutkowski, Handbook of International Large-Scale
Assessment: Background, Technical Issues, and Methods of Data Analysis, 11-36. CRC
Press.
Weeks, J. P., von Davier, M., y Yamamoto, K. (2013). Design Considerations for the Program for
International Student Assessment. En L. Rutkowski,, M. von Davier, y D.
169

Issues, and Methods of Data Analysis, 259-275. CRC Press.
Weiler, H. (1994) The failure of reform and the macro-politics of education: Notes on a theoretical
challenge. In: Val Rust, Educational Reform in International Perspective, 43–54. Greenwich,
CT: JAI Press.
Wyckoff, P. (2009) Policy and Evidence in a Partisan Age: The Great Disconnect. Washington, DC:
Urban Institute Press
World Bank (2013) RES-Research Manual - Resilience in Education Systems: Research Methods.
Washington, DC. Autor. Disponible en:
https://openknowledge.worldbank.org/handle/10986/17469
Wu, M. (2010). Measurement, sampling, and equating errors in Large‐Scale assessments.
Educational Measurement: Issues and Practice, 29(4), 15-27.
6.4PROGRAMAS UTILIZADOS
Latent Gold 4.5 (2011) Statistical Innovations Inc.
SPSS 15.0. (2009). SPSS Inc. 1989-2009
170
A.ANEXOS
171
ANEXO A.1.DEFINICIONES PISA COMPRENSIÓN LECTORA
Tabla A.1 Distribución de las preguntas de lectura
Preguntas de respuesta
Preguntas de elección
Preguntas de elección
Número de preguntas
construida cerrada
múltiple compleja
construida abierta
múltiple
breve
Distribución de la preguntas por formato del texto
Continuo 81 36 6 4 31 4
Discontinuo 38 10 3 7 12 6
Mixto 7 4 1 0 1 1
Múltiple 5 0 2 2 1 0
Total 131 50 12 13 45 11
Distribución de las preguntas de lectura por aspecto de la tarea lectora

Acceso y recuperación 31 6 3 9 3 10
Integración e interpretación 67 38 6 4 18 1
Reflexión y evaluación 33 8 1 0 24 0
Total 131 52 10 13 45 11
Distribución de las preguntas de lectura por situación

Personal 37 10 2 5 17 3
Pública 35 19 2 2 10 2
Ocupacional 21 4 3 3 10 1
Educativa 38 19 3 3 8 5
Total 131 52 10 13 45 11
Las principales características de las preguntas de lectura –cuya distribución se muestra en

la Tabla A.1- se definen por las siguientes características:
 Situación y contexto
 Uso para el que se ha escrito el texto: personal, público, educativo o laboral.
 Tipo de Texto
 Medio: impreso o digital
 Entorno: de autor o basado en mensajes
 Formato: continuos, discontinuos, mixtos o múltiples
 Tipo de texto: descriptivo, narración, exposición, argumentación, instrucción o
transacción
 Aspecto
172
 Acceso y recuperación, Integración e interpretación, Reflexión y evaluación y

Complejo
La puntuación de lectura, a partir de la cual clasificar a los sujetos, se han tomado los
niveles elaborados por PISA a partir de la variable PV1READ, uno de las cinco variables
compuestas a partir de valores plausibles, valores aleatorios que pueden asignarse
razonablemente a cada individuo. Los valores para cada uno de estos niveles son los indicados
en la Tabla A.2. Se desglosa en la definición (al igual que en las definiciones de las subescalas
indicadas a continuación) el nivel 1 en los subniveles 1ª y 1b, pero no así en el análisis de los
datos, dado que ese nivel de definición no aporta información a este estudio y en múltiples
documentos elaborados por la OCDE tampoco se desglosan.
Para la construcción de las escalas en lectura, PISA sigue las siguientes etapas, que no
construyen un proceso lineal, sino que se realiza en ocasiones la vuelta a un paso anterior para
redefinir las descripciones (OCDE, 2012k):
Etapa 1: Identificación de posibles escalas
Etapa 2: Asignación de los ítems a las escalas
Etapa 3: Auditoria de expertos
Etapa 4: Análisis de los datos de pruebas de campo
Etapa 5: Definición de las dimensiones
Etapa 6: Revisión y refinamiento con los datos
Además, para el establecimiento de las puntuaciones que limitan cada nivel, de los puntos
de corte- teniendo en cuenta que las destrezas evaluadas constituyen un continuo sin cortes
naturales, se tienen en cuenta los siguientes criterios:
- Un estudiante ubicado en un nivel puede acertar al menos el 50% de las preguntas con
la dificultad propia de ese nivel. Esa probabilidad, en ningún caso inferior al 50% aumenta según
sube la posición del estudiante dentro de ese nivel, pero sin llegar a contestar correctamente el
50% de los ítems contenidos en el nivel siguiente.
- Los niveles, aunque con un ligero margen, deben de tener la misma amplitud. De esta
norma quedan excluidos los niveles inferior o superior, que únicamente tienen uno de sus límites
establecidos.
La puntuación en la comprensión lectora ofrece también puntuaciones en diferentes
subescalas en función de la característica del aspecto o del formato del texto. Las siguientes
tablas, tomadas de OCDE (2010b) indican las características de las tareas que componen cada
nivel de lectura en cada una de las subescalas: Acceso a la información y su recuperación (Tabla
173
A.3), Integración e interpretación (Tabla A.4), Reflexión y evaluación (Tabla A.5) para el
aspecto de la tarea y Textos continuos (Tabla A.6) y Textos discontinuos (Tabla A.7) para el
formato del texto.
En la Tabla A.8 se muestra un ejemplo de una pregunta de nivel 5 y 6, los considerados en
este trabajo, y también en la OCDE para el análisis de PISA como alto rendimiento académico,
tomada de OCDE (2010b).
Tabla A.2 Clasificación de los niveles de lectura según la puntuación inicial. Tomado de
OCDE (2010b)
Nivel Valor Valor Características de las Tareas
Inferior Superior
o Igual
1b 262,04 335 Localizar una pieza de información explícita en una posición prominente de un texto
breve, sintácticamente sencillo, con un contexto conocido.
Realizar sencillas conexiones entre piezas de información adyacentes.
1a 335 407,47 Localizar una o más piezas independientes de información explícitamente indicada.
Reconocer el tema principal o propósito del autor de un texto sobre un tema
conocido. Realizar una sencilla conexión entre información en el texto y
conocimientos comunes cotidianos. Considerar a factores relevantes en la tarea y en
el texto, dirigido explícitamente.
2 407,47 480,18 Localizar una o más piezas de información, que deban deducirse. Reconocer la idea
principal del texto, comprender relaciones o analizar el significado dentro de una
parte limitada del texto cuando la información no es prominente. Realizar
comparaciones o varias conexiones entre el texto y conocimientos externos,
recurriendo a experiencias personales.
3 480,18 552,89 Localizar y reconocer la relación entre varias piezas de información que debe cumplir
múltiples condiciones. Integrar varias partes del texto para identificar una idea
principal, comprender la relación o llegar al significado de una palabra o frase. Tener
en cuenta muchos rasgos para comparar, contrastar y categorizar. Realizar
conexiones, comparaciones y explicaciones o evaluar una característica del texto.
Demostrar una fina comprensión del texto en relación con conocimientos familiares y
cotidianos. Recurrir a conocimientos menos comunes.
4 552,89 625,61 Localizar y organizar varias piezas de información poco prominente. Interpretar el
significado de los matices del lenguaje teniendo en cuenta el texto en su conjunto.
Comprender y aplicar categorías dentro de un contexto poco conocido. Utilizar
conocimientos formales o públicos para establecer hipótesis o evaluar críticamente
un texto. Demostrar una comprensión precisa de textos largos o complejos.
5 625,61 698,32 Localizar y organizar varias piezas de información poco prominente y deducir qué
datos son relevantes. Evaluar o realizar una hipótesis crítica, basándose en
conocimientos especializados. Comprender completa y detalladamente un texto cuyo
contenido o formato es poco conocido. Tratar con conceptos contrarios a lo esperado.
6 698,32 Realizar múltiples deducciones, comparaciones y contrastes, detallados y precisos.
Demostración de una compresión plena y detallada de uno o más textos e integrar la
información de más de un texto. Abordar ideas que le son poco familiares. Plantear
hipótesis o evaluar críticamente un texto complejo sobre un tema poco conocido
abordando múltiples perspectivas. Atender minuciosamente a detalles poco aparentes
en los textos
174
Tabla A.3 Definición de los niveles en la subescala Acceso a la información y su

recuperación
Nivel % Estudiantes Características de las tareas
OCDE capaces
de realizar tareas
de este nivel
6 1,4 % Combinar múltiples piezas de información independiente a partir de distintas partes
de un texto mixto, en una secuencia exacta y precisa.
5 9,5 % Localizar y combinar múltiples piezas de información poco prominente, que pueden
encontrarse fuera del cuerpo principal del texto. Superar la fuerte distracción de
información en conflicto.
4 30,4 % Localizar varias piezas de información poco prominente, cada una de las cuales
puede tener que cumplir múltiples criterios. Combinar información verbal y gráfica.
Manejar información en conflicto extensa y prominente.
3 57,9 % Localizar varias piezas de información. Combinar piezas de información dentro de
un texto. Manejar información en conflicto.
2 80,4 % Localizar una o más piezas de información. Manejar algo de información en
conflicto.
1a 93 % Localizar una o más piezas de información explícita que cumple un único criterio,
realizando una asociación literal.
1b 98 % Localizar una única pieza de información explícita en una posición prominente en
un texto sencillo. Realizar sencillas conexiones entre piezas de información
adyacentes.
Tabla A.4 Definición de los niveles en la subescala Integración e Interpretación

OCDE capaces
de realizar tareas
de este nivel
6 1,1 % Realizar múltiples inferencias, comparaciones y contrastes detallados y precisos.
Demostrar una comprensión plena y detallada de todo el texto o secciones. Integrar
información de más de un texto. Manejar ideas abstractas poco familiares, ante
prominente información en conflicto. Generar categorías abstractas para su
interpretación.
5 8,3 % Demostrar una comprensión completa y detallada de un texto. Hallar el sentido de
un lenguaje matizado. Aplicar criterios de ejemplos repartidos por todo el texto con
elevado nivel de inferencias. Generar categorías para describir relaciones entre
partes de un texto. Manejar ideas contrarias a lo esperado.
4 28,4 % Usar inferencias basadas en el texto para comprender y aplicar categorías en un
contexto poco familiar. Manejar ambigüedades e ideas redactadas en negativo.
3 56,6 % Integrar partes de un texto con el fin de identificar la idea principal, comprender
una relación o hallar el sentido de una palabra o frase. Comparar, contrastar o
categorizar teniendo en cuenta muchos criterios. Manejar información en conflicto.
2 80,7 % Identificar la idea principal de un texto, comprender relaciones, formar o aplicar
sencillas categorías.
1a 94,3 % Reconocer el tema principal o la intención del autor en un texto sobre un tema
conocido, cuando la información requerida del texto es prominente.
1b 98,9 % Reconocer una idea sencilla que se refuerza varias veces en el texto o interpretar
una frase en u texto corto sobre un tema conocido.
175
Tabla A.5 Definición de los niveles en la subescala reflexión y evaluación

OCDE capaces
de realizar
tareas de este
nivel
6 1,2 % Establecer hipótesis acerca de un texto complejo sobre un tema desconocido o
evaluarlo críticamente. Generar categorías para evaluar las características del texto
en términos de su idoneidad para un público objetivo
5 8,8 % Establecer hipótesis acerca de un texto. Analizar críticamente y evaluar
inconsistencias potenciales o reales.
4 29,5 % Utilizar conocimiento formal o público para realizar una hipótesis o evaluación
crítica de un texto. Demostrar una comprensión precisa de textos largos o
complejos.
3 57,7 % Establecer conexiones o comparaciones, dar explicaciones o evaluar una
característica de un texto. Demostrar un conocimiento detallado de un texto en
relación con conocimientos familiares o menos comunes.
2 80,7 % Establecer una comparación o conexión entre el texto y conocimientos externos o
explicar una característica del texto basándose en experiencias o actitudes
personales.
1ª 93,5 % Establecer una conexión sencilla entre la información del texto y conocimientos
cotidianos comunes.
1b 98,4 % No se recoge en este nivel esta subescala
Tabla A.6 Definición de los niveles en la subescala Textos continuos

OCDE
capaces de
realizar tareas
de este nivel
6 1% Abordar textos únicos o múltiples que pueden ser largos, densos o tener
significados muy abstractos e implícitos. Relacionar la información de los textos
con ideas múltiples, complejas o no intuitivas.
5 8,2 % Abordar textos cuyo discurso no es evidente ni está claramente marcado, para
discernir la relación de partes específicas del texto con el tema o la intención
implícitos.
4 28,8 % Seguir vínculos lingüísticos o temáticos a lo largo de varios párrafos, a menudo en
ausencia de marcadores claros del discurso, con el fin de localizar, interpretar o
evaluar información poco prominente.
3 57,2 % Utilizar las convenciones de organización de textos, si las hay, y seguir vínculos
lógicos tales como relaciones causa efecto.
2 80,9 % Seguir conexiones lógicas y lingüísticas dentro de un párrafo para localizar o
interpretar información. Sintetizar información de diversos textos o partes de un
texto para deducir la intención del autor.
1ª 94,1 % Utilizar redundancia, encabezamientos de los párrafos o convenciones gráficas
comunes para identificar la idea principal del texto o localizar información
presentada de forma explícita en una sección corta de texto.
1b 98,7% Reconocer información en textos breves y sintácticamente sencillos, con un
contexto y tipo de texto conocidos, e incluir ideas reforzados por imágenes o
ayudas verbales repetidas.
176
Tabla A.7 Definición de los niveles en la subescala Textos discontinuos

OCDE
capaces de
realizar tareas
de este nivel
6 1% Identificar y combinar información de distintas partes de un documento complejo,
en ocasiones recurriendo a características externos como notas de pie. Demostrar
una compresión plena de la estructura del texto y sus implicaciones.
5 8% Identificar patrones entre muchas piezas de información presentadas de una
manera larga y detallada, en ocasiones haciendo referencia a información en un
lugar inesperado del texto o fuera del mismo.
4 28,5 % Repasar un texto largo y detallado para encontrar la información relevante para
localizar varias piezas de información que hay que comparar o combinar.
3 57,3 % Considerar un planteamiento a la luz de un segundo documento o planteamiento
distinto, posiblemente en otro formato, o llegar a conclusiones combinando varias
piezas de información gráfica, verbal y numérica.
2 80,9 % Demostrar una comprensión de la estructura subyacente de una presentación
visual como un sencillo diagrama o tabla.
1ª 93,7 % Centrarse en piezas diferenciadas de información, normalmente dentro de una
única presentación como un mapa sencillo, un gráfico que presenta sólo una
cantidad pequeña de información de una manera directa y en la que la mayoría del
texto se limita a una cantidad pequeña de palabras.
1b 98,5 % Identificar información en un texto breve con una sencilla estructura de lista y en
un formato conocido.
177
Tabla A.8 Ejemplo de pregunta PISA de nivel 5 y 6
LA REPRESENTACIÓN SERÁ LA TRAMPA
La acción se desarrolla en un castillo junto a una TURAI

playa en Italia. Si no la dominas, eres su esclavo. No hay término
60 medio. Créeme, no es fácil empezar bien una obra de
ACTO PRIMERO teatro. Es uno de los problemas más arduos de la
5 Lujoso salón de invitados de un hermoso castillo al puesta en escena. Presentar a los personajes
lado de la playa. Puertas a derecha e izquierda. rápidamente. Fijémonos en esta escena de aquí, con
Mobiliario de salón en medio del escenario: un nosotros tres. Tres caballeros de esmoquin.
sofá, una mesa y dos sillones. Grandes ventanas al 65 Supongamos que no suben al salón de este castillo
fondo. Noche estrellada. El escenario está a señorial, sino a un escenario, justo cuando comienza
10 oscuras. Cuando se levanta el telón, se oye a unos la obra de teatro. Tendrían que hablar sobre toda una
hombres que conversan en voz alta tras la puerta serie de temas sin interés hasta que pudiera saberse
de la izquierda. La puerta se abre y entran tres quiénes somos. ¿No sería mucho más fácil comenzar
caballeros de esmoquin. Uno de ellos enciende la 70 todo esto poniéndonos de pie y presentándonos a
luz inmediatamente. Se dirigen hacia el centro en nosotros mismos? Se levanta. Buenas noches. Los
15 silencio y se sitúan alrededor de la mesa. Se tres estamos invitados en este castillo. Acabamos de
sientan a la vez, Gál en el sillón de la izquierda, llegar del comedor, donde hemos tomado una cena
Turai en el de la derecha y Adám en el sofá del excelente y bebido dos botellas de champán. Mi
medio. Silencio muy largo, casi violento. Se estiran 75 nombre es Sándor Turai, soy autor teatral, llevo
cómodamente. Silencio. Después: escribiendo obras de teatro desde hace treinta años,
20 ésa es mi profesión. Punto y final. Tu turno.
GÁL
¿Por qué estás tan pensativo? GÁL
80 Se levanta. Mi nombre es Gál, también soy autor
TURAI teatral. También escribo obras de teatro en
25 Estoy pensando en lo difícil que es comenzar una colaboración con este caballero aquí presente. Somos
obra de teatro. Presentar a todos los personajes una pareja famosa de autores teatrales. En todos los
principales al inicio, cuando todo empieza. carteles de las buenas comedias y operetas se lee:
85 escrita por Gál y Turai. Naturalmente, ésta es
ÁDÁM también mi profesión.
30 Me imagino que debe de ser complicado.
GÁL y TURAI
TURAI A la vez. Y este joven...
Es endiabladamente complicado. La obra de teatro 90
empieza. El público se queda en ÁDÁM
35 silencio. Los actores salen al escenario y el Se levanta. Este joven es, si me lo permiten, Albert
tormento comienza. Es una eternidad; a veces pasa Ádám, veinticinco años, compositor. Escribí la
hasta un cuarto de hora antes de que el público música de la última opereta de estos dos amables
averigüe quién es quién y qué hace ahí. 95 caballeros. Éste es mi primer trabajo para el teatro.
Estos dos ángeles veteranos me han descubierto y
40 GÁL ahora, con su ayuda, me gustaría hacerme famoso.
¡Sí que tienes una mente peculiar! ¿No puedes Gracias a ellos me han invitado a este castillo,
olvidarte de tu profesión ni siquiera por un gracias a ellos me han hecho el frac y el esmoquin.
momento? 100 En otras palabras, por el momento, soy pobre y
desconocido. Aparte de eso soy huérfano y me crió
45 TURAI mi abuela. Ella ya falleció. Estoy solo en el mundo.
Eso es imposible. No tengo ni nombre, ni fortuna.
GÁL 105 TURAI

No pasa ni media hora sin que te pongas a hablar de Pero eres joven.
50 teatro, actores u obras. Hay más cosas en el mundo.
GÁL
TURAI E inteligente.
No las hay. Soy dramaturgo. Ésa es mi maldición. 110
ÁDÁM
55 GÁL Y estoy enamorado de la solista.
No debes ser esclavo de tu profesión.
TURAI
178
115 No has debido añadir eso. Los espectadores lo

habrían averiguado de todas formas. TURAI
Créeme, no es tan complicado. Piensa en todo ello
Todos se sientan. 130 como en...
120 TURAI GÁL
Y bien, ¿no sería ésta la manera más sencilla de De acuerdo, de acuerdo, de acuerdo, no empieces a
empezar una obra de teatro? hablar de teatro otra vez. Estoy
135 harto de ello. Ya hablaremos mañana, si quieres.
GÁL
125 Si nos permitiesen hacerlo, sería fácil escribir obras
de teatro.
“La representación será la trampa” es el comienzo de una obra de teatro del dramaturgo húngaro Ferenc Molnár.
Utiliza el texto “La representación será la trampa” de las dos páginas anteriores para responder a las siguientes
preguntas. (Fíjate que los números de línea facilitados en el margen del texto te ayudarán a encontrar los fragmentos
a los que se hace referencia en las preguntas).
Pregunta 3: LA REPRESENTACIÓN SERÁ LA TRAMPA
¿Qué estaban haciendo los personajes de la obra de teatro justo antes de que se
levantase el telón?
..............................................................................................................................
LA REPRESENTACIÓN SERÁ LA TRAMPA: Puntuación a la pregunta 3.
FINALIDAD DE LA PREGUNTA:
Localizar y extraer: extraer información.
Encontrar una referencia a una actividad que se desarrolla con anterioridad a los sucesos de una obra de teatro.
Máxima puntuación
Código 1: Se refiere a la cena o a beber champán. Puede parafrasear el texto o citarlo
directamente.
•Acaban de cenar y de tomar champán.

•“Acabamos de llegar del comedor, donde hemos tomado una cena excelente”. [Cita directa]
•“Una cena excelente y hemos bebido dos botellas de champán”. [Cita directa]
•Cena y bebidas.
•Cena.
•Bebían champán.
•Cenaron y bebieron.
•Estaban en el comedor.
Sin puntuación
Código 0: Da una respuesta insuficiente o vaga.
Muestra una comprensión inexacta del material o da una respuesta inverosímil o irrelevante.
•Los tres estamos invitados en este castillo.

•Conversan en voz alta tras la puerta. [Es parte del acto primero, no anterior a él]
•Gracias a ellos le hicieron a Ádám el frac y el esmoquin. [No justo antes de los sucesos del texto]
•Se preparaban para salir al escenario. [Se refiere a los actores más que a los personajes]
•La acción se desarrolla en el interior de un castillo junto a una playa en Italia.
•Hablando de teatro.
Código 9: Sin respuesta
179
ANEXO A.2. DESCRIPCIÓN DE LAS VARIABLES SEGÚN EL
TECHNICAL REPORT 2009 (OCDE, 2012K)
A.2.1. Variables sociodemográficas

La OCDE a través de su programa PISA realiza un gran esfuerzo para homogeneizar “la
puntuación” en estatus socioeconómico a fin de que puedan compartirse los resultados entre las
diferentes regiones.
La concreción de este concepto es vital para las conclusiones que posteriormente vayan a
hallarse. En el ánimo de definir cada vez con mayor exactitud el término de estatus
socioeconómico y cultural, su cálculo y las variables implicadas en él han ido variando. En la
Tabla A.13 encontramos a partir de qué conceptos se hallaba el valor de ESCS en los estudios
del IAE y PISA 2000. En un anális de conglomerados en el que agrupar a estudiantes de alto
rendimiento (y mayor nivel socioeconómico finalmente) por un lado y por otro a los de
rendimiento bajo (y bajos recursos) se obtuvo que las variables con mayor aporte a la definición
de los grupos fueron el nivel escolar de ambos padres, las posesiones y libros en casa (Chaparro,
González y Caso, 2016), resultados que concuerdan con la definición de estatus socioeconómico
y cultura dada por la OCDE.
Por otro lado, también es importante tener en cuenta que el concepto “familia” es variante
entre las distintas sociedades (Buchmann, 2002) y que los problemas derivados por estas
diferencias podrían minimizarse suministrando la definición sobre lo que se le está preguntando
al encuestado. PISA busca la solución a este problema con la siguiente definición:
“Algunas de las siguientes preguntas son acerca de su madre y su padre

(o los que la persona [s] que son como una madre o un padre para ti; por
ejemplo, tutores, padrastros, padres de crianza, etc.). Si usted comparte su
tiempo con más de una pareja de padres o tutores, por favor conteste las
siguientes preguntas para aquellos padres / padrastros / tutores con que pasa
la mayor parte del tiempo.” (OCDE 2000)
El ESCS, variable continua convertida en nueve intervalos para algunos análisis en este
estudio, es calculado por la OCDE a partir de tres subcomponentes, tal y como se muestra en la
Figura A.1:
 la mayor ocupación paterna (HISEI)

180
 la mayor educación paterna expresada como años de formación (PARED)

 las posesiones en el hogar (HOMEPOS).
Ésta variable, a su vez, está compuesta por:
 Número de libros en casa (ST22Q01)
 Salud familiar (WEALTH)
 Posesiones familiares (CULTPOS)
 Recursos educativos (HEDRES)
Mayor ocupación paterna (HISEI)
Mayor educación paterna expresada como

años de formación (PARED)
Posesiones en el hogar Número de libros en

(HOMEPOS) casa (ST22Q01)
Posesiones ST20Q07
familiares ST20Q08
ESCS
(CULTPOS) ST20Q09
Recursos educativos ST20Q01 ST20Q03

(HEDRES) ST20Q04 ST20Q05
ST20Q10 ST20Q11
Salud familiar ST20Q02 ST20Q06

(WEALTH) ST20Q12 ST20Q13
ST20Q14 ST20Q15
ST20Q16 ST20Q17
ST21Q01 ST21Q02
ST21Q03 ST21Q04
ST21Q05
Figura A.1 Composición del índice ESCS
Estos tres índices (WEALTH, CULTPOS y HEDRES) se calculan a partir de las

respuestas a las preguntas:
 12 variables de respuesta dicotómica sobre la posesión en la casa de
 Un escritorio para estudiar (ST20Q01)
 Un dormitorio propio (ST20Q02)
 Un lugar tranquilo para estudiar (ST20Q03)
 Un ordenador para hacer trabajos escolares (ST20Q04)
 Software educativo (ST20Q05)
 Acceso a Internet (ST20Q06)
181
 Literatura clásica (ST20Q07)

 Libros de poesía (ST20Q08)
 Obras de Arte (ST20Q09)
 Libros que ayuden en los trabajos escolares (ST20Q10)
 Libros técnicos de referencia (ST20Q11)
 Diccionario (ST20Q12)
 Lavavajillas (ST20Q13)
 Reproductor de DVD (ST20Q14)
 La posesión de varios objetos en función de cada país (ST20Q15, ST20Q16 y
ST20Q17)
 5 variables de respuesta numérica
 Número de teléfonos móviles (ST21Q01)
 Número de televisiones (ST21Q02)
 Número de ordenadores (ST21Q03)
 Número de coches (ST21Q04)
 Número de habitaciones con baño o ducha (ST21Q05)
Cuando sólo dos de las tres variables tenían valores, siendo el otro perdido, éste se
calculaba a partir de un valor estimado aleatoriamente a partir de la regresión de las otras dos
variables. Cuando dos variables tenían valores perdidos, se considera como perdido también el
valor en ESCS.

Índice de tres valores calculado a partir del país de nacimiento del estudiante
(ST11Q01) y de los padres (ST11Q02 y ST11Q03):
 Nativo: estudiante que ha nacido en el país en que se produce la evaluación y también
sus padres
 Inmigrante de 2ª generación: estudiante nacido en el país en que se produce la
evaluación y alguno de sus padres ha nacido en otro país
 Inmigrante de 1ª generación: estudiante nacido en otro país, así como sus padres.
Grado (ST01Q01)
182
Variable que indica el curso del estudiante, en una clasificación internacional para evitar
confusión entre los países. Los grados se encuentran a partir del 7º, lo que implica haber
finalizado la educación primaria.
En Japón todos los estudiantes están en el 10º grado.
Sexo (ST04Q01)
Variable que indica el sexo del estudiante: hombre o mujer.

Las escuelas se diferencian entre públicas o privadas según la toma de decisiones. Así,
diferencian tres tipos de escuelas:
 Escuelas públicas controladas y gestionadas por la autoridad educativa
 Escuelas privadas dependientes y financiadas principalmente (más del 50%) por la
autoridad educativa y controladas por una organización no gubernamental.
 Escuelas privadas independientes de la autoridad educativa, de la que reciben menos del
50% de su financiación y controladas por una organización no gubernamental.
No hay valores de esta variable para Francia.
A.2.2. Otras variables

Esta variable de respuesta dicotómica indica si el estudiante recibe clases extraescolares
con el fin de mejorar el conocimiento de la lengua examinada, ya sea en la escuela, en casa o en
cualquier otro sitio.

Esta variable de respuesta dicotómica indica si el estudiante recibe clases extraescolares
con el fin de corregir el conocimiento de la lengua examinada, ya sea en la escuela, en casa o en
cualquier otro sitio.

Esta variable indica el número de horas dedicadas a las clases extraordinarias de lenguaje
183
A.2.3. Índices

“Las estrategias de control suponen formular preguntas de control sobre el objetivo de
una tarea o un texto y sus conceptos principales. También significa supervisar uno mismo las
actividades de estudio actuales, en concreto si se ha comprendido el material de lectura” (OCDE,
2010d, p.49).
El índice para conocer las estrategias de control que utiliza el estudiante es realizado a
partir de las preguntas relacionadas con la conducta a la hora de estudiar:
 Averiguar lo que exactamente tiene que aprender (ST27Q02)
 Comprobar si se ha entendido lo que se ha leído (ST27Q06)
 Averiguar qué conceptos no se han entendido (ST27Q09)
 Asegurarse que se recuerdan los puntos más importantes (ST27Q11)
 Buscar información adicional cuando no se entiende algo (ST27Q13)
Las opciones de respuesta a estas preguntas son: casi nunca, a veces, a menudo y casi
siempre.

El índice sobre el clima de disciplina se calcula a partir de preguntas sobre la frecuencia
(nunca o casi nunca, en algunas clases, en la mayoría de las clases y en casi todas las clases) en
que suceden las siguientes situaciones:
 Los estudiantes no escuchan lo que dice el profesor (ST36Q01)
 Hay ruido y desorden (ST36Q02)
 El profesor tiene que esperar mucho tiempo hasta que los estudiantes se callen
(ST36Q03)
 Los estudiantes no pueden trabajar bien (ST36Q04)
 Los estudiantes no empiezan a trabajar hasta pasado un largo tiempo después de haber
comenzado la clase (ST36Q05)

Este índice se realiza a partir de las respuestas a cerca del acuerdo (totalmente en
desacuerdo, en desacuerdo, de acuerdo y totalmente de acuerdo) con las siguientes afirmaciones:
 Leo sólo si tengo que hacerlo (ST24Q01)
 Leer es uno de mis aficiones favoritas (ST24Q02)
 Me gusta hablar de libros con la gente (ST24Q03)
 Me cuesta terminar los libros (ST24Q04)
184
 Me alegra recibir un libro como regalo (ST24Q05)

 La lectura es una pérdida de tiempo (ST24Q06)
 Me gusta ir a una librería o biblioteca (ST24Q07)
 Leo sólo para conseguir la información que necesito (ST24Q08)
 No puedo quedarme quieto y leer durante más de unos minutos (ST24Q09)
 Me gusta expresar mi opinión sobre los libros que he leído (ST24Q10)
 Me gusta cambiar libros con mis amigos (ST24Q11)

El índice que evalúa el uso del resumen como técnica metacognitiva se evalúa a partir de
la sensación de utilidad del 1 (nada útil) al 6 (muy útil) de las siguientes actividades en el
estudio:
A. Puedo comprobar que cada párrafo está cubierto en el resumen, porque el contenido
de cada párrafo se debe incluir (ST42Q01)
B. Trato de copiar literalmente tantas frases como sea posible (ST42Q02)
C. Antes de escribir un resumen leo el texto tantas veces como sea posible (ST42Q03)
D. Reviso con cuidado que los aspectos más importantes están incluidos en el resumen
(ST42Q04)
E. Cuando leo voy subrayando las frases más importantes, luego escribo un resumen uso
mis propias palabras (ST42Q05)
A diferencia de otros índices, éste y el siguiente de esta lista (entendimiento y memoria)

se calculan a partir de las comparaciones entre parejas de ítems. Estas parejas de ítems se han
construido a partir de la valoración de la efectividad de las distintas estrategias representadas en
cada ítem. La puntuación, posteriormente normalizada a una distribución N(0,1), en estos índices
se interpreta como la proporción de pares cuyo orden asignado por el estudiante es compatible
con el orden asignado por los expertos.
Para el cálculo de esta variable se han establecido nueve pares de comparaciones, de
modo que la puntuación se calculará cómo la proporción, respecto a las nueve comparaciones, en
las que se cumple la regla, tal y como se indica en la Tabla A.9.
185
La puntuación es mayor que la
otorgada al ítem otorgada al ítem
C A
C B
C F
D A
D B
D F
E A
E B
E F
Tabla A.9 Comparaciones de respuestas para el cálculo de METASUM

El índice que evalúa el entendimiento y la memoria como técnicas metacognitivas se
evalúa a partir de la sensación de utilidad del 1 (nada útil) al 6 (muy útil) de las siguientes
actividades en el estudio:
A. Me concentro en las partes del texto que son fáciles de entender (ST41Q01)
B. Leo rápidamente en texto dos veces (ST41Q02)
C. Después de leer el texto comento su contenido con otras personas (ST41Q03)
D. Subrayo las partes importantes del texto (ST41Q04)
E. Cuando escribo un resumen uso mis propias palabras (ST41Q05)
F. Leo el texto en voz alta a otra persona (ST41Q06)
Para el cálculo de esta variable, tal y como se ha explicado para la variable anterior, se
han establecido seis pares de comparaciones, de modo que la puntuación se calculará cómo la
proporción, respecto a las seis comparaciones, en las que se cumple la regla, tal y como se indica
en la Tabla A.12.
La puntuación es mayor que la
otorgada al ítem otorgada al ítem
D A
D C
E A
E C
A B
C B
Tabla A.10 Comparaciones de respuestas para el cálculo de UNDREM

El índice sobre la lectura on-line se realizó sobre las frecuencias con las que el estudiante
realiza las siguientes actividades:
186
 Leer correos electrónicos (ST26Q01)

 Chatear (ST26Q02)
 Leer la prensa por Internet (ST26Q03)
 Usar diccionarios o enciclopedias por Internet (ST26Q04)
 Buscar por la red información sobre algún tema particular (ST26Q05)
 Formar parte de grupos de discusiones o foros online (ST26Q06)
 Buscar información práctica (ST26Q07)
Las opciones de respuesta a estas preguntas son: No sé qué es eso, nunca o casi nunca,
varias veces al mes, varias veces a la semana y varias veces al día.

El Índice de la diversidad en la lectura se calcula a partir de la frecuencia indicada (nunca
o casi nuca, pocas veces al año, una vez al año, una vez al mes, varias veces al mes o varias
veces a la semana) de lectura de los siguientes materiales: revistas (ST25Q01), cómics
(ST25Q02), ficción (ST25Q03), no ficción (ST25Q04) y prensa (ST25Q05).
La Tabla A.11 muestra la fiabilidad α que ofrece el Technical Report (OCDE, 2012k)
para cada uno de los países para los índices de escala construidos desde una distribución normal.
187
ONLNREAD
DISCLIMA
JOYREAD
DIVREAD
CSTRAT
MEMOR
ESCS
Australia 0,59 0,76 0,84 0,90 0,93 0,77 0,55
Brasil 0,74 0,62 0,72 0,78 0,85 0,86 0,60
Bulgaria 0,68 0,71 0,76 0,85 0,86 0,87 0,61
Canadá 0,59 0,76 0,82 0,87 0,93 0,78 0,58
China Taipei 0,66 0,78 0,83 0,87 0,88 0,79 0,66
Croacia 0,67 0,63 0,72 0,88 0,89 0,85 0,53
Eslovenia 0,70 0,66 0,75 0,91 0,90 0,79 0,56
España 0,71 0,72 0,74 0,88 0,89 0,76 0,49
Estonia 0,60 0,63 0,69 0,89 0,90 0,77 0,50
Finlandia 0,58 0,69 0,79 0,89 0,93 0,76 0,53
Francia 0,65 0,59 0,75 0,87 0,91 0,76 0,54
Grecia 0,71 0,68 0,73 0,76 0,87 0,84 0,46
Hungría 0,76 0,67 0,70 0,88 0,90 0,83 0,62
Israel 0,62 0,73 0,75 0,88 0,89 0,78 0,65
Japón 0,57 0,70 0,77 0,84 0,89 0,75 0,47
Corea 0,65 0,73 0,82 0,84 0,88 0,69 0,61
Macao 0,65 0,62 0,73 0,81 0,86 0,75 0,53
México 0,80 0,65 0,74 0,78 0,84 0,84 0,59
Nueva Zelanda 0,60 0,74 0,82 0,89 0,92 0,78 0,57
Polonia 0,75 0,62 0,73 0,88 0,89 0,86 0,60
Portugal 0,78 0,69 0,82 0,88 0,90 0,79 0,51
Rep Checa 0,62 0,69 0,74 0,89 0,90 0,81 0,52
Rusia 0,70 0,56 0,69 0,88 0,86 0,89 0,56
Shanghai 0,75 0,64 0,72 0,85 0,84 0,82 0,56
Singapure 0,68 0,74 0,76 0,87 0,90 0,80 0,60
Trinidad y Tobago 0,63 0,68 0,73 0,85 0,86 0,86 0,63
Turquía 0,76 0,67 0,74 0,84 0,84 0,87 0,58
Reino Unido 0,60 0,70 0,76 0,90 0,92 0,76 0,54
Uruguay 0,80 0,65 0,75 0,86 0,87 0,85 0,67
Estados Unidos 0,69 0,76 0,82 0,88 0,92 0,80 0,59
Media OCDE 0,68 0,68 0,75 0,87 0,89 0,80 0,56
Tabla A.11 Fiabilidad de los índices de escala (OCDE, 2012k)
188
ANEXO A.3.SELECCIÓN DEL MODELO
A.3.1. Análisis de Variables Latentes
Recoge la RAE, en la 22ª edición de su diccionario que “latente” es aquello “oculto,

escondido o aparentemente inactivo”. Por ello, una variable latente sería la construida a partir de
las variables o mediciones observadas. Es a partir de esta construcción cuando se “desocultaría”
ese constructo desde el cual poder analizar correlaciones, relaciones entre otras variables,
latentes o manifiestas. Con esta variable latente estaría creándose “un concepto consistente no
sólo desde el punto de vista estadístico sino también desde la perspectiva de la teoría
correspondiente” (Muro González, 2007, p.3).
El análisis de las variables latentes surge con Lazarsfeld y Henry (1968) a partir del
análisis de variables dicotómicas. Más adelante, Goodman (1978) desarrollo e impulsó el cálculo
de los parámetros en las variables latentes. La utilidad del análisis de clases latentes radica
precisamente en la capacidad de construir clusters que nos permiten discernir cuáles son los
factores importantes, o determinantes, de un fenómeno dado. Estos análisis parten de la hipótesis
de que es posible discernir variables a partir de las correlaciones entre otras variables observadas
o indicadoras, y que éstas pueden ser relevantes o no en función del constructo buscado. Estas
variables indicadores deben cumplir una serie de supuestos, entre ellos el de independencia local.
Esta propiedad indica que dos variables observadas son independientes entre sí. Es decir, no
están directamente relacionadas. Su relación se da a través de la variable latente. Si este criterio
no se diera, la variable latente se estaría calculando a partir de información redundante. Otro
supuesto es la homogeneidad interna respecto a las clases latentes, por el que los miembros de
una misma clase “tiene la misma distribución de probabilidades con respecto a la variable
latente” (Araya, 2011, p. 8).
Los modelos de clases latentes presuponen que “la población de individuos se divide en
un determinado número de clases latentes excluyentes y exhaustivas, tantas como categorías
tenga la variable latente, de forma que cada individuo pertenece única y exclusivamente a una
clase latente.” (Sepúlveda, 2004, p. 8). Esto diferencia los modelos de clases latentes del análisis
factorial, dado que las variables halladas en este tipo de análisis no son categóricas sino
continuas.
La aplicación del Modelo de Clases Latentes en las ciencias sociales es relativamente
reciente con uso en diversos ámbitos como los perfiles del consumidor (Rondán-Cataluña,
Sánchez-Franco y Ramos, Á, 2007), los patrones de consumo de alcohol (Pilatti et al., 2010), el
189
estudio del rendimiento deportivo (Martínez y Martínez, 2013), o los trastornos alimentarios
(Keel et al, 2004).
Vermunt y Magidson (2002) plantean como razón del aumento de la popularidad de esta
herramienta estadística la alta velocidad de los ordenadores, vinculada a la existencia de varios
softwares de estimación de MLC. También destacan la facilidad para manejar variables de
distintas escalas y a la ausencia de criterios formales para el elección del número de grupos.
Distefano y Mindrila (2013) señalan que el análisis de clusters es identificar los grupos
subyacentes en un conjunto amplio de datos cuando no se conoce el número inicial de grupos.
Para estos grupos puede tratarse de forma similar a los sujetos de cada grupo. Plantean que en un
comienzo puede usarse para inferir acerca de la similitud de los casos y que en un nivel superior
pueden realizarse, tras un análisis exploratorio, las hipótesis de antecedentes que contribuyen a la
estructura del grupo.
A continuación se explica, brevemente, el Modelo de Clases Latentes, tomado del
expuesto en la tesis doctoral de Sepúlveda (2004) a partir de Lazarsfeld (1950).
Teniendo p variables observadas, X1, X2,…. Xp –dicotómicas o politómicas-, quiere
hallarse la variables latente Y, con C categorías. Su representación básica es:
X1 X2 … Xp-1 Xp
C (6)
 X ( x)    X ,Y ( x, c)
c 1
o
C (7)
 X ( x)    X ,Y ( c ) ( x)
c 1
C p
   Y (c)  Xi|Y ( c ) ( xi) (8)
c 1 i 1
con las siguientes restricciones:
190

c1
Y (c)  1 (9)
Ii

X i 1
X i |Y (c) (xi )  1;i  1,......., p;c  1,......,C (10)
Entonces, tenemos que:
 Y (c)  P(Y  c) es la probabilidad a priori de una clase latente c.
 Y |X ( x) (c)  P(Y  c | X  x) es la probabilidad de pertenecer a la clase latente c dado un
patrón de respuestas x, o probabilidad modal o a posteriori, con una frecuencia observada de f x .
 Xi!Y (c)  P( X  x | Y  c) es la probabilidad condicionada de un patrón de respuesta

dada la clase latente c.
Las probabilidades condicionadas de las variables observadas son, como ya se ha dicho,
independientes entre sí. Además, dentro de cada variable, cada individuo pertenece a una
categoría, y sólo a una. La proporción de individuos correctamente clasificados es P.
f x   Y | X ( x) (c*) (11)
P x
Clogg (1981) propone una modificación de P, asociación λ, que indica la mejora al

asignar la variable latente a partir de la distribución conjunta de las variables manifiestas.
P   y (c*)
 (12)
1   y (c*)
donde  y (c*) es la probabilidad de la clase latente con probabilidad mayor.
Cuanto mayor sean P y λ mayor es la intensidad entre Y y X.

