Identification of the variables with incidence in the results of the Saber Pro state tests of the students of Industrial Engineering

El objetivo de este proyecto era analizar el éxito académico de los estudiantes de ingeniería en función de diversos parámetros que pueden crear desigualdades entre las asignaturas. Utilizando una base de datos proporcionada inicialmente por nuestros tutores del proyecto en la Universidad del Norte de Barranquilla, pudimos relacionar diferentes variables entre una muestra de 300 estudiantes. Estas variables puestas a nuestra disposición incluían tanto datos socio-demográficos como académicos: género, edad, resultados académicos, becas académicas o no académicas, estrato... Utilizando la hoja de cálculo de Excel y el software de análisis estadístico, fuimos capaces de relacionar nuestros datos utilizando el método de regresión lineal múltiple. Los resultados obtenidos por la regresión lineal múltiple no muestran fuertes correlaciones entre nuestras diferentes variables. Este hallazgo, aunque decepcionante a primera vista, es por el contrario alentador y muestra que existe una forma de equidad (que no debe confundirse con la igualdad en este caso) entre los estudiantes dentro de la enseñanza de la ingeniería. Los resultados obtenidos muestran que hay igualdad de oportunidades entre los estudiantes: los resultados académicos se ven muy poco afectados por la condición social, económica o de género del candidato (los factores de correlación oscilan entre 0 y 0,3, lo que sigue siendo muy bajo). Cabe señalar, sin embargo, que los resultados de los exámenes SaberPro de los estudiantes están influenciados por los resultados académicos anteriores. De hecho, se obtiene un factor de correlación de 0,4 entre los resultados del ICFES y el SaberPro. Por lo tanto, los buenos resultados de SaberPro dependen más de los buenos resultados académicos previos que de las condiciones socio-económicas y demográficas a las que se enfrenta el candidato.The objective of this project was to analyse the academic success of engineering students according to various parameters that can create inequalities among subjects. Using a database initially provided by our project tutors at the Universidad del Norte de Barranquilla, we were able to relate different variables among a sample of 300 students. These variables made available to us included both socio-demographic and academic data: gender, age, academic results, tuition fees, estrato, etc... Using Excel spreadsheet and statistical analysis software, we were able to relate our data using the multiple linear regression method. The results obtained by multiple linear regression do not show strong correlations between our different variables. This finding, although disappointing at first glance, is on the contrary encouraging and shows that there is a form of equity (not to be confused with equality here) between students within engineering education. The results obtained show that there is equity of opportunity between students: academic results are very little affected by the social, economic or gender status of the candidate (correlation factors range from 0 to 0.3, which is still very low). It should be noted, however, that students' SaberPro test scores are influenced by previous academic results. In fact, a correlation factor of 0.4 is obtained between the results of the ICFES and the SaberPro. Good SaberPro results are therefore more dependent on previous good academic performance than on the socio-economic-demographic conditions that the candidate faces