Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning

Low performance in reading comprehension is one of the major challenges in the Spanish educational system. Therefore, the objective of this study is to investigate the contextual deter-minants associated with this low reading performance. The sample consists of a total of 35,943 Spanish students and...

Descripción completa

Detalles Bibliográficos
Autores: Arroyo Resino, Delia, Navarro Asencio, Enrique, Castro Morena, María, Constante-Amores, Alexander
Tipo de recurso: artículo
Fecha de publicación:2026
País:España
Institución:Universidad de Murcia
Repositorio:DIGITUM. Depósito Digital Institucional de la Universidad de Murcia
OAI Identifier:oai:digitum.um.es:10201/223201
Acceso en línea:https://doi.org/10.6018/rie.650791
http://hdl.handle.net/10201/223201
Access Level:acceso abierto
Palabra clave:Machine Learning
Bajo Rendimiento
Competencia Lectora
Low Performance
Reading Competence
PISA
No relacionado con ningún objetivo de desarrollo sostenible
id ES_beb2c274b2ff001cb27753e1c59c11bb
oai_identifier_str oai:digitum.um.es:10201/223201
network_acronym_str ES
network_name_str España
repository_id_str
spelling Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learningDeterminants of spanish students’ low performance in reading comprehension in PISA: A machine learning approachArroyo Resino, DeliaNavarro Asencio, EnriqueCastro Morena, MaríaConstante-Amores, AlexanderMachine LearningBajo RendimientoCompetencia LectoraLow PerformanceReading CompetencePISANo relacionado con ningún objetivo de desarrollo sostenibleLow performance in reading comprehension is one of the major challenges in the Spanish educational system. Therefore, the objective of this study is to investigate the contextual deter-minants associated with this low reading performance. The sample consists of a total of 35,943 Spanish students and 1,089 educational centers that participated in the 2018 PISA assessment. The criterion variable is reading competence, which has been dichotomized (0 = medium and high performance, 1 = low performance). A total of 721 predictors were selected as independent variables. For data analysis, Random Forest machine learning algorithm was applied, and a multilevel binary logistic regression was conducted. The 30 most important variables related to students and school center explain 46% and 24% of the criterion variable, respectively. The final model (comprising both predictors) explains 47%. Among the main conclusions, the sig-nificance of educational process variables and non-cognitive and meta-cognitive constructs in low reading performance stands out. Therefore, the importance of addressing this educational phenomenon from a perspective less linked to socio-economic determinants and more focused on pedagogical aspects is emphasized.El bajo rendimiento en comprensión lectora es uno de los grandes problemas del sistema educativo español. Debido a esto, el objetivo de dicho trabajo es estudiar los determinantes de contexto que se asocian a este bajo desempeño lector. La muestra se encuentra conformada por un total de 35943 estudiantes españoles/as y 1089 centros educativos que participaron en PISA 2018. La variable criterio es la competencia lectora, la cual se ha dicotomizado (0 = medio y alto rendimiento y 1 = bajo rendimiento). Como variables independientes se seleccionaron un total de 721 predictores. Para el análisis de los datos se aplicó el algoritmo de machine learning Random Forest y se realizó una regresión logística binaria multinivel. Las 30 variables más importantes relacionadas con los y las estudiantes y centro escolar explican el 46% y 24% de la variable criterio, respectivamente. El modelo final (formado por ambos predictores) explican un 47%. Entre las principales conclusiones se destaca la relevancia que tienen las variables de proceso educativo y los constructos no cognitivos y meta-cognitivos en el bajo rendimiento lector. Por lo tanto, se subraya la importancia de trabajar este fenómeno educativo desde una perspectiva menos vinculada a determinantes socioeconómicos y más orientada hacia aspectos pedagógicos.Universidad de Murcia. Servicio de PublicacionesSin departamento asociado202620262026info:eu-repo/semantics/articleapplication/pdf21application/pdfapplication/pdfhttps://doi.org/10.6018/rie.650791http://hdl.handle.net/10201/223201reponame:DIGITUM. Depósito Digital Institucional de la Universidad de Murciainstname:Universidad de MurciaEspañolSin financiación externa a la UniversidadAttribution-NonCommercial-NoDerivatives 4.0 Internationalinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/oai:digitum.um.es:10201/2232012026-05-27T12:40:41Z