Con el modelo expresado en la fórmula (7) la función de verosimilitud para n individuos:
 
n n C p (13)
    X x h ,  Y (c),  X iY (c) (xih )    Y (c)  X i !Y (c) (xih )
h 1 h 1 c 1 i 1
Se maximiza el logaritmo de  bajo las restricciones de (9) y (10)

n  C 
l   log   Y (c)  X i |Y (c)  xih  (14)
h1  c1 
Sustituyendo las respuestas a las variables manifiestas por un sector, obtenemos como
estimadores para las probabilidades a posteriori
p Ii
 
 Y (c)  ic (s) x (s) i
(15)

 Y |X ( x) (c)  C
i1 s1
p Ii
c  1,....,C
 
 (c)  ic (s) 
i
x (s)
Y
c1 i1 s1
Para poder hallar estimadores de máxima verosimilitud con datos faltantes o latentes se
utiliza el algoritmo EM, de procedimiento iterativo basado en el cálculo del valor Esperado en el
que se estima la clase a la que pertenece el sujeto a partir de la probabilidad a posteriori (15) –
paso E- y en el proceso de Maximización usando todos los datos como observados para mejorar
la estimación –paso M-.
En este análisis se usa el estadístico L2 que en estos modelos resulta más eficaz que
Pearson porque permite buscar un mejor ajuste al descomponerse en sus diferentes componentes
(Caldito, Caldera, Mayo y Dios, 2002).
A la hora de seleccionar un modelo frente a otro, tiene un papel principal la información
que aporta cada modelo y la sencillez de los mismos, medida en su número de parámetros. El
Criterio de Información Bayesiano (BIC) (Raftery, 1986) se calcula a partir del logaritmo de la
función de verosimilitud, l, el número de parámetros independientes (m) y el tamaño muestral.
BIC  2 ln()  m  ln(n) (16)
Este índice es el más recomendable cuando se trata de analizar muestras grandes, dado
que otros estadísticos tienden a rechazar ciertos modelos con muestras numerosas (Araya,
2011).
Para este estudio se ha utilizado el software LatentGold, paquete estadístico
exclusivamente para entorno Windows, que permite trabajar tanto con distribución multivariada
como con datos mixtos y resulta flexible respecto a la estructura especificada acerca de la matriz
de covarianzas (Vermunt y Magidson, 2002).
ANEXO A.4. SELECCIÓN DE PAÍSES
Tabla A.12 Valores medios por país según las variables usadas para la selección.
Inmigración Resilientes Lectura
media
OCDE % Nivel nº % Nivel IDH puntuación OCDE Muestra
Australia Sí 19,86 Alto 63 0,44 Medio Muy Alto 515 Mayor 14251
Brasil No 0,79 Bajo 22 0,11 Bajo Alto 412 Menor 20127
Bulgaria No 0,65 Bajo 11 0,24 Medio Alto 429 Menor 4507
Canadá Sí 15,86 Alto 109 0,47 Alto Muy Alto 524 Mayor 23207
China Taipei No 0,37 Bajo 53 0,91 Alto Medio 495 Igual 5831
Croacia No 10,79 Medio 14 0,28 Medio Alto 476 Menor 4994
República Checa Sí 2,66 Medio 34 0,56 Alto Muy Alto 478 Menor 6064
Estonia Sí 7,95 Medio 21 0,44 Medio Alto 501 Mayor 4727
Finlandia Sí 2,26 Medio 33 0,57 Alto Muy Alto 536 Mayor 5810
Francia Sí 12,86 Alto 0,91 Alto Muy Alto 496 Igual 4298
Grecia Sí 7,95 Medio 23 0,46 Alto Muy Alto 483 Menor 4969
Hungría Sí 2,08 Bajo39 21 0,46 Medio Alto 494 Igual 4605
Israel Sí 19,35 Alto 26 0,45 Medio Muy Alto 474 Menor 5761
Japón Sí 0,28 Bajo 104 1,71 Alto Muy Alto 520 Mayor 6088
Corea Sí 0,02 Bajo 107 2,14 Alto Muy Alto 539 Mayor 4989
Macao-China No 70,43 Alto 73 1,23 Alto Medio 487 Menor 5952
México Sí 1,40 Bajo 22 0,06 Bajo Alto 425 Menor 38250
Nueva Zelanda Sí 25,22 Alto 1,25 Alto Muy Alto 521 Mayor 4643
Polonia Sí 0,02 Bajo 67 1,36 Alto Alto 500 Mayor 4917
Portugal Sí 5,45 Medio58 47 0,75 Alto Muy Alto 489 Igual 6298
Rusia No 11,65 Alto 16 0,30 Medio Alto 459 Menor 5308
Shanghái-China No 0,55 Bajo 288 5,63 Alto Medio 556 Mayor 5115
Singapur No 14,75 Alto 151 2,86 Alto Muy Alto 526 Mayor 5283
Eslovenia Sí 8,30 Medio 20 0,32 Medio Muy Alto 483 Menor 6155
España Sí 8,76 Medio 178 0,69 Alto Muy Alto 481 Menor 25887
Trinidad y Tobago No 2,81 Medio 23 0,48 Alto Alto 416 Menor 4778
Turquía Sí 0,51 Bajo 21 0,42 Medio Alto 464 Menor 4996
Reino Unido Sí 6,35 Medio 51 0,42 Medio Muy Alto 494 Igual 12179
Estados Unidos Sí 19,25 Alto 23 0,44 Medio Muy Alto 500 Igual 5233
Uruguay No 0,51 Bajo 11 0,18 Medio Alto 426 Menor 5957
193
ANEXO A.5. SELECCIÓN DE VARIABLES

A.5.1. Estatus Socioeconómico Cultural (ESCS)
Tabla A.13 Medición ESCS en estudios internacionales. Fuente: Buchmann (2002)
Estudios Estatus socioeconómico Estructura Familiar Recursos educativos Participación de los Padres Capital cultural Minorías y estatus residencial
1er Estudio Educación Paterna
Internacional Educación Materna
Matemáticas Ocupación Paterna
(IEA 1967) Sit laboral materna
1er Estudio Educación Paterna Número de hermanos Diccionario Ayuda con los deberes
Internacional Educación Materna Orden de Nacimiento Libros Verificación de ortografía
de Ciencias Ocupación Paterna del estudiante Prensa Diaria Fomento de la lectura
(IEA 1973) Preguntas sobre la escuela
2º Estudio Educación Paterna Ábaco Ayuda con los deberes Lenguaje en el hogar
Internacional Educación Materna Regla de cálculo Percepciones de los padres
de Ocupación Paterna Calculadora 4 funciones de las matemáticas
Matemáticas Ocup Materna Calculadora científica
(IEA 1985) Calculadora programable
Ordenador
2º Estudio Educación Paterna Número de hermanos Diccionario Nº de años en el país
internacional Educación Materna Orden de Nacimiento Libros Lenguaje en el hogar
de ciencia Ocupación Paterna del estudiante País de nacimiento del
(IEA 1987) estudiante, padre y madre
Ocup Materna
3er Estudio Educación Paterna Número de personas Diccionario Frecuencia de lectura de País de nacimiento
Internacional en el hogar libros,
de Educación Materna Libros visitas a museos, Edad al entrar al país
Matemáticas Posesiones en el Calculadora asistencia a conciertos, Lenguaje en el hogar
y Ciencias hogar Ordenador asistencia al teatro,
(IEA 1995) Escritorio asistencia al cine,
ver televisión educativa
PISA (OCDE Educación Paterna Número de hermanos Diccionario Ayuda con los deberes Frecuencia en año anterior de País de nacimiento
2000) Educación Materna Orden de Nacimiento Libros Participación de Padres visitas a museos, Lenguaje en el hogar
Ocupación Paterna Número de personas Calculadora Tiempo de conversación asistencia a conciertos,
Ocup Materna en el hogar Libros de Texto Principal comida juntos asistencia al teatro,
Posesiones en el Escritorio Discutir sobre temas asistencia al cine,
hogar Lugar tranquilo de estudiar sociales, políticos y asistencia de evento deportivo
Internet culturales
Software educativo
Ordenador
Instrumento Musical
194
Tabla A.14 Distribución de ESCS por países

-5 -4 -3 -2 -1 0 1 2 3 Total
Australia 0 0 10 93 1960 6033 5133 686 18 13933
Bulgaria 0 0 51 238 1320 1543 1028 224 3 4407
Brasil 0 2 3214 5196 5553 3984 1823 142 1 19915
Canadá 0 1 11 213 2663 8501 9099 2062 66 22616
República Checa 0 0 3 68 1436 2944 1415 159 1 6026
España 0 1 249 2998 7649 8087 5417 1217 16 25634
Estonia 0 0 2 48 979 1968 1514 189 3 4703
Finlandia 0 0 5 65 651 2306 2398 346 5 5776
Francia 0 0 25 178 1184 1873 872 93 2 4227
Reino Unido 0 0 14 142 2257 5410 3595 509 9 11936
Grecia 0 0 14 272 1271 1705 1355 327 5 4949
Croacia 0 0 19 290 1568 2007 893 207 3 4987
Hungría 0 0 19 280 1469 1630 985 201 5 4589
Israel 0 0 76 215 1213 2369 1633 88 2 5596
Japón 0 0 2 84 1552 2807 1462 77 0 5984
Corea 0 0 10 246 1362 2191 1090 83 0 4982
Macao-China 0 0 85 978 2607 1742 468 63 0 5943
México 1 11 5981 10652 9263 7243 4483 453 4 38091
Nueva Zelanda 0 0 6 100 916 2108 1292 129 2 4553
Polonia 0 0 9 220 1899 1642 895 202 3 4870
Portugal 0 0 33 968 2035 1712 918 584 22 6272
Shanghái-China 0 1 97 819 1672 1482 953 89 0 5113
Rusia 0 0 3 168 1846 2008 1209 49 1 5284
Singapur 0 0 50 499 1732 2396 564 23 0 5264
Eslovenia 0 0 8 224 1850 2325 1426 251 2 6086
Taipéi chino 0 1 21 432 1839 2549 913 52 1 5808
Trinidad y Tobago 0 0 139 566 1698 1620 574 44 1 4642
Turquía 0 1 646 1494 1400 903 450 72 1 4967
Uruguay 0 0 320 1530 1752 1202 788 295 6 5893
Estados Unidos 0 0 16 201 1024 2062 1555 326 6 5190
Total 1 18 11138 29477 65620 86352 56200 9242 188 258236
195
Tabla A.15 Prueba T para ESCS

Lectura
Corr de Medio- Lectura Sig
Pearson1 Sig Bajo DT Alto DT T2 (bilateral)
Total 30 país 0,4283 <.001 -0,38 1,14 0,57 0,82 -137,50 <.001
Australia 0,25 0,75 0,79 0,65 -31,30 <.001
Brasil -1,20 1,20 0,59 0,94 -24,56 <.001
Bulgaria -0,13 0,98 0,75 0,76 -12,74 <.001
Canadá 0,41 0,81 0,90 0,76 -29,87 <.001
China Taipei -0,33 0,82 0,28 0,78 -12,72 <.001
Croacia -0,21 0,90 0,53 0,79 -10,20 <.001
Rep. Checa -0,03 0,73 0,53 0,66 -17,06 <.001
Estonia 0,15 0,79 0,66 0,71 -11,69 <.001
Finlandia 0,37 0,79 0,72 0,67 -13,24 <.001
Francia -0,18 0,83 0,48 0,70 -17,81 <.001
Grecia -0,01 0,98 0,71 0,83 -14,08 <.001
Hungría -0,22 0,93 0,77 0,78 -20,59 <.001
Israel -0,06 0,89 0,56 0,63 -19,09 <.001
Japón -0,06 0,72 0,30 0,66 -14,41 <.001
Corea -0,19 0,81 0,28 0,75 -14,76 <.001
Macao-China -0,71 0,86 -0,29 1,00 -5,31 <.001
México -1,16 1,28 0,38 0,99 -17,64 <.001
N Zelanda 0,00 0,76 0,56 0,69 -20,14 <.001
Polonia -0,28 0,89 0,49 0,92 -16,06 <.001
Portugal -0,35 1,15 0,71 1,15 -15,13 <.001
Rusia -0,19 0,79 0,57 0,62 -15,80 <.001
Shanghái Ch -0,61 1,02 0,06 0,97 -18,70 <.001
Singapur -0,51 0,79 0,08 0,69 -21,70 <.001
Eslovenia -0,08 0,87 0,62 0,82 -9,85 <.001
España -0,28 1,05 0,48 0,93 -25,29 <.001
TTO -0,58 0,94 0,22 0,88 -8,89 <.001
Turquía -1,19 1,19 0,25 1,07 -11,35 <.001
EEUU 0,08 0,90 0,87 0,75 -21,34 <.001
Reino Unido 0,13 0,77 0,74 0,70 -25,45 <.001
Uruguay -0,77 1,23 0,79 0,97 -14,99 <.001
1
Correlación con la puntuación en lectura (PV1READ) y la variable ESCS sin modificar
2
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable ESCS sin modificar
196
Tabla A.16 ANOVA para ESCS
gl Inter- gl Intra
-4 -3 -2 -1 0 1 2 3 F3 Sig grupos grupos Eta2
Total 30 país 342,36 367 386,28 419,18 454,06 489,34 527,58 551,33 537,25 6733,7 <.001 8 258227 0,173
(.) (97,73) (78,79) (85,19) (90,85) (92,02) (89,52) (85,5) (104,69)
Australia 399,67 405,43 455,23 495,59 543,86 571,52 525,55 324,23 <.001 6 13926 0,123
(115,85) (100,51) (94,22) (92,98) (92,15) (90,04) (94,15)
Brasil -5 216,06 371,31 388,02 400,88 420,81 476,55 544,11 314,31 378,43 <.001 7 19907 0,117
(56,73) (74,72) (77,24) (83,76) (90,43) (95,7) (88,51) (.)
Bulgaria 269,77 329,82 395,18 433,21 490,28 514,84 378,43 169,2 <.001 6 4400 0,187
(82,72) (88,91) (100,1) (106,43) (103,87) (96,41) (247,9)
Canadá 314,55 441,49 446,91 477,91 498,13 528,48 560,01 557,81 232,96 <.001 7 22608 0,067
(.) (89,35) (95,89) (89,36) (88,88) (89,33) (91,47) (102,21)
China Taipei 336,59 420,96 447,05 475,47 508,04 540,51 567,1 613,1 94,16 <.001 7 5800 0,102
(.) (66,59) (82,02) (83,39) (79,44) (82,15) (96,24) (.)
Croacia 377,82 412,17 456,33 479,29 510,56 534,97 552,87 90,99 <.001 6 4980 0,099
(95,06) (85,93) (81,06) (84,88) (84,47) (76,37) (108,97)
Rep. Checa 334,13 404,28 446,72 496,5 545,21 571,04 546,39 174,84 <.001 6 6019 0,148
(66,24) (86,63) (89) (91,94) (87,75) (75,02) (.)
Estonia 364,29 467,04 477,78 494,28 527,34 545,48 536,64 56,489 <.001 6 4696 0,067
(22,16) (84,83) (78) (78,86) (80,37) (71,14) (16,14)
Finlandia 401,64 461,94 497,28 518,12 551,8 558,13 528,06 67,138 <.001 6 5769 0,065
(129,22) (91,46) (82,33) (85,8) (82,19) (77,47) (83,57)
Francia 372,05 413,69 460,62 504,14 555,82 581,64 477,53 126,17 <.001 6 4220 0,152
(98,06) (95,73) (97,55) (98,95) (87,51) (71,6) (328,22)
Grecia 417,69 433,29 454,07 485,23 518,05 543,69 481,96 100,4 <.001 6 4942 0,109
(81,36) (83,3) (90,72) (87,72) (85,91) (81,22) (52,41)
Hungría 347,01 407,87 471,09 502,69 550 579,14 540,52 222,25 <.001 6 4582 0,225
(55,61) (78,76) (76,07) (79,34) (73,54) (66,4) (82,75)
Israel 395,63 396,64 433,94 484,62 526,61 501,4 501,18 135,01 <.001 6 5589 0,127
(98,69) (94,33) (100,83) (101,15) (99,91) (122,43) (178,57)
Japón 334,3 450,28 488,59 526,62 556,56 556,36 94,304 <.001 5 5978 0,073
(122,17) (111,37) (95,55) (94,62) (88,04) (88,89)
Corea 491,74 486,17 517,68 545,17 571,24 587,6 100,69 <.001 5 4976 0,092
(69,89) (82,15) (76,46) (71,44) (72,2) (67,26)
3
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable ESCS convertida a intervalos
197
Tabla A.16 ANOVA para ESCS (cont.)
gl Inter- gl Intra
-4 -3 -2 -1 0 1 2 3 F4 Sig grupos grupos Eta2
Macao-China 458,18 470,43 486,19 493,15 499,45 523,62 19,751 <.001 5 5937 0,016
(70,56) (72,76) (73,68) (78) (80,36) (91,31)
México 342,36 377,56 391,29

415,45 432,52 455,32 482,14 499,8 419,63 697,32 <.001 8 38082 0,128
(.) (65,88) (74,54) (73,47) (74,09) (73,83) (71,25) (67,73) (62,38)
-5
N Zelanda 376,83
419,41 483,06 517,64 570,15 611,23 611,93 128,26 <.001 6 4546 0,145
(35,74) (92,61) (96,32) (94,2) (87,82) (81,53) (22,17)
Polonia 402,53
440,07 479,12 511,66 554,84 572,33 433,44 139,39 <.001 6 4863 0,147
(67,25) (82,1) (83,43) (80,89) (76,59) (81,24) (150,57)
Portugal 401,07
444,8 470,23 499,02 519,03 554,9 579,93 174,24 <.001 6 6265 0,143
(82,6) (81,85) (82,78) (79,63) (74,08) (70,51) (60,73)
Rusia 375,71
405,58 436,62 464,41 505,92 502,8 447,07 96,976 <.001 6 5277 0,099
(29,79) (78,98) (80,88) (86,03) (88,62) (86,85) (.)
Shanghái Ch 619,85 478,97

518,9 543,62 567,4 595,26 608,55 114,27 <.001 6 5106 0,118
(.) (78,81) (78,86) (75,53) (75,98) (70,24) (64,28)
Singapur 430,39

459,17 495,98 543,57 587,8 609,14 180,87 <.001 5 5258 0,147
(92,75) (90,23) (91,15) (88,85) (88,49) (75,47)

Eslovenia 328,68
386,32 428,65 459,76 498,84 523,31 338,31 144,46 <.001 6 6079 0,125
(85,08) (76,74) (84,97) (86,13) (87,39) (83,19) (40,55)

España 350,06 381,5 438,37 465,64 492,27 523,86 537,68 513,02 494,9 <.001 7 25626 0,119
(.) (96,1) (89) (85,12) (83,15) (78,71) (75,34) (84,15)
TTO 350,87
378,06 400,43 435,63 490,88 504,43 597,61 84,799 <.001 6 4635 0,099
(99,51) (107,79) (108,21) (109,67) (105,29) (97,88) (.)

Turquía 399,68 414,61

446,31 468,78 495,29 533,78 546,43 586,25 152,04 <.001 7 4959 0,177
(.) (75,49) (70,18) (74,14) (74,74) (68,72) (66,01) (.)

EEUU 437,66
443,23 454,64 485,67 535,14 575,98 571,25 152,59 <.001 6 5183 0,150
(100,97)
(76,46) (87,66) (88,89) (89,25) (77,2) (187,07)
Reino Unido 410,14
419 (94) 450,36 485,3 530,46 559,41 535,06 269,15 <.001 6 11929 0,119
(113,4)
(88,28) (88,33) (88,17) (85,3) (66,52)
Uruguay 358,55
379,5 413,92 448,41 486,56 522,86 523,02 246,06 <.001 6 5886 0,201
(85,43) (86,62) (87,51) (89,67) (89,49) (81,19) (88,41)

4
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable ESCS convertida a intervalos
198
Tabla A.17 Valores resumen de ESCS en España

ESCS Frecuencias Media Lectura
-3 -2 -1 0 1 2 3 -4 -3 -2 -1 0 1 2 3
Andalucía 1,56 20,13 32,01 25,89 15,79 4,55 0,07 380,14 427,12 450,96 479,6 516,2 528,64 604,27
(91,88) (89,34) (82,68) (79,22) (70,63) (72,4) (.)
Aragón 0,60 8,51 31,18 31,58 22,47 5,65 369,25 458,11 479,71 496,93 532,85 545,48
-4 (80,04) (83,64) (79,85) (81,1) (75,91) (67,2)
Asturias 0,39 10,32 32 30,62 21,62 5,06 357,72 443,6 467,42 500,75 535,04 554,39
(67,3) (92,56) (90,21) (82,64) (82,57) (79,2)
Islas Baleares 1,04 11,13 31,11 33,12 18,02 5,43 0,14 381,05 414,61 453,04 470,18 494,92 511,27 477,22
(88,04) (90,35) (85,1) (85,9) (83,55) (77,68) (43,86)
País Vasco 0,02 0,30 7,31 26,75 34,94 26,81 3,81 0,06 350,06 420,05 459,79 474,95 495,41 521,87 542,53 546,56
(.) (110,24) (83,66) (80,72) (78,3) (75,26) (74,78) (170,33)
Islas Canarias 1,83 19,68 34,01 28,46 13,56 2,39 0,07 413,9 422,43 441,84 469,59 490,6 509,37 525,72
(86,32) (84,63) (89,84) (85,23) (84,66) (88,88) (.)
Cantabria 0,46 10,68 28,91 33,09 21,22 5,50 0,13 376,75 445,88 466,54 495,74 531,35 527,56 505,04
(64,05) (88,8) (83,78) (82,29) (78,99) (74,54) (34,91)
Castilla y León 0,60 9,51 29,34 32,27 22,69 5,52 0,07 399,94 457,06 483,68 512,71 542,45 544,61 556,41
(142,77) (77,62) (80,21) (80,97) (74,43) (65,92) (.)
Cataluña 0,80 10,97 29,63 32,46 21,93 4,21 430,26 456,81 482,66 508,68 530,9 554,48
(101,85) (85,45) (78,98) (78,67) (64,06) (64,06)
Ceuta y Melilla 4,98 20 24,68 29,14 17,32 3,79 0,07 340,62 365,48 386,92 437,84 481,66 475,74 414,11
(84,81) (92,62) (92,82) (98,69) (94,98) (98,44) (.)
Galicia 0,76 14,27 31,71 31,52 18,52 3,23 449,79 457,04 472,75 494,73 517,45 528,65
(70,84) (86,03) (86,23) (80,17) (81,47) (86,53)
La Rioja 0,78 9,55 32,71 31,85 20,97 4,07 0,08 324,36 450,37 475,23 507,57 542,33 566,75 459,09
(67,22) (91,9) (84,66) (86,08) (79,43) (65,29) (.)
Madrid 0,35 8,65 27,96 32,53 23,25 7,20 0,07 397,38 460,61 476,38 505,3 543,24 555,96 602,77
(110,35) (75,77) (83,24) (74,9) (75,85) (72,31) (.)
Murcia 1,45 16,44 31,42 28,52 15,98 6,12 0,08 399,88 448,02 473,98 492,52 523,47 537,36 522,7 (.)
(103,88) (74,33) (69,67) (74,59) (67,94) (64,78)
Navarra 0,87 8,98 32,35 30,61 22,77 4,29 0,13 389 458,64 471,77 503,43 534,5 548,06 459,57
(91,92) (70,43) (78,54) (80,94) (73,4) (59,68) (45,24)
No Adjudicados 0,50 12,55 27,45 28,70 21,61 9,19 432,53 442,6 452,72 476,72 507,94 532,91
(161,43) (80) (73,61) (80,35) (77,25) (68,73)
España 0 0,97 11,70 29,84 31,55 21,13 4,75 0,06 350,06 381,5 438,37 465,64 492,25 523,86 537,68 513,02
(.) (96,1) (89) (85,12) (83,15) (78,71) (75,34) (84,14)
199
A.5.2. Resultado Académico en Lectura
Tabla A.18 Distribución del rendimiento académico en intervalos por países, en frecuencias absolutas
0 1 2 3 4 5 6
Australia 192 2097 2994 4013 3296 1396 263
Brasil 954 9719 5563 2803 919 159 10
Bulgaria 401 1425 1049 980 524 116 12
Canadá 145 2993 5120 6963 5546 2069 371
Shanghái-China 4 211 674 1428 1824 856 118
Taipéi chino 40 819 1409 1995 1270 263 35
Croacia 49 1063 1387 1505 833 154 3
República Checa 41 1122 1426 1586 1352 495 42
Estonia 10 567 1236 1608 1022 253 31
Finlandia 13 489 1043 1799 1697 687 82
Francia 99 725 894 1184 988 355 53
Grecia 48 903 1323 1470 941 252 32
Hungría 16 667 1137 1470 1028 275 12
Israel 198 1269 1283 1498 1068 384 61
Japón 70 719 1059 1731 1689 713 107
Corea 7 249 764 1687 1624 603 55
Macao-China 20 853 1821 2098 1000 157 3
México 766 13141 13674 8503 2036 128 2
Nueva Zelanda 38 605 859 1239 1144 631 127
Polonia 28 633 1197 1535 1133 352 39
Portugal 39 1065 1663 2017 1234 273 7
Rusia 72 1319 1668 1450 623 159 17
Singapur 25 661 997 1480 1329 656 135
Eslovenia 94 1768 1714 1564 861 145 9
España 343 4533 6501 8607 4887 965 51
Trinidad y Tobago 474 1598 1227 915 454 100 10
Turquía 32 1115 1641 1481 638 87 2
Reino Unido 120 2157 3051 3548 2349 835 119
Estados Unidos 28 905 1290 1478 1063 410 59
Uruguay 323 2242 1663 1169 470 84 6
Total 30 países 4689 57632 67327 70804 44842 14012 1873
200
Tabla A.19 Distribución del rendimiento académico en intervalos, en frecuencias absolutas, en España
0 1 2 3 4 5 6 Total
Andalucía 22 313 403 484 176 18 0 1416
Aragón 5 202 359 549 339 59 1 1514
Asturias 17 238 371 487 348 74 1 1536
Islas Baleares 33 313 476 438 190 13 0 1463
País Vasco 16 635 1222 1749 994 146 6 4768
Islas Canarias 27 418 415 416 155 17 0 1448
Cantabria 7 249 383 514 314 48 1 1516
Castilla y León 7 162 346 559 364 77 0 1515
Cataluña 6 151 322 519 343 40 0 1381
Ceuta y Melilla 93 556 323 278 114 5 1 1370
Galicia 12 254 406 543 330 40 0 1585
La Rioja 13 193 269 427 319 63 4 1288
Madrid 9 177 325 514 353 73 2 1453
Murcia 4 213 386 471 223 24 0 1321
Navarra 3 210 394 509 335 51 2 1504
No Adjudicados 2 151 238 275 128 14 1 809
España 276 4435 6638 8732 5025 762 19 25887
201
A.5.3. Estatus Migratorio (IMMIG)

Tabla A.20 Prueba T para Estatus Migratorio
Lectura Lectura
C Pearson5 Sig Medio-Bajo DT Alto DT t6 sig
Total 30 países 0,002 0,331 1,124 0,43 1,152 0,48 -7,08 <.001
Australia 1,286 0,63 1,357 0,68 -4,039 <.001
Brasil 1,011 0,13 1 0,00 11,74 <.001
Bulgaria 1,01 0,13 1 0,00 0,883 0,38
Canadá 1,226 0,56 1,266 0,61 -3,062 0,00
China Taipei 1,005 0,09 1,003 0,06 0,359 0,72
Croacia 1,144 0,44 1,115 0,42 0,828 0,41
República Checa 1,039 0,24 1,024 0,19 1,644 0,10
Estonia 1,091 0,31 1,018 0,16 7,043 <.001
Finlandia 1,037 0,25 1,022 0,19 1,885 0,06
Francia 1,169 0,45 1,069 0,31 5,832 <.001
Grecia 1,136 0,47 1,028 0,19 8,26 <.001
Hungría 1,032 0,23 1,038 0,24 -0,482 0,63
Israel 1,267 0,58 1,228 0,53 1,489 0,14
Japón 1,004 0,08 1,005 0,10 -0,215 0,83
Corea 1 0,02 1 0,00 0,392 0,70
Macao-China 1,857 0,66 1,95 0,67 -1,776 0,08
México 1,023 0,20 1 0,00 22,07 <.001
Nueva Zelanda 1,425 0,77 1,426 0,78 -0,045 0,96
Polonia 1 0,03 1 0,00 0,296 0,77
Portugal 1,086 0,37 1,046 0,27 2,34 0,02
Rusia 1,166 0,48 1,137 0,48 0,775 0,44
Shanghái-China 1,011 0,14 1,008 0,13 0,505 0,61
Singapur 1,246 0,62 1,254 0,61 -0,322 0,75
Eslovenia 1,101 0,35 1,032 0,18 4,532 <.001
España 1,168 0,54 1,049 0,30 11,78 <.001
Trinidad y Tobago 1,041 0,26 1,165 0,54 -2,408 0,02
Turquía 1,006 0,09 1,011 0,11 -0,493 0,62
Estados Unidos 1,262 0,57 1,193 0,51 2,531 0,01
Reino Unido 1,099 0,40 1,076 0,34 1,94 0,05
Uruguay 1,008 0,11 1,033 0,23 -1,036 0,30
5
Correlación con la puntuación en lectura (PV1READ) y la variable IMMIG sin modificar
6
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable IMMIG sin modificar
202
Tabla A.21 ANOVA para Estatus Migratorio

Medias en Lectura (DT)
gl Inter- gl Intra- Eta
Nativo 2ª gen 1ª gen F7 Sig grupos grupos cuadrado
Total 30 países 479,3 488,1 475,5 55,07 <.001 2 255379 0
(97,67) (95,48) (106,1)
Australia 508,2 526,3 513,5 21,83 <.001 2 13952 0
(98,63) (97,21) (104,18)
Brasil 407,4 329,7 331,7 59,2 <.001 2 19387 0,01
(87,65) (67,86) (72,51)
Bulgaria 434,3 333,1 367,4 7,61 <.001 2 4327 0
(112,76) (98,87) (113,03)
Canadá 513,6 519,2 513,8 3,313 0,04 2 22401 0
(91,75) (90,22) (100,41)
China Taipei 499,6 492,9 406,8 5,391 <.001 2 5748 0
(85,02) (87,94) (99,18)
Croacia 477,9 466,8 455,7 7,782 <.001 2 4939 0
(87,22) (86,93) (89,74)
República Checa 497,6 474 491 2,919 0,05 2 6001 0
(96,94) (109,58) (95,38)
Estonia 506,6 470 469,2 35,08 <.001 2 4663 0,01
(81,36) (75,55) (89,15)
Finlandia 532,7 496 458,6 30,95 <.001 2 5751 0,01
(85,95) (83,99) (106,36)
Francia 506,1 452,2 428,4 82,59 <.001 2 4252 0,04
(102,26) (104,24) (115,07)
Grecia 491,6 464,1 427,7 63 <.001 2 4902 0,03
(90,81) (97,14) (87,86)
Hungría 499,8 531 500,2 2,844 0,06 2 4564 0
(86,43) (77,67) (79,85)
Israel 482,7 491,6 468,3 5,882 <.001 2 5526 0
(107,91) (98,56) (109,49)
Japón 522,5 464,6 474 2,509 0,08 2 6058 0
(97,51) (132,38) (157,44)
Corea 541,9 432,5 (.) 2,058 0,15 1 4937 0
(76,28)
7
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable IMMIG sin modificar
203
Tabla A.21 ANOVA para Estatus Migratorio (cont.)
gl Inter gl Intra Eta

Nativo 2ª gen 1ª gen F8 Sig grupos grupos cuadrado
Macao-China 482,3 488,7 491,5
(78,06) (74,68) (74,04) 5,802 <.001 2 5874 0
México 435,1 355,1 336,6
(76,99) (78,96) (80,46) 368,7 <.001 2 37344 0,02
Nueva Zelanda 528 503,1 522,4
(98,55) (103,99) (105,21) 10,5 <.001 2 4569 0
Polonia 506,8
(87,52) 556,1 (.) 0,317 0,57 1 4833 0
Portugal 491,2 478,8 458,4
(85,25) (82,27) (81,8) 14,61 <.001 2 6202 0
Rusia 466 439,7 452,3
(88,11) (86,2) (92,87) 16,8 <.001 2 5189 0,01
Shanghái-China 557,1 502,3 476,6
(79,17) (35,75) (117,25) 13,22 <.001 2 5065 0,01
Singapur 524,3 540,9 515,2
(96,14) (101,67) (100,06) 5,963 <.001 2 5205 0
Eslovenia 463,2 427,9 392,4
(90,65) (85,92) (91,5) 55,89 <.001 2 6044 0,02
España 491,4 442,1 432,3
(86,74) (92,27) (87,62) 450,5 <.001 2 25412 0,03
Trinidad y Tobago 423,1 426 468,9
(111,27) (127,56) (142,3) 5,916 <.001 2 4483 0
Turquía 468,1 502,6 486,8
(79,4) (80,18) (116,86) 1,952 0,14 2 4860 0
Estados Unidos 503,4 482 481
(94,54) (90,76) (100,29) 21,13 <.001 2 5104 0,01
Reino Unido 496,1 495,1 458,5
(92,85) (97,51) (102,86) 31,29 <.001 2 11872 0,01
Uruguay 424,7 362,5 453,4
(97,55) (163,77) (139,36) 3,356 0,03 2 5830 0
8
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable IMMIG sin modificar
204
Tabla A.22 Valores resumen de Estatus Migratorio en España
Frencuencias Medias en Lectura (DT)

2ª 1ª 2ª 1ª
Nativo generación generación Nativo generación generación
Andalucía 94,58 0,57 4,85 469 474 412
(85,99) (96,38) (96,4)
Aragón 88,75 0,67 10,58 506 515 433
(80,38) (71,09) (75,81)
Asturias 95,12 0,53 4,36 497 500 430
(91,75) (89,09) (79,77)
Islas Baleares 84,66 2,20 13,14 471 459 433
(85,21) (95,72) (100,11)
País Vasco 95,33 0,34 4,33 500 450 430
(79,82) (71,16) (80,6)
Islas Canarias 88,57 1,92 9,51 455 449 443
(90,54) (80,87) (91,12)
Cantabria 93,17 0,47 6,36 495 455 449
(86,58) (56,33) (80,13)
Castilla y León 95,06 0,47 4,47 511 496 424
(81,03) (59,18) (95,64)
Cataluña 89,67 1,62 8,71 510 473 421
(74,49) (92,99) (93,89)
Ceuta y Melilla 89,15 7,16 3,69 422 387 342
(102,14) (88,75) (127,44)
Galicia 95,96 0,90 3,15 491 464 437
(84,94) (68,91) (72,96)
La Rioja 87,48 0,95 11,57 511 469 425
(85,78) (71,37) (87,12)
Madrid 83,52 1,82 14,66 516 467 455
(81,7) (85,69) (75,91)
Murcia 88,12 0,93 10,96 493 455 431
(74,32) (103,31) (76,63)
Navarra 88,30 0,67 11,03 503 496 450
(80,82) (70,18) (77,75)
No Adjudicados 91,42 0,63 7,94 485 414 412
(79,07) (69,36) (83,62)
España 91,24 1,22 7,54 491 442 432
(86,74) (92,27) (87,62)
205
A.5.4. Grado (ST01Q01)

Tabla A.23 Prueba T Grado
Lectura Lectura
C Pearson9 Sig Medio-Bajo DT Alto DT t10 sig
Total 30 países 0,323 <.001 9,637 0,77 9,963 0,63 -62,25 <.001
Australia 10,04 0,54 10,2 0,52 -11,44 <.001
Brasil 9,072 0,94 9,959 0,53 -21,56 <.001
Bulgaria 8,934 0,42 9,039 0,23 -4,93 <.001
Canadá 9,859 0,40 9,98 0,31 -17,46 <.001
China Taipei 9,669 0,47 9,826 0,39 -6,682 <.001
Croacia 9,212 0,01 9,452 0,04 -5,956 <.001
República Checa 9,387 0,59 9,685 0,47 -13,71 <.001
Estonia 8,749 0,49 8,944 0,43 -7,271 <.001
Finlandia 8,872 0,36 8,96 0,34 -6,604 <.001
Francia 9,547 0,68 10,11 0,50 -20,76 <.001
Grecia 9,949 0,28 9,993 0,08 -6,839 <.001
Hungría 9,165 0,54 9,429 0,54 -8,049 <.001
Israel 9,822 0,40 9,944 0,30 -8,036 <.001
Japón 10 0,00 10 0,00
Corea 9,941 0,27 9,959 0,23 -1,88 0.06
Macao-China 9,055 0,93 9,731 0,53 -15,37 <.001
México 9,665 0,63 9,969 0,37 -9,282 <.001
Nueva Zelanda 10,98 0,34 11,08 0,32 -7,74 <.001
Polonia 8,952 0,26 9,015 0,12 -8,705 <.001
Portugal 9,47 0,77 9,95 0,30 -23,2 <.001
Rusia 9,198 0,66 9,415 0,61 -4,313 <.001
Shanghái-China 9,479 0,66 9,677 0,49 -10,52 <.001
Singapur 9,542 0,62 9,714 0,46 -9,158 <.001
Eslovenia 10,04 0,23 10,12 0,33 -3,091 <.001
España 9,578 0,66 9,985 0,18 -58,04 <.001
Trinidad y Tobago 9,541 0,89 10,17 0,54 -11,91 <.001
Turquía 9,729 0,60 9,91 0,54 -3,145 <.001
Estados Unidos 10,07 0,56 10,27 0,49 -8,191 <.001
Reino Unido 10,98 0,24 11,01 0,27 -3,775 <.001
Uruguay 9,408 0,97 10,14 0,35 -18,71 <.001
9
Correlación con la puntuación en lectura (PV1READ) y la variable Grado sin modificar
10
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable Grado sin modificar
206
Tabla A.24 ANOVA para Grado

gl
Inter gl Intra Eta
8 9 10 11 12 13 F11 Sig grupos grupos cuadrado
Total 30 países 331,4 380,4 457,9 495,8 506,5 553,8
(87,66) (92,78) (97,86) (89,99) (97,17) (92,93) 549,6 5888 <.001 6 260692 0,119
Australia 259,8 353 464,5 509 533,4 588,5
(.) (105,6) (103,1) (98,98) (97,07) (112,2) 103,6 <.001 5 14245 0,035
Brasil 7 318,9 348,4 397,6 453 470,1
(70,12) (69,71) (77,34) (80,73) (82,64) 1670 <.001 4 20122 0,249
Bulgaria 263,2 297,8 442,4 430,2
(88,03) (107,3) (108,3) (105,5) 233,3 <.001 3 4503 0,135
Canadá 314,6 376,1 471,5 517,7 570,4 605
(64,21) (91,95) (94,97) (90,69) (93,94) (91,06) 234,2 <.001 5 23201 0,048
China Taipei 353,6 486,4 503,7 843,8
(70,66) (87,12) (84,99) (.) 29,37 <.001 3 5827 0,015
Croacia 362,4 466,6 507,7
(270,7) (87,63) (81,08) 98,9 <.001 2 4991 0,038
República Checa 314,9 372,7 483 522,5
(68,86) (79,48) (91,56) (92,76) 268,3 <.001 3 6060 0,117
Estonia 354,9 471,8 513,7 561,5 670,1
(58,82) (80,92) (77,21) (77,32) (.) 127,3 <.001 4 4722 0,097
Finlandia 392,5 490,1 536,6 612,6
(93,22) (90,97) (84,03) (104,8) 83,52 <.001 3 5806 0,041
Francia 529,7 379,7 417,6 544,8 572,3 539,9
(101,7) (90,36) (89,16) (76,69) (111) (108,5) 506,9 <.001 5 4292 0,371
Grecia 345,7 350,9 399,5 490,5
(63,07) (98,18) (94,51) (90,32) 81,19 <.001 3 4965 0,047
Hungría 343,6 393 496,2 531,8 579,9 639,1
(52,5) (75,06) (82,93) (78,25) (79,56) (.) 132,5 <.001 5 4599 0,126
Israel 348,4 443,5 484,8 471,5 635,7
(91,81) (106,5) (109,6) (174,9) (.) 34,83 <.001 4 5756 0,024
Japón 521,7
(98,26)
Corea 288,3 525,2 542,1 550,5
(179,6) (83,52) (76,42) (72,53) 12,09 <.001 3 4985 0,007
11
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable Grado sin modificar
207
Tabla A.24 ANOVA para Grado (cont.)

7 8 9 10 11 12 13 F12 Sig grupos grupos cuadrado
Macao-China 388,6 440,5 488,4 523,6 552,8
(63,62) (63,41) (66,73) (63,91) (71,61) 567,3 <.001 4 5947 0,276
México 317,5 343 395,9 449,9 479 491,7
(77,43) (75,3) (77,96) (69,75) (75,29) (.) 1518 <.001 5 38207 0,166
Nueva Zelanda 430,6 467,1 524,1 567 549,6
(.) (101,5) (100,4) (97,54) (.) 32,99 <.001 4 4638 0,028
Polonia 342,8 387,9 510,1 579,5
(72,66) (78) (84,9) (63,23) 157,1 <.001 3 4913 0,088
Portugal 365,5 403,9 461,2 530,3 593,1
(62,51) (63,78) (66,56) (66,38) (48,93) 747,6 <.001 4 5850 0,338
Rusia 350,7 422 456,6 487,2 534,1
(95,1) (84,3) (86,43) (86,8) (84,62) 92,83 <.001 4 5303 0,065
Shanghái-China 448,6 478,8 552,7 565,7 542 638,9
(80,91) (81,4) (75,64) (78,18) (87,82) (.) 71,56 <.001 5 5109 0,065
Singapur 421,8 426 515,5 533,7 590,9
(64) (93,49) (94,96) (95,96) (.) (.) 66,53 <.001 4 5278 0,048
Eslovenia 324,2 418,8 455,8 503
(.) (64,84) (92,2) (86,13) 29,41 <.001 3 6151 0,014
España 386,3 371,8 431,3 517,3 615,7
(115) (77,43) (76,18) (72,77) (102,3) 2953 <.001 4 25882 0,313
Trinidad y Tobago 245,3 287,6 372,9 456,9 504,1
(85,51) (99,24) (94,52) (93,15) (86,49) 614 <.001 4 4773 0,34
Turquía 298,2 337,7 429,5 483,6 500,1 490,8
(50,9) (63,82) (78,62) (71,33) (73,24) (57,44) 206 <.001 5 4990 0,171
Estados Unidos 390 414,4 503,2 523,3 564,4
(43,22) (86,8) (91,38) (90,59) (101,2) 145,3 <.001 4 5228 0,1
Reino Unido 475 492,2 540,7
(99,14) (94,71) (86,29) 41,11 <.001 2 12176 0,007
Uruguay 291,4 336,5 379,1 465,4 503
(79,67) (70,19) (74,47) (80,35) (78,95) 891,4 <.001 4 5952 0,375
12
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable Grado sin modificar
208
Tabla A.25 Valores resumen de Grado en España

Grado. Frecuencias Media Lectura (DT)
7 8 9 10 11 7 8 9 10 11
Andalucía 235,65 357,16 426,02 426,02
0,21 11,51 26,91 61,37 (39,64) (81,54) (74,78) (67,23)
Aragón 375,36 400,05 446,58 446,58
0,13 9,38 25,23 65,26 (138,83) (76,93) (69,08) (65,89)
Asturias 371,94 367,44 433,44 433,44 578,15
0,13 8,46 20,38 70,96 0,07 (49,67) (82,54) (79,52) (75,82) (.)
Islas Baleares 372,31 357,95 419,98 419,98
0,14 12,03 23,99 63,84 (66,04) (71,19) (78,31) (73,37)
País Vasco 387,05 431,32 431,32 590,02
0,02 4,36 16,63 78,94 0,04 631,93 (.) (75,19) (73,25) (71,88) (180,59)
Islas Canarias 309,98 360,13 412,99 412,99
0,21 13,19 28,38 58,22 (141,4) (72,04) (78,62) (74,79)
Cantabria 419,69 382,38 445,32 445,32 685,64
0,40 8,77 25,66 65,04 0,13 (112) (69,55) (73,96) (72,77) (182,53)
Castilla y León 387,79 403,21 457,42 457,42 620,31
0,20 10,23 22,90 66,47 0,20 (196,61) (78,72) (66,79) (67,04) (74,19)
Cataluña 355,82 436,24 436,24 594,27
0,07 1,96 17,16 80,74 0,07 593,08 (.) (71,01) (71,72) (72,13) (.)
Ceuta y Melilla 372 320,84 364,3 364,3
0,15 15,55 30,51 53,80 (7,19) (79,66) (83,97) (87,9)
Galicia 458,39 376,46 439,07 439,07
0,25 10,47 24,98 64,29 (95,87) (75,34) (69,37) (67,4)
La Rioja 328,1 372,54 441,44 441,44
0,16 9,24 24,38 66,23 (89) (71,65) (75,48) (68,67)
Madrid 369,85 394,05 455,02 455,02
0,14 10,25 25,26 64,35 (32,9) (73,95) (68,5) (65,08)
Murcia 383,92 376,21 440,25 440,25 560,54
0,30 8,40 24,07 67,07 0,15 (43,39) (56,01) (66,58) (62,21) (120,7)
Navarra 389,5 436,47 436,47 682,93
5,05 20,88 74 0,07 (77,45) (67,83) (71,49) (.)
No Adjudicados 364,45 431,56 431,56
9,52 25,34 65,14 (58,15) (60,73) (67,44)
España 386,26 371,8 431,33 431,33 615,72
0,14 8,64 22,93 68,24 0,05 (115,05) (77,43) (76,18) (72,77) (102,31)
209
A.5.5. Sexo (ST04Q01)

Tabla A.26 Valores resumen de Sexo
Corr Lectura
Pearson Medio- Lectura
13
Sig Bajo DT Alto DT T14 Sig
Total 30 países -0,17 <.001 1,5 0,500 1,35 0,477 38,4 <.001
Australia 1,51 0,500 1,38 0,484 10,4 <.001
Brasil 1,45 0,498 1,36 0,480 2,64 0,01
Bulgaria 1,5 0,500 1,24 0,430 6,71 <.001
Canadá 1,51 0,500 1,36 0,481 13,9 <.001
China Taipei 1,51 0,500 1,3 0,458 7,72 <.001
Croacia 1,54 0,498 1,25 0,433 8,27 <.001
República Checa 1,54 0,499 1,28 0,452 12,2 <.001
Estonia 1,53 0,499 1,29 0,452 8,74 <.001
Finlandia 1,53 0,499 1,27 0,444 14,7 <.001
Francia 1,5 0,500 1,37 0,482 5,28 <.001
Grecia 1,49 0,500 1,33 0,473 5,52 <.001
Hungría 1,51 0,500 1,32 0,469 6,47 <.001
Israel 1,47 0,499 1,38 0,485 3,71 <.001
Japón 1,53 0,499 1,38 0,486 8,4 <.001
Corea 1,54 0,498 1,38 0,486 7,77 <.001
Macao-China 1,51 0,500 1,3 0,460 5,73 <.001
México 1,48 0,499 1,35 0,480 2,91 <.001
Nueva Zelanda 1,54 0,499 1,42 0,493 6,12 <.001
Polonia 1,51 0,500 1,31 0,463 8,29 <.001
Portugal 1,49 0,500 1,35 0,477 4,77 <.001
Rusia 1,5 0,500 1,28 0,449 6,45 <.001
Shanghái-China 1,53 0,499 1,33 0,470 12,2 <.001
Singapur 1,52 0,500 1,38 0,486 7,37 <.001
Eslovenia 1,55 0,497 1,19 0,397 10,9 <.001
España 1,51 0,500 1,35 0,476 10,9 <.001
Trinidad y Tobago 1,48 0,500 1,21 0,409 6,94 <.001
Turquía 1,52 0,500 1,21 0,412 6,83 <.001
Estados Unidos 1,52 0,499 1,4 0,490 5,41 <.001
Reino Unido 1,5 0,500 1,42 0,494 4,83 <.001
Uruguay 1,47 0,499 1,33 0,474 2,79 0,01
13
Correlación con la puntuación en lectura (PV1READ) y la variable Sexo sin modificar
14
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable Sexo sin modificar
210
Tabla A.27 ANOVA para Sexo
Media Lectura (DT)
Mujer Hombre F15 grupos grupos cuadrado
Total 30 países 494

460
(94,88) (100,54)
7858
Sig <.001 1 261177

0,029
Australia 526 489
(93,91) (104,36)
497 <.001 1 14249 0,034
Brasil 416 390
(85,79) (90,09) 453 <.001 1 20125 0,022
Bulgaria 461
396
(105,09)
(117,29)
378 <.001 1 4505
0,077
Canadá 530 492
(86,96) (96,24) 979 <.001 1 23205 0,04
China Taipei 517 479
(79,55) (88,71) 287 <.001 1 5829

0,047
Croacia 504 451
(78,82) (88,23) 492 <.001 1 4992

0,09
República Checa 522 472

(92,17) (95,93) 442 <.001 1 6062
0,068
Estonia 525 482
(76,69) (81,4) 338 <.001 1 4725

0,067
Finlandia 558 503
(77,53) (87,05) 640 <.001 1 5808

0,099
Francia 517 477
(98,13) (108,73)
155 <.001 1 4296
0,035
Grecia 508 464
(85,03)
(94,85) 301 <.001 1 4967
0,057
Hungría 518 481
(81,63) (87,99) 224 <.001 1 4603

0,046

Israel 496 455

(100,86)
(117,28)
206 <.001 1 5759
0,034
Japón 541 504

(90,18) (102,21)
219 <.001 1 6086
0,035

Corea 557 526

(70,86) (79,67) 213

<.001 1 4987
0,041

15
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable Sexo sin modificar
211
Tabla A.27 ANOVA para Sexo (cont.)
gl gl
Inter- Intra- Eta
Mujer Hombre F16 Sig grupos grupos cuadrado
Macao-China 503 470
(72,12) (76,44) 301 <.001 1 5950 0,048
México 442 421
(75,7) (80,63) 728 <.001 1 38248 0,019
Nueva Zelanda 545 503
(91,94) (106,04) 211 <.001 1 4641 0,043
Polonia 529 481
(79,35) (90,88) 376 <.001 1 4915 0,071
Portugal 508 468
(78,62) (89,49) 344 <.001 1 6296 0,052
Rusia 484 440
(85,46) (87,52) 357 <.001 1 5306 0,063
Shanghái-China 575 536
(73,58) (81,52) 330 <.001 1 5113 0,061
Singapur 539 507
(92,82) (99,62) 151 <.001 1 5281 0,028
Eslovenia 489 431
(84,63) (90,32) 664 <.001 1 6153 0,097
España 500 470
(84,16) (91,7) 775 <.001 1 25885 0,029
Trinidad y Tobago 445 388
(105,2) (117,57) 310 <.001 1 4776 0,061
Turquía 488 446
(74,82) (79,7) 375 <.001 1 4994 0,07
Estados Unidos 512 484
(91,73) (97,22) 113 <.001 1 5231 0,021
Reino Unido 506 479
(89,4) (98,63) 238 <.001 1 12177 0,019
Uruguay 443 401
(91,15) (101,76) 276 <.001 1 5955 0,044
16
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable Sexo sin modificar
212
Tabla A.28 Valores resumen de Sexo en España

Media Lectura
Sexo. Frecuencias (DT)
Mujer Hombre Mujer Hombre
Andalucía 474,9 456,64
47,81 52,19 (83,67) (91,75)
Aragón 515,62 481,03
49,74 50,26 (76,46) (86,53)
Asturias 507,28 479,06
47,40 52,60 (87,82) (96,25)
Islas Baleares 480,28 445,82
50,31 49,69 (85,69) (91,47)
País Vasco 512,36 478,97
48,72 51,28 (74,6) (85,26)
Islas Canarias 465,64 439,6
47,38 52,62 (87,09) (92,36)
Cantabria 508,31 472,76
49,93 50,07 (80,58) (90,28)
Castilla y León 521,19 490,54
50,43 49,57 (79,07) (86,31)
Cataluña 514,91 487,96
48,81 51,19 (75,02) (84,28)
Ceuta y Melilla 426,51 399,96
50,80 49,20 (98,08) (109,67)
Galicia 503,84 469,99
49,91 50,09 (78,03) (90,74)
La Rioja 517,21 481,51
49,30 50,70 (85,87) (93,13)
Madrid 521,03 487,57
50,24 49,76 (77,52) (89,14)
Murcia 492,77 476,99
50,49 49,51 (76,76) (78,11)
Navarra 515,05 479,72
47,81 52,19 (76,2) (84,7)
No Adjudicados 493,66 460,63
50,68 49,32 (82,11) (78,55)
España 500,38 469,9
49,24 50,76 (84,16) (91,7)
213
A.5.6. Tipo de escuela (SCHLTYPE)
Tabla A.29 Prueba T para Tipo de Escuela

Lectura
Corr Medio- Lectura
Pearson17 Sig Bajo DT Alto DT t18 sig
Total 30 países 0,14 <.001 1,22 0,70 1,35 0,85 -23,04 <.001
Australia 1,48 0,70 1,84 0,85 -16,32 <.001
Brasil 1,15 1,15 2,25 2,25 -12,29 <.001
Bulgaria 1,03 1,03 1,08 1,08 -1,51 0,13
Canadá 1,07 0,35 1,22 0,59 -12,16 <.001
China Taipei 1,70 0,94 1,39 0,79 6,59 <.001
Croacia 1,03 0,23 1,09 0,41 -1,89 0,06
República Checa 1,04 0,19 1,05 0,21 -0,89 0,38
Estonia 1,03 0,21 1,05 0,28 -0,83 0,41
Finlandia 1,05 0,21 1,05 0,22 -0,74 0,46
Francia
Grecia 1,08 0,40 1,28 0,69 -4,49 <.001
Hungría 1,10 0,31 1,10 0,30 0,34 0,73
Israel 1,17 0,46 1,23 0,45 -2,56 0,01
Japón 1,50 0,86 1,61 0,92 -3,10 <.001
Corea 1,51 0,75 1,72 0,87 -5,73 <.001
Macao-China 2,08 0,39 2,16 0,37 -2,63 0,01
México 1,20 0,59 1,84 0,99 -7,23 <.001
Nueva Zelanda 1,08 0,39 1,16 0,55 -4,10 <.001
Polonia 1,10 0,41 1,34 0,73 -6,41 <.001
Portugal 1,13 0,42 1,25 0,62 -3,13 <.001
Rusia 1 0,10 1 0,00 0,64 0,52
Shanghái-China 1,17 0,56 1,22 0,62 -1,94 0,05
Singapur 1,04 0,28 1,03 0,23 1,38 0,17
Eslovenia 1,02 0,14 1,08 0,27 -2,69 0,01
España 1,40 0,56 1,59 0,63 -9,36 <.001
Trinidad y Tobago 1,20 0,52 1,19 0,49 0,20 0,84
Turquía 1,01 0,16 1,07 0,36 -1,42 0,16
Estados Unidos 1,09 0,41 1,14 0,51 -2,18 0,03
Reino Unido 1,07 0,36 1,22 0,63 -7,56 <.001
Uruguay 1,32 0,74 2,34 0,95 -10,05 <.001
17
Correlación con la puntuación en lectura (PV1READ) y la variable Tipo de Escuela sin modificar
18
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable Tipo de Escuela sin modificar
214
Tabla A.30 ANOVA para Tipo de Escuela

Medias Lectura (DT)
gl gl
Priv Priv Inter- Intra- Eta
Público dependiente independiente F19 Sig grupos grupos cuadrado
471,17 504,11 514,22
Total 30 países (99,38) (88,37) (91,39) 2438,83 <.001 2 250208 0,02
489,29 525,76 555,46
Australia (101,7) (90,86) (92,05) 447,78 <.001 2 13992 0,06
392,75 366,16 496,84
Brasil (81,74) (65,12) (81,18) 1099,83 <.001 2 18650 0,11
427,84 510,16
Bulgaria (115,85) (83,16) 31,08 <.001 1 4505 0,01
506,92 568,15 576,53
Canadá (93,02) (78,06) (77,26) 312,85 <.001 2 22767 0,03
511,82 452,36 480,19
China Taipei (86,57) (94,86) (80,98) 100,74 <.001 2 5550 0,04
475,04 515,17
Croacia (88,01) (76,64) 14,60 <.001 1 4992 0
494,07 526,73
República Checa (97,93) (81,12) 24,12 <.001 1 5702 0
502,46 493,19 589,24
Estonia (81,78) (82,25) (49,48) 18,06 <.001 2 4720 0,01
530,79 534,68
Finlandia (86,58) (90,17) 0,53 0,46 1 5808 0
Francia
483,41 523,85
Grecia (88) (.) 42,51 <.001 1 4869 0,01
497,53 303,56
Hungría (109,42) 510 (101,2) (121,55) 6,92 <.001 2 4530 0
473,79 521,38 458,45
Israel (94,45) (78,88) (109,88) 51,38 <.001 2 5381 0,02
524,2 476,69 517,48
Japón (78,02) (77,29) (69,29) 13,19 <.001 2 6018 0
537,25 527,41 570,32
Corea (75,67) (75,92) (73,31) 79,70 <.001 2 4846 0,03
19
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable Tipo de Escuela sin modificar
215
Tabla A.30 ANOVA para Tipo de Escuela (cont.)

gl gl
Priv Priv Inter- Intra- Eta
Público dependiente independiente F20 Sig grupos grupos cuadrado
445,68 486,48 500,4
Macao-China (77,8) (64,08) (73,52) 46,94 <.001 2 5949 0,02
426,99 475,01
México (101,71) 418,75 (78,46) 646,32 <.001 2 37889 0,03
519,79 579,34
Nueva Zelanda (87,5) (85,69) (81,96) 70,62 <.001 1 4611 0,02
501,27 530,23 569,72
Polonia (86,01) (80,12) (86,1) 73,27 <.001 2 4907 0,03
485,82 494,24 535,93
Portugal (89,34) (.) (89,07) 36,03 <.001 2 6256 0,01
462,2 473,36
Rusia (80,69) (62,04) 0,19 0,67 1 5306 0
554,04 436,92 584,19
Shanghái-China (97,54) (.) (85,35) 68,25 <.001 2 5077 0,03
523,79 521,38
Singapur (91,84) (.) 0,06 0,80 1 5252 0
455,81 554,68
Eslovenia (91,71) (81,15) 148,21 <.001 1 6152 0,02
470,93 505,85 522,48
España (109,39) (151,71) (77,79) 506,26 <.001 2 24372 0,04
422,46 375,22 440
Trinidad y Tobago (80,07) (.) (57,97) 39,01 <.001 2 4463 0,02
465,89 544,12
Turquía (95,28) (87,04) 32,35 <.001 1 4994 0,01
494,02 535,08
Estados Unidos (94,67) (80,68) 41,61 <.001 1 5119 0,01
490,93 561,58
Reino Unido (92,67) (85,31) 243,43 <.001 1 11543 0,02
406,25 503,75
Uruguay (91,15) (.) 946,62 <.001 1 5917 0,14
20
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable Tipo de Escuela sin modificar
216
Tabla A.31 Valores resumen de Tipo de Escuela en España

Tipo de Escuela. Frecuencias Media Lectura
Privado Privado Privado Privado
Público Dependiente Independiente Público Dependiente Independiente
Andalucía 455,18 497,48 390,24
72,32 26,27 1,41 (89,1) (76,91) (87,24)
Aragón 487,54 511,52 546,32
67,93 27,78 4,28 (84,29) (80,08) (58,63)
Asturias 479,83 513,27 602,6
67,51 30,53 1,95 (93,86) (85,88) (51,84)
Islas Baleares 449,65 477,39 455,99
67,22 27,58 5,20 (90,25) (89,82) (93,19)
País Vasco 481 507,24 522,48
42,90 57,10 (81,62) (80,73) (.)
Islas Canarias 437,28 495,21 531,62
80,71 19,29 (90,19) (75,61) (.)
Cantabria 476,19 509,29 530,13
58,77 38,06 3,17 (92,11) (77,39) (65,88)
Castilla y León 502,63 512,5 531,54
67,97 22,63 9,39 (84,51) (86,75) (64,93)
Cataluña 495,39 500,04 500,25
58,62 25,02 16,36 (83,27) (77,58) (65,56)
77,66 18,91 3,43 (99,16) (80,47) (63,33)
Galicia 480,15 504,44 535,18
66,73 26,90 6,37 (87,73) (78,26) (80,35)
La Rioja 498,07 501,02 541,29
59,01 40,99 (91,23) (93,09) (.)
Madrid 489,68 519,26 542,64
60 32,34 7,66 (87,8) (72,67) (95,95)
Murcia 480,71 491,05 505,96
74,54 22,99 2,47 (79,58) (73,15) (41,9)
Navarra 479,86 526,08 529,38
64,77 32,86 2,38 (83,2) (73,19) (49,16)
70,31 25,17 4,51 (80,14) (82,97)
España 470,93 505,85
62,92 33,45 3,63 (91,71) (81,15)
217
Tabla A.32 Puntuación en lectura y ESCS según tipo de escuela por comunidad en España (OCDE, 2010d)
Escuela Pública Escuela privada Escuela privada Media ESCS Diferencia en el
dependiente del independiente rendimiento en lectura,
gobierno del gobierno tras valorar el ESCS
% Lectura % Lectura % Lectura Escuela Escuela Diferencia Estudiantes Estudiantes
Pública Privada (Pub - Priv) y Escuela
Andalucía 74,53 451 24,07 494 1,40 C -0,76 -0,04 -0,72 16,25 6,80
Aragón 69,58 485 26,43 508 3,98 C -0,44 0,20 -0,64 12,51 0,18
Asturias 67,37 478 30,58 511 2,05 C -0,42 0,19 -0,61 19,72 11,26
Islas Baleares 65,62 441 29,84 481 4,54 C -0,60 0,07 -0,66 20,21 1,10
País Vasco 42,30 480 57,70 506 0 C -0,31 0,08 -0,39 17,51 6,56
Islas Canarias 81,82 434 18,18 493 0 C -0,80 -0,30 -0,50 46,09 31,96
Cantabria 61,13 474 35,33 508 3,54 C -0,41 0,15 -0,57 20,16 21,28
Castilla y León 67,09 499 23,73 509 9,18 527 -0,35 0,16 -0,51 -1,04 -11
Cataluña 60,74 491 24,14 502 15,12 532 -0,45 -0,04 -0,41 11,38 4,35
Ceuta y Melilla 79,51 390 17,57 491 2,92 C -0,76 0,22 -0,98 72,90 27,80
Galicia 68,28 479 25,46 504 6,26 C -0,52 -0,06 -0,46 14,41 2,26
La Rioja 67,35 494 32,65 506 0 C -0,46 0,07 -0,53 -7,73 -27,74
Madrid 60,59 490 32,14 517 7,27 C -0,20 0,01 -0,21 23,18 19,16
Murcia 74,84 476 22,74 488 2,42 C -0,53 -0,24 -0,29 7,79 4,37
Navarra 62,76 480 34,66 525 2,58 C -0,41 0,21 -0,62 28,01 20,03
España 69,08 469 25,69 503 5,23 519 -0,55 0,07 -0,62 -19 -7
OCDE Media 84,9 489 10,9 511 4,2 523 -0,06 0,37 -0,44 -14 7
c: No hay datos suficientes
218
A.5.7. Clases extraescolares para enriquecimiento en lenguaje (ST31Q01)

Tabla A.33 Valores resumen de Clases extraescolares para enriquecimiento en lenguaje
Corr Sig Lectura DT Lectura DT t22
Pearson21 Medio- Alto
Bajo
Sig
Total 30 países 0,12 <.001 1,92 0,27 1,95 0,22 -2,75 0,01
Australia 1,92 0,27 1,96 0,20 -6,85 <.001
Brasil 1,90 0,30 1,94 0,24 -2,03 0,04
Bulgaria 1,89 0,31 1,96 0,19 -3,78 <.001
Canadá 1,93 0,25 1,97 0,16 -11,23 <.001
China Taipei 1,72 0,45 1,73 0,44 -0,33 0,74
Croacia 1,96 0,20 1,96 0,21 0,10 0,92
República Checa 1,92 0,27 1,95 0,22 -2,75 0,01
Estonia 1,97 0,17 1,99 0,12 -1,99 0,05
Finlandia 1,98 0,14 2,00 0,05 -6,03 <.001
Francia 1,91 0,29 1,97 0,18 -5,59 <.001
Grecia 1,68 0,47 1,76 0,43 -3,11 <.001
Hungría 1,97 0,17 1,98 0,14 -0,97 0,33
Israel 1,78 0,41 1,94 0,24 -12,38 <.001
Japón 1,85 0,35 1,85 0,36 0,67 0,50
Corea 1,74 0,44 1,65 0,48 4,37 <.001
Macao-China 1,91 0,28 1,89 0,31 0,87 0,38
México 1,78 0,42 1,98 0,12 -18,94 <.001
Nueva Zelanda 1,92 0,27 1,97 0,17 -6,45 <.001
Polonia 1,85 0,36 1,85 0,36 0,05 0,96
Portugal 1,84 0,37 1,96 0,20 -8,78 <.001
Rusia 1,65 0,48 1,63 0,48 0,34 0,73
Shanghái-China 1,87 0,34 1,87 0,34 0,23 0,82
Singapur 1,72 0,45 1,80 0,40 -4,92 <.001
Eslovenia 1,90 0,30 1,97 0,18 -4,38 <.001
España 1,89 1,89 1,99 1,99 -22,08 <.001
Turquía 1,88 0,32 1,76 0,43 2,60 0,01
Estados Unidos 1,89 0,31 1,98 0,14 -11,18 <.001
Reino Unido 1,91 0,28 1,97 0,16 -9,75 <.001
Uruguay 1,95 0,21 1,99 0,11 -3,06 <.001
21
Correlación con la puntuación en lectura (PV1READ) y la variable ST31Q01 sin modificar
22
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable ST31Q01 sin modificar
219
Tabla A.34 ANOVA para Clases extraescolares para enriquecimiento en lenguaje

Media Lectura
(DT)
gl
Inter gl Intra Eta
Sí No F23 Sig grupos grupos cuadrado
Total 30 países 463,82 505,2
(106,7) (94,67) 78,79 <.001 1 253963 0,033
Australia 447,86 517,55
(113) (94,69) 505,33 <.001 1 13727 0,036
Brasil 363,07 410,91
(91,19) (86,39) 510,17 <.001 1 19273 0,026
Bulgaria 320,52 446,15
(119,3) (105) 566,07 <.001 1 4350 0,115
Canadá 446,91 517,87
(103,4) (90,09) 802,88 <.001 1 22497 0,034
China Taipei 498,07 498,85
(83,11) (86,79) 0,10 0,76 1 5781 2E-05
Croacia 408,96 479,62
(104,4) (84,88) 138,26 <.001 1 4954 0,027
República Checa 463,82 505,2
(111,1) (92,36) 78,79 <.001 1 5804 0,013
Estonia 454,93 505,03
(92,84) (80,86) 48,81 <.001 1 4658 0,01
Finlandia 414,4 533,73
(79,99) (85) 184,42 <.001 1 5678 0,031
Francia 434,83 505,61
(109,9) (100,8) 160,00 <.001 1 4203 0,037
Grecia 486,96 487,09
(88,22) (94,27) 0,00 0,96 1 4890 4E-07
Hungría 442,5 501,63
(110,2) (85,12) 61,13 <.001 1 4573 0,013
Israel 409,05 501,24
(106) (98,98) 753,44 <.001 1 5531 0,12
Japón 507,35 525,44
(108,6) (94,82) 26,24 <.001 1 6034 0,004
Corea 555,46 536,63
(75,66) (77,09) 57,47 <.001 1 4832 0,012
23
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable ST31Q01
220
Tabla A.34 ANOVA para Clases extraescolares para enriquecimiento en lenguaje (cont.)

Sí No F24 grupos grupos cuadrado
Macao-China 466,63 488,71
(86,92) (74,65) 39,81Sig<.001 1 5901 0,007
México 386,37 446,44
(77,43) (73,29) 4269,79 <.001 1 37526 0,102
Nueva Zelanda 451,5 531,31
(116,3) (96,47) 200,62 <.001 1 4550 0,042
Polonia 501,3 506,57
(93,07) (86,97) 2,26 0,13 1 4854 5E-04
Portugal 436,27 499,61
(81,87) (82,48) 469,20 <.001 1 6107 0,071
Rusia 458 466,41
(91,14) (87,43) 10,68 <.001 1 5202 0,002
Shanghái-China 555,75 556,26
(83,44) (79,26) 0,02 0,88 1 5100 5E-06
Singapur 506,05 530,16
(99,66) (95,67) 64,18 <.001 1 5228 0,012
Eslovenia 390,9 471,1
(83,11) (86,46) 443,28 <.001 1 5863 0,07
España 417,99 494,17
(92,79) (84,4) 1846,65 <.001 1 24715 0,07
Trinidad y Tobago 376,43 440,99
(105,8) (110,4) 324,06 <.001 1 4489 0,067
Turquía 478,39 465,51
(94,25) (77,52) 13,37 <.001 1 4857 0,003
Estados Unidos 432,22 506,86
(94,63) (91,69) 300,78 <.001 1 5120 0,055
Reino Unido 439,39 499,02
(104,4) (91,63) 365,79 <.001 1 11930 0,03
Uruguay 354,58 429,69
(90,78) (96,1) 151,74 <.001 1 5678 0,026
24
221
Tabla A.35 Valores resumen de Clases extraescolares para enriquecimiento en lenguaje en España
Clases Enriquecimiento.
Frecuencias Media Lectura (DT)
No Sí No
Andalucía 414,59 474,17
13,92 86,08 (82,6) (86,32)
Aragón 430,51 506,09
10,10 89,90 (84,9) (79,51)
Asturias 432,4 503,52
Sí 14,31 85,69 (93,06) (88,32)
Islas Baleares 370,6 473,44
7,65 92,35 (77,71) (84,74)
País Vasco 436,49 501,27
7,48 92,52 (88,98) (79,15)
Islas Canarias 398,92 465,06
14,10 85,90 (86,16) (85,48)
Cantabria 432,67 500,3
14,28 85,72 (84,54) (84,56)
Castilla y León 433,05 513,8
10,01 89,99 (99,18) (78,24)
Cataluña 417,79 507,53
5,68 94,32 (86,34) (77,09)
21,27 78,73 (98,34) (98,13)
Galicia 436,5 493,77
9,36 90,64 (92,77) (82,04)
La Rioja 420,98 507,34
9,54 90,46 (95,03) (85,66)
Madrid 446,12 511,56
8,90 91,10 (80,79) (81,58)
Murcia 432,14 492,11
11,36 88,64 (77) (74,11)
Navarra 443,62 501,72
7,37 92,63 (88,23) (80,3)
8,91 91,09 (83,72) (80,28)
España 417,99 494,17
10,47 89,53 (92,79) (84,4)
222
A.5.8. Clases extraescolares correctivas en lenguaje (ST31Q05)
Tabla A.36 Prueba T para Clases extraescolares correctivas en lenguaje
Lectura Medio- DT Lectura

Corr Pearson25 Sig Bajo Alto DT T26 sig
Total 30 países 0,14 <.001 1,95 0,21 1,99 0,07 -9,36 <.001
Australia 1,95 0,23 1,99 0,11 -12,52 <.001
Brasil 1,88 0,32 1,98 0,13 -9,60 <.001
Bulgaria 1,89 0,31 1,98 0,12 -7,89 <.001
Canadá 1,95 0,22 1,99 0,08 -20,83 <.001
China Taipei 1,82 0,39 1,91 0,29 -4,97 <.001
Croacia 1,94 0,23 1,99 0,08 -6,80 <.001
República Checa 1,95 0,21 1,99 0,07 -9,36 <.001
Estonia 1,88 0,32 1,99 0,12 -12,04 <.001
Finlandia 1,96 0,19 2 0,00 -13,98 <.001
Francia 1,83 0,38 1,87 0,34 -2,26 0,02
Grecia 1,81 0,39 1,93 0,26 -6,79 <.001
Hungría 1,97 0,18 2 0,00 -12,03 <.001
Israel 1,86 0,34 1,97 0,16 -11,94 <.001
Japón 1,79 0,41 1,78 0,41 0,13 0,90
Corea 1,46 0,50 1,42 0,49 2,01 0,04
Macao-China 1,95 0,21 1,99 0,08 -5,77 <.001
México 1,85 0,36 1,98 0,12 -12,54 <.001
Nueva Zelanda 1,94 0,24 1,99 0,10 -10,01 <.001
Polonia 1,86 0,34 1,97 0,18 -9,84 <.001
Portugal 1,89 0,32 1,99 0,10 -13,80 <.001
Rusia 1,58 0,49 1,68 0,47 -2,79 0,01
Shanghái-China 1,81 0,39 1,88 0,33 -5,87 <.001
Singapur 1,67 0,47 1,81 0,39 -8,78 <.001
Eslovenia 1,91 0,28 1,99 0,08 -10,64 <.001
España 1,88 0,33 1,99 0,12 -25,08 <.001
Turquía 1,90 0,29 1,89 0,32 0,58 0,56
Estados Unidos 1,93 0,26 2 0,07 -14,03 <.001
Reino Unido 1,84 0,37 1,97 0,18 -18,51 <.001
Uruguay 1,96 0,19 2 0,00 -15,03 <.001
25
26
223
Tabla A.37 ANOVA para Clases extraescolares correctivas en lenguaje
Sí No F27 Sig grupos grupos cuadrado
439,43 504,85
Total 30 países (106,5) (94,8) 115,05 <.001 1 253008 0,03
423,45 517,41
Australia (103) (95,13) 622,27 <.001 1 13630 0,044
349,6 414,64
Brasil (76,12) (86,33) 1158,84 <.001 1 19114 0,057
319,6 447,7
Bulgaria (102,7) (105,8) 611,75 <.001 1 4318 0,124
429 517,73
Canadá (93,86) (90,36) 961,63 <.001 1 22467 0,041
478,83 502,77
China Taipei (85,79) (85,08) 66,93 <.001 1 5773 0,011
395,58 481,27
Croacia (86,78) (84,64) 256,37 <.001 1 4942 0,049
439,43 504,85
República Checa (90,5) (93,74) 115,05 <.001 1 5793 0,019
447,49 510,71
Estonia (75,48) (79,56) 294,97 <.001 1 4648 0,06
431,42 535,21
Finlandia (80,74) (84,35) 276 <.001 1 5677 0,046
503,69 498,98
Francia (93,7) (105,4) 1,20 0,27 1 4187 3E-04
469,4 491,23
Grecia (88,18) (92,74) 40,89 <.001 1 4871 0,008
415,45 502,43
Hungría (88,76) (85,2) 141,09 <.001 1 4571 0,03
389,91 496,31
Israel (104,4) (100,5) 680,52 <.001 1 5511 0,11
525,29 522,21
Japón (97,94) (96,88) 1,02 0,31 1 6029 2E-04
553,76 526,97
Corea (67,7) (84,25) 151,10 <.001 1 4861 0,03
27
224
Tabla A.37 ANOVA para Clases extraescolares correctivas en lenguaje (cont.)

No F28 Sig grupos grupos cuadrado
424,8 489,73
Macao-China (74,42) (74,83) 189,29 <.001 1 5894 0,031
366,99 445,24
México (72,19) (73,05) 5568,55 <.001 1 37358 0,13
423,43 532,02
Nueva Zelanda (99,31) (96,68) 285,89 <.001 1 4527 0,059
464,63 511,79
Polonia (87,01) (86,27) 162,27 <.001 1 4836 0,032
419,46 498,75
Portugal (70,26) (83,02) 559,67 <.001 1 6072 0,084
Sí 453,03 471,94
Rusia (87,44) (88,53) 58,02 <.001 1 5174 0,011
539,75 559,8
Shanghái-China (78,91) (79,55) 47,79 <.001 1 5095 0,009
507,59 530,55
Singapur (90,8) (99,13) 62,37 <.001 1 5215 0,012
379,07 471,22
Eslovenia (71,42) (86,67) 526,61 <.001 1 5860 0,082
425,43 494,39
España (91,08) (84,85) 1671,80 <.001 1 24680 0,063
337,72 434,14
Trinidad y Tobago (110,2) (108,6) 347 <.001 1 4408 0,073
454,32 468,59
Turquía (91,79) (77,99) 13,62 <.001 1 4833 0,003
409,41 506,35
Estados Unidos (91,54) (91,45) 354,57 <.001 1 5087 0,065
446,81 502,97
Reino Unido (88,59) (92,27) 569,08 <.001 1 11870 0,046
343,68 429,93
Uruguay (88,76) (95,89) 169,77 <.001 1 5649 0,029
28
225
Tabla A.38 Valores resumen de Clases extraescolares correctivas en lenguaje en España
Clases Correctivas. Frecuencias Media Lectura (DT)

Sí No Sí No
Andalucía 14,89 85,11 415,86 475,56
(91,31) (84,29)
Aragón 12,40 87,60 445,15 505,79
(76,15) (81,36)
Asturias 15,42 84,58 430,02 504,76
(94,24) (87,63)
Islas Baleares 11,26 88,74 402,47 473,15
(87,55) (85,73)
País Vasco 5,60 94,40 425,28 500,69
(82,45) (79,68)
Islas Canarias 16,20 83,80 406,68 464,79
(83,59) (86,24)
Cantabria 16,49 83,51 435,15 501,88
(87,33) (83,54)
Castilla y León 12,52 87,48 447,5 514,01
(98,98) (78,32)
Cataluña 9,13 90,87 451,82 507,54
(81,06) (78,52)
Ceuta y Melilla 16,90 83,10 349,88 430,62
(104,08) (98,41)
Galicia 11,21 88,79 450,78 493,42
(89,01) (83,32)
La Rioja 13,30 86,70 424,37 510,89
(92,83) (83,87)
Madrid 13,08 86,92 439,53 515,62
(74,64) (80,45)
Murcia 15,17 84,83 434 494,28
(74,64) (74,05)
Navarra 8,98 91,02 453,25 502,04
(85,54) (80,73)
No Adjudicados 11,91 88,09 426,77 485,15
(87,54) (79,41)
España 11,84 88,16 425,43 494,39
(91,08) (84,85)
226
A.5.9. Horas de lenguaje extraescolares (ST32Q01)
Tabla A.39 Prueba T para horas de lenguaje extraescolares
Corr Lectura Lectura

Pearson29 Sig Medio-Bajo DT Alto DT t30 Sig
Total 30 países -0,16 <.001 1,53 0,99 1,32 0,75 32,50 <.001
Australia 1,19 0,63 1,09 0,38 9,60 <.001
Brasil 1,91 1,23 1,39 0,91 7,10 <.001
Bulgaria 1,38 0,91 1,13 0,48 5,31 <.001
Canadá 1,19 0,65 1,05 0,32 16,76 <.001
China Taipei 1,87 1,19 1,67 1,00 3,38 <.001
Croacia 1,23 0,71 1,05 0,21 8,78 <.001
República Checa 1,37 0,82 1,19 0,54 6,59 <.001
Estonia 1,92 1,08 1,73 0,93 3,21 <.001
Finlandia 1,14 0,52 1,04 0,27 7,36 <.001
Francia 1,47 0,87 1,15 0,47 11,22 <.001
Grecia 1,72 1,02 1,43 0,72 6,07 <.001
Hungría 1,11 0,45 1,02 0,20 5,87 <.001
Israel 1,56 1,02 1,15 0,49 13,36 <.001
Japón 1,91 0,90 2,17 0,90 -7,55 <.001
Corea 2,38 1,19 2,43 1,13 -0,91 0,36
Macao-China 1,62 1,08 1,31 0,71 5,30 <.001
México 1,84 1,21 1,19 0,58 11,48 <.001
Nueva Zelanda 1,23 0,69 1,06 0,32 10 <.001
Polonia 1,44 0,87 1,25 0,60 5,43 <.001
Portugal 1,30 0,68 1,06 0,26 13,30 <.001
Rusia 1,83 0,96 1,77 0,86 0,80 0,42
Shanghái-China 2,11 1,24 1,99 1,21 2,75 0,01
Singapur 1,84 1,10 1,48 0,83 10,56 <.001
Eslovenia 1,24 0,72 1,07 0,30 6,53 <.001
España 1,41 0,91 1,05 0,35 26,32 <.001
Trinidad y Tobago 1,72 1,17 1,11 0,52 10,90 <.001
Turquía 1,63 1,09 1,43 0,72 2,43 0,02
Estados Unidos 1,30 0,81 1,04 0,24 15,38 <.001
Reino Unido 1,35 0,80 1,09 0,36 18,36 <.001
Uruguay 1,10 0,47 1,04 0,33 1,52 0,13
29
30
227
Tabla A.40 ANOVA para Horas de lenguaje extraescolares

Medias Lectura (DT)
gl
0 2-4 4-6 +6 Inter gl Intra Eta
hrs/sem - 2 hrs/sem hrs/sem hs/sem hr/sem F31 Sig grupos grupos cuadrado
507,13 484,21 480,59 456,45 445,5
Total 30 países (91,74) (96,48) (96,84) (94,9) (97) 1347,26 <.001 4 191445 0,0274
528,86 506,43 489,52 466,09 452,58
Australia (91,93) (96,93) (91,3) (99,97) (101,97) 51,15 <.001 4 11786 0,0171
435,4 409,76 411,34 403,2 395,95
Brasil (92,72) (89,01) (85,16) (82,08) (82,67) 70,81 <.001 4 11221 0,0246
466,66 426,3 444,24 411,1 370,06
Bulgaria (108,54) (111,63) (114,61) (118,58) (98,73) 22,66 <.001 4 2872 0,0306
530,07 485,35 472,12 460,58 445,41
Canadá (86,08) (88,86) (86,09) (91,45) (84,53) 185,74 <.001 4 19749 0,0363
514,11 505,85 516,8 509,38 506,84
China Taipei (80,67) (82,17) (76,19) (73,68) (66,84) 2,63 0,03 4 4862 0,0022
501,69 451,19 427,18 420,09 405,8
Croacia (79,32) (86,34) (78,78) (81,71) (78,87) 72,60 <.001 4 3714 0,0725
526,25 511,75 489,91 461,62 459,61
República Checa (86,3) (89,18) (92,21) (86,04) (79,79) 33,81 <.001 4 4649 0,0283
520,38 518,6 515,59 483,93 474,08
Estonia (77,37) (74,05) (76,83) (78,44) (81,75) 21,70 <.001 4 3928 0,0216
548,47 498,33 508,27 494,74 408,22
Finlandia (80,13) (78,44) (74,35) (69,24) (111,34) 31,25 <.001 4 4759 0,0256
526,63 499,9 470,87 468,65 428,83
Francia (95,77) (90,73) (90,21) (93,79) (85,21) 38,81 <.001 4 3447 0,0431
506,18 506,84 499,66 461,37 445,07
Grecia (88,65) (88,14) (79,16) (88,5) (75,8) 18,75 <.001 4 3709 0,0198
514,95 473,09 454,83 426,78 418,6
Hungría (80,68) (84,84) (75,19) (88,54) (85,26) 28,28 <.001 4 3924 0,028
526,31 493,93 459,3 446,26 407,62
Israel (99,95) (99,75) (93,61) (100,2) (84,16) 74,59 <.001 4 3401 0,0806
494,47 532 548,66 550,95 535,81
Japón (101,18) (93,13) (88,01) (88,06) (101,27) 79,25 <.001 4 6044 0,0498
535,6 549,88 566 553,45 545,21
Corea (80,65) (71,29) (63,73) (66,99) (67,18) 31,67 <.001 4 4164 0,0295
31
228
Tabla A.40 ANOVA para Horas de lenguaje extraescolares (cont.)

0 2-4 4-6 +6 gl Inter gl Intra Eta
hrs/sem - 2 hrs/sem hrs/sem hs/sem hr/sem F32 Sig grupos grupos cuadrado
503,92 480,78 477,12 479,24 463,51
Macao-China (72,42) (76,91) (75,36) (64,14) (69,21) 35,02 <.001 4 4689 0,029
463,85 417,58 422,65 420,07 406,62
México (77,21) (78,64) (74,26) (76,7) (80,41) 380,43 <.001 4 18109 0,0775
546,23 496,49 477,92 461,3 438,2
Nueva Zelanda (90,2) (94,6) (103,25) (80,8) (94,97) 53,61 <.001 4 4034 0,0505
529,56 517,47 501,61 462,13 472,07
Polonia (81,77) (81,85) (90,58) (79,65) (75,41) 28,37 <.001 4 3615 0,0304
509,43 457,35 452,81 446,63 435,11
Portugal (80,34) (75,15) (78,44) (80,03) (69,43) 99,15 <.001 4 5237 0,0704
473,76 477,14 489,4 462,8 448,75
Rusia (89,17) (80,88) (83,82) (77,32) (84,84) 7,32 <.001 4 4157 0,007
563,63 557,71 556,74 552,55 563,2
Shanghái-China (79,04) (78,45) (77,78) (74,48) (69,89) 2,94 0,02 4 4877 0,0024
551,43 530,09 524,88 491,19 458,69
Singapur (90,97) (87,88) (87,14) (91,6) (91,7) 59,66 <.001 4 4470 0,0507
486,69 449,07 430,4 420,03 400,57
Eslovenia (83,77) (89,45) (88,54) (69,41) (77,55) 50,05 <.001 4 4334 0,0442
504,01 452,08 451,98 436,27 428,45
España (84,01) (84,92) (82,29) (84,62) (86,83) 377,41 <.001 4 20311 0,0692
465,61 402,61 418,25 397,13 381,61
Trinidad y Tobago (107,19) (100,74) (102,01) (106,36) (94,44) 59,44 <.001 4 3014 0,0731
488,05 493,56 488,73 461,97 458,64
Turquía (75,62) (83,75) (81,17) (80,23) (70,92) 8,99 <.001 4 3103 0,0115
522,97 471,81 444,08 445,93 431,34
Estados Unidos (86,61) (87,16) (88,87) (88,57) (89,11) 83,83 <.001 4 4369 0,0713
511,93 487,61 455,63 442,85 436,38
Reino Unido (90) (86,3) (86,07) (85,34) (84,7) 113,50 <.001 4 10509 0,0414
446,39 386,99 384,02 416,93 403,17
Uruguay (93,5) (93,04) (83,18) (83,13) (72,78) 19,94 <.001 4 4243 0,0184
32
229
Tabla A.41 Valores resumen de Horas de lenguaje extraescolares en España

Grado. Frecuencias Media Lectura (DT)
0 0-2 2-4 4-6 +6 0 0-2 2-4 4-6 +6
Andalucía 483,06 443,37 447,13 422,46 412,03
77,04 6,86 8,40 5,74 1,97 (85,69) (73,94) (75,41) (79,21) (74,5)
Aragón 516,89 459,67 456,6 441,3 435,89
81,33 6,47 7,14 3,32 1,74 (79,65) (68,34) (63,22) (89,39) (61,2)
Asturias 516,73 452,4 450,27 460,13 457,28
75,02 7,46 8,43 5,27 3,81 (84,4) (92,16) (94,22) (70,71) (90,24)
Islas Baleares 481,11 443,05 428,82 406,1 372,92
86,32 5,80 5,11 1,65 1,13 (86,15) (76,89) (78,85) (91,83) (89,11)
País Vasco 510,6 470,8 461,02 448,62 422,93
84,67 6,88 5,46 2,30 0,69 (77,91) (76,54) (78,57) (87,64) (85,59)
Islas Canarias 476,54 410,82 411,67 421,92 398,19
76,41 7,37 9,12 5,16 1,94 (86) (89,12) (83,07) (85,71) (76,05)
Cantabria 509,35 464,76 452,18 433,43 448,21
75,80 8,23 7,82 4,94 3,21 (83,09) (90,06) (78,32) (79,4) (72,59)
Castilla y León 521,18 469,82 496,93 466,48 467,52
80,26 7,37 6,47 4,01 1,88 (81,32) (87,27) (69,98) (81,67) (110,98)
Cataluña 512,81 472,18 469,97 438,25 371,6
88,92 4,58 4,75 1,50 0,25 (76,68) (80,28) (84,06) (88,4) (53,25)
Ceuta y Melilla 442,13 386,66 394,33 387,99 399,66
68,84 9,15 8,04 9,25 4,72 (104,11) (91,58) (89,76) (92,51) (106,1)
Galicia 502,77 439,24 477,26 465,78 460,79
80,44 7,76 7,25 2,95 1,60 (82,71) (84,5) (72,76) (76,29) (65,26)
La Rioja 522,13 445,56 433,45 457,98 417,11
81,53 6,78 7,27 3,44 0,98 (81,28) (88,65) (94,91) (95,32) (59,69)
Madrid 522,23 464,48 469,4 465,69 404,66
81,12 5,69 7,76 4,22 1,21 (79,98) (79,86) (73,67) (63,7) (85,64)
Murcia 502,85 448,92 458,1 418,83 452,39
75,69 8,42 8,61 4,88 2,39 (73,18) (68,9) (67,02) (73,4) (66,83)
Navarra 510,17 471,91 476,94 450,52 367,22
83,30 7,35 5,36 3,20 0,78 (80,38) (81,92) (81,8) (76,78) (55,23)
No Adjudicados 494,2 466,16 434,41 423,81 428,74
82,64 7,64 5,73 3,34 0,64 (78,86) (85,72) (67,76) (58,86) (48,9)
España 504,01 452,08 451,98 436,27 428,45
80,57 7,05 6,86 3,83 1,69 (84,01) (84,92) (82,29) (84,62) (86,83)
230
A.5.10. Estrategias de control (CSTRAT)

Tabla A.42 Prueba T para Estrategias de control
Corr Pearson33 Sig Lectura Medio-Bajo DT Lectura Alto DT T34 Sig
Total 30 países 0,24 <.001 -0,03 1,01 0,47 0,92 -65,94 <.001
Australia -0,08 1,09 0,69 0,96 -29,91 <.001
Brasil -0,03 0,89 0,60 0,96 -9,20 <.001
Bulgaria 0,06 1,11 0,31 0,92 -2,97 <.001
Canadá 0 1,13 0,63 0,99 -28,97 <.001
China Taipei -0,41 1,03 0,30 0,85 -13,88 <.001
Croacia 0,10 0,89 0,54 0,87 -6,03 <.001
República Checa 0,01 0,90 0,47 0,84 -11,57 <.001
Estonia -0,14 0,83 0,19 0,72 -6,61 <.001
Finlandia -0,44 0,95 0,08 0,84 -15,80 <.001
Francia -0,02 0,99 0,64 0,79 -15,76 <.001
Grecia -0,03 1,00 0,34 0,78 -7,71 <.001
Hungría 0,09 0,89 0,39 0,86 -5,53 <.001
Israel 0,35 1,08 0,60 0,95 -5,21 <.001
Japón -0,61 1,03 -0,12 0,88 -14,50 <.001
Corea -0,34 0,98 0,31 0,89 -15,96 <.001
Macao-China -0,54 0,88 -0,23 0,88 -4,39 <.001
México 0,01 1,01 0,71 0,80 -9,89 <.001
Nueva Zelanda 0,07 1,05 0,72 0,89 -17,62 <.001
Polonia 0,06 0,94 0,50 0,89 -8,92 <.001
Portugal 0,08 0,98 0,87 0,86 -13,20 <.001
Rusia -0,17 0,85 0,29 0,80 -7,03 <.001
Shanghái-China -0,35 0,81 0,04 0,78 -13,55 <.001
Singapur 0,24 0,92 0,61 0,86 -10,75 <.001
Eslovenia 0,06 0,97 0,68 0,82 -9,08 <.001
España 0,07 1,03 0,67 0,80 -22,95 <.001
Turquía 0,23 0,89 0,51 0,88 -2,94 <.001
Estados Unidos -0,10 1,13 0,46 0,95 -12,08 <.001
Reino Unido 0,07 0,96 0,55 0,84 -16,86 <.001
Uruguay 0,04 1,10 -6,83 0,85 -6,83 <.001
33
Correlación con la puntuación en lectura (PV1READ) y la variable CSTRAT sin modificar
34
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable CSTRAT sin modificar
231
Tabla A.43 ANOVA para Estrategias de control

Medias Lectura (DT)
-3 -2 -1 0 1 2 3 F35 Sig grupos grupos cuadrado
405,56 430,26 453,64 485,12 506,48 517,7 501,22
Total 30 países (99,24) (94,86) (94,5) (94,76) (95,22) (95,34) (103,6) 2666,75 <.001 6 257674 0,058
418,16 441,63 466,5 520,15 551,71 569,55 561,98
Australia (96,54) (88,55) (92,81) (89,72) (89,32) (86,56) (98,09) 422,73 <.001 6 13997 0,153
346,42 373,78 384,29 409,64 430,5 449,96 438,28
Brasil (90,89) (80,39) (80,88) (85,91) (92,42) (97,2) (93,45) 158,41 <.001 6 19642 0,046
328,88 365,83 408,8 446,21 455,6 464,45 411,82
Bulgaria (114,5) (124,8) (113,4) (105) (110,1) (110,3) (112,9) 49,90 <.001 6 4377 0,064
438,21 460,27 476,38 517,18 547,29 558,11 546,6
Canadá (100,3) (89,03) (88,89) (86,6) (84,01) (87,74) (92,26) 455,31 <.001 6 22633 0,108
395,25 440,38 475,46 524,2 542,15 550,92 536,23
China Taipei (87,1) (76,94) (79,93) (76,28) (71,61) (68,36) (82,25) 209,40 <.001 6 5813 0,178
398,52 428,8 455,36 480,36 495,43 487,87 478,68
Croacia (80,43) (88) (86,95) (82,82) (87,43) (96,32) (101,2) 29,86 <.001 6 4975 0,035
412,61 427,65 466,51 508,58 531,29 545,9 539,82
República Checa (85,58) (92,72) (90,84) (90,3) (89,06) (89,6) (96,79) 93,41 <.001 6 5817 0,088
460,08 468,83 488,54 508,2 522,17 540,95 510,24
Estonia (78,45) (84,78) (79,25) (80,8) (80,42) (82,89) (90,3) 24,53 <.001 6 4702 0,03
446,36 491,06 517,88 544,79 568,14 569,05 562,21
Finlandia (84,03) (86,61) (83,47) (83,07) (78,53) (79,68) (89,25) 85,57 <.001 6 5770 0,082
378,27 406,14 454,97 507,06 541,18 555,17 550,69
Francia (93,86) (111,7) (99,68) (95,61) (91,16) (89,59) (95,77) 119,02 <.001 6 4236 0,144
383,73 430,51 465,72 492,67 514,45 520,12 521,36
Grecia (83,9) (86,17) (91,53) (89,28) (86,03) (85,55) (81,63) 67,94 <.001 6 4936 0,076
422,85 448,71 477,33 504,09 521,66 505,23 506,51
Hungría (100,3) (97,78) (85,99) (82,09) (86,64) (92,48) (93,09) 32,62 <.001 6 4579 0,041
387,25 410,82 442,39 486,09 502,59 511,44 488,76
Israel (114,5) (126,9) (113,9) (105,8) (94,22) (100,1) (101,8) 55,26 <.001 6 5609 0,056
428,3 481,03 510,41 547,43 561,34 566,56 548,62
Japón (110) (94,22) (97,27) (85,92) (81,3) (90,09) (94,49) 122,68 <.001 6 6060 0,108
432,3 484,2 519,52 557,07 577,01 585 596,97
Corea (81,76) (78,19) (73,25) (66,8) (67,8) (66,34) (67,31) 171,28 <.001 6 4971 0,171
35
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable CSTRAT convertida a intervalos
232
Tabla A.43 ANOVA para Estrategias de control (cont.)