dc.title.none.fl_str_mv Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning
Determinants of spanish students’ low performance in reading comprehension in PISA: A machine learning approach
title Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning
spellingShingle Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning
Arroyo Resino, Delia
Machine Learning
Bajo Rendimiento
Competencia Lectora
Low Performance
Reading Competence
PISA
No relacionado con ningún objetivo de desarrollo sostenible
title_short Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning
title_full Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning
title_fullStr Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning
title_full_unstemmed Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning
title_sort Determinantes del bajo rendimiento del alumnado español en comprensión lectora en PISA: un enfoque de machine learning
dc.creator.none.fl_str_mv Arroyo Resino, Delia
Navarro Asencio, Enrique
Castro Morena, María
Constante-Amores, Alexander
author Arroyo Resino, Delia
author_facet Arroyo Resino, Delia
Navarro Asencio, Enrique
Castro Morena, María
Constante-Amores, Alexander
author_role author
author2 Navarro Asencio, Enrique
Castro Morena, María
Constante-Amores, Alexander
author2_role author
author
author
dc.contributor.none.fl_str_mv Sin departamento asociado
dc.subject.none.fl_str_mv Machine Learning
Bajo Rendimiento
Competencia Lectora
Low Performance
Reading Competence
PISA
No relacionado con ningún objetivo de desarrollo sostenible
topic Machine Learning
Bajo Rendimiento
Competencia Lectora
Low Performance
Reading Competence
PISA
No relacionado con ningún objetivo de desarrollo sostenible
description Low performance in reading comprehension is one of the major challenges in the Spanish educational system. Therefore, the objective of this study is to investigate the contextual deter-minants associated with this low reading performance. The sample consists of a total of 35,943 Spanish students and 1,089 educational centers that participated in the 2018 PISA assessment. The criterion variable is reading competence, which has been dichotomized (0 = medium and high performance, 1 = low performance). A total of 721 predictors were selected as independent variables. For data analysis, Random Forest machine learning algorithm was applied, and a multilevel binary logistic regression was conducted. The 30 most important variables related to students and school center explain 46% and 24% of the criterion variable, respectively. The final model (comprising both predictors) explains 47%. Among the main conclusions, the sig-nificance of educational process variables and non-cognitive and meta-cognitive constructs in low reading performance stands out. Therefore, the importance of addressing this educational phenomenon from a perspective less linked to socio-economic determinants and more focused on pedagogical aspects is emphasized.
publishDate 2026
dc.date.none.fl_str_mv 2026
2026
2026
dc.type.none.fl_str_mv info:eu-repo/semantics/article
format article
dc.identifier.none.fl_str_mv https://doi.org/10.6018/rie.650791
http://hdl.handle.net/10201/223201
url https://doi.org/10.6018/rie.650791
http://hdl.handle.net/10201/223201
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.relation.none.fl_str_mv Sin financiación externa a la Universidad
dc.rights.none.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
21
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad de Murcia. Servicio de Publicaciones
publisher.none.fl_str_mv Universidad de Murcia. Servicio de Publicaciones
dc.source.none.fl_str_mv reponame:DIGITUM. Depósito Digital Institucional de la Universidad de Murcia
instname:Universidad de Murcia
instname_str Universidad de Murcia
reponame_str DIGITUM. Depósito Digital Institucional de la Universidad de Murcia
collection DIGITUM. Depósito Digital Institucional de la Universidad de Murcia
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869418306983690240
score 15,812429

Similares en LA Referencia