-2 -1 0 1 2 3 F36 Sig grupos grupos cuadrado
433,2 465,89 478,63 499,82 510,18 519,28 515,43
Macao-China (82,28) (75,69) (75,43) (73,04) (69,96) (71,4) (82,12) 42,98 <.001 6 5915 0,042
385,14 396 412,41 437,15 454,17 467,29 448,62
México (78,55) (74,54) (74,57) (77,05) (77,67) (74,26) (79,03) 366,48 <.001 6 37970 0,055
442,37 463,8 480,93 524,92 562,13 566,6 571,45
Nueva Zelanda (105,4) (91,72) (97,64) (94,14) (90,89) (98,4) (93,76) 93,28 <.001 6 4575 0,109
414,28 444,21 475,48 510,12 533,38 552,89 533,58
Polonia (88,55) (97,7) (86,27) (82,97) (83,46) (78,36) (85,79) 74,87 <.001 6 4887 0,084
394,17 418,22 445,44 493,07 528,78 544,57 539,27
-3
Portugal (81,25) (77,46) (80,29) (78,86) (73,31) (71,95) (82,92) 204,39 <.001 6 6252 0,164
380,56 431,28 448,02 469,82 487,53 499,89 461,25
Rusia (84,95) (87,26) (83,84) (87,56) (87,97) (101,7) (104,3) 33,75 <.001 6 5252 0,037
474,3 513,55 538,59 566,99 596,39 604,12 565,99
Shanghái-China (92,9) (85,75) (77,25) (75,56) (70,95) (78) (90,08) 70,47 <.001 6 5103 0,077
440,26 466,64 481,61 525,35 545,66 552,98 554,81
Singapur (103,6) (113,3) (96,54) (93,87) (91,94) (90,17) (96,7) 59,66 <.001 6 5268 0,064
396,18 403,07 431,53 468,06 497,66 493,91 462,13
Eslovenia (83,57) (83,97) (81,88) (84,99) (90,17) (91,96) (100,7) 81,73 <.001 6 5891 0,077
380,1 424,42 456,78 491,54 514,87 520,23 500,75
España (87,63) (87,04) (86,39) (82,56) (82,01) (84,82) (95,92) 456,42 <.001 6 25628 0,097
255,03 328,52 376,2 422,25 453,5 479,34 463,88
Trinidad y Tobago (111,1) (108,6) (112,5) (106,5) (103,2) (96,34) (108,2) 88,21 <.001 6 4642 0,102
394,88 408,36 434,85 470,14 486,06 488,85 484,22
Turquía (94,1) (97,02) (79,06) (78,13) (73,93) (67,37) (77,63) 50,52 <.001 6 4955 0,058
436,51 456,84 473,37 505,5 531,88 526,85 522,44
Estados Unidos (91,73) (86,39) (89,41) (93,44) (90,13) (92,87) (98,76) 62,57 <.001 6 5174 0,068
382,02 432,52 458,99 499,17 525,53 532,97 508,73
Reino Unido (88,46) (91,5) (91,57) (88,77) (87,54) (88,09) (102,6) 201,10 <.001 6 12032 0,091
343 363,93 400,54 433,87 451,38 456,02 447,23
Uruguay (93,13) (82,39) (92,28) (92,61) (93,25) (94,8) (107,9) 77,93 <.001 6 5810 0,074
36
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable CSTRAT convertida a intervalos
233
Tabla A.44 Valores resumen de Estrategias de control en España

CSTRAT Frecuencias Media Lectura (DT)
-2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
Andalucía 2,56 2,63 18,69 46,55 19,69 6,54 3,34 348,22 370,77 431,72 472,81 502,57 495,86 470,36
(82,39) (101,87) (88,11) (78,93) (73,35) (81,88) (73,26)
Aragón 2,33 3,06 21,49 45,18 18,63 4,79 4,52 365,8 434,71 468,97 503,2 532,02 540,46 522,54
(94,42) (90,6) (76,89) (75,26) (72,73) (76,53) (89,37)
Asturias 2,43 3,94 23,46 42,58 17,61 5,78 4,20 382,97 411,96 461,98 501,91 529,85 538,39 510,38
(86,63) (96,2) (90,03) (84,39) (75,89) (83,74) (101,51)
Islas Baleares 2,31 2,45 21,68 45,38 18,53 5,87 3,78 357,01 399,85 435,19 468,39 496,43 503,91 498,18
-3
(88,58) (85,25) (88,89) (81,81) (82,66) (81,46) (83,22)
País Vasco 1,86 2,56 25,80 48,56 15,36 3,45 2,41 389,19 440,28 468,02 503,15 528,54 538,76 517,52
(87,89) (79,56) (79,56) (75,21) (74,73) (74,98) (90,64)
Islas Canarias 2,46 3,09 22,11 41,05 20,42 5,96 4,91 389,01 388,29 422,76 458,59 478,46 490,88 466,73
(86,61) (85,68) (90,51) (83,66) (84,58) (84,1) (100)
Cantabria 2,26 2,72 21 45,71 19 5,98 3,32 382,91 458,34 454,82 496,13 522,41 521,26 512,5
(80,52) (92,38) (82,53) (81,45) (78,69) (89,39) (97,46)
Castilla y 1,79 2,72 21,04 43,99 20,31 5,97 4,18 404,68 432,9 474,07 507,82 539,32 548,69 529,16
León (89,03) (67,82) (78,84) (80,42) (73,47) (71,02) (89,53)
Cataluña 1,61 1,97 18,63 48,50 19,43 6,65 3,21 401,62 424,54 463,46 505,33 526,88 538,47 533,94
(68,28) (78,64) (78,82) (74,67) (76,54) (70,74) (74,51)
Ceuta y 1,20 1,87 19,37 40,84 23,19 6,66 6,88 335,64 402,55 390,66 409,92 446,6 443,87 422,17
Melilla (122,47) (88,22) (104,19) (100,13) (97,77) (98,9) (106,28)
Galicia 3,24 2,60 24,32 44,89 16,63 5,21 3,11 376,94 421,75 460,45 496,25 519,68 527,08 512,67
(86,52) (77,98) (84,48) (76,24) (81,23) (71,15) (83,32)
La Rioja 1,96 2,90 22,87 44,95 18,40 5,32 3,60 392,33 427,56 465,21 503,54 538,02 542,4 521,37
(81,67) (82,15) (90,16) (84,88) (78,41) (86,62) (103,29)
Madrid 1,94 1,94 21,42 45,34 19,70 5,53 4,15 390,3 421,18 478,68 508,27 528,72 546,47 527
(105,29) (88,02) (84,84) (78,55) (76,5) (78,63) (76,85)
Murcia 1,15 2,38 21,49 43,75 21,18 6,60 3,45 420,12 449 467,76 489,03 500,06 507,68 491,4
(73,52) (87,62) (73,69) (72,96) (75,97) (80,69) (90,03)
Navarra 1,60 3,07 25,92 45,49 17,23 4,48 2,20 382,61 436,76 464,97 506,28 530,59 528,24 518,56
(79,54) (81,64) (81,16) (74,6) (74,02) (77,7) (87,3)
No 1,87 1,12 20,80 47,82 17,56 6,72 4,11 352,23 463,4 445,63 483,48 499,59 499,54 502,33
Adjudicados (48,58) (48,84) (82,81) (76,64) (77,39) (86,1) (80,2)
España 2,03 2,61 22,45 45,43 18,46 5,39 3,64 380,1 424,42 456,78 491,54 514,87 520,23 500,75
(87,63) (87,04) (86,39) (82,56) (82,01) (84,82) (95,92)
234
A.5.11.
Tabla A.45 Prueba T para Clima de disciplina
Lectura
Medio- Lectura
Pearson37 Sig Bajo DT Alto DT t38 sig
Total 30 países 0,15 <.001 0,02 0,97 0,31 0,94 -36,84 <.001
Australia -0,15 1,01 0,30 0,92 -18,66 <.001
Brasil -0,17 0,85 0,03 0,91 -3,18 <.001
Bulgaria -0,01 1,00 0,34 0,89 -4,42 <.001
Canadá -0,11 0,98 0,14 0,92 -12,37 <.001
China Taipei 0,08 0,88 0,40 0,83 -6,09 <.001
Croacia -0,14 1,02 0,27 0,92 -5,48 <.001
República Checa -0,18 1,07 0,14 0,99 -6,58 <.001
Estonia 0,04 0,96 0,28 0,92 -4,20 <.001
Finlandia -0,28 0,94 -0,18 0,94 -2,75 0,01
Francia -0,22 1,07 0,07 1,06 -5,06 <.001
Grecia -0,40 0,85 -0,33 0,79 -1,39 0,16
Hungría -0,04 0,96 0,19 1,01 -3,62 <.001
Israel 0,07 1,01 0,11 0,97 -0,76 0,44
Japón 0,70 0,88 1,11 0,72 -14,44 <.001
Corea 0,36 0,81 0,57 0,79 -6,29 <.001
Macao-China 0,11 0,75 0,34 0,77 -3,84 <.001
México 0,14 0,85 0,30 0,82 -2,18 0,03
Nueva Zelanda -0,16 0,95 0,13 0,92 -7,68 <.001
Polonia 0,06 0,99 0,29 0,94 -4,41 <.001
Portugal 0,16 0,96 0,34 0,87 -3,31 <.001
Rusia 0,40 0,97 0,60 0,85 -3,05 <.001
Shanghái-China 0,40 0,85 0,70 0,79 -10,55 <.001
Singapur 0,07 0,90 0,46 0,88 -11,36 <.001
Eslovenia -0,21 1,13 0,26 1,04 -5,04 <.001
España 0,06 1,04 0,19 1,00 -3,94 <.001
Trinidad y Tobago -0,04 1,02 0,31 1,03 -3,49 <.001
Turquía 0,04 0,90 0,20 0,78 -1,63 <.001
Estados Unidos 0,10 0,97 0,55 0,83 -10,95 <.001
Reino Unido 0,04 1,03 0,46 0,85 -14,30 <.001
Uruguay -0,01 1,00 0,19 0,86 -1,95 0,05
37
Correlación con la puntuación en lectura (PV1READ) y la variable DISCLIMA sin modificar
38
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable DISCLIMA sin modificar
235
Tabla A.46 ANOVA para Clima de disciplina

Medias lectura (DT)
-2 -1 0 1 2 F39 Sig grupos grupos cuadrado
451,9 461,35 462,67 474,83 499,28 501,85
Total 30 países (101,2) (98,83) (98,63) (96,93) (93,92) (99,08) 1313,19 <.001 5 256757 0,025
466,29 477,03 488,81 509,66 542,79 545,27
Australia (100,22) (89,47) (97,3) (97,56) (90,72) (98,34) 169,02 <.001 5 13955 0,057
-3 380,54 394,17 397,14 406,61 422,97 414,89
Brasil (85,26) (92,49) (86,43) (88,2) (88,09) (94,39) 47,84 <.001 5 19487 0,012
355,05 405,94 412,87 433,57 464,64 411,31
Bulgaria (117,38) (108,63) (109,89) (112,52) (106,7) (124,33) 42,29 <.001 5 4356 0,046
475,64 499,69 501,8 512,95 531,87 520,64
Canadá (101,42) (91,98) (91,25) (93,06) (87,43) (99,5) 88,58 <.001 5 22556 0,019
438,45 468,77 480,7 493,18 523,63 521,03
China Taipei (112,54) (94,72) (87,6) (82,94) (79,75) (87,33) 51,58 <.001 5 5811 0,042
435,89 449,18 452,05 477,33 506,86 506,52
Croacia (88,71) (83,66) (87) (83,34) (81,49) (89,19) 73,43 <.001 5 4971 0,069
469,13 483,37 486,1 499,49 528,59 514,06
República Checa (92,45) (94,52) (93,2) (95,54) (88,74) (93,78) 43,93 <.001 5 5812 0,036
494,49 498,83 491,07 498,74 517,18 522,91
Estonia (86,44) (86,7) (81,28) (82,04) (78,86) (79,83) 18,25 <.001 5 4704 0,019
521,87 530,42 528,28 529,21 544,49 528,6
Finlandia (83,77) (90,52) (86,84) (86,54) (82,24) (94,58) 5,80 <.001 5 5768 0,005
482,05 480,43 489,56 495,62 522,1 512,33
Francia (111,34) (103,53) (103,77) (103,01) (97,98) (107,12) 16,43 <.001 5 4225 0,019
454,83 470,84 482,66 491,41 502,92 493,64
Grecia (91,99) (91,76) (94,76) (90) (87,09) (97,46) 10,07 <.001 5 4929 0,010
469,36 479,23 487,77 490,01 524,86 527,54
Hungría (88,93) (93,2) (88,78) (85,04) (79,14) (84,39) 39,68 <.001 5 4577 0,042
452,28 466,33 465,68 480,61 507,03 480,45
Israel (116,92) (110,14) (114,45) (105,5) (98,43) (100,47) 24,03 <.001 5 5549 0,021
444,36 449,03 465,56 491,93 537,4 553,69
Japón (116,26) (104,47) (104,45) (100,37) (87,08) (89,75) 124,15 <.001 5 6051 0,093
459,96 516,73 528,75 535,16 551,76 549,12
Corea (105,2) (88,53) (78,59) (74,94) (74,84) (82,41) 19,06 <.001 5 4966 0,019
39
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable DISCLIMA convertida a intervalos
236
Tabla A.46 ANOVA para Clima de disciplina (cont.)

-2 -1 0 1 2 F40 Sig grupos grupos cuadrado
451,21 478,11 470,27 481,7 508,1 501,91
Macao-China (99,44) (71,59) (78,06) (74,03) (72,69) (77,04) 42,05 <.001 5 5922 0,034
429,22 426,01 423,43 428,96 441,85 451,34
México (80,28) (81,22) (82,2) (78,31) (74,5) (74,54) 83,22 <.001 5 37801 0,011
489,22 494,31 507,08 522,01 557,21 547,73
Nueva Zelanda (108,29) (107,24) (98,97) (101,28) (91,21) (93,12) 40,10 <.001 5 4572 0,042
460,58 506,73 498,84 502,76 515,1 522,46
Polonia (85,75) (90,73) (89,15) (86,56) (85,83) (88,34) 12,66 <.001 5 4886 0,013
-3 467,12 474,58 482,72 481,1 503,05 500,83
Portugal (95,97) (92,9) (88,13) (86,25) (81,09) (78,26) 20,16 <.001 5 6254 0,016
447,73 439,64 445,03 459,38 473,56 466,43
Rusia (106,86) (101,55) (88,73) (89,67) (86,7) (85,66) 14,60 <.001 5 5268 0,014
500,67 513,04 528,34 544,67 570,66 577,33
Shanghái-China (88,03) (82,96) (81,61) (80,06) (73,79) (81,87) 52,04 <.001 5 5108 0,048
492,03 474,53 496,78 511,68 556,83 556,81
Singapur (92,12) (95,34) (94,66) (96,16) (87,2) (104,25) 81,61 <.001 5 5262 0,072
420,37 442,83 445,99 463,31 492,9 494,89
Eslovenia (84,64) (86,74) (86,61) (88,73) (84,77) (87,09) 71,53 <.001 5 5886 0,057
463,95 473,31 473,97 483,66 500,5 491,82
España (94,81) (91,51) (92,03) (88,42) (81,73) (88,55) 80,48 <.001 5 25558 0,016
409,09 392,78 401,93 417,95 450,53 451,73
Trinidad y Tobago (110,27) (114,22) (114,94) (113,16) (103,92) (101,89) 31,04 <.001 5 4457 0,034
442,59 441,47 451,38 467,99 482,23 472,53
Turquía (78,27) (80,83) (79,25) (79,44) (77,55) (83,59) 22,37 <.001 5 4965 0,022
459,76 438,99 469,16 493,46 528,6 525,54
Estados Unidos (104,82) (82,1) (90,75) (91,86) (90,68) (95,78) 76 <.001 5 5124 0,069
438,01 460,53 469,17 490,98 520,15 513,87
Reino Unido (91,15) (94,48) (92,26) (94,05) (87,23) (93,09) 144,04 <.001 5 12012 0,057
382,19 415,13 417,31 422,96 443,65 419,4
Uruguay (100,47) (93,17) (95,57) (99,56) (92,47) (92,5) 19,37 <.001 5 5791 0,016
40
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable DISCLIMA convertida a intervalos
237
Tabla A.47 Valores resumen de Clima de disciplina en España

DISCLIMA. Frecuencias Media Lectura (DT)
-2 -1 0 1 2 -3 -2 -1 0 1 2
Andalucía 431,18 457,97 449,17 469,28 480,3 466,59
1,93 3,43 23,37 31,31 31,17 8,79 (88,56) (96,9) (89,37) (88,37) (78,19) (97,23)
Aragón 480,75 469,67 491,02 503,9 507,1 490,61
-3 2,54 3,67 23,22 30,15 33,69 6,74 (84,88) (83,36) (86,19) (82,63) (77,27) (83,78)
Asturias 441,65 494,31 486,05 492,3 504,53 493,23
3,15 3,93 21,25 30,10 31,61 9,97 (95,55) (102,67) (98,61) (91,19) (87,1) (85,51)
Islas Baleares 443,05 451,8 455,18 460,65 487,51 487,47
3,03 4,09 24,12 37,59 27,01 4,16 (99,41) (105,84) (88,11) (88,39) (75,22) (89,33)
País Vasco 475,74 478,38 485,35 493,72 511 494,78
2,16 4,24 24,25 33,70 29,99 5,66 (93) (94,97) (81,8) (80,9) (75,9) (84,75)
Islas Canarias 430,58 458,4 435,82 443,42 470,18 486,02
1,69 3,88 22,28 32,23 32,44 7,48 (103,01) (77,71) (95,44) (90,07) (83,57) (80,1)
Cantabria 461,79 479,71 490,02 488,09 503,2 464,86
2,33 3,79 24,07 33,05 30,65 6,12 (81,51) (93,55) (87,41) (84,11) (84,86) (104,08)
Castilla y León 481,64 467,09 488,26 501,11 522,1 530,87
2,12 3,72 19,51 33,11 32,05 9,49 (83,85) (89,04) (87,74) (80,88) (79,03) (83,11)
Cataluña 455,64 494,37 485,3 503,1 517,13 520,83
2,79 4,47 22,21 37,32 27,35 5,87 (79,54) (84,7) (82,21) (79,34) (72,78) (83,74)
Ceuta y Melilla 410,71 414,82 386,54 411,98 449,74 422,03
2,63 4,14 25,56 34,14 27,29 6,24 (88,49) (97,63) (105,56) (101,33) (98,1) (100,49)
Galicia 488,55 489,55 473,84 490,44 496,75 497,15
2,48 5,41 26,18 31,08 27,77 7,07 (99,86) (84,78) (87,14) (85,42) (80,85) (81,1)
La Rioja 486,42 490,23 492,63 494 519,04 481,16
4,25 5,35 22,17 30,97 30,97 6,29 (96,58) (93,27) (90,82) (93,95) (80,95) (101,16)
Madrid 486,55 492,27 494,98 502,65 516,78 513,03
1,88 2,99 23,45 32,78 32,50 6,40 (101,88) (81) (87,54) (84,19) (79,45) (78,43)
Murcia 468,2 468,61 482,37 482,84 489,62 501,44
2,90 3,97 22,14 27,86 34,89 8,24 (94,36) (72,12) (81,25) (78,23) (73,62) (70,92)
Navarra 497,61 490,47 496,86 490,29 505,26 504,66
2,75 3,49 23,14 32,60 30,85 7,18 (93,71) (74,74) (86,53) (84,79) (75,87) (74,3)
No Adjudicados 428,2 433,58 457,37 484,92 491,2 482,62
2,87 4,24 19,70 32,79 31,67 8,73 (96,09) (74,12) (79,41) (79,03) (82,91) (76,26)
España 463,95 473,31 473,97 483,66 500,5 491,82
2,52 4,06 23,17 32,68 30,63 6,94 (94,81) (91,51) (92,03) (88,42) (81,73) (88,55)
238
A.5.12. Disfrute de la lectura (JOYREAD)
Tabla A.48 Valores resumen de Disfrute de la lectura
Lectura DT Lectura
Corr Medio- Alto
Pearson41 Sig Bajo DT T42 sig
Total 30 países 0,33 <.001 0,04 0,92 0,94 0,91 -119,67 <.001
Australia -0,16 1,05 0,98 0,94 -45,84 <.001
Brasil 0,30 0,77 1,05 0,90 -10,78 <.001
Bulgaria -0,04 0,82 0,96 0,94 -13,51 <.001
Canadá 0 1,12 1,03 0,97 -48,03 <.001
China Taipei 0,37 0,84 1,22 0,85 -17 <.001
Croacia -0,16 0,86 0,75 0,84 -13,07 <.001
República Checa -0,11 0,90 0,84 0,80 -25,86 <.001
Estonia -0,09 0,84 0,82 0,77 -19,05 <.001
Finlandia -0,11 0,99 0,92 0,81 -31,64 <.001
Francia -0,07 0,99 0,88 0,85 -21,16 <.001
Grecia 0,03 0,82 0,87 0,85 -16,53 <.001
Hungría 0,07 0,88 1,11 0,84 -19,45 <.001
Israel -0,01 0,99 0,80 1,04 -16,36 <.001
Japón 0,10 1,03 0,87 1,06 -19,92 <.001
Corea 0,05 0,78 0,68 0,83 -18,85 <.001
Macao-China 0,06 0,70 0,75 0,74 -12,30 <.001
México 0,13 0,78 0,96 0,81 -12,13 <.001
Nueva Zelanda -0,02 0,93 0,94 0,92 -25,80 <.001
Polonia -0,06 1,03 1,20 1,13 -21,12 <.001
Portugal 0,17 0,89 1,02 0,85 -15,59 <.001
Rusia 0,04 0,69 0,95 0,71 -16,98 <.001
Shanghái-China 0,50 0,69 0,90 0,65 -17,22 <.001
Singapur 0,18 0,90 0,93 0,85 -21,81 <.001
Eslovenia -0,32 0,92 0,79 0,90 -14,74 <.001
España -0,05 0,94 0,99 0,88 -36,88 <.001
Turquía 0,63 0,86 1,34 0,82 -7,70 <.001
Estados Unidos -0,13 1,02 0,84 0,96 -19,73 <.001
Reino Unido -0,24 0,95 0,85 0,90 -35,13 <.001
Uruguay -0,14 0,85 0,66 0,88 -8,79 <.001
41
Correlación con la puntuación en lectura (PV1READ) y la variable JOYREAD sin modificar
42
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable JOYREAD sin modificar
239
Tabla A.49 ANOVA para Disfrute de la lectura

Medias Lectura (DT)
gl
Inter gl Intra Eta
-3 -2 -1 0 1 2 3 F43 Sig grupos grupos cuadrado
434,06 436 445,18 465,6 516,94 552,21 563,43
Total 30 países (80,77) (82,52) (85,35) (94,62) (96,26) (92,19) (88,64) 17892,67 <.001 6 254999 0,112
429,67 433,67 457,43 506,61 571,39 599,57 603,6
Australia (81,55) (83,69) (87,24) (89,06) (81,03) (75,17) (76,1) 813,04 <.001 6 13730 0,262
409,39 386,52 394,98 392,73 419,95 454,31 475,62
Brasil (75,09) (94,7) (83,67) (84) (89,05) (98,97) (103,76) 139,59 <.001 6 19632 0,041
405,07 399,09 404,37 420,17 492,11 523,66 549,87
Bulgaria (82,36) (96,53) (93,53) (111,17) (108,78) (101,6) (99,28) 86,46 <.001 6 4284 0,108
426,35 440,05 464,51 506,84 557,47 582,71 584,39
Canadá (74,54) (80,99) (81,89) (85,15) (78,67) (77,24) (81,03) 1056,84 <.001 6 22291 0,221
378,64 409,71 440,06 475,25 534,28 561,24 575,26
China Taipei (129,57) (84,24) (81,44) (79,41) (70,91) (68,37) (73,21) 244,39 <.001 6 5742 0,203
424,59 430,89 442,23 475,8 525,02 554,4 550,7
Croacia (81,57) (81,01) (79,4) (84,11) (77,99) (79,67) (73,7) 129,77 <.001 6 4913 0,137
438,58 441,29 444,99 488,38 564,14 581,2 587,42
República Checa (65,61) (80,18) (82,59) (91,01) (75,86) (77,06) (72,3) 321,06 <.001 6 5940 0,245
467,79 449,3 462,15 499,49 549,38 581,98 589,02
Estonia (67,74) (66,1) (71,91) (76,36) (72,29) (68,19) (58,48) 183,05 <.001 6 4660 0,191
433,25 449,59 479,51 530,48 582,53 600,01 608,12
Finlandia (75,54) (72,91) (76,09) (76,45) (70,69) (69,89) (67,42) 344,29 <.001 6 5620 0,269
414,65 426,11 445,43 493,79 553,62 580,56 575,8
Francia (96,79) (88,12) (97,71) (96,86) (88,16) (77,53) (85,49) 177,09 <.001 6 4221 0,201
385,03 417,15 440,04 479,84 529,31 575,73 576,02
Grecia (95,3) (90,69) (84,7) (86,79) (80,63) (78,65) (87,34) 158,39 <.001 6 4897 0,163
455,14 458,64 453,98 484,05 545,52 581,1 580,46
Hungría (25,66) (74,74) (75,94) (80,51) (75,26) (67,99) (61,63) 196,96 <.001 6 4544 0,206
460,56 448,97 458,55 462,12 521,7 557,84 568,47
Israel (76,65) (97,81) (97,97) (109,75) (98,14) (82,93) (95,73) 97,93 <.001 6 5493 0,097
456,44 465,74 474,51 517,7 556,15 583,25 596,31
Japón (106,25) (86,72) (96,86) (91,97) (83,2) (77,19) (75,31) 163,94 <.001 6 5923 0,142
501,32 462,93 495,27 535,69 580,48 593,4 604,1
Corea (61,6) (87,78) (74,18) (72,55) (62,56) (62,52) (59,17) 157,90 <.001 6 4906 0,162
43
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable JOYREAD convertida a intervalos
240
Tabla A.49 ANOVA para Disfrute de la lectura (cont.)

-2 -1 0 1 2 3 F44 Sig grupos grupos cuadrado
438,99 440,78 453,49 480,32 521,97 541,98 558,42
Macao-China (42,87) (81,42) (73,97) (72,33) (69,53) (72,11) (76,45) 110,40 <.001 6 5881 0,101
445,11 431,71 420,32 423,63 452,65 478,23 493,03
México (68,07) (70,69) (71,72) (77,21) (78,85) (79,62) (75,88) 281,46 <.001 6 37608 0,043
470,13 449,75 470,91 509,06 575,8 608,57 614,31
Nueva Zelanda (98,08) (86,46) (88,58) (93,1) (86,25) (81,8) (87,93) 202,95 <.001 6 4509 0,213
467,86 470,16 469,33 493,29 550,94 586,08 589,6
Polonia (71,1) (79,27) (76,87) (84,45) (72,59) (69,93) (69,04) 200,97 <.001 6 4799 0,201
453,17 440,38 452,36 474,62 524,27 558,43 564,92
Portugal
-3 (97,24) (70,2) (77,15) (81,03) (76,86) (73,76) (62,55) 178,60 <.001 6 6196 0,147
443,5 416,35 424,56 452,4 511,7 553,99 563,17
Rusia (100,76) (92,32) (77,42) (82,35) (85,07) (85,83) (102,35) 139,38 <.001 6 5208 0,138
536,56 452,84 496,06 531,52 576,7 605,76 582,13
Shanghái-China (73,32) (80,83) (78,59) (79,12) (71,62) (64,37) (70,16) 119,32 <.001 6 5056 0,124
471,55 449,68 469,44 504,36 567,02 591,61 583,07
Singapur (49,6) (75,18) (87,44) (92,06) (85,4) (75,02) (86,61) 182,53 <.001 6 5220 0,173
441,5 414,98 431,17 459,73 524,14 555,57 547,59
Eslovenia (72,8) (75,24) (80,26) (90,44) (80,04) (68,59) (79,28) 184,33 <.001 6 5962 0,156
423,52 431,23 447,91 481,35 532,1 554,06 562,52
España (79,05) (80,15) (80,96) (83,83) (77,01) (76,39) (75,46) 802,50 <.001 6 25285 0,160
551,72 421,01 406,9 395,28 452,81 495,96 528,78
477,37 461,61 449,65 448,96 475,42 503,85 517,67
Turquía (1,36) (63,44) (79,92) (77,4) (78,02) (71,41) (73,89) 53,74 <.001 6 4932 0,061
446,9 447,62 457,33 491,71 551,75 572,77 577,2
Estados Unidos (72,46) (74,76) (83,34) (91,7) (84,91) (78,51) (83,05) 182,06 <.001 6 5119 0,176
419,69 437,74 450,38 492,74 558,34 586,26 589,7
Reino Unido (83,8) (79,77) (82,05) (86,69) (81,55) (75,99) (76,87) 559,07 <.001 6 11802 0,221
412,69 405,63 398,35 420,7 468,46 483,3 506,17
Uruguay (81,39) (85) (90,79) (93,37) (99,05) (99,81) (105,56) 78,37 <.001 6 5771 0,075
44
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable JOYREAD convertida a intervalos
241
Tabla A.50 Valores resumen de Disfrute de la lectura en España

JOYREAD. Frecuencias Media Lectura (DT)
-2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
Andalucía 434,4 421,41 429,53 464,57 519,44 517,16 563,72
0,29 4,15 27,34 43,81 20,26 3,29 0,86 (97,01) (85,41) (87,2) (82,07) (63,5) (87,77) (74,6)
Aragón 377,01 441,43 462,08 497,1 542,69 577,82 585,45
0,47 3,44 27,46 42,65 20,78 4,25 0,94 (81,49) (69,45) (74,82) (77,4) (73,71) (66,63) (75,45)
Asturias 434,66 430,79 449,1 490,82 546,29 565,93 580,56
0,73 5 25,78 39,24 23,12 4,66 1,47 (69,32) (79,69) (85,01) (86,97) (73,39) (68,71) (65,51)
-3 Baleares
Islas 414,13 402,42 426,92 456,17 513,64 539,64 529,83
0,49 3,31 26,58 39,73 24,19 4,22 1,48 (46,89) (84,15) (83,4) (84,14) (73,67) (79,19) (73,96)
País Vasco 400,1 442,01 456,44 494,57 544,52 551,37 572,62
0,56 3,59 25,35 43,82 22,47 3,31 0,90 (82,66) (74) (76,73) (74,99) (66,86) (72,96) (61,49)
Islas Canarias 343,65 388,32 417,65 448,31 499,98 537,99 531,54
0,29 3,28 27,25 41,87 20,83 5,28 1,21 (41,97) (83,74) (84,6) (80,31) (81,61) (76,01) (54,19)
Cantabria 445,52 454,31 448,51 488,37 545,73 557,19 582,28
0,67 3,77 28,55 40,07 22,02 3,64 1,28 (88,66) (71,53) (81,63) (80,38) (68,02) (65,73) (69,75)
Castilla y León 433,65 444,83 464,76 498,47 545,07 570,55 611,77
0,67 2,76 22,68 40,51 26,18 5,59 1,62 (60,42) (72,23) (74,95) (77,69) (75,4) (64,76) (45,01)
Cataluña 468,02 458,55 466,97 491,82 538,52 565,74 566,46
0,66 3,32 23,69 38,23 27,97 4,87 1,25 (92) (74,52) (75,12) (76,31) (66,55) (76,56) (45,44)
Ceuta y 435,76 411 398,77 402,2 443,8 493,31 472,09
Melilla 0,38 3,18 23,50 42,68 24,79 3,87 1,59 (111,45) (86,66) (92,25) (104,42) (100,93) (108,17) (120,6)
Galicia 397,12 400,09 448,29 487,68 533,35 567,92 577,45
0,19 3,03 26,90 42,32 23,81 2,90 0,84 (92,1) (97,86) (78,1) (77,36) (72,45) (60,29) (82,51)
La Rioja 408,27 421,51 463,85 492,96 550,25 587,9 598,7
0,64 3,50 26,31 40,94 24,32 2,86 1,43 (101,33) (78,43) (75,75) (89,4) (74,8) (53,27) (65,69)
Madrid 459,33 426,09 454,58 503,54 549,78 567,28 558,24
0,35 2,59 24,60 41 25,65 3,99 1,82 (35,29) (84,92) (81,02) (77,05) (66,92) (73,36) (73,91)
Murcia 412,48 455,8 451,02 478,96 526,73 549,57 551,86
0,31 3,31 24,88 42,53 23,88 4,01 1,08 (11,77) (59,04) (68,81) (71,93) (70,78) (72,76) (51,08)
Navarra 480,29 448,72 463,11 493,08 546,64 576,5 562,4
0,48 3,87 27,22 43,79 20,91 3,26 0,48 (48,11) (81,77) (74,6) (78,78) (68,66) (63,55) (46,6)
No 436,8 410,1 439,18 472,5 530,57 533,39 537,2
Adjudicados 0,38 3,58 21,36 47,57 20,84 4,99 1,28 (77,97) (66,39) (66,62) (75,72) (76,24) (79,74) (49,39)
España 423,52 431,23 447,91 481,35 532,1 554,06 562,52
0,49 3,50 25,69 42,02 23,19 3,95 1,17 (79,05) (80,15) (80,96) (83,83) (77,01) (76,39) (75,46)
242
A.5.13. Metacognición: resumen (METASUM)

Tabla A.51 Prueba T para Metacognición: resumen
Corr Sig Lectura DT Lectura DT t46
Pearson45 Medio-Bajo Alto
Total 30 países 0,42 <.001 -0,13 1,00 0,60 0,69 -125,17 <.001
sig
Australia -0,21 1,04 0,58 0,70 -40,47 <.001
Brasil -0,34 0,95 0,62 0,61 -20,21 <.001
Bulgaria -0,41 1,02 0,46 0,74 -12,90 <.001
Canadá -0,14 1,03 0,56 0,73 -42,29 <.001
China Taipei -0,42 1,04 1,04 0,84 0,84 <.001
Croacia -0,13 1,03 0,66 0,58 -16,17 <.001
República Checa 0,14 0,97 0,97 0,55 0,55 <.001
Estonia 0,13 0,90 0,74 0,62 -15,59 <.001
Finlandia -0,05 1,00 0,67 0,64 -26,46 <.001
Francia 0,19 0,92 0,76 0,54 -18,36 <.001
Grecia -0,12 0,92 0,51 0,67 -15,07 <.001
Hungría -0,03 0,99 0,79 0,59 -21,40 <.001
Israel -0,22 1,03 0,62 0,72 -22,41 <.001
Japón -0,11 1,05 0,62 0,62 -27,71 <.001
Corea -0,02 1,03 0,61 0,68 -20,65 <.001
Macao-China -0,30 0,99 0,99 0,76 0,76 <.001
México -0,06 0,99 0,81 0,61 -15,96 <.001
Nueva Zelanda -0,25 1,04 1,04 0,74 0,74 <.001
Polonia -0,07 1,01 0,67 0,64 -20,47 <.001
Portugal -0,04 1,05 0,72 0,57 -20,62 <.001
Rusia -0,34 0,99 0,46 0,74 -13,98 <.001
Shanghái-China -0,02 0,93 0,93 0,67 0,67 <.001
Singapur 0,05 1,03 0,77 0,62 -26,53 <.001
Eslovenia -0,34 1,04 0,61 0,71 -15,96 <.001
España 0,04 0,90 0,63 0,63 -28,35 <.001
Trinidad y Tobago -0,25 1,00 1,00 0,74 0,74 <.001
Turquía -0,37 0,97 0,49 0,75 -10,57 <.001
Estados Unidos -0,27 1,02 1,02 0,76 0,76 <.001
Reino Unido -0,16 1,00 1,00 0,74 0,74 <.001
Uruguay -0,22 1,00 0,71 0,54 -15,90 <.001
45
Correlación con la puntuación en lectura (PV1READ) y la variable METASUM sin modificar
46
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable METASUM sin modificar
243
Tabla A.52 ANOVA para Metacognición: resumen

Medias Lectura (DT)
-1 0 1 F47 grupos grupos cuadrado
Total 30 países 419,24 439,29 478,22 521,75
(86,37) (87,69) (90,67) (87,13) 16125,68
Sig <.001 3 248823 0,16
Australia 440,06 469,37 515,72 557,67
(85,39) (86,41) (88,79) (83,21) 1249,71 <.001 3 13558 0,22
Brasil 371,83 378,52 414,89 450,62
(74,85) (75,08) (81,84) (89,54) 836,59 <.001 3 17936 0,12
Bulgaria -2 377,75 400,25
(100,6 (101,6 460,24 497,33
2) 5) (96,63) (99,21) 296,05 <.001 3 3951 0,18
Canadá 450,09 477,66 513,67 548
(86,1) (84,03) (86,33) (83,23) 1361,39 <.001 3 22230 0,16
China Taipei 447,4 479,44 513,69 533,67
(86,44) (75,96) (76,04) (76,15) 349,51 <.001 3 5763 0,15
Croacia 411,25 438,62 479,34 516,92
(71,75) (74,55) (82,19) (74,39) 445,48 <.001 3 4842 0,22
República Checa 413,63 428,18 485,83 543,35
(74,07) (76,99) (86,44) (78,51) 706,64 <.001 3 5677 0,27
Estonia 432,88 456,78 495,16 531,21
(71,97) (72,18) (74,8) (74,85) 294,97 <.001 3 4637 0,16
Finlandia 451,13 482,05 531,8 567,11
(72,9) (77,8) (77,37) (73,48) 580,80 <.001 3 5684 0,23
Francia 405,42 424,2 489,84 539,14
(89,96) (92,05) (97,99) (84,57) 354,90 <.001 3 4018 0,21
Grecia 430,17 447,98 489,78 521,8
(83,03) (81,77) (85,57) (87,74) 235,70 <.001 3 4819 0,13
Hungría 431,56 451,44 491,42 539,69
(71,31) (79,26) (77,75) (74,32) 438 <.001 3 4503 0,23
Israel 420,54 441,35 482,26 533,55
(96,72) (94,51) (97,1) (94,7) 383,14 <.001 3 5334 0,18
Japón 430,3 472,66 527,7 562,41
(93,32) (85,74) (86,17) (79,15) 657,76 <.001 3 6005 0,25
Corea 465,27 496,17 541,47 570,26
(73,65) (69,48) (66,94) (63,98) 526,20 <.001 3 4942 0,24
47
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable METASUM convertida a intervalos
244
Tabla A.52 ANOVA para Metacognición: resumen (cont.)

-1 0 1 F48 Sig grupos grupos cuadrado
Macao-China 451,16 471,02 495,22 508,6
(75,1) (71,11) (72,9) (72,46) 168,28 <.001 3 5876 0,08
México 389,97 401,6 426,76 467,15
(70,61) (70,47) (72,73) (70,01) 2148,50 <.001 3 36443 0,15
Nueva Zelanda 452,57 483,29 529,06 571,87
(90,51) (87,68) (91,56) (84,58) 401,56 <.001 3 4474 0,21
Polonia 447 462,45 498,58 545,16
(76,03) (81,4) (78,24) (76,28) 390,62 <.001 3 4736 0,2
Portugal 412,33 429,07 493,2 526,44
(70,6) (73,74) (75,3) (70,76) 766,73 <.001 3 6166 0,27
Rusia 418,32 438,33 471,75 509,9
(82,35) (77,43) (81,46) (80,55) 307,75 <.001 3 5028 0,16
Shanghái-China
-2 488,79 517,6 555,77 580,57
(79,75) (74,44) (76,97) (70,61) 270,80 <.001 3 5054 0,14
Singapur 440,24 466,34 502,11 560,64
(89,46) (88,26) (87,63) (83,75) 482,46 <.001 3 5242 0,22
Eslovenia 413,18 433,33 474,21 508,15
(76,27) (76,98) (83,29) (82,61) 412,12 <.001 3 5671 0,18
España 413,64 434,29 484,01 517,53
(83,57) (84,4) (82,02) (76,26) 1657,73 <.001 3 25162 0,17
Trinidad y Tobago 371,79 381,65 440,68 479,13
(97,02) (98,38) (101,69) (98,09) 260,45 <.001 3 4181 0,16
Turquía 425,84 443,11 474,48 507,08
(72,63) (69,94) (73,69) (74,1) 279,67 <.001 3 4829 0,15
Estados Unidos 452,73 464,98 498,86 540
(85,12) (87,68) (88,81) (88,43) 260,60 <.001 3 4958 0,14
Reino Unido 433,76 459,25 495,34 532,99
(86,48) (85,68) (85,17) (84,74) 720,02 <.001 3 11653 0,16
Uruguay 362,26 393,53 431,43 476,81
(80,8) (81,81) (86,72) (87,1) 428,38 <.001 3 5335 0,19
48
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable METASUM convertida a intervalos
245
Tabla A.53 Valores resumen de Metacognición: resumen en España

METASUM. Frecuencias Media Lectura (DT)
-1 0 1 -2 -1 0 1
Andalucía 391,7 416,41 469,59 497,06
9,59 11,18 34,79 44,44 (85,78) (83,57) (80,94) (73,15)
Aragón 426,45 452,1 496,17 523,82
8,08 10,83 31,22 49,87 (82,68) (78,9) (77) (73,87)
Asturias -2 399,42 434,99 488,73 527,65
8,58 11,04 31,32 49,07 (91,05) (98,02) (81,96) (76,19)
Islas Baleares 407,21 428,16 468,62 499,41
12,50 14,19 29,63 43,68 (82,04) (79,94) (79,61) (78,37)
País Vasco 436,05 452,78 497,49 526,13
11,27 14,28 31,41 43,04 (75,84) (79,33) (74,68) (72,61)
Islas Canarias 388,57 399,16 448,18 485,72
7,91 12,01 32,78 47,30 (84,28) (85,35) (84,96) (79,83)
Cantabria 417,93 427,67 486,06 521,37
7,26 9,48 35,75 47,51 (78,58) (83,29) (79,94) (77,29)
Castilla y León 426,77 449,17 505,15 531,44
7,65 9,80 31,95 50,60 (89,57) (85,38) (75,12) (73,1)
Cataluña 424,26 454,41 496,22 528,38
7,27 12,09 28,93 51,71 (78,87) (74,47) (77,38) (69,06)
Ceuta y Melilla 354,19 368,33 417,67 467,15
12,28 15,64 33,07 39,01 (82,26) (85,76) (94,65) (93,74)
Galicia 398,56 438,7 481,94 520,6
9,09 10,51 29,85 50,55 (74,87) (80,02) (78,53) (70,78)
La Rioja 406,54 445,09 496,69 531,56
7,86 10,56 34,29 47,30 (89,16) (80,7) (85,39) (77,75)
Madrid 416,31 443,02 498,16 532,37
5,75 8,56 33,61 52,07 (83,31) (76,1) (80,81) (70,25)
Murcia 425,97 437,22 479,52 509,74
7,58 8,52 32,99 50,90 (73,67) (74,65) (74,52) (67,17)
Navarra 437,38 440,18 499,2 524,84
9,32 13,38 31,35 45,95 (78,71) (81,89) (73,97) (73,39)
No Adjudicados 409,25 420,8 474,1 510,97
7,34 14,18 31,01 47,47 (65,94) (71,32) (77,65) (70,57)
España 413,64 434,29 484,01 517,53
9,05 11,89 32,04 47,02 (83,57) (84,4) (82,02) (76,26)
246
A.5.14. Metacognición: entendimiento y memoria (UNDREM)
Tabla A.54 Valores resumen de Metacognición: entendimiento y memoria

Corr Lectura DT Lectura
Pearson49 Sig Medio-Bajo Alto DT t50 sig
Total 30 países 0,3629 <.001 -0,1231 1,00 0,5062 0,83 -91,116 <.001
Australia -0,09 1,01 0,56 0,82 -29,45 <.001
Brasil -0,36 1,00 0,61 0,81 -15,31 <.001
Bulgaria -0,37 0,99 0,42 0,81 -10,69 <.001
Canadá -0,14 1,01 0,38 0,89 -26,79 <.001
China Taipei -0,15 0,95 0,41 0,90 -9,95 <.001
Croacia -0,12 0,97 0,61 0,70 -12,55 <.001
República Checa 0 0,96 0,70 0,68 -21,77 <.001
Estonia 0,21 0,95 0,86 0,65 -15,61 <.001
Finlandia -0,13 1,01 0,60 0,80 -22,27 <.001
Francia 0,12 0,97 0,72 0,75 -15,03 <.001
Grecia -0,09 0,88 0,24 0,85 -6,18 <.001
Hungría 0,03 0,95 0,64 0,76 -12,86 <.001
Israel -0,19 0,98 0,42 0,81 -14,93 <.001
Japón 0,07 0,94 0,49 0,73 -14,56 <.001
Corea -0,03 1,00 0,57 0,80 -17,41 <.001
Macao-China -0,11 0,96 0,29 0,90 -5,15 <.001
México -0,25 1,01 0,79 0,73 -16,21 <.001
Nueva Zelanda -0,11 1,01 0,41 0,86 -14,86 <.001
Polonia -0,20 0,98 0,37 0,91 -11,71 <.001
Portugal -0,12 1,06 0,71 0,71 -18,60 <.001
Rusia -0,12 0,99 0,65 0,79 -12,50 <.001
Shanghái-China 0,05 0,98 0,49 0,83 -14,33 <.001
Singapur -0,03 0,96 0,43 0,84 -13,85 <.001
Eslovenia -0,20 1,02 0,62 0,82 -12,18 <.001
España 0,09 0,95 0,54 0,76 -18,44 <.001
Trinidad y Tobago -0,17 1,05 0,59 0,84 -9,20 <.001
Turquía -0,23 0,96 0,43 0,82 -7,46 <.001
Estados Unidos -0,28 1,00 0,34 0,92 -13,67 <.001
Reino Unido 0,03 0,97 0,55 0,81 -18,52 <.001
Uruguay -0,27 1,00 0,40 0,79 -7,81 <.001
49
Correlación con la puntuación en lectura (PV1READ) y la variable UNDREM sin modificar
50
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable UNDREM sin modificar
247
Tabla A.55 ANOVA para Metacognición: entendimiento y memoria

Medias Lectura (DT)
-1 0 1 F51 Sig grupos grupos cuadrado
421,61 455,25 485,33 524,19
Total 30 países (89,61) (90,74) (92,26) (87,05) 11651 <.001 3 248108 0,123
442,15 480,88 515,91 554,04
Australia (92,19) (90,31) (92,15) (85,23) 782,81 <.001 3 13641 0,147
-2 376,76 396,8 416,47 457,1
Brasil (75,04) (79,91) (86,23) (89,13) 583,97 <.001 3 17538 0,091
377,63 428,93 457,78 498,94
Bulgaria (103,2) (101,3) (104,1) (95,28) 202,40 <.001 3 3929 0,134
460,28 492,24 517,82 548,23
Canadá (91,85) (87,73) (88,47) (83,76) 818,79 <.001 3 22227 0,1
430,7 484,76 506,3 529,05
China Taipei (95,34) (80) (77,57) (77,67) 252,67 <.001 3 5750 0,116
416,27 448,75 482,71 518,92
Croacia (77,63) (79,71) (81,07) (76,88) 291,11 <.001 3 4839 0,153
424,88 464,54 501,06 547,31
República Checa (83,18) (84,63) (86,67) (83,9) 393,31 <.001 3 5686 0,172
438,86 468,19 496,86 534,01
Estonia (74,49) (72,07) (78,04) (74,01) 245,04 <.001 3 4616 0,137
471,35 500,13 531,25 574,58
Finlandia (81,79) (83,04) (79,57) (72,17) 396,68 <.001 3 5669 0,174
423,11 460,17 498,52 545,42
Francia (99,3) (100,6) (93,5) (86,01) 241,33 <.001 3 4017 0,153
443,42 475,09 491,52 511,82
Grecia (94,99) (89,05) (88,39) (90,78) 68,43 <.001 3 4784 0,041
438,66 467,03 500,59 537,06
Hungría (80,97) (80,96) (80,82) (77,09) 230,66 <.001 3 4485 0,134
422,01 459,87 492,17 532,45
Israel (101,9) (100,6) (102,5) (92,88) 225,46 <.001 3 5320 0,113
422,55 493,64 527,52 554,1
Japón (105,2) (95,99) (89,65) (82,84) 330,24 <.001 3 5980 0,142
475,64 516,72 542,15 572,45
Corea (82,11) (74,41) (70,37) (65,29) 295,89 <.001 3 4952 0,152
51
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable UNDREM convertida a intervalos
248
Tabla A.55 ANOVA para Metacognición: entendimiento y memoria (cont.)

-1 0 1 F52 grupos grupos cuadrado
451,5 473,48 488,83 508,89
(80,95) (73,59) Sig
Macao-China (73,85) (70,57) 115,99 <.001 3 5863 0,056
401,79 418,41 438,37 472,61
México (71,18) (72,57) (75,15) (71,93) 1322,46 <.001 3 36209 0,099
455,32 495,82 531,05 567,96
Nueva Zelanda (98,68) (95,87) (92,21) (85,49) 241,24 <.001 3 4474 0,139
466,12 487,93 513,33 544,06
Polonia (83,17) (79,97) (84,23) (78,63) 158,20 <.001 3 4672 0,092
424,58 462,79 495,68 531,81
-2
Portugal (74,96) (78,42) (79,14) (72,46) 488,39 <.001 3 6186 0,191
406,14 442,4 469,22 509,31
Rusia (81,47) (77,62) (82,49) (79,16) 285,17 <.001 3 5006 0,146
491,71 531,46 556,93 581,71
Shanghái-China (82,35) (77,98) (76,25) (71,81) 204,28 <.001 3 5074 0,108
457,72 499,86 523,61 555,11
Singapur (96,27) (94,2) (95,47) (87,29) 168,96 <.001 3 5242 0,088
410,89 443,51 468,15 509,32
Eslovenia (77,53) (80,06) (85,44) (82,83) 309,26 <.001 3 5684 0,14
425,26 457,26 487,8 514,38
España (88,39) (89,75) (83,81) (78,62) 890,03 <.001 3 25182 0,096
366,42 407,91 437,3 483,74
Trinidad y Tobago (100,6) (97,88) (106) (95,69) 216,38 <.001 3 4182 0,134
420,06 452,73 476,65 498,98
Turquía (74,35) (76,5) (76,69) (71,87) 176,55 <.001 3 4840 0,099
453,23 480,16 505,33 542,26
Estados Unidos (87,83) (88,31) (91,48) (88,91) 186,63 <.001 3 4979 0,101
431,83 466,78 494,31 530,22
Reino Unido (88,05) (89,46) (88,81) (84,53) 481,48 <.001 3 11666 0,11
377,63 415,69 438,6 477,07
Uruguay (87,07) (88,8) (91,15) (88,63) 226,43 <.001 3 5300 0,114
52
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable UNDREM convertida a intervalos
249
Tabla A.56 Valores resumen de Metacognición: entendimiento y memoria en España

UNDREM. Frecuencias Media Lectura (DT)
-2 -1 0 1 -2 -1 0 1
Andalucía 407,36 435,84 474,53 490,68
9,30 15,18 40,45 35,08 (87,18) (96,93) (76,95) (81,55)
Aragón 450,69 471,13 498,49 519,87
6,98 12,36 43,59 37,07 (89,8) (87,6) (76,81) (77,89)
Asturias 428,42 459,38 498,2 522,9
9,69 14,13 43,26 32,91 (101,22) (91,04) (87,25) (78,19)
Islas Baleares 418,43 443,84 466,76 494,55
10,56 15,73 37,36 36,34 (90,4) (84,91) (86,41) (76,35)
País Vasco 446,55 475,95 497,9 523,74
10,99 17,91 39,35 31,74 (79,38) (82,45) (78,36) (72,77)
Islas Canarias 392,22 417,15 456,32 480,89
8,71 12,96 40,17 38,16 (74,13) (85,57) (86,49) (85,36)
Cantabria 425,19 465,7 488,31 520,55
7,39 14,52 41,26 36,83 (80,41) (91,31) (82,78) (77,94)
Castilla y León 422,69 466,33 509,29 528,52
6,34 11,81 40,43 41,43 (79,09) (88,16) (81,26) (72,94)
Cataluña 437,32 474,66 494,8 532,04
7,52 14,68 37,54 40,27 (82,95) (77,58) (74,71) (72,61)
Ceuta y Melilla 346,46 388,2 424,48 459,88
11,40 18,11 39,42 31,07 (78,7) (103,08) (98,7) (93,15)
Galicia 408,71 459,88 491,84 516,51
8,08 16,87 39,50 35,55 (90,28) (85,76) (81,32) (71,54)
La Rioja 422,27 452,2 504,49 526,57
7,52 12,51 42,91 37,05 (88,97) (97,23) (83,89) (81,09)
Madrid 457,58 467,46 500,57 531,89
5,99 13,05 41,40 39,56 (92,57) (83,37) (81,37) (74,58)
Murcia 439,11 460,69 485,3 507,59
6,94 14,51 42,20 36,35 (84,47) (81,62) (72,02) (69,45)
Navarra 441,25 470,97 495,37 528,32
9,72 17,29 37,07 35,92 (82,26) (80,51) (81,37) (70,16)
No Adjudicados 423,68 450,36 478,26 503,47
8,14 13,87 42,11 35,88 (78,91) (79,81) (79,43) (75,38)
España 425,26 457,26 487,8 514,38
8,77 15,14 40,32 35,77 (88,39) (89,75) (83,81) (78,62)
250
A.5.15.
Lectura on-line (ONLNREAD)
Tabla A.57 Prueba T para Lectura on-line
Corr Lectura
Pearson Medio- Lectura
53
Sig Bajo DT Alto DT T54 sig
Total 30 países 0,23 <.001 -0,18 1,11 0,14 0,84 -44,39 <.001
Australia -0,16 0,90 0,17 0,75 -16,02 <.001
Brasil -0,71 1,46 0,38 1,02 -13,64 <.001
Bulgaria 0,26 1,48 0,88 0,97 -7,03 <.001
Canadá -0,14 0,96 0,12 0,81 -14,71 <.001
China Taipei -0,19 0,91 -0,06 0,77 -2,74 0,01
Croacia 0,09 1,12 0,48 0,89 -5,31 <.001
República Checa 0,53 1,00 0,58 0,82 -1,31 0,19
Estonia 0,51 0,89 0,64 0,76 -2,85 <.001
Finlandia -0,08 0,79 0,07 0,75 -4,71 <.001
Francia -0,14 0,90 0,07 0,71 -5,46 <.001
Grecia -0,14 1,20 0,12 1,10 -3,67 <.001
Hungría 0,43 1,04 0,51 0,87 -1,62 0,11
Israel -0,02 1,11 0,20 0,84 -4,87 <.001
Japón -0,53 0,99 -0,26 0,78 -9,07 <.001
Corea -0,21 0,87 -0,15 0,62 -2,19 0,03
Macao-China -0,02 0,83 0,13 0,67 -2,36 0,02
México -0,45 1,11 0,29 0,96 -7,63 <.001
Nueva Zelanda -0,32 0,91 -0,05 0,80 -8,28 <.001
Polonia 0,44 1,10 0,77 0,88 -6,92 <.001
Portugal 0,14 0,91 0,17 0,83 -0,51 0,61
Rusia -0,50 1,45 0,17 1,01 -8,50 <.001
Shanghái-China -0,37 0,98 -0,25 0,77 -4,09 <.001
Singapur 0,10 0,96 0,36 0,93 -7,29 <.001
Eslovenia 0,22 1,01 0,38 0,74 -2,65 0,01
España -0,13 0,91 0,04 0,75 -7,01 <.001
Trinidad y Tobago -0,63 1,28 -0,12 0,89 -5,93 <.001
Turquía -0,04 1,27 0,12 0,83 -1,79 0,08
Estados Unidos -0,18 1,02 0,11 0,84 -7,14 <.001
Reino Unido 0,04 0,90 0,24 0,83 -7,03 <.001
Uruguay -0,23 1,22 0,39 0,75 -7,69 <.001
53
Correlación con la puntuación en lectura (PV1READ) y la variable ONLNREAD sin modificar
54
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable ONLNREAD sin modificar
251
Tabla A.58 ANOVA para Lectura on-line
Medias Lectura (DT)

gl
Inter gl Intra Eta
-5 -4 -3 -2 -1 0 1 2 3 F55 Sig grupos grupos cuadrado
353,33 349,24 364,77 412,37 462,29 494,64 498 493,46 468,07
Total 30 países (87,58) (90,78) (92,21) (93,1) (96,91) (93,47) (92,33) (94,37) (100,55) 2934,62 <.001 8 257675 0,084
344,01 327,29 368,91 420,74 484,92 522,87 533,88 533,7 513,99
Australia (78,91) (88,2) (90,29) (96,36) (97,27) (93,77) (96,38) (93,99) (96,63) 146,57 <.001 8 14023 0,077
350,41 344,43 346,89 379,53 400,24 424,41 431,3 429,22 423,35
Brasil (69,89) (78,08) (69,73) (76,26) (83,83) (89,19) (91,37) (93,85) (100,36) 202,70 <.001 8 19784 0,076
270,47 249,85 261,39 327,07 372,92 443,29 471,47 470,92 438,84
Bulgaria (96,1) (85,13) (89,47) (96,09) (101,83) (104,21) (97,76) (101,21) (112,26) 142,62 <.001 8 4398 0,206
379,98 403,54 398,73 453,54 496,97 522,61 529,04 529,88 495,99
Canadá (95,74) (89,35) (93,01) (95,74) (92) (89,06) (89,79) (94,52) (96,76) 145,70 <.001 8 22659 0,049
377,94 297,02 356,91 474,38 492,81 507,5 497,62 492,46 468,02
China Taipei (75,02) (61,45) (69,89) (92,41) (86,75) (82,96) (82,99) (88,01) (89,57) 22,38 <.001 8 5786 0,030
336,01 344,99 344,27 415,3 457,63 485,79 493,41 481,31 456,82
Croacia (95,57) (179,24) (96,29) (81,27) (84,91) (85,21) (83,61) (85,95) (91,37) 45,29 <.001 8 4974 0,068
República 403,42 378,21 487,96 416,16 467,83 506,42 509,04 505,71 475,12
Checa (75,66) (48,25) (39,1) (105,3) (100,26) (94,54) (89,92) (91,4) (98,36) 23,39 <.001 8 5822 0,031
437,52 470,86 417,8 461,63 502,92 513,45 510,79 482,79
Estonia (.) (36,46) (96,36) (84,79) (81,24) (77,93) (77,78) (93,19) 25,28 <.001 7 4703 0,036
403,95 459,4 384,08 473,33 517,03 536,29 542,22 542,88 553,04
Finlandia (32,9) (159,62) (45,72) (111,51) (87,02) (83,76) (84,54) (73,66) (117,52) 19,61 <.001 8 5743 0,027
357,25 363,85 317,42 411,75 475,98 511,87 515,67 517,97 529,01
Francia (108,49) (114,22) (101,99) (110,28) (109,28) (97,45) (93,91) (96,16) (93,45) 45,26 <.001 8 4251 0,078
404,02 412,64 450,73 462,95 486,1 492,69 495,26 487,4 479,55
Grecia (68,28) (121,25) (104,81) (93,03) (88,4) (91,69) (94,18) (93,56) (96,07) 9,46 <.001 8 4931 0,015
390,66 338,22 328,7 396,94 465,68 507,11 509,25 511,59 494,46
Hungría (41,61) (82,26) (83,48) (84,1) (94,81) (86,03) (76,97) (77,87) (84,84) 51,43 <.001 8 4586 0,082
355,61 303,92 385,06 405,45 462,58 495,46 493,57 485,68 468,74
Israel (95,59) (113,38) (120,88) (103,86) (108,37) (104,21) (105,13) (103,03) (95,94) 42,56 <.001 8 5200 0,061
407,03 477,31 429,7 482,05 512,4 540,2 542,1 533,8 460,53
Japón (116,28) (114,64) (101,93) (101,37) (96,21) (90,91) (93,03) (106,36) (122,85) 50,07 <.001 8 6052 0,062
377,69 379,45 448,11 478,9 538,7 549,28 541,3 544,93 493,47
Corea (88,28) (103,14) (81,94) (82,4) (79,45) (72,56) (71,97) (64,91) (77,71) 38,15 <.001 8 4967 0,058
55
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable ONLNREAD convertida a intervalos
252
Tabla A.58 ANOVA para Lectura on-line (cont.)

gl
Inter- gl Intra- Eta
-5 -4 -3 -2 -1 0 1 2 3 F56 Sig grupos grupos cuadrado
394,62 332,89 361,93 447,39 470,81 492,17 497,44 482,9 470,23
Macao-China (100,91) (67,32) (84,44) (79,17) (76,81) (74,11) (73,99) (75,48) (85,29) 24,41 <.001 8 5919 0,032
342,34 346,4 355,68 391,23 422,73 449,03 456,54 461,1 445,67
México (73,64) (76,32) (81,22) (72,66) (74,66) (74,27) (76,62) (77,37) (79,08) 503,29 <.001 8 37987 0,096
318,44 329,33 397,23 452,14 514 540,01 536,17 543,88 510,29
Nueva Zelanda (91,65) (96,08) (96,85) (100,83) (95,16) (96,27) (101,37) (93,25) (144,57) 42,04 <.001 8 4586 0,068
408,91 412,87 413,97 437,14 469,66 503,94 522,3 521,35 506,74
Polonia (80,91) (50,72) (79,78) (86,82) (88,13) (86,23) (84,49) (78,65) (94,3) 41,95 <.001 8 4884 0,064
318,9 346,34 338,33 428,37 477,37 496,38 493,76 482,14 463,11
Portugal (136,6) (.) (67,06) (89,73) (86,68) (83,35) (82,11) (88,19) (97,42) 19,04 <.001 8 6259 0,024
403,39 393,6 406,99 437,35 452,52 480,49 489,43 484,46 464,58
Rusia (77,34) (89,79) (96,86) (80,79) (83,33) (89,83) (86,57) (85,97) (89,12) 50,73 <.001 8 5268 0,072
480,75 413,13 499,43 529,49 556,92 563,38 558,6 526,8 504,64
Shanghái-China (102,97) (59,27) (90,16) (81,17) (77,71) (79,66) (76,68) (83,11) (96,72) 16,96 <.001 8 5106 0,026
403,58 417,53 343,99 461,55 500,05 530,45 531,98 551,69 524,64
Singapur (34,21) (132,48) (52,72) (100,51) (97,29) (93,59) (95,18) (97,7) (107,76) 29,13 <.001 8 5266 0,042
349,69 357,71 345,71 385,86 439,71 469,63 473,78 463,7 443,79
Eslovenia (91,84) (101,38) (55,39) (76,94) (90) (87,5) (86,67) (92,21) (89,28) 36,17 <.001 8 5904 0,047
370,74 373,26 394,5 430,47 472,35 495,37 495,72 489,29 462,27
España (84,35) (115,02) (102,56) (97,38) (90,22) (84,58) (85,1) (89,78) (104,29) 126,94 <.001 8 25640 0,038
Trinidad y 298,09 281,71 312,84 378,75 419,6 446,41 450,93 446,6 417,44
Tobago (97,96) (106,05) (113,58) (100,94) (106,76) (111,1) (109,87) (110,34) (118) 62,65 <.001 8 4664 0,097
384,97 375,13 401 446,46 458,58 473,51 477,12 474,86 473,54
Turquía (81,78) (78,94) (79,65) (75) (78,38) (79,34) (77,92) (76,48) (80,7) 22,49 <.001 8 4964 0,035
415,31 385,02 385,84 444,08 482,2 509,84 516,55 524,16 464,39
Estados Unidos (114,16) (59,26) (85,05) (91,8) (92,2) (92,2) (93,9) (95,9) (94,5) 36,35 <.001 8 5183 0,053
310,24 326,1 361,45 418,21 473,2 500 508,51 499,05 496,7
Reino Unido (93,5) (37,59) (81,15) (93,73) (95,81) (91,63) (89,76) (95,82) (95,81) 64,90 <.001 8 12043 0,041
320,38 309,87 316,36 368,57 402,22 447,21 457,26 441,06 398,25
Uruguay (67,07) (84,92) (83,1) (90,34) (88,42) (93,95) (92,47) (97,75) (92,59) 96,21 <.001 8 5863 0,116
56
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable ONLNREAD convertida a intervalos
253
Tabla A.59 Valores resumen de Lectura on-line en España

ONLNREAD. Frecuencias Media Lectura (DT)
-1
-5 -4 -3 -2 -1 0 1 2 3 -5 -4 -3 -2 0 1 2 3
Andalucía 0,93 393,7 255,14 359,85 393,01 447,94 474,68 482,71 485,55 442,99
0,21 0,07 0,14 4,56 22,06 47,97 19,93 4,13 (128,93) (.) (159,74) (95,43) (92,65) (79,72) (82,01) (93,93) (109,95)
Aragón 439,11 479,4 507,97 508,34 500,06 462,36
2,74 23,43 51,74 18,49 2,67 0,93 (88,01) (82,96) (80,23) (83,34) (78,57) (94,77)
Asturias 367,86 327,85 364,54 430,5 478,51 497,82 510,24 484,39 478,33
0,26 0,07 0,20 2,36 22,15 52,10 19,27 2,62 0,98 (72,83) (.) (71,62) (101,18) (101,02) (88,01) (84,91) (94,28) (105,46)
Islas Baleares 256,73 212,09 424,75 416,05 447,12 474,24 478,37 466,61 444,7
0,14 0,14 0,21 3,27 26,60 49,72 16,99 2,51 0,42 (21,23) (210,76) (147,97) (79,11) (92,84) (85,35) (86,33) (72,95) (98,45)
País Vasco 383,96 403,91 399,29 457,52 487,75 502,47 503,52 502,94 489,43
0,36 0,21 0,17 3,82 29,43 50,33 12,92 2,09 0,68 (88,38) (55,69) (97,25) (90,14) (83,57) (78,88) (77,83) (73,78) (104,29)
Islas Canarias 351,58 440,37 436,6 459,3 464,7 455,96 408,6
0,28 3,08 26,14 47,44 19,20 3,22 0,63 (129,87) (94) (95,5) (86,3) (86,64) (90,16) (99,48)
Cantabria 339,47 381,25 445,84 432,71 475,11 498,42 504,7 501,19 491,5
0,33 0,07 0,13 3,39 23,59 51,36 17,81 2,59 0,73 (72,52) (.) (135,88) (102,58) (86,78) (84,26) (83,75) (83,97) (83,32)
Castilla y León 459,35 451,53 446,93 487,38 515,45 524,72 529,82 408,16
0,33 0,27 0,20 4,45 24,78 49,63 17,21 2,86 0,27 (56,06) 431,63 (.) (148,65) (95,34) (84,46) (78,85) (82,83) (68,96) (40,61)
Cataluña 219,31 447,21 484,9 510,74 510,55 512,55 473,08
0,07 2,55 28,31 52,04 14,19 1,97 0,87 (.) (107,17) (83,7) (76,83) (74,31) (79,74) (76,29)
Ceuta y Melilla 335,73 239,45 318,71 329 382,81 429,16 439 436,05 392,24
0,67 0,30 0,37 3,95 20,72 41,95 23,32 6,41 2,31 (58,65) (52,51) (58,11) (92,22) (96,13) (100,98) (97,01) (107,21) (123,31)
Galicia 360,27 414,99 394,42 428,89 479,19 501,43 507,12 513,6 501,06
0,57 0,25 0,25 8,65 31,36 42,88 13,23 2,16 0,64 (100,1) (102,83) (40,95) (87,25) (83,62) (80,28) (79,77) (78,35) (101,48)
La Rioja 381,03 254,34 405,55 456,48 483,57 509,62 508,38 499,39 519,16
0,39 0,08 0,47 3,29 24,71 50,67 16,63 3,06 0,71 (127,95) (.) (115,23) (101,23) (90,46) (89,14) (85,62) (89,83) (72,14)
Madrid 431,95 493,93 510,02 510,09 514,42 531,13
0,07 2,29 22,30 52,49 18,70 3,32 0,83 (105,06) 487,19 (.) (105,79) (85,68) (82,09) (81,69) (96,12) (88,8)
Murcia 415,48 448,79 389,93 429,98 466,71 497,39 499,6 497,71 484,18
0,15 0,31 0,23 3,68 28,17 44,36 18,65 3,53 0,92 (34,8) (.) (114,46) (88,27) (76,24) (74,23) (69,5) (86,09) (79,43)
Navarra 368,47 465,59 526,37 431,6 486,67 511,59 499,84 493,76 443,1
0,47 0,20 0,13 5,27 29,69 47,23 14,88 1,80 0,33 (33,61) (100,84) (5,36) (95,54) (83,19) (75,96) (79,26) (85,96) (60,24)
No Adjudicados 314,55 429,71 471,47 486,5 480,3 480,1 386,03
0,12 0,12 4,37 28,46 47,19 16,48 2,87 0,37 (.) 292,58 (.) (100,01) (84,02) (77,56) (80,36) (79,97) (8,71)
España 370,74 373,26 394,5 430,47 472,35 495,37 495,72 489,29 462,27
0,27 0,14 0,18 3,87 26,17 48,96 16,78 2,85 0,77 (84,35) (115,02) (102,56) (97,38) (90,22) (84,58) (85,1) (89,78) (104,29)
254
A.5.16. Diversidad en la lectura (DIVREAD)
Tabla A.60 Prueba T para Diversidad en la lectura
Corr Lectura Medio- Lectura

Pearson57 Sig Bajo DT Alto DT t58 Sig
Total 30 países 0,18 <.001 -0,02 1,03 0,38 0,86 -55,79 <.001
Australia -0,17 0,95 0,22 0,75 -19,37 <.001
Brasil -0,03 1,09 0,29 0,86 -4,84 <.001
Bulgaria 0,03 1,16 0,34 0,67 -5,12 <.001
Canadá -0,20 1,03 0,21 0,85 -22,07 <.001
China Taipei 0,48 1,21 0,89 0,95 -7,09 <.001
Croacia 0,16 0,83 0,57 0,65 -6,06 <.001
República Checa -0,15 0,86 0,32 0,74 -13,67 <.001
Estonia 0,29 0,77 0,62 0,60 -9,03 <.001
Finlandia 0,37 0,85 0,90 0,79 -16,40 <.001
Francia -0,11 0,97 0,34 0,79 -10,57 <.001
Grecia -0,33 0,87 0,04 0,78 -6,98 <.001
Hungría 0,25 1,13 0,50 0,95 -4,21 <.001
Israel -0,10 1,23 0,23 0,92 -7,02 <.001
Japón 0,34 1,00 0,67 0,96 -8,85 <.001
Corea -0,02 1,05 0,31 0,87 -8,73 <.001
Macao-China 0,16 0,98 0,53 0,82 -5,46 <.001
México -0,05 1,03 0,30 0,88 -3,96 <.001
Nueva Zelanda 0,01 0,92 0,27 0,82 -7,83 <.001
Polonia -0,01 0,91 0,39 0,79 -9,56 <.001
Portugal -0,12 0,92 0,19 0,78 -6,29 <.001
Rusia 0,24 1,02 0,25 0,63 -0,16 0,88
Shanghái-China 0,39 1,02 0,63 0,91 -7,40 <.001
Singapur 0,49 1,02 0,75 0,98 -6,75 <.001
Eslovenia -0,03 0,88 0,47 0,79 -6,88 <.001
España -0,23 0,97 0,38 0,78 -24,08 <.001
Trinidad y Tobago 0,39 1,14 0,54 1,06 -1,35 0,18
Turquía 0,49 0,91 0,49 0,61 -0,06 0,95
Estados Unidos -0,35 1,06 -0,05 0,78 -7,62 <.001
Reino Unido -0,13 0,91 0,21 0,75 -13,06 <.001
Uruguay -0,40 1,25 0,02 0,93 -4,24 <.001
57
Correlación con la puntuación en lectura (PV1READ) y la variable DIVREAD sin modificar
58
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable DIVREAD sin modificar
255
Tabla A.61 ANOVA para Diversidad en la lectura

Medias Lectura (DT)
-3 -2 -1 0 1 2 3 4 F59 Sig grupos grupos cuadrado
392,26 297,79 421,16 455,08 483,78 496,5 486,8 485,4 452,84
Total 30 países (96,15) (96,15) (95,39) (94,62) (94,82) (98,31) (107,69) (111,6) (114,85) 1442,96 <.001 8 258299 0,04
420,91 278,59 453,68 482,62 514,83 538,14 533,83 521,46 458,56
Australia (90,45) (51,58) (101,74) (96,27) (95,75) (96,03) (110,81) (104,6) (116,7) 109,44 <.001 8 14040 0,06
-4 354,55 279,36 372,79 396,03 412,34 411,78 388,34 385,51 376,85
Brasil (85,57) (79,54) (79,78) (84,86) (89,01) (88,94) (85,94) (80,19) (95,94) 53,36 <.001 8 19822 0,02
291,76 227,89 334,06 390 447,57 458,38 437,73 386,06 329,73
Bulgaria (94,9) (72,65) (93,74) (108,12) (108,52) (104,09) (113,99) (136,91) (131,47) 75,54 <.001 8 4403 0,12
420,04 364,41 461,86 492,13 518,43 536,32 536,31 567,86 494,53
Canadá (91,4) (40,92) (92,02) (89,95) (89,67) (89,95) (96,22) (90,38) (112,4) 177,56 <.001 8 22668 0,06
367,02 435,68 464,54 496,91 511,62 519,7 504,79 477,83
China Taipei (82,92) (85,18) (86,93) (82,42) (80,94) (87,99) (94,44) (94,36) 55,02 <.001 7 5790 0,06
379,58 315,49 393,11 434,4 471,97 499,16 499,19 524,33 440,12
Croacia (79,05) (106,09) (94,04) (85,11) (84,67) (84,15) (89,17) (84,93) (105,89) 46,57 <.001 8 4977 0,07
402,21 322,16 439,34 470,75 503,68 534,43 533,1 602,63 409,72
República Checa (78,36) (101,81) (92,84) (93,49) (89,56) (92,23) (90,41) (100,11) (158,61) 59,42 <.001 8 5821 0,08
399,29 329,82 434,41 462,25 498,41 518,53 520,78 537,05 456,97
Estonia (60,21) (.) (90,34) (80,45) (78,79) (80,27) (84,42) (73,11) (78,46) 32,38 <.001 8 4703 0,05
405,54 439,72 466,59 514,52 553,11 585,16 596,32 578,87
Finlandia (71,07) (95,84) (88,45) (81,54) (78,85) (78,68) (64,42) (84,76) 121,55 <.001 7 5744 0,13
372,54 186,15 408,09 466,95 504,56 528,03 526,18 489,18 486,74
Francia (95,58) (98,92) (106,27) (106,23) (97,56) (97,2) (100,07) (141,69) (162,07) 50,88 <.001 8 4255 0,09
422,83 325,66 432,27 471,99 496,69 500,64 550,47 465,02 432,48
Grecia (77,49) (116,33) (96,47) (88,89) (89,12) (96,38) (102,16) (101,08) (97,57) 26,04 <.001 8 4937 0,04
415,82 395,61 428,98 472,08 505,07 510,82 503,62 506,48 488,42
Hungría (84,28) (121,54) (85,23) (94,27) (82,84) (82,68) (80,66) (103,19) (81) 32,74 <.001 8 4588 0,05
389,93 284,64 432,53 465,81 491,78 496,3 481,87 466,92 450,08
Israel (108,94) (228,58) (108,69) (102,54) (105,33) (108,1) (105,95) (94,7) (108,28) 30,18 <.001 8 5596 0,04
419,42 487,47 480,73 516,18 536,33 559,34 555,7 533,32
Japón (113,82) (123,99) (104,89) (98,32) (89,56) (86,73) (98,9) (108,98) 41,52 <.001 7 6059 0,05
459,24 486,5 520,16 544,46 558,29 554,24 556,65 509,97
Corea (98,45) (78,52) (80,31) (74,29) (70,56) (71,31) (79,45) (58,03) 43,98 <.001 7 4969 0,06
59
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable DIVREAD convertida a intervalos
256
Tabla A.61 ANOVA para Diversidad en la lectura (cont.)

-3 -2 -1 0 1 2 3 4 F60 Sig grupos grupos cuadrado
416,5 429,05 422,05 459,03 487,19 500,33 514,26 506,38 487,84
Macao-China (91,42) (102,58) (79,91) (73,33) (74,7) (72,89) (64,08) (90,9) (77,34) 43,67 <.001 8 5923 0,06
387,65 356,68 404,67 426,39 436,76 437,17 425,18 428,83 398,63
México (73,32) (71,75) (76,3) (77,75) (78,64) (78,26) (78,14) (81,97) (84,92) 61,37 <.001 8 38017 0,01
-4 448,65 467,18 498,12 530,04 537,66 521,75 548,52 507,28
Nueva Zelanda (115,54) (100,81) (100,92) (95,31) (103,65) (108) (96,24) (125,29) 19,73 <.001 7 4593 0,03
425,06 432,1 471,79 509,17 526,18 544,21 510,64 440,6
Polonia (100,52) (91,44) (87,59) (82,43) (85,82) (95,95) (99,2) (117,62) 52,06 <.001 7 4893 0,07
419,57 297,95 438,3 474,46 494,62 501,61 487,69 481,11 457,73
Portugal (100,65) (.) (81,41) (84,34) (82,63) (85,03) (103,51) (105,72) (102,22) 24,08 <.001 8 6258 0,03
375,04 394,54 412,54 440,86 470,97 469,36 450,33 409,83 403,24
Rusia (90,91) (194,12) (92,45) (90,49) (87,73) (85,23) (92,84) (78,77) (90,78) 23,21 <.001 8 5275 0,03
445,88 505,78 527,2 556,97 563,53 565,27 561,69 540,95
Shanghái-China (109,36) (94,17) (76,79) (77,29) (79,04) (79,78) (86,43) (98,93) 23,33 <.001 7 5107 0,03
444,37 468,58 484,1 516,94 533,87 551,53 549,84 511,97
Singapur (111,98) (92,4) (101,1) (96) (93,14) (96,82) (106,81) (114,83) 24,63 <.001 7 5266 0,03
373,05 313,67 408 434,09 461,67 491,1 487,54 444,53 413,39
Eslovenia (82,83) (70,41) (92,08) (85,53) (86,6) (88,2) (99,83) (47,45) (103,95) 48,68 <.001 8 5931 0,06
405,04 289,94 424,49 461,83 491,24 516,27 520,26 510,29 466,78
España (86,15) (77,66) (91,03) (85,92) (83,4) (87,14) (95,37) (89,56) (111,84) 266,98 <.001 8 25653 0,08
304,17 214,06 308,7 383,79 423,62 435,58 434,7 427,58 426,87
Trinidad y Tobago (128,83) (136,56) (117,65) (113,5) (112,76) (106,89) (108,02) (105,44) (102,44) 30,10 <.001 8 4669 0,05
338 391,85 443,2 474,86 470,18 447,01 432,64 407,53
Turquía (100,6) (86,04) (83,06) (78,37) (77,3) (81,78) (72,18) (68,53) 24,93 <.001 7 4966 0,03
431,96 396,24 462,28 485,31 511 507,83 456,38 534,32 445,5
Estados Unidos (87,99) (.) (92,97) (92,24) (92,74) (96,95) (99,23) (96,28) (131,48) 24,31 <.001 8 5185 0,04
396,81 339,4 433,17 469,61 499,2 515,36 490,16 490,69 473,25
Reino Unido (93,74) (44,89) (92,93) (92,49) (91,05) (91,89) (111,19) (129,27) (102,03) 78,37 <.001 8 12063 0,05
339,83 274,72 385,72 414,82 441 441,09 426,19 385,34 366,99
Uruguay (89,21) (71,68) (89,54) (95,25) (91,89) (100,23) (102,71) (76,22) (94,12) 52,47 <.001 8 5876 0,07
60
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable DIVREAD convertida a intervalos
257
Tabla A.62 Valores resumen de Diversidad en la lectura en España

Frecuencias dia Lectura (DT)
-4 -3 -2 -1 0 1 2 3 4 -4 -3 -2 -1 0 1 2 3 4
Andalucía 1,78 5,68 32,32 43,47 15,70 0,92 0,07 0,07 385,7 406,05 447,92 477,49 503,4 488,79 316,87 288,27
(81,99) (99,8) (84,22) (81,6) (80,94) (103,25) (.) (.)
Aragón 1,87 4,13 27,45 46,50 18,45 1,07 0,20 0,33 426,7 431,84 480,61 503,05 532,86 564,93 508,44 442,81
(98,68) (87,25) (81,71) (74,82) (82,36) (86,84) (150,88) (100,81)
Asturias 0,98 2,56 22,48 46,92 24,90 1,64 0,26 0,26 353,11 403,27 458,15 497,46 527,37 527,06 551,44 583,91
(84,43) (89,83) (94,45) (84,94) (83,43) (89,42) (110,18) (51,92)
Islas Baleares 1,81 0,14 3,55 26,37 48,16 18,44 1,39 0,07 0,07 417,15 341,45 396,75 437,99 471,52 499,67 530,22 474,24 298,43
(82,14) (85,99) (99,38) (82,72) (85,63) (85,55) (82,35) (.) (.)
País Vasco 1,77 3,21 20,86 47,30 24,54 1,67 0,21 0,44 414,66 450,95 476,25 496,6 519,55 522,11 549,44 465,66
DIVREAD. (87,95) (83,14) (81,37) (77,22) (80,05) (88,51) (56,57) (95,56)
Islas Canarias 1,61 4,06 31,86 46,22 14,99 0,91 0,21 0,14 389,11 404,84 432,6 463,91 480,06 523,72 421,46 405,26
(67,74) (87,78) (87,67) (88,22) (87,53) (87,68) (17,96) (89,06)
Cantabria 1,86 3,91 25,46 46,62 20,56 1,39 0,20 372,29 415,64 469,42 495,07 529,25 552,26 510,71
(86,21) (84,01) (80,17) (81,64) (82,93) (65,03) (57,96)
Castilla y León 1 1,59 20,86 50,23 24,39 1,33 0,27 0,33 434,08 434,16 478,44 508,18 533,04 532,71 566,07 506,25
(89,83) (85,87) (78,4) (80,3) (82,28) (103,22) (12,03) (132,05)
Cataluña 1,53 3,86 26,97 48,91 17,71 0,95 0,07 437,04 474,79 480,82 507,52 529,38 488,98 555,37
(75,01) (87,48) (74,49) (77,88) (83,13) (93,02) (.)
Ceuta y Melilla 1,34 0,15 6,18 30,38 43,41 16,08 1,64 0,30 0,52 324,52 238,43 393,03 410,59 423,54 421,55 413,28 424,72 356,86
(72,44) (9,24) (82,49) (98,4) (103,29) (117,77) (132,64) (112,06) (113,72)
Galicia 1,02 2,10 19,64 49,08 25,75 Me1,78 0,25 0,38 377,38 413,78 458,21 488,41 516,63 527,2 464,48 504,16
(91,94) (96,59) (87,34) (80,5) (76,92) (88) (116,19) (122,18)
La Rioja 1,18 3,45 22,67 50,12 21,25 0,94 0,08 0,31 403,72 413,32 472,23 506,49 530,99 545,54 536,53 493,66
(92,6) (89,45) (91,98) (83) (89,65) (85,46) (.) (100,22)
Madrid 1,39 3,81 26,13 47,47 19,54 1,32 0,14 0,21 446,4 436,95 472,24 518,3 532,74 515,31 454,92 531,45
(64,62) (96,8) (81,45) (75,83) (86,64) (93,5) (18,37) (96,5)
Murcia 1,23 3,75 31,01 46,63 16,16 1 0,15 0,08 444,45 441,66 472,13 489,3 513,33 521,85 616,22 410,59
(74,65) (75,78) (75,16) (74,65) (74,74) (87,9) (16,43) (.)
Navarra 1,07 3,21 20,99 48,66 24,06 1,40 0,40 0,20 422,35 430,81 470,18 501,71 519,33 553,3 530,12 519,77
(65,01) (89,48) (79,63) (76,24) (83,71) (80,54) (51,74) (91,55)
No Adjudicados 2,50 3,87 29,34 47,82 15,48 1 399,29 412,5 466,54 480,43 517,76 502,04
(70,66) (95,73) (78,82) (74,48) (86,87) (78,8)
España 1,50 0,02 3,59 25,09 47,34 20,69 1,34 0,19 0,25 405,04 289,94 424,49 461,83 491,24 516,27 520,26 510,29 466,78
(86,15) (77,66) (91,03) (85,92) (83,4) (87,14) (95,37) (89,56) (111,84)
258
A.5.17. Puntuación en matemáticas (PV1MATH)
Tabla A.63 Prueba T para Puntuación en matemáticas

Pearson61 Sig Medio-Bajo Alto DT t62 sig
Total 30 países 0,85 <.001 497,62 92,41 652,09 51,98 -60,24 <.001
Australia 491,70 84,89 638,14 54,21 -95,66 <.001
Brasil 377,24 75,35 582,61 44,20 -59,68 <.001
Bulgaria 421,94 96,29 612,18 59,11 -35,08 <.001
Canadá 502,55 79,99 634,23 53,73 -107,83 <.001
China Taipei 537,72 99,14 709,01 60,66 -45,58 <.001
Croacia 455,73 84,89 610,64 50,98 -36,47 <.001
República Checa 497,62 92,41 652,09 51,98 -60,24 <.001
Estonia 505,81 75,09 637,87 45,77 -44,92 <.001
Finlandia 522,80 75,02 633,71 54,76 -49,52 <.001
Francia 484,56 93,37 635,58 56,18 -47,81 <.001
Grecia 460,66 83,49 591,70 59,64 -35,01 <.001
Hungría 486,22 82,90 635,45 52,88 -44,33 <.001
Israel 435,87 97,14 601,33 59,05 -53,38 <.001
Japón 512,78 85,49 643,01 55,41 -57,49 <.001
Corea 532,20 78,65 656,62 52,36 -52,60 <.001
Macao-China 521,76 83,41 648,99 55,84 -27,97 <.001
México 423,79 74,51 599,10 46,25 -43,03 <.001
Nueva Zelanda 499,16 85,03 642,32 52,22 -61,27 <.001
Polonia 487,95 81,31 629,66 52,72 -48,41 <.001
Portugal 479,89 86,46 628,78 53,77 -43,78 <.001
Rusia 464,66 81,81 620,41 62,46 -32,15 <.001
Shanghái-China 574,13 92,95 710,59 60,03 -56,73 <.001
Singapur 536,07 93,92 689,05 55,04 -63,56 <.001
Eslovenia 474,10 90,73 657,96 47,87 -45,61 <.001
España 484,95 89,99 630,96 53,48 -82,39 <.001
Turquía 443,47 88,84 636,35 57,42 -31,03 <.001
Estados Unidos 472,36 80,97 620,51 50,18 -57,04 <.001
Reino Unido 478,58 80,15 625,30 50,88 -80,94 <.001
Uruguay 422,11 89,15 594,62 59,85 -26,89 <.001
61
Correlación con la puntuación en lectura (PV1READ) y la variable PV1MATH sin modificar
62
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable PV1MATH sin modificar
259
Tabla A.64 ANOVA para Puntuación en matemáticas

Medias Lectura (DT)
gl
Inter gl Intra Eta
270,11 368,75 440,95 501,78 565,54 612,51 648,26
Total 30 países (67,73) (64,5) (56,19) (54,77) (53,28) (52,25) (52,53) 2217,12 <.001 6 261172 0,665
229,69 367,25 450,91 519,46 579,49 635,26 690,04
Australia (55,06) (66,05) (57,05) (54,33) (51,44) (47,79) (44,43) 5512,13 <.001 6 14244 0,699
277,53 371,38 459,46 530,42 586,32 647,48
Brasil (60,28) (63,02) (55,71) (51,64) (49,72) (44,21) 610,44 3946,71 <.001 6 20120 0,541
219,23 351,29 451,69 515,9 571,15 617,02 637,87
Bulgaria (69,92) (79,5) (67,29) (61,26) (56,71) (51,6) (62,05) 1295,76 <.001 6 4500 0,633
253,75 375,04 451,23 513,23 574,02 628,28 679,09
Canadá (62,85) (63,25) (58,68) (56,81) (54,02) (51,21) (56) 6621,34 <.001 6 23200 0,631
257,23 362,35 429,15 483,14 530,34 571,26 624,07
China Taipei (59,64) (56,91) (53,37) (49,6) (45,6) (46,46) (49,68) 1976,04 <.001 6 5824 0,671
288,11 391,9 463,84 521,91 570,2 608,85 669,8
Croacia (71,28) (63,86) (56,84) (52,48) (50,58) (44,69) (19,83) 1163,63 <.001 6 4987 0,583
270,11 368,75 440,95 501,78 565,54 612,51 648,26
República Checa (47,4) (58,2) (57,1) (55,66) (52,59) (47,14) (43,68) 2217,12 <.001 6 6057 0,687
291,3 383,01 450,38 503,41 561,9 616,04 667,33
Estonia (49,98) (56,47) (53,96) (52,61) (48,7) (49,4) (43,18) 1160,45 <.001 6 4720 0,596
273,47 384,79 458,6 516,38 574,91 621,67 667,14
Finlandia (67,03) (64,46) (60,68) (59,27) (53,51) (51,76) (50,26) 1261,84 <.001 6 5803 0,566
243,79 365,98 452,55 518,93 575,68 627,41 669,9
Francia (71,31) (72,93) (59,74) (55,99) (53,03) (53,81) (46,08) 1532,20 <.001 6 4291 0,682
283,01 400,15 470,44 526,72 573,37 614,65 665,99
Grecia (70,54) (69,79) (64,71) (62,04) (60,94) (62,56) (78,29) 865,54 <.001 6 4962 0,511
285,83 382,8 459,03 519,25 574,91 618,91 664,88
Hungría (41,01) (56,46) (52,43) (49,3) (45,89) (40,29) (33,66) 1545,66 <.001 6 4598 0,669
261,57 387,74 479,83 540,61 593,37 638,01 686,91
Israel (66,79) (74,64) (61,49) (58,38) (56,45) (56,42) (50,14) 1859,52 <.001 6 5754 0,660
243,69 361,87 451,34 517,46 575,17 622 664,27
Japón (87,74) (72,37) (62,18) (58,31) (54,25) (51,86) (49,72) 1833,83 <.001 6 6081 0,644
270,33 401,03 467,52 522,32 571,18 617,46 655,25
Corea (45,91) (58,68) (50,33) (46,26) (44,63) (44,42) (41,91) 1432,67 <.001 6 4982 0,633
63
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable PV1MATH convertida a intervalos
260
Tabla A.64 ANOVA para Puntuación en matemáticas (cont.)
283,03 380,36 439,46 482,04 526,73 568,48 597
Macao-China (48,33) (58,71) (54,21) (56,26) (52,85) (54,11) (45,66) 927,96 <.001 6 5945 0,484
263,41 374,83 448,95 504,51 556,19 603,07 644,33
México (61,35) (57,71) (48,39) (45,36) (42,13) (42,49) (43,91) 8435 <.001 6 38243 0,570
230,05 370,96 454,41 521,21 583,12 641,3 688,9
Nueva Zelanda (71,11) (64,01) (57,69) (56,45) (52,28) (49,23) (54,44) 1795,57 <.001 6 4636 0,699
290,69 386,44 464,27 520,4 577,51 623,32 665,47
Polonia (74,31) (61,38) (53,93) (51,78) (50,67) (46,79) (45,9) 1433,87 <.001 6 4910 0,637
292,18 388,05 458,5 513,06 564,84 606,68 653,56
Portugal (64,76) (62,32) (55,07) (52,97) (49,16) (43,18) (40,01) 1598,99 <.001 6 6291 0,604
253,71 369,32 443,84 499,96 554,24 603,02 656,17
Rusia (74,24) (62,29) (55,91) (56,64) (56,95) (56,17) (69,65) 1219,46 <.001 6 5301 0,580
318,96 390,3 455,57 503,67 553,64 597,3 645,79
Shanghái-China (61,58) (56,92) (47,68) (47,84) (46,61) (43,8) (46,24) 1667,27 <.001 6 5108 0,662
280,9 362,37 427,22 492,36 549,29 606,28 659,92
Singapur (47,88) (55,2) (55,06) (52,61) (50,92) (49,05) (48,91) 2252,60 <.001 6 5276 0,719
270,06 358,07 429,09 492,63 543,78 595,68 641,29
Eslovenia (48,2) (59,44) (55,18) (53,75) (50,38) (42,95) (36,87) 1946,92 <.001 6 6148 0,655
269,56 376,46 452,49 508,61 556,72 601,48 646,66
España (69,66) (65,93) (56,79) (52,13) (49,92) (46,76) (46,62) 6917,49 <.001 6 25880 0,616
228,63 352,26 450,2 510,26 569,6 615,99 632,23
319,51 400,4 467,24 516,92 560,41 590,16 635,24
Turquía (50,83) (57,73) (50,2) (46,72) (44,16) (42,92) (38,78) 1187,31 <.001 6 4989 0,588
281,48 382,22 458,98 526,71 589,5 648,09 698,18
Estados Unidos (57,75) (58,63) (54,75) (53,26) (48,32) (42,77) (42,18) 1926,10 <.001 6 5226 0,689
253,08 372,95 451,01 518,05 580,57 638,12 689,79
Reino Unido (63,88) (61,7) (54,26) (52,42) (51,02) (45,96) (46,01) 4247,61 <.001 6 12172 0,677
251,4 359,14 441,88 498,6 547,55 600,76 649,07
Uruguay (69,28) (70,85) (64,24) (60,46) (56,58) (60,42) (72,32) 1226,96 <.001 6 5950 0,553
64
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable PV1MATH convertida a intervalos
261
A.5.18.
Puntuación en ciencias (PV1SCIE)
Tabla A.65 Prueba T para Puntuación en ciencias

Pearson65 Sig Medio-Bajo Alto DT t66
Total 30 países 0,88 <.001 503,85 95,70 665,48 48,12 -66,16 <.001
Australia 501,50 91,55 668,85 51,18 -111,70
sig <.001
Brasil 397,61 77,68 610,06 42,87 -63,54 <.001
Bulgaria 432,25 104,26 630,62 49,16 -42,92 <.001
Canadá 502,82 81,69 648,32 49,35 -126,66 <.001
China Taipei 514,63 81,36 661,36 41,87 -55,15 <.001
Croacia 481,62 81,12 643,43 39,30 -48,35 <.001
República Checa 503,85 95,70 665,48 48,12 -66,16 <.001
Estonia 520,68 76,78 665,95 48,77 -46,64 <.001
Finlandia 530,92 80,18 664,53 51,13 -61,79 <.001
Francia 485,06 95,07 642,61 49,84 -54,33 <.001
Grecia 465,06 84,32 604,08 57,48 -38,33 <.001
Hungría 498,80 77,16 641,21 39,27 -54,80 <.001
Israel 444,62 98,14 614,70 55,33 -57,69 <.001
Japón 522,34 90,42 662,89 47,53 -67,72 <.001
Corea 523,24 72,70 642,17 43,63 -58,64 <.001
Macao-China 506,96 74,30 637,65 45,33 -35,19 <.001
México 419,42 72,35 592,01 46,58 -42,07 <.001
Nueva Zelanda 507,79 93,15 671,83 49,65 -70,04 <.001
Polonia 500,85 79,85 642,40 48,57 -51,89 <.001
Portugal 485,53 78,98 624,42 45,04 -48,26 <.001
Rusia 474,89 86,21 647,97 52,94 -41,52 <.001
Shanghái-China 553,42 72,88 667,72 47,03 -60,63 <.001
Singapur 514,17 91,34 675,11 50,61 -71,29 <.001
Eslovenia 482,82 91,70 667,84 45,73 -47,81 <.001
España 486,12 86,18 631,33 46,66 -92,93 <.001
Turquía 452,46 76,35 619,88 49,20 -31,42 <.001
Estados Unidos 484,55 86,64 652,78 44,65 -69,70 <.001
Reino Unido 496,74 89,34 667,67 46,27 -99,43 <.001
Uruguay 422,58 94,17 609,82 56,76 -30,65 <.001
65
Correlación con la puntuación en lectura (PV1READ) y la variable PV1SCIE sin modificar
66
Cálculos realizados con la puntuación en lectura convertida a dos intervalos (resilientes y no resilientes) y la variable PV1SCIE sin modificar
262
Tabla A.66 ANOVA para Puntuación en ciencias

Medias Lectura (DT)
gl
Inter gl Intra Eta
296,86 360,81 433,07 494,43 559,44 612,31 657,49
Total 30 países (64,35) (59,7) (50,68) (48,38) (46,51) (44,22) (44,9) 2899,75 <.001 6 261172 0,732
235,53 357,93 441,53 507,07 568,66 627,66 685,12
Australia (52,58) (54,38) (46,44) (45,57) (43,44) (40,27) (41,91) 9155,37 <.001 6 14244 0,794
253,84 356,43 442,23 511,92 576,43 632,14 668,96
Brasil (56,01) (57,76) (49,99) (47,8) (49,12) (47,07) (50,25) 5650,94 <.001 6 20120 0,628
214,48 341,4 439,66 506,94 563,75 612,13 661,62
Bulgaria (68,37) (68,15) (57,99) (53,46) (50,43) (48,52) (59,78) 2030,54 <.001 6 4500 0,730
252,19 367,51 447,23 512,62 574,79 631,4 695,28
Canadá (61,12) (56,87) (49,28) (48,17) (46,04) (44,28) (47,04) 10464,18 <.001 6 23200 0,730
241,37 353,68 432,2 496,44 556,15 608,39 679,07
China Taipei (47,55) (52,45) (45,3) (42,42) (40,42) (41,59) (44,06) 2850,66 <.001 6 5824 0,746
243,66 362,85 438,25 505,3 561,72 614,42 669,26
Croacia (58,89) (53,69) (49,49) (45,83) (43,62) (37,36) (22,26) 2005,77 <.001 6 4987 0,707
296,86 360,81 433,07 494,43 559,44 612,31 657,49
República Checa (52,53) (53,39) (50,07) (50,66) (49,04) (44,38) (40,46) 2899,75 <.001 6 6057 0,742
268,3 365,83 433,39 494,67 551,71 602,93 666,34
Estonia (54,25) (51,81) (46,63) (46,05) (44,6) (43,87) (39,13) 1724,25 <.001 6 4720 0,687
276,88 373,03 443,51 507,6 568,21 619,63 671,27
Finlandia (78,92) (55,43) (50,71) (47,49) (44,28) (42,96) (42,22) 2364,12 <.001 6 5803 0,710
234,54 357,53 448,9 518,55 575,75 632,94 691,44
Francia (58,34) (62,59) (48,88) (50,31) (49,1) (43,94) (44,28) 2271,28 <.001 6 4291 0,761
268,72 389 464,46 525,67 577,51 624,16 694,95
Grecia (67,49) (64,27) (57,9) (56,06) (54,43) (53,98) (53,92) 1260,33 <.001 6 4962 0,604
277,17 360,44 440,84 509,97 573,26 626,69 677,91
Hungría (59,11) (51,14) (45,03) (43,31) (41,92) (35,97) (27,73) 2242,62 <.001 6 4598 0,745
259,27 378,96 467,82 532,56 590,88 641,93 689,32
Israel (65,16) (70,51) (62,83) (55,89) (55,3) (46,62) (40,61) 2115,03 <.001 6 5754 0,688
235,43 354,47 439,12 502,75 567,28 622,25 673,2
Japón (68,35) (61,11) (50,56) (47,44) (46,99) (44,49) (46,58) 3084,18 <.001 6 6081 0,753
245,03 392,83 463,49 525,98 582,97 634,37 677,65
Corea (45,15) (49,03) (42,3) (39,47) (38,96) (37,26) (39,43) 2241,76 <.001 6 4982 0,730
67
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable PV1SCIE convertida a intervalos
263
Tabla A.66 ANOVA para Puntuación en ciencias (cont.)
1 2 3 4 5 6 F68 Sig grupos grupos cuadrado
274,21 368,86 435,12 494,46 545,61 594,5 639,96
Macao-China (45,09) (52,44) (46,92) (47,37) (46,21) (44,92) (33,59) 1582,87 <.001 6 5945 0,615
261,69 376,91 453,52 510,57 562,91 608,57
México (57,67) (57,29) (47,18) (44,1) (40,04) (48,68) 678 (.) 8762,60 <.001 6 38243 0,579
263,26 368,58 441,06 511,04 570,86 631,49 683,89
Nueva Zelanda (62,98) (54,04) (46,17) (45,61) (45,18) (42,78) (45,44) 2940,90 <.001 6 4636 0,792
248,15 370,82 448,98 512,85 571,39 621,89 663,42
Polonia (50,99) (58,7) (50,64) (48,57) (47,97) (44,84) (38,72) 1767,95 <.001 6 4910 0,684
254,93 371,24 450,85 512,59 571,45 616,6 661,92
Portugal
0 (67,88) (57,86) (50,14) (48,01) (46,03) (40,08) (45,11) 2122,33 <.001 6 6291 0,669
251,01 365,36 434,64 489,69 542,12 603,97 654,3
Rusia (64,52) (61,21) (55,59) (52,77) (53,54) (51,04) (52,65) 1410,05 <.001 6 5301 0,615
231,97 376,24 446,62 510,87 569,88 624,62 675,61
Shanghái-China (6,46) (47,79) (42,74) (43,29) (43,25) (42,35) (41,53) 2096,51 <.001 6 5108 0,711
274,98 368,6 444,64 507,26 568,03 625,36 681,7
Singapur (39,58) (52) (45,35) (44,01) (43,15) (41,88) (44,44) 3323,44 <.001 6 5276 0,791
249,58 347,78 421,64 483,54 543,53 594,34 645,91
Eslovenia (47,42) (53,54) (49,23) (48,17) (44,7) (40,42) (36,52) 2705,77 <.001 6 6148 0,725
252,62 367,83 448,84 508,62 561,7 611,29 650,12
España (65,6) (60,43) (53,44) (48,9) (46,22) (43,83) (45,73) 8680,04 <.001 6 25880 0,668
231,17 356,51 454,15 510,89 568,81 608,49 644,21
270,1 386,54 456,32 519,87 572,26 620,74 673,8
Turquía (50,11) (54,72) (45,73) (43,24) (40,87) (37,55) (32,8) 1563,75 <.001 6 4989 0,653
259 371,15 447,76 513,43 576,48 638,1 690,23
Estados Unidos (51,42) (51,24) (43,24) (43,3) (42,05) (39,18) (32,86) 3228,58 <.001 6 5226 0,788
239,26 362,15 437,04 498,32 560,19 621,23 673,82
Reino Unido (55,32) (53,99) (45,44) (45,26) (42,61) (42,83) (43,58) 6657,72 <.001 6 12172 0,766
249,76 359,57 437,89 497,19 552,7 604,85 662,64
Uruguay (68,53) (66,29) (60,57) (56,29) (54,07) (46,22) (66,15) 1535,14 <.001 6 5950 0,608
68
Cálculos realizados con la puntuación en lectura (PV1READ) y la variable PV1SCIE convertida a intervalos
264
ANEXO A.6.SELECCIÓN DE MODELOS
A.6.1. Salida Latent Gold
Definiciones tomadas de la Guía Técnica y Guía de Usuario de Latent Gold (Vermunt y Magidson, 2005b y 2005a). Las tablas ofrecidas en este apartado son
las resultantes de los parámetros indicados en el apartado de Selección del Modelo.
Tabla A.67 Resumen Modelo

Number of cases 253701
Number of parameters (Npar) 237
Random Seed 321309
Best Start Seed 1154339
Number of cases: Número de casos.

Number of parameters (Npar): Número de parámetros.
Random Seed: Semilla de aleatorización.

Best Start Seed: Mejor Semilla de reproducción para reproducir el modelo.
265
Tabla A.68 Estadísticos Chi-cuadrado

Chi-squared Statistics
Degrees of freedom (df) 3173 p-value
L-squared (L²) 2295,4775 1
X-squared 3456,3912 0,00026
Cressie-Read 2712,9299 1
BIC (based on L²) -37189,0543
AIC (based on L²) -4050,5225

AIC3 (based on L²) -7223,5225
CAIC (based on L²) -40362,0543

Dissimilarity Index 0,0178
Degrees of freedom (df): Grados de libertad

p-value: Valor P. Un valor inferior a 0,05 indica un pobre ajuste del modelo
L-squared (L²): Cociente de verosimilitud de bondad de ajuste del modelo. Un mayor valor indica un mejor ajuste.
X-squared: X-cuadrado (alternativa a L2)

Cressie-Read: alternativa a L2
BIC (based on L²): Indicativo de la parsimonia del modelo. Un valor inferior indica un mejor modelo.
BIC L2  L2  log(N )df
AIC (based on L²) .Indicativo de la parsimonia del modelo. Un valor inferior indica un mejor modelo.
AIC L2  L2  2df
AIC3 (based on L²) .Indicativo de la parsimonia del modelo. Un valor inferior indica un mejor modelo.
AIC3 L2  L2  3df
CAIC (based on L²) .Indicativo de la parsimonia del modelo. Un valor inferior indica un mejor modelo.
CAIC L2  L2  log N   1df
Dissimilarity Index: Índice de disimilitud. Indica la divergencia entre las frecuencias esperadas y observadas.
266
Tabla A.69 Estadísticos de clasificación

Classification Statistics Clusters
Classification errors 0,5892
Reduction of errors (Lambda) 0,3504
Entropy R-squared 0,4872
Standard R-squared 0,2514
Classification log-likelihood -1163669,42
AWE 2333948,25
Classification errors: Clasificación de errores. Proporción de casos que se estiman erróneamente clasificados. El estadístico mejora cuanto más
próximo a 0 se encuentre.
Reduction of errors (Lambda): Reducción de errores. Indicativo de la corrección de las predicciones de la partencia a clase a partir de las variables
(indicadores y covariables). El valor máximo es 1.
Entropy R-squared: Entropía R-cuadrado. Indicativo de la corrección de las predicciones de la partencia a clase a partir de las variables (indicadores y
covariables). El valor máximo es 1.
Standard R-squared: R-cuadrado estándar. Indicativo de la corrección de las predicciones de la partencia a clase a partir de las variables (indicadores
y covariables). El valor máximo es 1.
Classification log-likelihood: Clasificación LL. LL bajo el supuesto de que se conoce la auténtica pertenencia de clase.
AWE: Similar a BIC.
267
Tabla A.70 Correlaciones

Loadings Clusters R²
ESCS 0,8683 0,7539
Lectura 0,825 0,6806
Clusters: Raíz cuadrada de R².
268
Tabla A.71 Residuos bivariados

Indicators ESCS Lectura
ESCS
Lectura 0,734
Covariates ESCS Lectura
Resiliente 0,0013 0,0002
Grado 0,1997 0,5349
Sexo 0,8395 0,7717
Estatus Migratorio 0,5029 0,0429
Residuo bivariado: Unos valores no significativos indican un buen ajuste de los datos al modelo. Un valor alto identifica correlaciones entre las variables que
no se encuentran adecuadamente explicadas en el modelo, lo que incumpliría el supuesto de independencia local.
ESCS: variable de intervalo
Lectura: variable de intervalo
Resiliente: variable dicotómica
Grado: variable de intervalo
Sexo: variable nominal
Estatus Migratorio: variable nominal
269
ANEXO A.7.RESULTADOS
A.7.1. Descriptivos Clusters
Tabla A.72 Distribución de los Clusters según puntuación de lectura y socioeconómica.

ESCS Lectura
Clus Frec % -4 -3 -2 -1 0 1 2 3 Media DT 0 1 2 3 4 5 6 Media DT
1 1349 0,53 0,82 9,41 89,77 -0,96 0,34 24,98 66,42 8,60 4,84 0,20
2 37331 14,71 35,41 54,52 9,86 0,21 0,70 0,63 0,01 2,50 29,62 59,52 8,32 0,03 3,74 0,43
3 34472 13,59 0,91 17,05 82,04 -1,11 0,41 3,93 36,46 45,23 13,54 0,83 0,00 2,71 0,65
4 25314 9,98 98,48 1,52 0,00 0,12 2,34 28,57 60,22 8,86 0,02 2,76 0,44
5 4808 1,90 31,93 61,29 6,76 0,02 0,66 0,57 0,06 9,03 61,81 26,77 2,33 2,22 0,42
6 12415 4,89 0,52 45,47 54,01 -1,40 0,51 1,08 47,07 45,75 6,06 0,04 1,57 0,52
7 12382 4,88 59,98 39,64 0,38 0,35 0,50 0,06 15,69 71,46 12,78 0,01 1,97 0,27
8 10949 4,32 51,16 43,05 5,77 0,02 0,49 0,60 0,70 12,38 44,65 37,64 4,62 0,01 3,33 0,63
9 12375 4,88 0,05 35,86 61,92 2,17 -2,30 0,52 7,41 78,30 13,56 0,72 0,01 1,08 0,38
10 10475 4,13 100,00 -0,03 0,00 6,01 48,32 32,65 11,97 1,05 2,54 0,71
11 11572 4,56 79,41 20,17 0,42 1,12 0,42 0,53 13,50 63,15 21,22 1,61 3,10 0,46
12 10434 4,11 34,69 51,75 13,26 0,29 0,78 0,67 0,05 19,69 65,11 15,15 4,95 0,30
13 11189 4,41 83,33 16,67 -0,84 0,37 6,97 83,37 9,64 0,02 1,03 0,24
14 10272 4,05 59,25 38,94 1,77 0,04 0,34 0,53 1,65 61,86 32,80 3,68 0,02 1,39 0,47
15 11074 4,36 35,26 64,74 -0,37 0,48 3,49 82,94 13,53 0,05 1,10 0,17
16 2539 1,00 100,00 -0,88 0,00 12,56 58,76 26,35 2,32 3,18 0,45
17 8809 3,47 0,01 22,32 77,67 -2,17 0,42 0,11 27,01 57,73 14,54 0,61 1,89 0,53
18 3599 1,42 97,58 2,42 -0,86 0,15 18,06 72,69 9,22 0,03 3,91 0,00
19 2309 0,91 33,26 55,52 10,83 0,39 0,77 0,64 0,04 24,38 68,90 6,67 4,82 0,05
20 3949 1,56 1,16 19,40 79,44 -1,16 0,44 0,23 15,02 53,74 27,68 3,19 0,15 2,19 0,60
21 3471 1,37 0,26 99,28 0,46 -2,94 0,08 1,93 58,66 36,07 3,34 1,41 0,51
22 702 0,28 38,89 50,71 10,11 0,28 0,67 0,65 0,14 13,25 63,53 19,94 3,13 3,13 0,44
23 2998 1,18 2,23 25,62 72,15 -1,20 0,51 3,54 34,02 46,40 15,08 0,97 2,76 0,67
24 2388 0,94 100,00 -0,85 0,00 6,57 45,52 41,62 6,24 0,04 2,48 0,52
25 507 0,20 100,00 -0,05 0,00 2,37 32,54 57,59 7,50 2,70 0,44
26 2331 0,92 11,24 78,12 10,17 0,47 0,88 0,48 8,92 78,55 12,53 1,04 0,29
27 1676 0,66 0,06 19,93 39,50 40,51 -1,78 0,75 44,87 52,51 2,63 0,58 0,50
28 943 0,37 90,35 9,65 0,05 0,30 4,24 33,40 44,96 15,69 1,59 0,11 2,77 0,71
29 576 0,23 72,57 25,69 1,74 0,17 0,49 51,22 47,57 1,22 0,50 0,49
30 468 0,18 1,71 51,28 47,01 -1,50 0,53 9,62 80,13 10,26 1,01 0,27
31 25 0,01 36,00 64,00 -0,30 0,49 8,00 88,00 4,00 3,96 0,33
Total 253701 0,01 4,22 11,28 25,36 33,55 21,91 3,61 0,07 -0,31 1,17 1,49 21,36 25,89 27,51 17,52 5,50 0,74 2,58 1,21
270
Tabla A.73 Frecuencias (en porcentajes) de variables demográficas y asistencia a clases extraescolares por cluster
Clases
Estatus Clases para
Grado Tipo de Escuela Extraordinarias Nº de Clases Extraordinarias
Migratorio enriquecimiento
correctivas
1º Gener
2ª Gener
Hombre
Indepen
Depend
Privada
Privada
Pública
Cluster
Nativo
Mujer
0-2
2-4
4-6
No
No
Sexo
+6
10
11
12
13
Sí
Sí
7
0
1 70,7 29,28 89,5 7,26 3,19 0,15 0,59 19,6 69,7 9,27 0,67 85,6 8,8 5,64 8,89 91,1 11 89 71,6 13,8 10 3,09 1,51
2 65,5 34,55 90,9 4,56 4,55 0,25 82,1 17,1 0,5 0 75,4 12 12,6 8,07 91,9 7,95 92,1 80,7 9,44 6,63 2,35 0,86
3 61,9 38,14 100 22,4 76,4 1,23 0,03 87,7 6,9 5,38 11,2 88,8 10,2 89,8 71,5 12,3 9,59 4,63 1,98
4 68,3 31,75 97,5 2,43 0,02 83,5 16,2 0,31 82,8 8,8 8,42 10 90 10,2 89,8 75,2 11,7 7,98 3,58 1,61
5 77,4 22,61 54,8 19,1 26,1 95,9 4,06 0,02 78,6 10,6 10,8 14 86 10,2 89,8 73,5 12,5 7,59 4,33 2,15
6 100 100 34,4 65 0,64 92,4 3,66 3,99 18,1 81,9 16 84 64,6 14,3 10,7 7,07 3,33
7 5,79 94,21 95,7 3,22 1,1 82 17,7 0,26 84,2 7,28 8,54 13,2 86,8 11,9 88,1 74,7 11,4 7,83 4,03 2,07
8 100 99,5 0,49 1,44 98,6 87,6 5,9 6,48 10,4 89,6 8,64 91,4 74,5 11,8 8,47 3,41 1,81
9 51,7 48,25 94,4 1,78 3,86 6,34 32,8 60,8 96 3,28 0,67 22,6 77,4 24,5 75,5 55,9 15,5 13,4 9,9 5,37
10 25,5 74,47 98,3 1,69 100 89 7,02 3,95 10,9 89,1 10,7 89,3 72,5 12,2 8,82 4,03 2,38
11 100 93,1 3,88 2,97 0,01 38,8 61,2 0,01 74,8 11 14,1 9,38 90,6 8,39 91,6 79,5 9,7 6,66 2,66 1,44
12 64,3 35,7 88,1 6,06 5,88 0,04 1,27 77,5 20,1 1,04 75,2 9,89 14,9 7,5 92,5 6,52 93,5 82,9 9,04 5,88 1,67 0,51
13 34,8 65,21 90,6 4,22 5,18 2,74 34,7 62,5 91,6 6,69 1,68 23,7 76,3 24,6 75,4 58,4 16,7 11,9 8,08 4,9
14 25,8 74,15 88,1 6,8 5,13 1,2 15,4 83,4 87,7 7,7 4,62 19,8 80,2 18,7 81,3 62,3 15,2 11,3 7,03 4,15
15 49,1 50,95 91,4 5,93 2,63 78,6 21,1 0,22 90,2 3,54 6,27 21,7 78,3 18,9 81,1 65,7 14,4 10,3 6,34 3,29
16 2,95 97,05 95,8 1,42 2,8 2,05 98 87,9 9,28 2,78 11 89 12,6 87,4 72,8 13,1 8,61 3,59 1,88
17 100 100 19,2 78,2 2,54 0,05 94,6 1,89 3,51 15,2 84,8 10,6 89,4 63,9 12,4 12,3 7,61 3,77
18 99,4 0,583 86,6 13 0,33 4,42 85,3 10,3 79,1 16 4,96 7,79 92,2 10,5 89,5 75,5 10,6 8,92 3,58 1,36
19 68,3 31,66 95,4 2,3 2,3 0,04 2,99 97 84,7 5,26 10 9,46 90,5 5,76 94,2 79,7 10,4 6,74 1,2 1,95
20 49,5 50,47 34,6 33,6 31,8 5,06 48,7 46,2 61,5 36,1 2,37 12,1 87,9 12,4 87,6 65,4 14,7 10,8 5,6 3,48
21 48,8 51,17 97,5 0,81 1,73 15,5 82,7 1,76 98 0,47 1,58 24,5 75,5 19,8 80,2 54,6 17,2 13,3 9,96 4,95
22 25,9 74,07 100 6,55 93,4 88,5 6,64 4,83 4,92 95,1 7,97 92 66,5 18,4 8,58 4,85 1,62
23 57,7 42,29 68,7 31,3 10 86,4 3,54 0,03 59,5 36,7 3,82 9,87 90,1 7,68 92,3 75 11,8 7,53 3,72 1,97
24 57,2 42,76 89,6 7,16 3,27 96,5 3,48 97,1 1,44 1,44 7,26 92,7 11,1 88,9 80,5 10,1 5,23 2,69 1,47
25 100 41 59 41 59 66,5 27,5 5,99 8,93 91,1 9,38 90,6 66,5 15,6 10,2 5,12 2,56
26 0,39 99,61 85,6 3,9 10,5 0,17 97,5 2,32 85,4 5,53 9,1 27,1 72,9 23,1 76,9 68,6 12,9 9 5,58 3,91
27 5,25 94,75 95,5 1,97 2,57 72,3 27,7 91,7 7,99 0,31 30,4 69,6 31,2 68,8 57,7 15,2 13,8 7,32 5,96
28 61,4 38,6 9,97 90 1,7 23 75,3 67,4 28,3 4,29 16,1 83,9 13,6 86,4 65 12,4 14,3 5,79 2,5
29 9,2 90,8 95,3 1,56 3,13 55,9 33,9 10,2 89,2 8,78 2,01 40,3 59,7 36,2 63,8 48,8 16,9 14,5 11,2 8,68
30 40 60,04 0,21 27,8 72 90,4 9,19 0,43 92,7 5,73 1,54 27,6 72,4 27,5 72,5 58,4 13,1 15,1 6,94 6,53
31 64 36 100 100 85,7 14,3 100 12 88 95,7 4,35
Total 51,1 48,93 91,4 4,69 3,91 1,2 5,32 28,2 56,7 8,33 0,21 0 84,5 8,46 7,07 13,2 86,8 12,4 87,6 73 11,9 8,67 4,28 2,13
271
Tabla A.74 Puntuación media de los índices por cluster
ONLNREAD
METASUM
DISCLIMA
JOYREAD
DIVREAD
UNDREM
CSTRAT
Cluster
DT
DT
DT
DT
DT
DT
DT
1 0,244 0,98 0,398 0,99 0,903 0,84 0,630 0,60 0,533 0,75 -0,129 0,84 0,292 0,79
2 0,350 1,06 0,195 1,02 0,482 0,95 0,348 0,83 0,297 0,85 0,107 0,86 0,160 0,85
3 -0,003 1,05 0,101 1,00 0,137 0,90 0,033 1,00 -0,003 0,94 -0,244 0,99 0,002 0,94
4 0,086 1,06 0,079 1,03 0,054 0,93 0,005 1,01 0,013 0,94 -0,020 0,91 -0,007 0,92
5 0,144 1,11 -0,021 1,03 0,005 0,90 -0,203 1,09 -0,171 0,98 0,131 0,96 -0,012 0,92
6 -0,326 1,08 -0,042 1,00 -0,309 0,80 -0,472 1,10 -0,437 1,01 -0,503 1,18 -0,220 1,13
7 -0,153 1,07 -0,095 1,05 -0,459 0,87 -0,431 1,11 -0,307 1,00 0,008 1,04 -0,174 1,05
8 0,159 1,02 0,092 1,03 0,514 0,92 0,289 0,87 0,216 0,88 0,230 0,89 0,318 0,80
9 -0,292 1,06 -0,125 0,94 0,048 0,78 -0,628 1,07 -0,620 0,99 -1,201 1,37 -0,197 1,18
10 -0,079 1,01 -0,045 1,05 -0,151 0,88 -0,154 1,06 -0,131 0,98 0,203 1,06 0,084 0,98
11 0,115 1,03 0,030 1,04 -0,065 0,89 0,036 1,01 0,027 0,96 0,329 1,01 0,156 0,98
12 0,566 1,08 0,345 1,00 1,007 0,90 0,629 0,61 0,536 0,75 0,143 0,83 0,372 0,83
13 -0,356 1,10 -0,205 1,01 -0,244 0,80 -0,711 1,07 -0,613 0,99 -0,445 1,28 -0,219 1,20
14 -0,197 1,10 -0,207 1,06 -0,316 0,84 -0,586 1,10 -0,489 1,01 0,066 1,20 -0,063 1,12
15 -0,330 1,16 -0,232 1,06 -0,431 0,87 -0,725 1,10 -0,587 1,01 -0,276 1,16 -0,231 1,13
16 -0,135 0,96 0,056 1,00 -0,074 0,89 0,116 0,96 0,090 0,93 0,058 1,07 0,103 0,91
17 -0,006 1,06 0,145 0,93 0,270 0,82 -0,146 1,04 -0,256 0,99 -0,793 1,03 -0,059 0,99
18 0,223 1,06 0,301 0,99 0,703 0,89 0,440 0,73 0,385 0,78 -0,119 0,82 0,176 0,83
19 0,374 1,03 0,168 1,03 1,026 0,84 0,688 0,54 0,588 0,73 0,304 0,89 0,650 0,81
20 -0,339 1,03 -0,019 0,97 -0,044 0,82 -0,269 1,08 -0,181 0,97 -0,265 1,00 -0,038 0,99
21 -0,134 1,07 0,172 0,89 0,210 0,74 -0,372 1,07 -0,492 0,99 -1,281 1,19 -0,174 1,08
22 -0,157 0,93 -0,082 1,00 0,065 0,87 0,082 0,94 0,142 0,93 0,265 0,98 0,373 0,80
23 -0,083 1,05 0,074 0,97 0,049 0,85 -0,089 1,03 -0,022 0,93 -0,090 0,89 -0,028 0,91
24 -0,036 1,04 -0,021 1,05 -0,247 0,94 -0,225 1,07 -0,099 0,95 -0,219 0,93 -0,113 0,92
25 -0,121 1,01 -0,015 0,98 0,300 0,89 0,004 1,00 0,116 0,88 0,149 0,86 0,354 0,78
26 -0,317 1,27 -0,316 1,14 -0,595 0,88 -0,785 1,11 -0,636 1,03 -0,084 1,27 -0,311 1,33
27 -0,503 1,15 -0,251 1,01 -0,084 0,73 -0,835 1,05 -0,764 1,00 -1,232 1,60 -0,485 1,40
28 0,118 1,10 0,133 0,96 0,268 0,85 -0,007 1,00 0,090 0,87 0,188 0,93 0,238 0,93
29 -0,429 1,15 -0,327 1,05 -0,142 0,71 -0,846 1,03 -0,775 0,99 -0,559 1,65 -0,306 1,44
30 -0,228 1,10 -0,081 1,07 -0,227 0,76 -0,636 1,07 -0,549 0,99 -0,479 1,24 -0,278 1,14
31 0,402 0,57 -0,244 1,56 0,390 0,71 0,422 0,71 0,770 0,64 -0,294 0,57 0,279 0,81
Total 0,010 1,10 0,040 1,03 0,102 0,95 -0,078 1,06 -0,075 0,99 -0,149 1,10 0,012 1,00
272
A.7.2. Cluster Resilientes

Tabla A.75 Distribución del Cluster 1 (Resilientes) según variables demográficas
ESCS Lectura
% país -3 -2 -1 Media DT 5 6 Media DT

Australia 48 0,34% 2,08 97,92 -0,79 0,218 91,67 8,33 649,87 33,58
Brasil 14 0,07% 7,14 28,57 64,29 -1,46 0,715 100,00 637,93 39,76
Bulgaria 8 0,18% 100,00 -0,77 0,219 100,00 655,07 29
Canadá 91 0,39% 1,10 2,20 96,70 -0,88 0,375 97,80 2,20 650,33 37,2
Shanghái-China 266 5,20% 1,88 19,55 78,57 -1,14 0,513 94,36 5,64 652,33 33,3
Taipéi chino 29 0,50% 13,79 86,21 -0,95 0,389 96,55 3,45 652,15 36,76
Frec
Croacia 6 0,12% 100,00 -0,73 0,223 100,00 643,65 28,43
República Checa 28 0,46% 100,00 -0,74 0,21 85,71 14,29 657,56 41,22
Estonia 18 0,38% 5,56 94,44 -0,81 0,293 94,44 5,56 649,47 39,87
Finlandia 31 0,53% 3,23 96,77 -0,84 0,308 100,00 643,48 34,79
Francia 34 0,79% 100,00 -0,75 0,234 100,00 646,89 28,79
Grecia 13 0,26% 7,69 92,31 -0,97 0,411 92,31 7,69 644,56 37,42
Hungría 22 0,48% 100,00 -0,78 0,147 100,00 644,45 29,56
Israel 20 0,35% 5,00 95,00 -0,83 0,527 90,00 10,00 654,38 37,49
Japón 76 1,25% 5,26 94,74 -0,86 0,309 92,11 7,89 657,22 36,67
Corea 89 1,78% 7,87 92,13 -0,90 0,383 96,63 3,37 649,14 31,67
Macao-China 40 0,67% 22,50 77,50 -1,19 0,443 100,00 644,99 33,67
México 7 0,02% 28,57 42,86 28,57 -1,99 0,746 100,00 634,68 25,9
Nueva Zelanda 51 1,10% 100,00 -0,77 0,233 88,24 11,76 662,28 42,7
Polonia 58 1,18% 1,72 98,28 -0,84 0,265 96,55 3,45 650,67 30,9
Portugal 33 0,52% 15,15 84,85 -1,09 0,386 100,00 643,28 33,53
Rusia 14 0,26% 100,00 -0,75 0,15 100,00 643,05 26,29
Singapur 119 2,25% 10,08 89,92 -0,97 0,366 95,80 4,20 651,43 38,48
Eslovenia 14 0,23% 100,00 -0,72 0,182 92,86 7,14 651,88 37,33
España 134 0,52% 12,69 87,31 -1,00 0,418 99,25 0,75 645,10 30,36
Trinidad y Tobago 13 0,27% 15,38 84,62 -0,98 0,465 92,31 7,69 648,81 49,34
Turquía 12 0,24% 100,00 -0,97 0,316 100,00 638,54 25,33
Reino Unido 38 0,31% 2,63 97,37 -0,81 0,272 94,74 5,26 653,56 31,42
Estados Unidos 18 0,34% 5,56 94,44 -0,95 0,49 94,44 5,56 651,94 36,06
Uruguay 5 0,08% 100,00 -1,01 0,306 100,00 637,17 37,73
Total 1349 0,52% 0,82 9,41 89,77 -0,96 0,422 95,70 4,30 650,25 34,92
273
Tabla A.76 Frecuencias de variables demográficas y asistencia a clases extraescolares en Resilientes

Sexo Estatus Migratorio Grado Tipo de Escuela
2ª 1º Privada Privada
Mujer Hombre Nativo Gener Gener 7 8 9 10 11 12 Pública Depend Indepen
Australia 64,58 35,42 68,75 22,92 8,33 6,25 50,00 43,75 62,50 27,08 10,42
Brasil 78,57 21,43 100,00 14,29 64,29 21,43 75,00 25,00
Bulgaria 87,50 12,50 100,00 100,00 100,00
Canadá 62,64 37,36 78,02 19,78 2,20 2,20 97,80 93,18 3,41 3,41
Shanghái-China 70,68 29,32 100,00 0,38 0,75 26,69 71,80 0,38 93,16 6,84
Taipéi chino 75,86 24,14 100,00 24,14 75,86 89,29 10,71
Croacia 66,67 33,33 33,33 33,33 33,33 33,33 66,67 100,00
República Checa 89,29 10,71 96,43 3,57 25,00 75,00 100,00
Estonia 88,89 11,11 100,00 16,67 72,22 11,11 100,00
Finlandia 80,65 19,35 96,77 3,23 6,45 90,32 3,23 100,00
Francia 76,47 23,53 85,29 8,82 5,88 2,94 91,18 5,88
Grecia 84,62 15,38 100,00 100,00 100,00
Hungría 77,27 22,73 95,45 4,55 54,55 45,45 100,00
Israel 85,00 15,00 55,00 25,00 20,00 95,00 5,00 95,00 5,00
Japón 67,11 32,89 100,00 100,00 92,11 7,89
Corea 62,92 37,08 100,00 2,25 97,75 59,09 17,05 23,86
Macao-China 70,00 30,00 17,50 72,50 10,00 20,00 77,50 2,50 97,50 2,50
México 57,14 42,86 100,00 14,29 85,71 100,00
Nueva Zelanda 66,67 33,33 80,39 11,76 7,84 1,96 86,27 11,76 98,04 1,96
Polonia 77,59 22,41 100,00 100,00 96,55 3,45
Portugal 60,61 39,39 96,97 3,03 6,06 90,91 3,03 93,94 6,06
Rusia 85,71 14,29 85,71 14,29 50,00 50,00 100,00
Singapur 63,87 36,13 86,55 7,56 5,88 21,85 78,15 100,00
Eslovenia 92,86 7,14 92,86 7,14 78,57 21,43 92,86 7,14
España 71,64 28,36 97,76 2,24 2,24 97,76 66,67 29,46 3,88
Trinidad y Tobago 76,92 23,08 92,31 7,69 7,69 7,69 69,23 15,38 100,00
Turquía 66,67 33,33 91,67 8,33 8,33 66,67 25,00 100,00
Reino Unido 73,68 26,32 81,58 10,53 7,89 92,11 7,89 92,11 7,89
Estados Unidos 61,11 38,89 50,00 33,33 16,67 5,56 61,11 33,33 94,44 5,56
Uruguay 100,00 80,00 20,00 80,00 20,00 40,00 60,00
Total 70,72 29,28 89,55 7,26 3,19 0,15 0,59 19,64 69,68 9,27 0,67 85,56 8,80 5,64
274
Tabla A.77 Asistencia a clases extraescolares en Resilientes

Clases
Extraordinarias Clases
para Extraordinarias
enriquecimiento correctivas Clases Extraordinarias
Sí No Sí No 0 0-2 2-4 4-6 +6

Australia 2,13 97,87 4,26 95,74 89,13 8,70 2,17
Brasil 100,00 100,00 76,92 15,38 7,69
Bulgaria 12,50 87,50 100,00 87,50 12,50
Canadá 100,00 100,00 97,78 2,22
Shanghái-China 10,15 89,85 7,89 92,11 51,70 16,60 16,98 8,68 6,04
Taipéi chino 13,79 86,21 17,24 82,76 58,62 20,69 20,69
Croacia 100,00 100,00 100,00
República Checa 10,71 89,29 3,57 96,43 74,07 22,22 3,70
Estonia 100,00 100,00 58,82 23,53 5,88 11,76
Finlandia 100,00 100,00 96,77 3,23
Francia 100,00 11,76 88,24 84,85 12,12 3,03
Grecia 23,08 76,92 100,00 69,23 23,08 7,69
Hungría 100,00 100,00 100,00
Israel 10,00 90,00 100,00 83,33 5,56 5,56 5,56
Japón 6,58 93,42 18,42 81,58 17,11 53,95 18,42 9,21 1,32
Corea 32,58 67,42 63,22 36,78 33,71 19,10 40,45 4,49 2,25
Macao-China 2,50 97,50 100,00 94,87 5,13
México 100,00 14,29 85,71 85,71 14,29
Nueva Zelanda 1,96 98,04 100,00 96,00 4,00
Polonia 13,79 86,21 9,09 90,91 78,95 17,54 3,51
Portugal 6,25 93,75 100,00 90,63 9,38
Rusia 14,29 85,71 14,29 85,71 85,71 7,14 7,14
Singapur 18,49 81,51 25,21 74,79 66,95 21,19 10,17 1,69
Eslovenia 100,00 100,00 92,86 7,14
España 100,00 2,36 97,64 97,66 1,56 0,78
Trinidad y
Tobago 7,69 92,31 100,00 92,31 7,69
Turquía 33,33 66,67 27,27 72,73 58,33 41,67
Reino Unido 5,26 94,74 100,00 84,21 10,53 2,63 2,63
Estados Unidos 5,56 94,44 100,00 100,00
Uruguay 100,00 100,00 100,00
Total 8,89 91,11 10,96 89,04 71,61 13,78 10,02 3,09 1,51
275
Tabla A.78 Puntuación media de índices por país para Resilientes

DT DISCLIMA DT JOYREAD DT METASUM DT UNDREM DT ONLNREAD DT DIVREAD DT
Australia 0,50 0,79 0,31 0,89 0,86 0,84 0,72 0,55 0,56 0,84 -0,10 0,69 -0,05 0,72
Brasil 0,74 0,68 -0,13 0,91 1,32 0,95 0,87 0,61 0,68 0,91 -0,20 1,00 0,28 1,51
Bulgaria 0,14 0,58 0,53 0,88 1,07 0,74 0,61 0,58 0,64 0,66 0,47 1,28 0,21 0,52
CSTRAT
Canadá 0,23 1,01 0,10 1,00 1,10 1,00 0,57 0,77 0,20 0,93 -0,24 0,76 -0,11 0,83
Shanghái-China -0,10 0,63 0,66 0,73 0,86 0,59 0,54 0,60 0,61 0,84 -0,44 0,73 0,37 0,78
Taipéi chino 0,04 0,66 0,51 0,84 0,96 0,85 0,56 0,71 0,42 0,84 -0,33 0,62 0,99 0,71
Croacia -0,15 0,87 -0,26 1,28 0,29 0,79 0,44 0,72 0,80 0,68 -0,16 0,65 0,62 0,42
República Checa 0,50 0,87 -0,11 1,10 1,00 0,92 0,93 0,52 0,97 0,54 0,07 0,74 0,11 0,75
Estonia 0,18 0,61 0,13 0,71 0,95 0,72 0,69 0,63 0,91 0,65 0,22 0,60 0,66 0,63
Finlandia 0,05 0,95 -0,16 0,77 0,80 0,71 0,57 0,69 0,22 0,75 -0,28 0,80 0,65 0,51
Francia 0,44 0,87 -0,06 1,17 1,03 0,84 0,91 0,48 0,92 0,61 -0,15 0,72 0,31 0,71
Grecia 0,47 0,95 -0,13 1,04 0,86 0,94 0,67 0,50 0,43 0,68 -0,51 0,82 0,06 1,21
Hungría 0,02 0,58 0,12 1,38 1,12 0,90 0,79 0,64 0,50 0,69 0,18 0,56 0,34 0,90
Israel 0,42 1,04 -0,15 0,98 0,61 1,18 0,61 0,74 0,37 1,06 0,18 0,61 -0,32 1,08
Japón -0,27 0,90 1,08 0,81 1,00 0,97 0,69 0,56 0,68 0,66 -0,48 0,87 0,52 0,79
Corea 0,17 0,81 0,58 0,78 0,55 0,73 0,60 0,66 0,57 0,78 -0,18 0,56 0,11 0,80
Macao-China -0,51 0,86 0,46 0,80 0,65 0,92 0,29 0,80 0,44 0,88 -0,11 0,60 0,46 0,74
México 0,40 0,77 0,28 0,77 1,44 0,94 0,98 0,45 0,79 0,69 -0,49 0,49 0,33 0,66
Nueva Zelanda 0,55 0,84 -0,08 1,06 0,75 0,95 0,61 0,66 0,35 0,82 -0,16 0,81 0,06 0,75
Polonia 0,59 0,88 0,35 1,05 1,08 0,96 0,87 0,55 0,35 0,85 0,49 0,89 0,31 0,69
Portugal 0,51 0,76 0,68 0,87 1,04 0,75 0,66 0,56 0,74 0,61 0,19 0,88 -0,02 0,85
Rusia 0,21 0,53 0,54 0,83 0,65 0,39 0,27 0,91 0,73 0,81 -0,37 1,18 0,45 0,51
Singapur 0,48 0,77 0,40 0,77 0,76 0,68 0,80 0,64 0,37 0,88 0,12 0,83 0,56 0,79
Eslovenia 0,45 0,73 0,18 0,90 0,53 0,90 0,99 0,51 0,63 0,76 0,19 0,28 0,26 0,60
España 0,70 0,87 0,26 0,91 1,11 0,91 0,62 0,68 0,65 0,69 0,08 0,72 0,28 0,69
Trinidad y Tobago 0,56 1,30 0,20 1,18 1,45 0,90 0,44 0,74 0,60 0,87 -0,65 0,83 0,55 0,93
Turquía 0,37 0,60 0,20 0,80 1,09 0,96 0,16 0,89 0,84 0,57 0,27 0,89 0,59 0,68
Reino Unido 0,31 0,76 0,79 0,73 0,89 0,84 0,53 0,63 0,43 0,80 0,02 0,90 0,14 0,77
Estados Unidos 0,39 0,90 0,79 0,71 0,83 1,05 0,39 0,66 0,01 0,92 0,03 0,90 -0,21 0,76
Uruguay 0,86 1,02 -0,48 1,13 1,08 0,92 0,51 0,66 0,24 0,98 0,52 0,40 0,10 0,74
Total 0,24 0,86 0,40 0,93 0,90 0,84 0,63 0,65 0,53 0,81 -0,13 0,80 0,29 0,81
276
Tabla A.79 Distribución de los Clusters según puntuación de lectura y socioeconómica en España
ESCS Lectura
Cluster
Media
Media
Frec
DT
DT

-4
-3
-2
-1
1 0,53 12,7 87,3 -1 0,42 99,3 0,75 642 30,4

2 18,9 33,8 52,7 13,3 0,13 0,75 0,75 0,02 21,9 78 570 40,2
3 18,6 0,26 18,4 81,3 -1,1 4775 30,3 57,7 12 502 50,6
4 11,2 100 -0 0,65 16,6 83,4 508 38
5 1,91 31,2 58,5 10,3 0,7 -1,1 2,48 80,8 16,7 461 39,6
6 3,99 0,1 39,4 60,5 -1,3 4700 0,1 28,6 71,2 0,1 422 47,4
7 4,24 58,3 41,7 0,38 0,45 3,17 96,8 448 32,5
8 1,7 55,6 36,5 7,67 0,23 0,43 -0 18,8 70,2 10,9 506 45,6
9 4,21 14,1 84,7 1,22 -2 2841 5,45 82,3 12 0,19 352 60,9
10 3,24 100 -0,1 0,29 74,3 22,7 3,05 463 44
11 5,55 75,4 24,1 0,5 1,16 0,7 8,75 89,6 1,64 514 36,4
12 2,53 32 53 14,8 0,16 0,81 484 97,2 2,81 650 31,9
13 6 78,7 21,3 -0,8 0,64 4,02 95,9 0,07 347 51,9
14 4,14 59,8 38,3 1,91 0,33 -1,3 0,19 66,9 32,9 387 54,6
15 1,7 27,4 72,6 -0,3 1010 0,93 99,1 371 37,4
16 0,95 100 -1 0,51 90 9,96 512 36,1
17 1,81 7,41 92,6 -1,9 0,38 12,2 82,8 4,36 0,65 441 44
18 2,04 99,8 0,19 -0,9 1072 100 581 31,3
19 0,02 60 40 0,29 0,56 100 651 12,5
20 3,13 0,25 21,4 78,4 -1,2 0,43 10,7 67,8 21,2 0,25 446 50,6
21 0,13 2,94 97,1 -2,8 430 47,1 52,9 405 62,4
22 0,15 64,1 33,3 2,56 0,36 0,66 2,56 89,7 7,69 506 40
23 1,33 1,79 29,5 68,8 -1,2 -2 42,3 44 13,7 494 56
24 0 100 -1,1 1065 100 535 .
25 0,06 100 -0 0,43 20 80 499 35,4
26 0,74 9,09 73,8 16,6 0,53 1 -0,1 2,14 97,9 365 43,3
27 0,26 8,96 52,2 38,8 -1,7 820 95,5 4,48 231 48,4
28 0,6 94,7 5,26 -0 0,28 63,2 34,9 1,97 469 42,9
29 0,12 73,3 20 6,67 0,23 1,16 100 235 36,5
30 0,24 46,7 53,3 -1,4 1405 3,33 96,7 363 50,8
31 0,02 75 -0,1 0,45 75 25 585 12,4
Total 0 0,96 11,6 29,8 31,6 21,2 4,77 0,06 -1 0,81 0,89 16,6 25,7 34 19,7 3,01 0,08 487 88,2
25
277
Tabla A.80 Frecuencias (en porcentajes) de variables demográficas y asistencia a clases extraescolares por cluster en España
Clases
Estatus Clases para Extraordinarias
Sexo Migratorio Grado Tipo de Escuela enriquecimiento correctivas Nº de Clases Extraordinarias
1º Gener
2ª Gener
Hombre
Indepen
Depend
Privada
Privada
Pública
Cluster
Nativo
Mujer
0-2
2-4
4-6
No
No
10
11
12
13
Sí
Sí
7
6
1 71,6 28,4 97,8 2,24 2,24 97,8 66,7 29,5 3,88 100 2,36 97,6 97,7 1,56 0,78
2 67,4 32,6 97,4 0,57 2,05 0,04 99,9 0,04 46,7 46,4 6,91 2,96 97 3,91 96,1 92,3 3,33 2,64 1,33 0,39
3 56,5 43,5 100 16,1 83,9 70,2 27,8 1,99 7,06 92,9 8,41 91,6 82,8 6,13 6,47 3,13 1,43
4 61,7 38,3 99,6 0,42 100 0,04 56 39,6 4,46 6,56 93,4 7,11 92,9 82,9 6,83 6,12 2,97 1,15
5 81 19 59,3 5,37 35,3 99,8 0,21 57,9 38,5 3,6 8,46 91,5 11,9 88,1 76,3 9,09 8,26 4,13 2,2
6 100 100 56,4 43,6 76,9 21,4 1,66 13,3 86,7 13,6 86,4 71,6 9,54 9,28 6,06 3,48
7 3,17 96,8 99,4 0,56 100 54,2 41,6 4,24 10,8 89,2 11,5 88,5 78 8,72 7,87 4 1,45
8 100 100 0,23 99,8 58 37,5 4,5 9,85 90,1 18,7 81,3 71,3 9,25 10,4 5,07 3,88
9 46,1 53,9 79,2 2,16 18,7 0,66 52,6 46,8 85,7 13,3 0,97 25,2 74,8 27,7 72,3 65,5 12 10,9 8,83 2,85
10 33 67 99,8 0,24 100 64,2 33,2 2,58 14,5 85,5 14,2 85,8 70,8 9,02 11,4 5,13 3,73
11 100 97,7 0,71 1,57 10,6 89,4 43,1 49,9 7,06 7,45 92,6 8,9 91,1 84,1 7,44 5,51 2,36 0,61
12 63,1 36,9 97,3 0,63 2,03 99,1 0,94 44,8 47,6 7,58 1,61 98,4 1,29 98,7 97 1,35 1,69
13 31,1 68,9 83,5 1,38 15,1 0,26 52,8 46,9 79,4 19,3 1,23 28,5 71,5 31,9 68,1 62,8 13,7 11,1 8,57 3,82
14 28 72 82,6 2,77 14,6 0,38 23,9 75,8 69,5 27,7 2,86 24,7 75,3 24,6 75,4 60,7 12,1 15,1 7,88 4,13
15 47,7 52,3 93,7 3,72 2,56 100 70,6 27,2 2,24 18,1 81,9 19,9 80,1 66,1 12,2 11,9 7,46 2,37
16 2,07 97,9 97,5 2,49 0,83 99,2 70,4 28,3 1,3 13 87 16,3 83,7 74,6 6,97 10,4 5,47 2,49
17 100 100 40,3 59,7 81,3 18,5 0,23 8,28 91,7 10,9 89,1 75,9 6,76 10,3 4,71 2,35
18 100 98,8 1,16 0,58 99,4 60,6 37,7 1,62 2,01 98 3,22 96,8 91,6 2,56 3,26 1,63 0,93
19 80 20 100 100 100 20 80 20 80 80 20
20 54,9 45,1 33,2 6,83 59,9 0,51 44,1 55,4 77,9 20,4 1,69 15 85 19,4 80,6 71,2 9,43 10,8 6,23 2,36
21 61,8 38,2 64,7 5,88 29,4 20,6 79,4 90,9 9,09 21,9 78,1 15,6 84,4 92 4 4
22 12,8 87,2 100 2,56 97,4 57,9 39,5 2,63 7,69 92,3 7,69 92,3 85,7 2,86 8,57 2,86
23 66,4 33,6 17 83 2,38 97,3 0,3 71,9 25,9 2,19 7,85 92,1 9,15 90,9 86,8 3,5 4,67 3,5 1,56
24 100 100 100 100 100 100 100
25 100 80 20 80 20 57,1 42,9 26,7 73,3 40 60 69,2 15,4 15,4
26 0,53 99,5 88,2 0,53 11,2 100 66 29,6 4,4 25,9 74,1 18,7 81,3 67,2 8,59 7,81 11,7 4,69
27 1,49 98,5 82,1 2,99 14,9 7,46 92,5 92,1 6,35 1,59 47,6 52,4 53,3 46,7 43,2 16,2 29,7 2,7 8,11
28 54,6 45,4 1,97 98 11,2 88,8 71,9 26 2,05 6,12 93,9 10,9 89,1 80,2 6,35 7,94 2,38 3,17
29 10 90 90 20 75 25 53,6 46,4 50 50 42,1 15,8 15,8 15,8 10,5
30 38,3 61,7 8,33 91,7 100 84,7 15,3 28,8 71,2 34,5 65,5 59,6 17 12,8 10,6
31 50 50 100 100 75 25 100 100 100
10 80
Total 49,4 50,6 91,2 1,22 7,53 0,11 8,36 22,8 68,7 0,05 62,7 33,6 3,67 10,3 89,7 11,8 88,2 80,6 7 6,88 3,81 1,69
278
Tabla A.81 Puntuación media de los índices por cluster en España
ONLNREAD
METASUM
DISCLIMA
JOYREAD
DIVREAD
UNDREM
CSTRAT
Cluster
DT
DT
DT
DT
DT
DT
DT
1 0,7 0,87 0,26 0,91 1,11 0,91 0,62 0,68 0,65 0,69 0,08 0,72 0,28 0,69
2 0,48 0,84 0,2 1,01 0,54 0,89 0,46 0,69 0,4 0,82 0,02 0,76 0,15 0,8
3 0,09 0,88 0,12 1,02 -0 0,87 0,17 0,81 0,22 0,89 -0,2 0,84 -0,3 0,86
4 0,24 0,89 0,14 1,02 0,03 0,87 0,18 0,81 0,2 0,89 -0,1 0,79 -0,2 0,88
5 0,3 0,94 0,1 1,03 0,01 0,78 0,04 0,9 0,07 0,92 -0 0,76 -0,2 0,71
6 -0,3 1,09 -0 1,07 -0,6 0,79 -0,3 0,96 -0,1 0,98 -0,4 0,98 -0,5 1,1
7 0 0,95 -0 1,1 -0,5 0,85 -0,2 0,9 -0,1 0,96 -0 0,95 -0,3 0,99
8 0,14 0,98 0,11 1,02 0,23 0,93 0,23 0,72 0,19 0,88 -0 0,83 -0,2 0,78
9 -0,5 1,22 -0,1 1,04 -0,5 0,76 -0,5 0,96 -0,4 1 -0,7 1,07 -0,8 1,08
10 -0,1 1,06 -0 1,06 -0,3 0,93 -0,1 0,88 -0 0,94
-0,1 0,91 -0,3 1
11 0,2 0,87 0,08 1,03 -0,1 0,86 0,13 0,85 0,15 0,89 0,13 0,87 0,03 0,93
12 0,72 0,8 0,18 1,02 1,06 0,9 0,7 0,57 0,59 0,75 0,05 0,75 0,45 0,77
13 -0,5 1,26 -0,2 1,06 -0,6 0,76 -0,6 0,96 -0,5 0,97 -0,3 1,07 -0,6 1,18
14 -0,3 1,1 -0,2 1,1 -0,5 0,78 -0,5 0,93 -0,4 0,98 -0 1,03 -0,4 1,07
15 -0,1 1,1 -0,1 1,05 -0,5 0,83 -0,4 0,93 -0,4 0,98 -0,1 1,04 -0,4 1,05
16 -0 1,06 0,08 1,04 -0,1 0,93 0,26 0,8 0,27 0,87 0,05 1,01 -0,1 1,13
17 0,02 1,01 0,14 1 -0,2 0,88 0,02 0,81 0,07 0,94 -0,4 0,86 -0,5 0,86
18 0,42 0,84 0,28 0,95 0,72 0,87 0,46 0,65 0,45 0,72 -0,2 0,72 0,02 0,75
19 0,09 0,7 -0,6 0,56 1,28 0,68 0,67 0,7 0,39 1,14 1,13 1,58 0,15 0,91
20 -0,2 1,07 -0 1,07 -0,2 0,82 -0,1 0,89 -0,1 0,91 -0,2 0,84 -0,3 1
21 -0,3 1,39 0,15 1,05 -0,1 0,78 -0,2 1,02 -0 1,1 -0,8 1,08 -0,6 1,13
22 -0,4 1,24 -0,1 0,95 0,04 1,07 -0,1 1,01 0,38 0,76 0,29 1,21 0,19 0,96
23 0,27 0,89 0,09 0,98 0,19 0,87 0,19 0,78 0,23 0,88 -0,1 0,8 -0,2 0,79
24 1,13 . 0,03 . 1,93 . 1,34 . 1,42 . 0,95 . 0,14 .
25 -0,2 0,98 0,17 1,1 0,43 0,9 0,09 0,66 -0,1 0,8 -0,2 0,66 0,21 0,73
26 -0 1,05 -0,2 1,08 -0,5 0,86 -0,7 0,91 -0,5 0,98 -0,3 1,5 -0,3 1,42
27 -1,2 1,45 -0,3 1,05 -0,6 0,76 -1 0,98 -0,9 0,95 -0,6 1,39 -1,1 1,28
28 0,1 1,11 0,05 0,92 0,01 0,88 -0 0,93 0,11 0,86 0,03 0,91 -0,3 0,83
29 -0,2 1,33 -0,6 1,17 -0,5 0,9 -0,9 0,79 -0,6 0,83 0,34 1,12 -0,4 0,83
30 -0 1,04 0,13 0,97 -0,2 0,69 -0,4 0,92 -0,4 0,96 -0,3 1,16 -0,4 1,16
31 0,3 0,41 0,45 1,53 -0 0,93 0,93 0,59 0,96 0,55 -0,4 0,58 -0,3 0,62
Total 0,1 1,02 0,07 1,04 -0 0,96 0,07 0,9 0,11 0,94 -0,1 0,9 -0,2 0,97
279
A.7.3. Análisis post-hoc
Tabla A.82 Análisis post-hoc entre el cluster 1 y cluster 12.

Valor del Error t gl Sig.
contraste típico (bilateral)
Lectura Asumiendo igualdad de varianzas 0,06 0,014 4,212 253670 <.001
No asumiendo igualdad de varianzas 0,06 0,006 9,321 2206,403 <.001
Grado Asumiendo igualdad de varianzas 0,32 0,012 26,048 253670 <.001
Sexo Asumiendo igualdad de varianzas 0,06 0,012 5,390 253670 <.001
Estatus Migratorio Asumiendo igualdad de varianzas 0,04 0,010 3,994 253670 <.001
No asumiendo igualdad de varianzas 0,04 0,013 3,295 1893,199 0,001
ESCS Asumiendo igualdad de varianzas 1,9019 0,01364 139,428 253670 <.001
Tipo de Escuela Asumiendo igualdad de varianzas 0,20 0,016 12,046 243036 <.001
Clases extraordinarias para enriquecimiento Asumiendo igualdad de varianzas 0,01 0,010 1,440 248513 0,150
Clases extraordinarias correctivas Asumiendo igualdad de varianzas 0,04 0,009 4,694 247672 <.001
Nº horas extraordinarias Asumiendo igualdad de varianzas -0,21 0,028 -7,646 188140 <.001
No asumiendo igualdad de varianzas -0,21 0,026 -8,255 1536,713 <.001
Estrategias de control Asumiendo igualdad de varianzas 0,3227 0,02835 11,385 252045 <.001
Clima de disciplina Asumiendo igualdad de varianzas -0,0531 0,02765 -1,921 251120 0,055
No asumiendo igualdad de varianzas -0,0531 0,02688 -1,976 1728,779 0,048
Disfrute de la lectura Asumiendo igualdad de varianzas 0,1042 0,02523 4,129 249381 <.001
Metacognición: resumen Asumiendo igualdad de varianzas -0,0008 0,02661 -0,031 243801 0,976
Metacognición: entendimiento y memoria Asumiendo igualdad de varianzas 0,0032 0,02722 0,119 243101 0,905
Lectura on-line Asumiendo igualdad de varianzas 0,2719 0,02957 9,194 251971 <.001
Diversity Redding Asumiendo igualdad de varianzas 0,0796 0,02908 2,736 252559 0,006
280
Tabla A.83 Análisis post-hoc entre el cluster 1 y cluster 12 en España
Lectura Asumiendo igualdad de varianzas 0,02 0,042 0,492 25278 0,623

Grado Asumiendo igualdad de varianzas 0,03 0,028 1,118 25278 0,264
Sexo Asumiendo igualdad de varianzas 0,09 0,041 2,103 25278 0,036
Estatus Migratorio Asumiendo igualdad de varianzas 0 0,038 0,056 25278 0,956
No asumiendo igualdad de varianzas 0 0,028 0,075 190,782 0,941
ESCS Asumiendo igualdad de varianzas 1,9581 0,04404 44,465 25278 <.001
Tipo de Escuela Asumiendo igualdad de varianzas 0,26 0,052 4,873 23807 <.001
Clases para enriquecimiento Asumiendo igualdad de varianzas -0,02 0,029 -0,562 24279 0,574
No asumiendo igualdad de varianzas -0,02 0,005 -3,186 619 0,002
Clases extraordinarias correctivas Asumiendo igualdad de varianzas 0,01 0,030 0,353 24246 0,724
Nº horas extraordinarias Asumiendo igualdad de varianzas 0,02 0,085 0,190 19995 0,849
Estrategias de control Asumiendo igualdad de varianzas 0,0153 0,09184 0,167 25177 0,867
Disfrute de la lectura Asumiendo igualdad de varianzas -0,0477 0,08143 -0,586 24840 0,558
Metacognición: resumen Asumiendo igualdad de varianzas 0,0820 0,07828 1,047 24725 0,295
Metacognición: entendimiento y memoria Asumiendo igualdad de varianzas -0,0629 0,08575 -0,734 24747 0,463
Lectura on-line Asumiendo igualdad de varianzas -0,0313 0,08362 -0,374 25183 0,708
Diversity Redding Asumiendo igualdad de varianzas 0,1668 0,08819 1,892 25194 0,059
281
Lectura Asumiendo igualdad de varianzas -2,31 0,013 -173,293 253670 <.001

Grado Asumiendo igualdad de varianzas -0,10 0,012 -8,967 253670 <.001
Estatus Migratorio Asumiendo igualdad de varianzas -0,14 0,010 -13,626 253670 <.001
No asumiendo igualdad de varianzas -0,14 0,012 -11,753 1348 <.001
ESCS Asumiendo igualdad de varianzas -0,0782 0,01308 -5,976 253670 <.001
Tipo de Escuela Asumiendo igualdad de varianzas -0,02 0,016 -1,551 243036 0,121
Clases extraordinarias para enriquecimiento Asumiendo igualdad de varianzas -0,02 0,009 -2,469 248513 0,014
Clases extraordinarias correctivas Asumiendo igualdad de varianzas 0,01 0,009 0,839 247672 0,401
Nº horas extraordinarias Asumiendo igualdad de varianzas 0,04 0,027 1,579 188140 0,114
Estrategias de control Asumiendo igualdad de varianzas -0,2469 0,02719 -9,080 252045 <.001
Clima de disciplina Asumiendo igualdad de varianzas -0,2967 0,02653 -11,187 251120 <.001
Disfrute de la lectura Asumiendo igualdad de varianzas -0,7658 0,02421 -31,626 249381 <.001
Metacognición: resumen Asumiendo igualdad de varianzas -0,5971 0,02553 -23,388 243801 <.001
Metacognición: entendimiento y memoria Asumiendo igualdad de varianzas -0,5359 0,02612 -20,517 243101 <.001
Lectura on-line Asumiendo igualdad de varianzas -0,1146 0,02837 -4,040 251971 <.001
Diversity Redding Asumiendo igualdad de varianzas -0,2905 0,02790 -10,414 252559 <.001
282

Estatus Migratorio Asumiendo igualdad de varianzas -0,04 0,035 -1,290 25278 0,197
ESCS Asumiendo igualdad de varianzas -0,0625 0,04061 -1,539 25278 0,124
Clases extraordinarias para enriquecimiento Asumiendo igualdad de varianzas -0,07 0,027 -2,665 24279 0,008
Clases extraordinarias correctivas Asumiendo igualdad de varianzas -0,06 0,028 -2,166 24246 0,030
Nº horas extraordinarias Asumiendo igualdad de varianzas 0,31 0,078 3,969 19995 <.001
Lectura on-line Asumiendo igualdad de varianzas -0,2372 0,07712 -3,076 25183 0,002
283

Grado Asumiendo igualdad de varianzas -,23 0,012 -19,241 253670 <.001
No asumiendo igualdad de varianzas -,23 0,017 -13,987 1557,437 <.001
No asumiendo igualdad de varianzas 0,71 0,012 57,059 1348 <.001
Estatus Migratorio Asumiendo igualdad de varianzas -0,14 0,010 -13,192 253670 <.001
Tipo de Escuela Asumiendo igualdad de varianzas -0,08 0,016 -5,242 243036 <.001
Clases extraordinarias para enriquecimiento Asumiendo igualdad de varianzas -0,09 0,010 -9,567 248513 <.001
Clases extraordinarias correctivas Asumiendo igualdad de varianzas -0,05 0,009 -5,317 247672 <.001
Diversidad en la lectura Asumiendo igualdad de varianzas -0,5118 0,02883 -17,753 252559 <.001
284

No asumiendo igualdad de varianzas 0,72 0,039 18,330 133 <.001
Estatus Migratorio Asumiendo igualdad de varianzas -0,04 0,036 -1,230 25278 0,219
No asumiendo igualdad de varianzas -0,9235 0,06596 -14 211,870 <.001
285
Lectura Asumiendo igualdad de varianzas -4 0,014 -291,453 253670 <.001

No asumiendo igualdad de varianzas -4 0,007 -616,073 2542,865 <.001
Estatus Migratorio Asumiendo igualdad de varianzas -0,04 0,010 -4 253670 <.001
286
Valor del Error típico t gl Sig.
contraste (bilateral)

Estatus Migratorio Asumiendo igualdad de varianzas 0,35 0,036 9,655 25278 <.001
287
Tabla A.90 Presencia de Clusters por países.
Resilientes
Cluster 11
Cluster 12
Cluster 13
Cluster 14
Cluster 20
Cluster 21
Cluster 22
Cluster 23
Cluster 24
Cluster 25
Cluster 26
Cluster 27
Cluster 28
Cluster 29
Cluster 30
Cluster 31

Cluster 2
Cluster 3
Cluster 4
Cluster 6
Cluster 7
Cluster 8
Cluster 9

Clu10
Clu15
Clu16
Clu17
Clu18
Clu19
Clu5
Australia

Brasil

Bulgaria

Canadá
China Taipei

Croacia

República Checa

Estonia

Finlandia

Francia

Grecia
Hungria
Israel

Japón
Corea
Macao-China

México
Nueva Zelanda

Polonia

Portugal
Rusia

Shanghái-China

Singapur

Eslovenia
España

Trinidad y Tobago
Turquía

Reino Unido

Estados Unidos

Uruguay
Total

En blanco los países en los que no hay sujetos del cluster indicado.
288
Tabla A.91 Diferencias entre valores medios de Resilientes y el Cluster 12 en variables sociodemográficas
1ª generación Escuela Pública
Lectura (Medias) ESCS (Medias) Grado 10 (porcentaje) Mujer (porcentaje) (porcentaje) (porcentaje)
Diferecias (Sign)
Diferecias (Sign)
Diferecias (Sign)
Diferecias (Sign)
Diferecias (Sign)
Diferecias (Sign)
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Cluster 12
Cluster 12
Cluster 12
Cluster 12
Cluster 12
Cluster 12
Australia 649,87 661,27 -0,79 0,86 -1,65 50,00 73,03 -23,03 64,58 63,31 8,33 11,72 62,50 44,80
Brasil 637,93 651,45 -13,53 -1,46 0,89 -2,35 64,29 87,88 78,57 62,63 75,00 19,67 55,33
Bulgaria 655,07 665,75 -0,77 0,64 -1,40 75,00 87,50 75,00 100,00 100
Canadá 650,33 660,46 -10,13 -0,88 1,03 -1,91 97,80 95,56 62,64 64,85 2,20 8,99 93,18 86,51
China Taipei 652,15 654,24 -0,95 0,60 -1,55 75,86 99,45 -23,59 75,86 71,04 89,29 81,87
Croacia 643,65 662,64 -0,73 0,56 -1,29 66,67 95,67 -29,00 66,67 68,40 33,33 0,65 100,00 93,93
República Checa 657,56 650,17 -0,74 0,72 -1,47 75,00 98,08 -23,08 89,29 82,69 3,57 1,92 100,00 92,31
Estonia 649,47 655,81 -6,34 -0,81 0,64 -1,44 11,11 99,06 88,89 72,96 0,31 100,00 97,96
Finlandia 643,48 691,45 -47,97 -0,84 0,87 -1,71 38,71 80,65 87,10 3,23 100,00 93,55
Francia 646,89 709,74 -62,85 -0,75 0,90 -1,65 91,18 76,47 92,59 5,88 94,44
Grecia 644,56 656,03 -0,97 0,61 -1,58 100 84,00 84,62 64,00 1,14 100,00
Hungría 644,45 656,81 -12,36 -0,78 0,86 -1,65 45,45 100 -54,55 77,27 72,33 100,00 84,02
Israel 654,38 651,19 -0,83 0,90 -1,73 95,00 95,19 85,00 69,23 20,00 20,00 95,00 89,80
Japón 657,22 657,53 -0,86 0,69 -1,56 100 98,30 67,11 63,07 3,13 92,11 76,92 15,18
Corea 649,14 659,78 -0,90 0,50 -1,40 97,75 100 62,92 61,97 0,45 59,09 65,45
Macao-China 644,99 653,63 -1,19 0,55 -1,74 77,50 99,14 70,00 60,86 10,00 52,30
México 634,68 645,03 -1,99 0,42 -2,41 85,71 89,29 57,14 69,64 17,86 100,00
Nueva Zelanda 662,28 643,38 -0,77 0,74 -1,51 1,96 96,55 66,67 67,24 7,84 98,04 57,69
Polonia 650,67 663,86 -13,18 -0,84 0,69 -1,53 1,05 77,59 57,89 19,85 96,55 91,98
Portugal 643,28 699,92 -1,09 0,89 -1,99 90,91 20,00 60,61 84,00 93,94 80,00
Rusia 643,05 646,14 -3,08 -0,75 1,19 -1,93 50,00 97,24 -47,24 85,71 65,19 14,29 1,10 100,00 84,30
Shanghái-China 652,33 660,97 -8,64 -1,14 0,71 -1,85 71,80 89,04 -17,24 70,68 68,49 2,74 93,16 100
Singapur 651,43 668,14 -16,71 -0,97 0,31 -1,27 78,15 96,15 -18,00 63,87 63,35 5,88 8,14 100,00 99,77
Eslovenia 651,88 644,88 -0,72 0,87 -1,59 78,57 84,76 92,86 80,00 92,86 91,43
España 645,10 649,38 -4,29 -1,00 0,81 -1,81 97,76 99,06 -1,30 71,64 63,13 2,24 2,03 66,67 44,81 21,86
Trinidad y
Tobago 648,81 650,59 -0,98 0,58 -1,56 69,23 70,83 76,92 90,28 7,69 4,17 100,00 83,87
Turquía 638,54 645,80 -0,97 0,70 -1,67 66,67 94,44 66,67 94,44 100,00 100
Reino Unido 653,56 658,10 -0,81 0,82 -1,63 2,72 73,68 56,17 7,89 2,47 92,11 88,21
Estados Unidos 651,94 659,70 -0,95 0,99 -1,94 61,11 69,93 61,11 61,12 16,67 5,38 94,44 91,82
Uruguay 637,17 649,01 -1,01 1,22 -2,23 80,00 84,62 100 66,15 40,00 26,15
Total 650,25 658,85 -8,60 -0,96 0,78 -1,74 69,68 77,53 -7,84 70,72 64,30 6,42 3,19 5,88 -2,69 85,56 75,20 10,36
289
Tabla A.92 Diferencias entre valores medios de Resilientes y el Cluster 12 en asistencia clases extraordinarias
0 Horas extraescolares Clases enriquecimiento Clases correctivas
(porcentaje) (porcentaje) (porcentaje)
Diferecias (Sign)
Diferecias (Sign)
Diferecias (Sign)
Resilientes
Resilientes
Resilientes
Cluster 12
Cluster 12
Cluster 12
Australia 89,13 93,88 2,13 4,09 4,26 0,90
Brasil 76,92 83,16 5,05 -5,05 1,01
Bulgaria 87,50 100 12,50 12,50
Canadá 97,78 96,83 2,66 -2,66 0,65 -0,65
China Taipei 58,62 68,13 13,79 25,68 17,24 6,04
Croacia 100 57,77 9,33 5,87
República Checa 74,07 96,00 10,71 1,92 3,57
Estonia 58,82 86,36 5,03
Finlandia 96,77 61,29 9,68
Francia 84,85 100 11,76
Grecia 69,23 88,53 23,08 4,01 13,18 -13,18
Hungría 100 69,95 25,12 7,43
Israel 83,33 100 10,00 0,96
Japón 17,11 89,30 6,58 4,31 2,27 18,42 2,01
Corea 33,71 22,31 32,58 15,45 63,22 21,36
Macao-China 94,87 28,31 2,50 35,81 -33,31 57,55
México 85,71 77,36 14,29 14,29
Nueva Zelanda 96,00 88,89 1,96 3,45 0,00
Polonia 78,95 95,92 13,79 3,63 9,09 0,60 8,49
Portugal 90,63 91,67 6,25 4,00
Rusia 85,71 97,14 14,29 2,79 14,29
Shanghái-China 51,70 54,93 10,15 27,40 7,89 26,03 -18,13
Singapur 66,95 72,31 18,49 19,32 25,21 17,85
Eslovenia 92,86 93,20 5,77 -5,77
España 97,66 96,95 1,61 -1,61 2,36 1,29
Trinidad y Tobago 92,31 100 7,69
Turquía 58,33 50,00 33,33 38,89 27,27 14,29
Reino Unido 84,21 93,62 5,26 2,48 2,74 -2,74
Estados Unidos 100 97,29 5,56 1,72 0,25
Uruguay 100 100
Total 71,61 82,90 -11,28 8,89 7,50 10,96 6,52 4,45
290
Tabla A.93 Diferencias entre valores medios de Resilientes y el Cluster 12 en índices
DISCLIMA JOYREAD METASUM UNDREM ONLNREAD DIVREAD
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Cluster 12
Cluster 12
Cluster 12
Cluster 12
Cluster 12
Cluster 12
Cluster 12
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
Australia 0,50 0,69 0,31 0,33 0,86 1,03 0,72 0,6 0,56 0,58 -0,10 0,19 -0,30 -0,05 0,25 -0,30
CSTRAT
Brasil 0,74 0,67 -0,13 -0 1,32 1,09 0,87 0,7 0,68 0,63 -0,20 0,34 0,28 0,19
Bulgaria 0,14 0,02 0,53 0,16 1,07 0,38 0,61 0,4 0,64 0,27 0,47 0,61 0,21 0,27
Canadá 0,23 0,7 -0,48 0,10 0,13 1,10 1,1 0,57 0,59 0,20 0,43 -0,23 -0,24 0,15 -0,40 -0,11 0,27 -0,38
China Taipei 0,04 0,31 -0,27 0,51 0,44 0,96 1,29 0,56 0,43 0,42 0,38 -0,33 -0,1 0,99 0,89
Croacia -0,15 0,12 -0,26 0,76 0,29 0,9 0,44 0,43 0,80 0,53 -0,16 -0,1 0,62 0,72
República Checa 0,50 0,55 -0,11 0,11 1,00 1,01 0,93 0,8 0,97 0,65 0,07 0,38 -0,31 0,11 0,53
Estonia 0,18 0,5 -0,32 0,13 0,27 -0,14 0,95 0,89 0,06 0,69 0,83 0,91 0,75 0,22 0,6 0,66 0,38
Finlandia 0,05 0,63 -0,16 0,63 0,80 1,48 -0,68 0,57 0,88 -0,31 0,22 0,94 -0,72 -0,28 0,61 0,65 0,68 -0,03
Francia 0,44 0,19 -0,06 -0,1 1,03 1,31 0,91 0,92 0,92 0,95 -0,15 0,01 -0,16 0,31 1,19
Grecia 0,47 0,68 -0,13 0,08 0,86 0,89 0,67 0,76 0,43 0,75 -0,51 0,12 -0,63 0,06 0,35
Hungría 0,02 0,43 -0,41 0,12 -0,3 1,12 0,93 0,79 0,58 0,50 0,38 0,18 0,22 -0,03 0,34 0,12
Israel 0,42 0,52 -0,15 0,23 0,61 1,18 0,61 0,82 0,37 0,76 0,18 0,56 -0,32 0,55 -0,86
Japón -0,27 0,62 1,08 0,11 1,00 0,82 0,69 0,7 0,68 0,45 0,23 -0,48 0,24 -0,72 0,52 0,24
Corea 0,17 -0,1 0,25 0,58 1,09 0,55 0,98 -0,43 0,60 0,65 0,57 0,51 -0,18 -0,2 0,11 0,7 -0,58
Macao-China -0,51 0,4 -0,91 0,46 0,62 0,65 0,79 0,29 0,68 0,44 0,61 -0,11 -0,1 -0,01 0,46 0,39
México 0,40 -0,1 0,28 0,41 1,44 0,74 0,98 0,41 0,79 0,3 -0,49 0,27 -0,76 0,33 0,66
Nueva Zelanda 0,55 0,68 -0,08 0,4 0,75 1,18 0,61 0,83 0,35 0,88 -0,16 0,42 0,06 0,3 -0,24
Polonia 0,59 0,74 0,35 0,17 1,08 0,99 0,09 0,87 0,56 0,35 0,48 0,49 -0 0,51 0,31 0,31
Portugal 0,51 0,9 -0,39 0,68 0,28 1,04 1,98 0,66 0,82 0,74 0,51 0,19 0,97 -0,02 0,63
Rusia 0,21 0,92 0,54 0,36 0,65 1,07 -0,42 0,27 0,74 0,73 0,68 -0,37 0,15 0,45 0,18
Shanghái-China -0,10 0,41 0,66 0,52 0,86 1,05 0,54 0,58 -0,04 0,61 0,68 -0,44 0,13 -0,57 0,37 0,22 0,16
Singapur 0,48 0,67 -0,18 0,40 0,53 0,76 1,07 -0,31 0,80 0,74 0,37 0,46 0,12 0,39 -0,27 0,56 0,81 -0,25
Eslovenia 0,45 0,76 0,18 0,19 0,53 0,76 0,99 0,61 0,38 0,63 0,62 0,19 0,51 -0,32 0,26 0,56
España 0,70 0,72 0,26 0,18 1,11 1,06 0,62 0,7 0,65 0,59 0,08 0,05 0,28 0,45 -0,17
Trinidad y Tobago 0,56 0,93 0,20 0,29 1,45 1,29 0,44 0,59 0,60 0,68 -0,65 0,11 -0,76 0,55 0,56
Turquía 0,37 0,75 0,20 0,37 1,09 1,6 0,16 0,63 0,84 0,71 0,27 0,25 0,59 0,53
Reino Unido 0,31 0,55 0,79 0,45 0,34 0,89 0,94 0,53 0,61 0,43 0,55 0,02 0,26 0,14 0,24
Estados Unidos 0,39 0,51 0,79 0,58 0,83 0,91 0,39 0,57 0,01 0,47 0,03 0,17 -0,21 -0
Uruguay 0,86 0,69 -0,48 0,25 1,08 0,74 0,51 0,77 0,24 0,51 0,52 0,53 0,10 0,18
Total 0,24 0,57 -0,32 0,40 0,35 0,90 1,01 -0,10 0,63 0,63 0,53 0,54 -0,13 0,14 -0,27 0,29 0,37 -0,08
291

Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Cluster 3
Cluster 3
Cluster 3
Cluster 3
Cluster 3
Cluster 3
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
Australia 649,87 483,80 166,08 -0,79 -0,83 50,00 88,22 -38,22 64,58 53,41 8,33 62,50 85,10 -22,60
Brasil 637,93 482,08 155,85 -1,46 -1,23 64,29 67,15 78,57 72,22 75,00 92,57
Bulgaria 655,07 481,63 173,44 -0,77 -0,88 0,12 6,65 87,50 96,31 100 100
Canadá 650,33 493,85 156,48 -0,88 -0,84 97,80 87,32 62,64 55,18 2,20 93,18 98,44
China Taipei 652,15 498,87 153,27 -0,95 -1,02 75,86 78,08 75,86 57,74 89,29 58,49
Croacia 643,65 496,74 146,90 -0,73 -0,96 0,23 66,67 33,28 66,67 80,31 33,33 100 99,85
República Checa 657,56 488,60 168,97 -0,74 -0,87 0,12 75,00 63,99 89,29 71,52 3,57 100 95,96
Estonia 649,47 515,91 133,55 -0,81 -0,88 11,11 1,31 88,89 98,69 100 98,69
Finlandia 643,48 528,36 115,13 -0,84 -0,88 80,65 97,59 -16,95 3,23 100 95,18
Francia 646,89 502,42 144,47 -0,75 -0,90 0,15 91,18 72,31 76,47 64,40 5,88
Grecia 644,56 488,90 155,65 -0,97 -0,97 100 99,32 84,62 57,03 100 99,18
Hungría 644,45 496,98 147,46 -0,78 -0,97 0,18 45,45 33,33 77,27 82,99 100 92,85
Israel 654,38 482,32 172,06 -0,83 -0,93 95,00 88,58 85,00 68,08 20,00 95,00 85,98
Japón 657,22 500,37 156,85 -0,86 -0,86 -0,00 100 100 67,11 41,37 25,74 92,11 82,27
Corea 649,14 511,82 137,32 -0,90 -1,03 97,75 97,18 62,92 40,70 22,23 59,09 61,60
Macao-China 644,99 512,39 132,60 -1,19 -1,15 77,50 65,93 70,00 59,31 10,00 3,47
México 634,68 483,39 151,28 -1,99 -1,30 85,71 90,55 57,14 59,73 100 93,05
Nueva Zelanda 662,28 537,03 125,25 -0,77 -1,06 0,29 1,96 27,96 -26,00 66,67 23,66 43,01 7,84 98,04 98,92
Polonia 650,67 513,38 137,29 -0,84 -0,99 0,15 0,34 77,59 97,40 -19,82 96,55 98,08
Portugal 643,28 505,89 137,39 -1,09 -1,19 90,91 76,48 60,61 64,64 93,94 89,84
Rusia 643,05 483,63 159,42 -0,75 -0,90 0,16 50,00 38,52 85,71 81,97 14,29 100 99,69
Shanghái-China 652,33 536,40 115,93 -1,14 -1,34 0,19 71,80 67,01 70,68 52,30 18,37 93,16 94,56
Singapur 651,43 510,60 140,83 -0,97 -1,09 0,12 78,15 73,99 63,87 56,26 5,88 100 98,03
Eslovenia 651,88 476,14 175,74 -0,72 -0,88 0,16 78,57 98,78 -20,20 92,86 57,89 92,86 99,14
España 645,10 502,59 142,51 -1,00 -1,11 0,11 97,76 83,91 13,85 71,64 56,51 15,13 2,24 66,67 70,23
Trinidad y Tobago 648,81 480,87 167,94 -0,98 -1,06 69,23 84,42 76,92 65,65 7,69 100 86,21
Turquía 638,54 498,54 140,00 -0,97 -1,41 0,44 66,67 83,38 66,67 58,35 100 100
Reino Unido 653,56 532,88 120,68 -0,81 -1,05 0,24 30,77 73,68 23,67 50,02 7,89 92,11 100
Estados Unidos 651,94 483,99 167,95 -0,95 -0,90 61,11 91,58 -30,46 61,11 49,18 16,67 94,44 99,73
Uruguay 637,17 478,85 158,32 -1,01 -1,16 0,15 80,00 85,33 100 67,19 40,00 91,11 -51,11
Total 650,25 495,29 154,96 -0,96 -1,11 0,15 69,68 76,37 -6,69 70,72 61,86 8,86 3,19 85,56 87,72
292
Diferecias (Sign)
Diferecias (Sign)
Diferecias (Sign)
Resilientes
Resilientes
Resilientes
Cluster 3
Cluster 3
Cluster 3
Australia 89,13 93,65 2,13 4,63 4,26 3,45
Brasil 76,92 64,65 4,59 -4,59 3,51 -3,51
Bulgaria 87,50 82,07 12,50 2,97 4,22 -4,22
Canadá 97,78 91,31 4,26 -4,26 3,49 -3,49
China Taipei 58,62 57,54 13,79 26,56 17,24 17,00
Croacia 100 90,84 1,99 -1,99 2,76 -2,76
República Checa 74,07 80,21 10,71 3,75 3,57 2,40
Estonia 58,82 40,16 2,00 -2,00 11,96 -11,96
Finlandia 96,77 93,56 0,41 3,31 -3,31
Francia 84,85 71,58 6,46 -6,46 11,76 18,08
Grecia 69,23 66,37 23,08 26,31 17,27 -17,27
Hungría 100 95,43 1,10 -1,10 2,35 -2,35
Israel 83,33 69,37 10,00 14,71 6,84 -6,84
Japón 17,11 42,66 -25,56 6,58 13,53 -6,95 18,42 18,94
Corea 33,71 40,54 32,58 20,55 63,22 48,46 -0,15
Macao-China 94,87 73,00 2,50 7,59 3,80 -3,80
México 85,71 67,17 13,47 -13,47 14,29 5,27
Nueva Zelanda 96,00 94,25 1,96 1,09
Polonia 78,95 68,75 13,79 17,45 9,09 13,88
Portugal 90,63 83,06 6,25 11,50 8,75 -8,75
Rusia 85,71 41,28 14,29 35,48 14,29 45,34 -31,05
Shanghái-China 51,70 46,43 10,15 8,25 7,89 13,53 -5,64
Singapur 66,95 52,98 18,49 23,93 25,21 36,28 -11,07
Eslovenia 92,86 93,17 4,69 -4,69 3,21 -3,21
España 97,66 82,83 14,82 7,06 -7,06 2,36 8,41 -6,05
Trinidad y Tobago 92,31 75,10 7,69 20,12 4,54
Turquía 58,33 73,79 33,33 9,30 27,27 7,03
Reino Unido 84,21 83,97 5,26 5,99 12,12 -12,12
Estados Unidos 100 87,54 5,56 6,34 4,13 -4,13
Uruguay 100 95,40 2,64 -2,64 1,04 -1,04
Total 71,61 71,46 8,89 11,19 -2,30 10,96 10,20
293
Tabla A.96 Diferencias entre valores medios de Resilientes y el Cluster 3 en índices.

Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Cluster 3
Cluster 3
Cluster 3
Cluster 3
Cluster 3
Cluster 3
Cluster 3
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
Australia 0,50 -0,35 0,85 0,31 -0,38 0,69 0,86 -0,39 1,25 0,72 -0,38 1,10 0,56 -0,31 0,87 -0,10 -0,47 0,36 -0,05 -0,35 0,30
CSTRAT
Brasil 0,74 0,17 0,56 -0,13 -0,06 1,32 0,48 0,84 0,87 -0,03 0,89 0,68 -0,04 0,72 -0,20 -0,37 0,28 0,09
Bulgaria 0,14 0,24 0,53 0,01 1,07 0,13 0,93 0,61 -0,21 0,82 0,64 -0,14 0,47 0,14 0,21 0,17
Canadá 0,23 -0,30 0,52 0,10 -0,17 0,27 1,10 -0,12 1,22 0,57 -0,14 0,71 0,20 -0,19 0,39 -0,24 -0,37 -0,11 -0,40 0,29
China Taipei 0,04 -0,48 0,52 0,51 0,06 0,45 0,96 0,28 0,67 0,56 -0,38 0,95 0,42 -0,11 0,52 -0,33 -0,21 0,99 0,38 0,61
Croacia -0,15 0,13 -0,26 -0,07 0,29 0,00 0,44 0,12 0,80 0,02 0,79 -0,16 -0,26 0,62 0,14 0,49
República Checa 0,50 -0,02 0,52 -0,11 -0,13 1,00 -0,06 1,06 0,93 0,22 0,71 0,97 0,06 0,92 0,07 0,28 0,11 -0,13
Estonia 0,18 -0,16 0,34 0,13 -0,03 0,95 0,17 0,77 0,69 0,34 0,35 0,91 0,28 0,63 0,22 0,24 0,66 0,32 0,34
Finlandia 0,05 -0,55 0,60 -0,16 -0,38 0,80 0,25 0,54 0,57 0,23 0,34 0,22 0,15 -0,28 -0,21 0,65 0,37 0,28
Francia 0,44 -0,03 0,47 -0,06 -0,25 1,03 -0,10 0,63 0,91 0,29 0,82 0,92 0,10 0,13 -0,15 -0,28 0,31 -0,16 0,28
Grecia 0,47 -0,03 -0,13 -0,38 0,86 -0,01 0,88 0,67 -0,15 0,81 0,43 -0,09 0,52 -0,51 -0,52 0,06 -0,44
Hungría 0,02 0,08 0,12 -0,04 1,12 0,10 1,02 0,79 0,11 0,68 0,50 0,08 0,42 0,18 0,27 0,34 0,37
Israel 0,42 0,39 -0,15 0,17 0,61 0,03 0,61 -0,19 0,80 0,37 -0,15 0,52 0,18 -0,11 -0,32 -0,08
Japón -0,27 -0,71 0,44 1,08 0,61 0,47 1,00 0,04 0,96 0,69 -0,13 0,83 0,68 0,04 0,64 -0,48 -0,63 0,15 0,52 0,27 0,25
Corea 0,17 -0,56 0,73 0,58 0,32 0,26 0,55 -0,08 0,63 0,60 -0,17 0,77 0,57 -0,12 0,69 -0,18 -0,27 0,11 -0,25 0,36
Macao-China -0,51 -0,54 0,46 0,13 0,33 0,65 0,09 0,56 0,29 -0,15 0,44 0,44 -0,05 0,50 -0,11 -0,05 0,46 0,23
México 0,40 0,14 0,28 0,21 1,44 0,20 1,24 0,98 0,24 0,74 0,79 -0,01 0,80 -0,49 -0,32 0,33 -0,03
Nueva Zelanda 0,55 -0,20 0,75 -0,08 -0,41 0,33 0,75 -0,05 0,80 0,61 -0,34 0,95 0,35 -0,13 0,47 -0,16 -0,64 0,47 0,06 -0,29 0,35
Polonia 0,59 0,15 0,44 0,35 0,13 1,08 0,21 0,87 0,87 0,05 0,83 0,35 -0,18 0,53 0,49 0,11 0,38 0,31 0,12 0,19
Portugal 0,51 0,13 0,38 0,68 0,26 0,41 1,04 0,24 0,80 0,66 0,19 0,47 0,74 0,03 0,71 0,19 0,09 -0,02 -0,09
Rusia 0,21 -0,14 0,35 0,54 0,50 0,65 0,15 0,51 0,27 -0,25 0,73 -0,08 0,82 -0,37 -1,00 0,45 0,34
Shanghái-China -0,10 -0,45 0,34 0,66 0,34 0,32 0,86 0,45 0,41 0,54 -0,01 0,55 0,61 0,06 0,55 -0,44 -0,57 0,13 0,37 0,26 0,11
Singapur 0,48 0,21 0,27 0,40 0,09 0,31 0,76 0,15 0,61 0,80 0,15 0,65 0,37 0,04 0,33 0,12 0,04 0,56 0,42
Eslovenia 0,45 -0,01 0,46 0,18 -0,15 0,53 -0,31 0,84 0,99 -0,33 1,32 0,63 -0,15 0,78 0,19 0,07 0,26 -0,02
España 0,70 0,09 0,62 0,26 0,12 1,11 -0,04 1,15 0,62 0,17 0,44 0,65 0,22 0,43 0,08 -0,16 0,24 0,28 -0,27 0,55
Trinidad y Tobago 0,56 0,31 0,20 0,06 1,45 0,34 1,11 0,44 0,05 0,60 0,13 -0,65 -0,80 0,55 0,47
Turquía 0,37 0,38 0,20 0,17 1,09 0,71 0,16 -0,17 0,33 0,84 -0,03 0,27 -0,04 0,59 0,42
Reino Unido 0,31 -0,06 0,37 0,79 0,05 0,74 0,89 -0,25 1,14 0,53 -0,06 0,59 0,43 -0,02 0,45 0,02 -0,04 0,14 -0,14
Estados Unidos 0,39 -0,31 0,70 0,79 0,00 0,80 0,83 -0,24 1,07 0,39 -0,37 0,76 0,01 -0,35 0,03 -0,48 0,51 -0,21 -0,42
Uruguay 0,86 0,27 -0,48 0,10 1,08 0,02 0,51 0,02 0,24 -0,09 0,52 -0,13 0,65 0,10 -0,21
Total 0,24 0,00 0,25 0,40 0,10 0,30 0,90 0,14 0,77 0,63 0,03 0,60 0,53 0,00 0,54 -0,13 -0,24 0,11 0,29 0,00 0,29
294
Nativo Escuela Pública
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Cluster 6
Cluster 6
Cluster 6
Cluster 6
Cluster 6
Cluster 6
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
Australia 649,87 369,71 280,16 -0,79 -0,88 50,00 83,69 -33,69 64,58 68,75 100 -31,25 62,50 88,41
Brasil 637,93 407,673 230,25 -1,46 -1,57 64,29 54,84 78,57 100,00 100 75,00 97,24
Bulgaria 655,07 422,537 232,53 -0,77 -1 0,24 20,39 87,50 100,00 100 100,00 100
Canadá 650,33 382,316 268,01 -0,88 -0,97 0,10 97,80 77,13 20,67 62,64 78,02 100 -21,98 93,18 100
China Taipei 652,15 400,333 251,81 -0,95 -1,23 0,28 75,86 60,88 75,86 100,00 100 89,29 56,09
Croacia 643,65 432,942 210,70 -0,73 -0,99 0,26 66,67 17,07 66,67 33,33 100 -66,67 100,00 100
República Checa 657,56 411,397 246,17 -0,74 -0,89 75,00 38,79 36,21 89,29 96,43 100 100,00 99,02
Estonia 649,47 442,059 207,41 -0,81 -0,88 11,11 1 88,89 100,00 100 100,00 97
Finlandia 643,48 446,546 -0,84 -0,88 80,65 96,77 100 100,00 97,73
Francia 646,89 432,573 214,32 -0,75 -0,96 0,21 91,18 21,05 70,12 76,47 85,29 100
Grecia 644,56 364,983 279,57 -0,97 -1,21 0,24 100,00 99,59 84,62 100,00 100 100,00 96,3
Hungría 644,45 434,224 210,22 -0,78 -1,03 0,24 45,45 12,93 32,52 77,27 95,45 100 100,00 86,21
Israel 654,38 358,317 296,06 -0,83 -1,08 95,00 85,64 85,00 55,00 100 -45,00 95,00 96,09
Japón 657,22 359,431 297,79 -0,86 -0,99 100,00 100 67,11 100,00 100 92,11 71,23 20,87
Corea 649,14 395,669 253,47 -0,90 -1,34 0,44 97,75 93,15 62,92 100,00 100 59,09 71,03
Macao-China 644,99 438,025 206,96 -1,19 -1,37 0,19 77,50 31,65 45,85 70,00 17,50 100 6,329
México 634,68 402,206 232,47 -1,99 -1,69 85,71 83,08 2,64 57,14 100,00 100 100,00 95,64
Nueva Zelanda 662,28 332,324 329,95 -0,77 -1,47 0,69 1,96 30 66,67 80,39 100 98,04 100
Polonia 650,67 443,642 207,03 -0,84 -0,98 0,14 77,59 100,00 100 96,55 96,68
Portugal 643,28 434,193 209,08 -1,09 -1,3 0,20 90,91 28,11 62,80 60,61 96,97 100 93,94 93,17
Rusia 643,05 418,478 224,58 -0,75 -0,93 0,18 50,00 26,02 23,98 85,71 85,71 100 100,00 100
Shanghái-China 652,33 437,297 215,03 -1,14 -1,57 0,42 71,80 43,37 28,44 70,68 100,00 100 93,16 94,39
Singapur 651,43 401,317 250,12 -0,97 -1,32 0,35 78,15 64,95 63,87 86,55 100 100,00 98,28
Eslovenia 651,88 353,392 298,49 -0,72 -1,02 0,31 78,57 98,2 92,86 92,86 100 92,86 100
España 645,10 421,576 223,52 -1,00 -1,31 0,31 97,76 43,56 54,20 71,64 71,64 97,76 100 66,67 76,92 -10,25
Trinidad y Tobago 648,81 374,599 274,21 -0,98 -1,28 69,23 82,12 76,92 92,31 100 100,00 87,6
Turquía 638,54 413,997 224,54 -0,97 -1,73 0,77 66,67 71,59 -4,92 66,67 91,67 100 100,00 100
Reino Unido 653,56 349,265 304,30 -0,81 -1,44 0,63 41,67 73,68 81,58 100 -18,42 92,11 100
Estados Unidos 651,94 376,179 275,76 -0,95 -0,99 61,11 79,81 61,11 50,00 100 -50,00 94,44 100
Uruguay 637,17 393,976 243,19 -1,01 -1,53 0,52 80,00 77,59 100,00 80,00 100 40,00 95,62
Total 650,25 403,446 246,80 -0,96 -1,4 0,44 69,68 64,95 4,73 70,72 89,55 100 -10,45 85,56 92,36
295
Diferecias (Sign)
Diferecias (Sign)
Diferecias (Sign)
Resilientes
Resilientes
Resilientes
Cluster 6
Cluster 6
Cluster 6
Australia 89,13 88,11 2,13 12,39 -10,26 4,26 15,21 -10,95
Brasil 76,92 56,28 5,021 -5,02 8,066 -8,07
Bulgaria 87,50 86,17 12,50 4,667 7,333 -7,33
Canadá 97,78 86,59 11,11 -11,11 8,8 -8,80
China Taipei 58,62 61,78 13,79 24,56 17,24 24,48
Croacia 100,00 89,22 3,292 -3,29 4,959 -4,96
República Checa 74,07 83,85 10,71 8,247 3,57 4,124
Estonia 58,82 38,96 3 20 -20,00
Finlandia 96,77 92,06 3,448
Francia 84,85 70 7,018 -7,02 11,76 13,27
Grecia 69,23 64,23 23,08 25,42 19,67 -19,67
Hungría 100,00 92,11 1,724 -1,72 3,03 -3,03
Israel 83,33 50 10,00 35,9 -25,90 25,64 -25,64
Japón 17,11 59,55 -42,44 6,58 20,55 18,42 14,68
Corea 33,71 66,67 32,58 15,44 -0,17 63,22 21,43 -0,42
Macao-China 94,87 67,74 2,50 3,846 3,846
México 85,71 53,77 25,86 14,29 19,32 -5,03
Nueva Zelanda 96,00 75 1,96 21,05 26,32 -26,32
Polonia 78,95 68,78 13,79 15,9 9,09 19,63 -10,54
Portugal 90,63 64,65 6,25 26,83 -20,58 26,12 -26,12
Rusia 85,71 43,01 14,29 35,95 14,29 41,6 -27,31
Shanghái-China 51,70 36,99 10,15 11,28 7,89 26,15 -18,26
Singapur 66,95 43 23,95 18,49 30,8 -12,31 25,21 31,83
Eslovenia 92,86 75,38 18,75 -18,75 18,52 -18,52
España 97,66 71,65 26,01 13,3 -13,30 2,36 13,57 -11,21
Trinidad y Tobago 92,31 56,13 7,69 32,33 -24,64 7,692 -7,69
Turquía 58,33 69,85 33,33 9,284 27,27 8,366
Reino Unido 84,21 66,67 5,26 20 -14,74 20 -20,00
Estados Unidos 100,00 80,88 5,56 15,84 10 -10,00
Uruguay 100,00 93,2 3,234 -3,23 1,25 -1,25
Total 71,61 64,55 7,06 8,89 18,1 -9,21 10,96 15,95 -4,99
296

Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Cluster 6
Cluster 6
Cluster 6
Cluster 6
Cluster 6
Cluster 6
Cluster 6
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
Australia 0,50 -0,82 1,32 0,31 -0,43 0,74 0,86 -0,92 1,78 0,72 -0,84 1,56 0,56 -0,65 1,21 -0,10 -0,8 0,69 -0,05 -0,5 0,46
CSTRAT
Brasil 0,74 -0,15 0,88 -0,13 -0,16 1,32 0,054 1,27 0,87 -0,4 1,27 0,68 -0,46 1,14 -0,20 -0,79 0,59 0,28 -0,27
Bulgaria 0,14 -0,21 0,53 -0,11 1,07 -0,44 1,51 0,61 -0,5 1,11 0,64 -0,44 1,07 0,47 0,059 0,21 -0,32 0,52
Canadá 0,23 -1,01 1,23 0,10 -0,21 0,31 1,10 -1,09 2,19 0,57 -0,96 1,52 0,20 -0,77 0,97 -0,24 -0,91 0,66 -0,11 -1,07 0,96
China Taipei 0,04 -1,11 1,16 0,51 -0,12 0,63 0,96 -0,22 1,18 0,56 -0,94 1,50 0,42 -0,56 0,98 -0,33 -0,44 0,99 -0,05 1,04
Croacia -0,15 -0,15 -0,26 -0,27 0,29 -0,59 0,88 0,44 -0,47 0,90 0,80 -0,37 1,18 -0,16 -0,23 0,62 -0,09 0,71
República Checa 0,50 -0,42 0,92 -0,11 -0,42 1,00 -0,68 1,68 0,93 -0,32 1,24 0,97 -0,5 1,47 0,07 0,144 0,11 -0,5 0,62
Estonia 0,18 -0,37 0,55 0,13 -0 0,95 -0,85 1,80 0,69 -0,27 0,96 0,91 -0,26 1,17 0,22 0,215 0,66 -0,08 0,74
Finlandia 0,05 -1,02 1,07 -0,16 -0,35 0,80 -0,87 1,67 0,57 -0,76 1,33 0,22 -0,65 0,86 -0,28 -0,36 0,65 -0,1 0,75
Francia 0,44 -0,5 0,18 -0,06 -0,24 1,03 -0,82 1,23 0,91 -0,31 1,22 0,92 -0,3 0,26 -0,15 -0,41 0,31 -0,35 0,13
Grecia 0,47 -0,65 1,12 -0,13 -0,56 0,86 -0,5 1,36 0,67 -0,46 1,13 0,43 -0,35 0,78 -0,51 -0,51 0,06 -0,58
Hungría 0,02 -0,06 0,12 -0,21 1,12 -0,44 1,56 0,79 -0,44 1,23 0,50 -0,2 0,70 0,18 0,225 0,34 0,062
Israel 0,42 -0,25 0,67 -0,15 -0,15 0,61 -0,35 0,96 0,61 -0,68 1,29 0,37 -0,68 1,05 0,18 -0,53 0,71 -0,32 -0,47
Japón -0,27 -1,33 1,08 0,226 1,00 -0,6 0,69 -1,01 0,68 -0,56 -0,48 -1,07 0,52 -0,24
Corea 0,17 -1,37 1,54 0,58 0,178 0,40 0,55 -0,47 1,02 0,60 -0,99 1,59 0,57 -0,86 1,43 -0,18 -0,75 0,58 0,11 -0,76 0,88
Macao-China -0,51 -0,86 0,35 0,46 -0,16 0,62 0,65 -0,32 0,97 0,29 -0,58 0,87 0,44 -0,16 0,61 -0,11 -0,28 0,46 -0,1 0,56
México 0,40 -0,2 0,28 0,102 1,44 -0,13 1,56 0,98 -0,3 1,28 0,79 -0,42 1,20 -0,49 -0,62 0,33 -0,12
Nueva Zelanda 0,55 -0,94 1,49 -0,08 -0,67 0,59 0,75 -0,79 1,54 0,61 -0,69 1,30 0,35 -0,68 1,02 -0,16 -1,44 1,28 0,06 -0,23
Polonia 0,59 -0,2 0,78 0,35 0,105 1,08 -0,56 1,64 0,87 -0,47 1,35 0,35 -0,47 0,82 0,49 0,089 0,40 0,31 -0,32 0,63
Portugal 0,51 -0,37 0,88 0,68 0,144 0,53 1,04 -0,33 1,37 0,66 -0,53 1,19 0,74 -0,61 1,35 0,19 0,173 -0,02 -0,17
Rusia 0,21 -0,38 0,59 0,54 0,465 0,65 -0,27 0,92 0,27 -0,57 0,83 0,73 -0,39 1,12 -0,37 -0,99 0,45 0,156
Shanghái-China -0,10 -0,7 0,59 0,66 0,172 0,49 0,86 0,011 0,85 0,54 -0,48 1,02 0,61 -0,34 0,95 -0,44 -0,58 0,37 0,094 0,28
Singapur 0,48 -0,05 0,54 0,40 -0,3 0,70 0,76 -0,42 1,18 0,80 -0,59 1,39 0,37 -0,41 0,78 0,12 -0,21 0,33 0,56 0,154 0,40
Eslovenia 0,45 -0,38 0,83 0,18 -0,46 0,64 0,53 -0,78 1,32 0,99 -0,89 1,88 0,63 -0,76 1,39 0,19 -0,23 0,42 0,26 -0,41 0,67
España 0,70 -0,29 0,99 0,26 -0,03 0,29 1,11 -0,63 1,74 0,62 -0,31 0,92 0,65 -0,13 0,78 0,08 -0,35 0,43 0,28 -0,52 0,81
Trinidad y Tobago 0,56 0,068 0,20 0,1 1,45 -0,11 1,56 0,44 -0,6 1,04 0,60 -0,54 1,14 -0,65 -1,15 0,55 0,291
Turquía 0,37 0,035 0,20 -0,12 1,09 0,314 0,78 0,16 -0,68 0,84 0,84 -0,4 1,24 0,27 0,014 0,59 0,408
Reino Unido 0,31 -0,95 1,27 0,79 -0,19 0,98 0,89 -0,77 1,66 0,53 -1,06 1,59 0,43 -0,68 1,11 0,02 -0,83 0,85 0,14 -0,65 0,79
Estados Unidos 0,39 -0,94 1,33 0,79 -0,11 0,90 0,83 -0,84 1,67 0,39 -0,88 1,27 0,01 -0,91 0,92 0,03 -0,94 0,97 -0,21 -0,94 0,72
Uruguay 0,86 -0,17 -0,48 -0,03 1,08 -0,49 1,58 0,51 -0,31 0,24 -0,36 0,52 -0,53 1,05 0,10 -0,63
Total 0,24 -0,33 0,57 0,40 -0,04 0,44 0,90 -0,31 1,21 0,63 -0,47 1,10 0,53 -0,44 0,97 -0,13 -0,5 0,37 0,29 -0,22 0,51
297
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Cluster 9
Cluster 9
Cluster 9
Cluster 9
Cluster 9
Cluster 9
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
Australia 649,87 344,743 305,13 -0,79 -1,81 1,01 6,25 100 64,58 23,53 68,75 76,47 62,50 76,47
Brasil 637,93 347,259 290,67 -1,46 -2,37 0,91 14,29 54,53 78,57 59,26 100,00 98,64 75,00 98,36 -23,36
Bulgaria 655,07 307,109 347,96 -0,77 -1,99 1,22 100,00 70,71 87,50 65,15 100,00 99,49 100,00 100
Canadá 650,33 342,668 307,66 -0,88 -1,78 0,90 2,20 48 -45,80 62,64 60 78,02 80 93,18 100
China Taipei 652,15 354,197 297,95 -0,95 -2,03 1,08 24,14 98,39 -74,25 75,86 38,71 100,00 96,77 89,29 100
Croacia 643,65 341,118 302,53 -0,73 -1,97 1,24 33,33 100 66,67 43,55 33,33 89,52 -56,18 100,00 100
República Checa 657,56 352,224 305,34 -0,74 -1,76 1,01 25,00 54,05 89,29 59,46 96,43 94,59 100,00 100
Estonia 649,47 372,505 276,96 -0,81 -1,64 0,83 72,22 15 57,22 88,89 50 100,00 90 100,00 100
Finlandia 643,48 366,545 276,94 -0,84 -1,98 1,14 90,32 58,33 31,99 80,65 45,83 96,77 70,83 100,00 95,83
Francia 646,89 334,739 312,15 -0,75 -2 1,25 75,61 76,47 54,88 85,29 65,85
Grecia 644,56 349,455 295,10 -0,97 -2,02 1,05 55,56 84,62 22,22 62,39 100,00 70,37 100,00 100
Hungría 644,45 350,728 293,72 -0,78 -2 1,22 54,55 59,09 77,27 51,52 95,45 100 100,00 96,15
Israel 654,38 332,906 321,48 -0,83 -2,23 1,40 86,67 85,00 73,33 55,00 44,44 95,00 85
Japón 657,22 -0,86 67,11 100,00 92,11
Corea 649,14 361,471 -0,90 -2,46 2,25 66,67 -64,42 62,92 100,00 100 59,09 100
Macao-China 644,99 392,914 252,08 -1,19 -1,93 0,74 20,00 13,59 70,00 54,89 17,50 51,63 -34,13 10,33
México 634,68 346,477 -1,99 -2,47 14,29 72,94 57,14 46,85 100,00 95,24 100,00 99,35
Nueva Zelanda 662,28 -0,77 66,67 80,39 98,04
Polonia 650,67 361,62 289,05 -0,84 -1,83 0,99 100,00 70,67 77,59 42,67 34,92 100,00 100 96,55 100
Portugal 643,28 380,106 263,17 -1,09 -1,85 0,75 6,06 32,26 60,61 50,23 96,97 96,31 93,94 95,39
Rusia 643,05 352,012 291,04 -0,75 -1,75 1,00 50,00 60,76 85,71 54,43 85,71 92,41 100,00 100
Shanghái-China 652,33 408,706 243,62 -1,14 -2,39 1,25 26,69 27,27 70,68 29,87 40,81 100,00 93,51 93,16 89,61
Singapur 651,43 360,468 290,96 -0,97 -2,11 1,14 21,85 79,71 -57,86 63,87 39,13 86,55 91,3 100,00 100
Eslovenia 651,88 397,143 254,74 -0,72 -1,83 100 92,86 50 92,86 50 92,86 100
España 645,10 352,626 292,47 -1,00 -2,03 1,03 2,24 46,76 -44,52 71,64 46,1 25,54 97,76 79,15 18,61 66,67 85,69 -19,02
Trinidad y Tobago 648,81 316,33 332,48 -0,98 -2,01 1,04 7,69 58,9 -51,21 76,92 58,9 92,31 99,58 100,00 85,59
Turquía 638,54 365,02 273,52 -0,97 -2,51 1,55 8,33 78,7 -70,37 66,67 26,01 91,67 99,78 -8,11 100,00 100
Reino Unido 653,56 -0,81 73,68 81,58 92,11
Estados Unidos 651,94 352,815 299,13 -0,95 -1,87 0,91 5,56100 61,11 48,15 50,00 62,96 94,44 100
Uruguay 637,17 338,828 298,34 -1,01 -2,11 1,10 48,65 100,00 58,33 80,00 99,63 -19,63 40,00 99,51 -59,51
Total 650,25 348,131 302,11 -0,96 -2,3 1,35 19,64 60,85 -41,20 70,72 51,75 18,97 89,55 94,36 -4,81 85,56 96,04 -10,48
298

Resilientes
Resilientes
Resilientes
Diferecias
Diferecias
Diferecias
Cluster 9
Cluster 9
Cluster 9
(Sign)
(Sign)
(Sign)
Australia 89,13 81,82 2,13 31,25 -29,12 4,26 14,29
Brasil 76,92 55,29 10,91 -10,91 18,1 -18,10
Bulgaria 87,50 75,86 12,50 17,65 26,09 -26,09
Canadá 97,78 76,92 12 36 -36,00
China Taipei 58,62 51,43 13,79 36,07 -22,27 17,24 21,31
Croacia 100,00 65,67 13,33 -13,33 19,33 -19,33
República Checa 74,07 54,55 10,71 19,05 3,57 14,29
Estonia 58,82 36,36 5 50 -50,00
Finlandia 96,77 80 17,39 -17,39 21,74 -21,74
Francia 84,85 67,5 23,08 -23,08 11,76 16,67
Grecia 69,23 80 23,08 7,692 15,38
Hungría 100,00 77,46 8,527 -8,53 15,27 -15,27
Israel 83,33 45,45 10,00 45,24 -35,24 30,95 -30,95
Japón 17,11 6,58 18,42
Corea 33,71 100 32,58 33,33 63,22 33,33
Macao-China 94,87 64,17 2,50 9,836 -7,34 9,836 -9,84
México 85,71 38,25 38,96 -38,96 14,29 36,19
Nueva Zelanda 96,00 1,96
Polonia 78,95 71,43 13,79 17,81 9,09 21,13
Portugal 90,63 62,8 6,25 30,1 -23,85 30,92 -30,92
Rusia 85,71 55,56 14,29 32 14,29 47,37 -33,08
Shanghái-China 51,70 41,54 10,15 10,39 7,89 19,48 -11,59
Singapur 66,95 55,56 18,49 31,88 -13,40 25,21 16,18
Eslovenia 92,86 50 50
España 97,66 65,49 32,17 25,22 -25,22 2,36 27,72 -25,36
Trinidad y Tobago 92,31 60,78 7,69 35,1 -27,40 21,5 -21,50
Turquía 58,33 58,74 33,33 12,18 27,27 11,76
Reino Unido 84,21 5,26
Estados Unidos 100,00 45,45 5,56 12,5 13,04
Uruguay 100,00 91,41 4,922 -4,92 6,91 -6,91
Total 71,61 55,89 15,72 8,89 22,6 -13,70 10,96 24,54 -13,58
299
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Resilientes
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Diferecias
Cluster 9
Cluster 9
Cluster 9
Cluster 9
Cluster 9
Cluster 9
Cluster 9
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
(Sign)
Australia 0,50 -1,21 1,71 0,31 -0,37 0,68 0,86 -0,65 1,50 0,72 -0,57 1,29 0,56 -1,2 1,76 -0,10 -0,94 0,84 -0,05 -0,53
CSTRAT
Brasil 0,74 -0,2 0,94 -0,13 -0,22 1,32 0,258 1,06 0,87 -0,62 1,48 0,68 -0,66 1,34 -0,20 -1,43 1,23 0,28 -0,1
Bulgaria 0,14 -0,14 0,53 -0,14 1,07 -0,18 1,25 0,61 -0,94 1,55 0,64 -0,93 1,56 0,47 -1,55 2,02 0,21 -0,58 0,79
Canadá 0,23 -0,54 0,77 0,10 -0,13 1,10 -0,4 1,51 0,57 -0,62 1,19 0,20 -0,17 -0,24 -0,95 0,71 -0,11 -0,29
China Taipei 0,04 -1,59 1,63 0,51 -0,09 0,6 0,96 -0,28 1,23 0,56 -1,19 1,76 0,42 -0,96 1,37 -0,33 -0,68 0,99 0,002 0,99
Croacia -0,15 -0,21 -0,26 -0,53 0,29 -0,49 0,44 -1 1,43 0,80 -0,7 1,5 -0,16 -1,18 1,02 0,62 -0,37 0,99
República Checa 0,50 -0,76 1,26 -0,11 -0,42 1,00 -0,48 1,48 0,93 -0,5 1,43 0,97 -0,52 1,49 0,07 -0,62 0,69 0,11 -0,43 0,54
Estonia 0,18 -0,56 0,74 0,13 -0,51 0,64 0,95 -0,29 1,24 0,69 -0,5 1,19 0,91 -0,24 1,15 0,22 -0,44 0,67 0,66 0,219
Finlandia 0,05 -0,7 0,75 -0,16 -0,23 0,80 -0,57 1,36 0,57 -1,06 1,64 0,22 -1,22 1,43 -0,28 -0,92 0,64 0,65 -0,83 1,48
Francia 0,44 -0,7 1,15 -0,06 -0,29 1,03 -0,42 1,41 0,91 -0,5 1,41 0,92 -0,56 0,91 -0,15 -1,06 0,91 0,31 -0,6 0,11
Grecia 0,47 -0,67 1,15 -0,13 -0,32 0,86 -0,25 1,12 0,67 -0,67 1,34 0,43 -0,6 1,03 -0,51 -1,47 0,97 0,06 -0,82 0,88
Hungría 0,02 -0,16 0,12 -0,38 1,12 -0,18 1,31 0,79 -0,87 1,66 0,50 -0,58 1,08 0,18 -0,89 1,07 0,34 -0,24 0,58
Israel 0,42 0,202 -0,15 -0,02 0,61 0,31 0,61 -1,01 1,62 0,37 -0,72 1,09 0,18 -1,04 1,21 -0,32 -0,45
Japón -0,27 1,08 1,00 0,69 0,68 -0,48 0,52
Corea 0,17 -1,7 1,87 0,58 0,138 0,44 0,55 -0,55 1,10 0,60 -1,31 1,91 0,57 -1,03 1,6 -0,18 -1,69 0,11 -0,68
Macao-China -0,51 -1,07 0,56 0,46 -0,06 0,52 0,65 -0,22 0,87 0,29 -0,77 1,05 0,44 -0,45 0,89 -0,11 -0,52 0,41 0,46 -0,32 0,78
México 0,40 -0,27 0,28 0,018 1,44 0,068 1,37 0,98 -0,53 1,51 0,79 -0,63 1,42 -0,49 -1,26 0,78 0,33 -0,14
Nueva Zelanda 0,55 -0,08 0,75 0,61 0,35 -0,16 0,06
Polonia 0,59 -0,78 1,36 0,35 -0,12 0,47 1,08 -0,54 1,62 0,87 -0,74 1,61 0,35 -0,57 0,92 0,49 -1,05 1,55 0,31 -0,45 0,76
Portugal 0,51 -0,45 0,96 0,68 0,029 0,65 1,04 -0,06 1,1 0,66 -0,73 1,39 0,74 -0,66 1,4 0,19 -0,19 0,38 -0,02 -0,25
Rusia 0,21 -0,54 0,75 0,54 0,142 0,65 -0,14 0,8 0,27 -0,91 1,17 0,73 -0,73 1,46 -0,37 -2,1 1,73 0,45 -0,06 0,51
Shanghái-China -0,10 -0,72 0,62 0,66 0,106 0,55 0,86 0,198 0,66 0,54 -0,79 1,33 0,61 -0,65 1,26 -0,44 -1,3 0,86 0,37 0,261
Singapur 0,48 -0,12 0,61 0,40 -0,44 0,84 0,76 -0,27 1,03 0,80 -0,57 1,37 0,37 -0,35 0,72 0,12 -0,89 1,01 0,56 0,091 0,47
Eslovenia 0,45 0,634 0,18 -0,26 0,53 0,514 0,99 -0,54 1,53 0,63 0,133 0,19 -1,18 0,26 -0,48 0,73
España 0,70 -0,5 1,2 0,26 -0,14 0,40 1,11 -0,48 1,59 0,62 -0,54 1,15 0,65 -0,38 1,03 0,08 -0,65 0,73 0,28 -0,77 1,06
Trinidad y Tobago 0,56 -0,14 0,20 -0,32 1,45 0,188 1,26 0,44 -0,84 1,28 0,60 -0,67 1,27 -0,65 -1,51 0,86 0,55 0,297
Turquía 0,37 -0 0,20 -0,15 1,09 0,524 0,16 -0,85 1,01 0,84 -0,63 1,47 0,27 -0,79 1,06 0,59 0,545
Reino Unido 0,31 0,79 0,89 0,53 0,43 0,02 0,14
Estados Unidos 0,39 -0,52 0,92 0,79 -0,21 1,00 0,83 -0,58 1,41 0,39 -0,97 1,36 0,01 -1,02 1,03 0,03 -0,29 -0,21 -0,44
Uruguay 0,86 -0,34 -0,48 -0,2 1,08 -0,27 1,35 0,51 -0,78 1,28 0,24 -0,67 0,52 -1,02 1,54 0,10 -0,6
Total 0,24 -0,29 0,54 0,40 -0,12 0,52 0,90 0,048 0,85 0,63 -0,63 1,26 0,53 -0,62 1,15 -0,13 -1,2 1,07 0,29 -0,2 0,49
300
A.7.4. Descriptivos Clusters España
Tabla A.103 Frecuencias de los clusters para España, el conjunto de los 30 países estudiados, los países PISA y OCDE
Resilientes Cluster 3 Cluster 6 Cluster 9 Cluster 12 Total
España Total Total Total España Total España Total España Total España Total España Total Total Total
30 PISA OCDE 30 30 30 30 30 PISA OCDE
países países países países países países
Estatus Nativo 97,761 89,548 84,182 91,037 100 100 100 100 79,155 94,360 97,344 88,068 91,248 91,398 89,867 90,519
Migratorio 2ª generación 7,265 10,762 5,698 2,160 1,778 0,625 6,057 1,221 4,688 5,435 4,939
1ª generación 2,239 3,188 5,056 3,265 18,685 3,863 2,031 5,875 7,531 3,914 4,698 4,542
Grado 7 0,148 0,038 0,064 0,657 6,343 0,115 1,198 1,147 0,408
8 0,593 0,802 0,446 52,582 32,808 0,038 8,365 5,315 5,472 4,122
9 2,239 19,644 20,733 17,793 16,085 22,372 56,436 34,402 46,761 60,848 1,265 22,767 28,238 34,193 28,890
10 97,761 69,681 71,669 71,492 83,915 76,372 43,564 64,954 99,063 77,525 68,707 56,705 52,522 58,861
11 9,266 6,453 9,694 1,230 0,644 0,938 20,136 0,047 8,331 6,527 7,532
12 0,667 0,305 0,510 0,026 1,035 0,212 0,138 0,187
Sexo Mujer 71,642 70,719 68,576 69,196 56,511 61,862 46,103 51,749 63,125 64,299 49,429 51,065 50,540 50,136
Hombre 28,358 29,281 31,424 30,804 43,489 38,138 100 100 53,897 48,251 36,875 35,701 50,571 48,935 49,460 49,864
Tipo de Escuela Público 66,667 85,560 74,743 84,172 70,230 87,720 76,915 92,355 85,687 96,044 44,811 75,198 62,702 84,472 83,826 84,429
Priv Dependiente 29,457 8,803 21,660 12,475 27,784 6,903 21,429 3,657 13,346 3,283 47,611 9,890 33,623 8,460 9,644 10,937
Priv Independiente 3,876 5,637 3,597 3,353 1,986 5,377 1,656 3,987 0,967 0,673 7,578 14,912 3,675 7,068 6,530 4,634
Clases Sí 8,894 8,567 5,273 7,063 11,194 13,299 18,103 25,223 22,599 1,613 7,496 10,341 13,234 10,309
enriquecimiento No 100 91,106 91,433 94,727 92,937 88,806 86,701 81,897 74,777 77,401 98,387 92,504 89,659 86,766 89,691
Clases Sí 2,362 10,961 7,920 6,894 8,409 10,198 13,571 15,955 27,723 24,542 1,294 6,515 11,752 9,776
correctivas No 97,638 89,039 92,080 93,106 91,591 89,802 86,429 84,045 72,277 75,458 98,706 93,485 88,248 90,224
Nº horas 0 97,656 71,611 77,273 82,565 82,834 71,463 71,649 64,550 65,489 55,891 96,954 82,895 80,625 73,021 73,002 78,145
extraordinarias 0-2 1,563 13,780 11,937 9,085 6,129 12,337 9,536 14,337 11,957 15,456 1,354 9,043 6,996 11,894 11,438 9,737
2-4 0,781 10,015 7,273 6,012 6,474 9,586 9,278 10,715 10,870 13,379 1,692 5,885 6,881 8,669 8,436 6,798
4-6 3,087 2,451 1,937 3,131 4,634 6,057 7,065 8,832 9,903 1,667 3,805 4,285 4,589 3,603
+6 1,506 1,067 0,401 1,433 1,979 3,479 3,333 2,853 5,372 0,510 1,693 2,132 2,535 1,717
301
Tabla A.104 Puntuaciones medias de los clusters para España, el conjunto de los 30 países estudiados, los países PISA y OCDE
Resilientes Cluster 3 Cluster 6 Cluster 9 Cluster 12 Total
España Total Total Total España Total España Total España Total España Total España Total Total Total
30 PISA OCDE 30 30 30 30 30 PISA OCDE
países países países países países países
ESCS -1 -0,957 -0,996 -0,996 -1,106 -1,112 -1,312 -1,401 -2,030 -2,302 0,814 0,784 -0,249 -0,314 -0,286 -0,286
Lectura 642,319 650,216 653,755 653,755 502,261 494,982 422,492 403,828 352,011 348,283 649,673 658,567 486,696 480,166 465,419 465,419
CSTRAT 0,703 0,204 0,249 0,249 0,088 -0,045 -0,290 -0,366 -0,498 -0,331 0,718 0,565 0,102 -0,024 0,051 0,051
DISCLIMA 0,263 0,400 0,379 0,379 0,115 0,089 -0,030 -0,060 -0,136 -0,153 0,179 0,344 0,071 0,026 0,069 0,069
JOYREAD 1,110 0,877 0,820 0,820 -0,040 0,149 -0,632 -0,273 -0,475 0,067 1,062 0,984 -0,005 0,114 0,102 0,102
METASUM 0,615 0,682 0,556 0,556 0,173 0,130 -0,308 -0,411 -0,540 -0,570 0,697 0,687 0,072 -0,001 -0,111 -0,111
UNDREM 0,652 0,397 0,496 0,496 0,221 -0,078 -0,126 -0,497 -0,376 -0,687 0,589 0,417 0,111 -0,151 -0,088 -0,088
ONLNREAD 0,081 -0,122 -0,062 -0,062 -0,156 -0,245 -0,351 -0,509 -0,654 -1,204 0,050 0,147 -0,114 -0,152 -0,204 -0,204
DIVREAD 0,284 0,358 0,297 0,297 -0,269 0,060 -0,525 -0,155 -0,775 -0,137 0,451 0,409 -0,197 0,067 0,082 0,082
Matemáticas 634,905 645,579 636,935 636,935 503,568 484,204 455,898 425,670 359,887 347,421 635,999 644,546 492,446 480,900 466,811 466,811
Ciencias 629,594 644,963 640,746 640,746 503,940 488,510 452,828 423,010 365,677 354,243 635,375 655,363 493,479 485,286 470,849 470,849
302

Universidad Complutense de Madrid: Facultad de Psicología Departamento de Metodología de Las Ciencias Del Comportamiento

Cargado por

Copyright:

Formatos disponibles

Universidad Complutense de Madrid: Facultad de Psicología Departamento de Metodología de Las Ciencias Del Comportamiento

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Universidad Complutense de Madrid: Facultad de Psicología Departamento de Metodología de Las Ciencias Del Comportamiento

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD COMPLUTENSE DE MADRID

Nivel socioeconómico y rendimiento académico: estudiantes resilientes

MEMORIA PARA OPTAR AL GRADO DE DOCTORA

Leire Olmeda García

Rosario Martínez Arias

© Leire Olmeda García, 2016

Departamento de Metodología de las Ciencias del Comportamiento

Nivel socioeconómico y rendimiento académico:

MEMORIA PARA OPTAR AL GRADO DE DOCTOR

Leire Olmeda García

Rosario Martínez Arias

Departamento de Metodología de las Ciencias del Comportamiento

Nivel socioeconómico y rendimiento académico:

Leire Olmeda García

Rosario Martínez Arias

RELACIÓN DE VARIABLES UTILIZADAS 17

1.1. CONTEXTO Y JUSTIFICACIÓN 24

1.2. OBJETIVOS DE LA INVESTIGACIÓN 27

1.2.1. OBJETIVOS GENERALES 27

1.2.2. OBJETIVOS ESPECÍFICOS DE LA INVESTIGACIÓN 27

1.3. ESTRUCTURA DE LA TESIS 28

2.1. EVALUACIÓN INTERNACIONAL A GRAN ESCALA 30

2.2. VARIABLES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO:

2.2.1. NIVEL SOCIOECONÓMICO 40

2.2.3. ESTATUS MIGRATORIO 50

2.2.5. TIPO DE ESCUELA 53

2.2.6. VARIABLES NO DEMOGRÁFICAS 54

2.3. RESILIENCIA ACADÉMICA 59

2.4. PROGRAMA PARA LA EVALUACIÓN INTERNACIONAL DE ALUMNOS 63

2.4.1. DISEÑO PRUEBAS PISA 66

2.5. PISA EN ESPAÑA 68

3.1. DATOS Y DEFINICIONES 72

3.3. SELECCIÓN DE PAÍSES 78

3.4. SELECCIÓN DE LAS VARIABLES 81

3.4.1. VARIABLES EN ESPAÑA 92

3.5. SELECCIÓN DEL MODELO 108

4.1. SALIDA DE CLUSTERS 112

4.1.1. SALIDA DE CLUSTERS EN ESPAÑA 114

4.2. RESILIENTES 116

4.3. CONTRASTE DE DIFERENCIAS ESTUDIANTES ALTO RENDIMIENTO

ACADÉMICO Y RESILIENTE 121

4.4 CONTRASTE DE DIFERENCIAS ESTUDIANTES BAJO NIVEL

SOCIOECONÓMICO Y RESILIENTES 128

4.5. RESUMEN DIFERENCIAS 138

4.6. ESPAÑA 139

4.6.1. REGRESIÓN LOGÍSTICA 143

5 DISCUSIÓN Y CONCLUSIONES 145

6.4 PROGRAMAS UTILIZADOS 170

ANEXO A.1. DEFINICIONES PISA COMPRENSIÓN LECTORA 172

ANEXO A.2. DESCRIPCIÓN DE LAS VARIABLES SEGÚN EL TECHNICAL

REPORT 2009 (OCDE, 2012K) 180

A.2.1. VARIABLES SOCIODEMOGRÁFICAS 180

A.2.2. OTRAS VARIABLES 183

A.2.3. ÍNDICES 184

ANEXO A.3. SELECCIÓN DEL MODELO 189

A.3.1. ANÁLISIS DE VARIABLES LATENTES 189

ANEXO A.4. SELECCIÓN DE PAÍSES 193

ANEXO A.5. SELECCIÓN DE VARIABLES 194

A.5.1. ESTATUS SOCIOECONÓMICO CULTURAL (ESCS) 194