Abstract
Los índices de eficiencia ter minal y titulación son indicadores esenciales para el diseño de políticas de educación superior en México. El diseño de un proceso de admisión eficiente debería contribuir a la prevención del rezago y la deserción por bajo desempeño académico.
En el presente estudio se explora el poder predictivo de tres variables que conforman el proceso de admisión a la licenciatura en música la Universidad Autónoma de Aguascalientes: la nota promedio de bachillerato (Bach.); la prueba de acceso a la universidad EXANI II (Exani); y el examen especial de ingreso (EEI). A través de análisis de correlación y regresión lineal se concluyó que Bach es la variable que mejor predice el desempeño global; e lEEI explic a principalmente el desempeño en los primeros semestres; y la dimensión de español del Exani explica principalmente el desempeño de materias de contexto como cultura e historia de la música.
En la interpretación de estos resultados debe tenerse en cuenta que el desempeño académico universitario es un fenómeno multicausal y que los programas universitarios de música ya no persiguen la for mación tradicional de músicos de oficio, sino la formación de profesionales con un perfil polivalente.
Los índices de eficiencia terminal y titulación son los indicadores más importantes para la evaluación y acreditación de programas educativos en México. Representan una problemática prioritaria que permea los planes de desarrollo de las instituciones de educación superior (IIES) en todos los niveles –p. ej., rectoría, direcciones de planeación, diseño curricular, academias y salón de clase– (CIEES, 2018a; CIEES, 2018b; Rodríguez Castro y Gómez López, 2010; Toscano, 2015).
Entre las diversas causas de índices bajos están la deserción, la reprobación, el bajo desempeño (de Vries y otros, 2011) y los recursos limitados de las IIES (Chaín y otros, 2003). Por estas razones, seleccionar aspirantes con un perfil apropiado para egresar de los estudios superiores en los tiempos establecidos por los programas educativos (PPEE) se convierte en una acción crucial. Uno de los supuestos que justifican el presente estudio es que un proceso de selección deficiente puede contribuir a índices altos de reprobación y deserción, y, por ende, a una inversión ineficiente de recursos públicos debido a que los estudiantes con baja probabilidad de egreso consumen una cantidad importante de estos (Chaín y otros, 2003).
La eficiencia de este proceso de selección cobra mayor relevancia para los PPEE de licenciatura en música ya que se encuentran entre los más onerosos del catálogo de las IIES. Esto es debido a que materias como instrumento principal y piano complementario son impartidas de manera individual y a que otras, como música de cámara, son impartidas en grupos pequeños (Wolf y Kopiez, 2014).
En México, esta problemática se agrava debido a que los niveles educativos básico y medio no proveen conocimientos y habilidades necesarios para aspirar a programas de estudios musicales universitarios (Martínez Rivera, 2014). Esto representa un reto para el diseño curricular, ya que se deben encontrar estrategias para formar profesionales que alcancen, en cuatro o cinco años, los perfiles que exige el medio nacional e internacional.
El examen de admisión es la primera etapa de este reto. Su diseño debe ser coherente con los perfiles del currículo y debe ayudar a detectar a los candidatos con mayor probabilidad de cursar y finalizar el PE en el tiempo establecido. Por esta razón es relevante realizar estudios que permitan discernir y ponderar entre factores que conduzcan a una selección eficiente.
El objetivo del presente artículo es analizar la capacidad predictiva de tres variables comunes a los procesos de admisión a licenciaturas en música en universidades mexicanas: el promedio de bachillerato (Bach.), el examen nacional de ingreso a nivel superior (EXANI II) 1 y el resultado de la prueba específica de conocimientos y habilidades musicales. Esta última será referida de aquí en adelante como el examen especial de ingreso (EEI). Las tres variables forman parte del proceso de admisión a la licenciatura en música de la institución estudiada; cada una con una ponderación específica: Bach 15%, EXANI II 15% y EEI 70%.
El presente trabajo es una primera aproximación al análisis de estas variables en una licenciatura en música en el país. A pesar de que se realizó sobre un censo de cinco generaciones de egresados, la población estudiada es pequeña, el acceso a los datos fue limitado y, por ende, no permite generalizaciones. Se necesitará realizar otros estudios similares, con el fin de incrementar el tamaño de las muestras y, de esta forma, lograr una mejor comprensión de la relación entre las tres variables.
Predictores del desempeño en la universidad
Los factores predictivos del desempeño académico universitario pueden clasificarse en: variables personales, como la percepción de autoeficacia y motivación; variables sociales, como el nivel socioeconómico y la etnia; y variables académicas, como los puntajes obtenidos en procesos de admisión (Albert, 2006; Arias y otros, 2006; Garbanzo, 2007). Aun reconociendo que el éxito escolar puede depender de factores variados (Garbanzo, 2007; Zwick, 2012), el presente estudio se enfoca en las variables de tipo académico debido a que su justificación principal es proveer información relevante para los procesos de admisión y, por razones éticas, las variables personales y socioculturales no forman parte de dichos procesos.
Por otro lado, la literatura confirma que una combinación de exámenes de admisión universitarios, exámenes estandarizados preuniversitarios y promedio de estudios preparatorios tienen el potencial predictivo más fuerte sobre el desempeño durante los estudios de licenciatura. Mediante estos se obtiene información específica sobre el nivel de dominio de contenidos y el desarrollo de habilidades requeridas en la universidad (Burton y Ramist, 2001; Chaín y otros, 2003; Arias y otros, 2006; de Anda y López Olmos, 2008; Kabakchieva, 2013; Charles, 2014).
En México existen diversos estudios que correlacionan los puntajes obtenidos en los exámenes de admisión y el desempeño académico durante la carrera. Las variables académicas que se relacionan de manera directa con el desempeño son los exámenes requeridos para la admisión a las diversas universidades –incluidos el EXANI II y otros particulares de cada institución– y Bach. Se ha reportado una relación directa entre las áreas de razonamiento verbal, razonamiento numérico y español del EXANI II con el rendimiento académico, además de que el resultado global de dicho examen permite calcular la probabilidad de desempeño del examinado (Chaín y otros, 2003; Cortés y Palomar, 2008). En cuanto al Bach., se coincide en señalar que el desempeño preuniversitario es uno de los mejores predictores del desempeño a nivel superior (Touron, 1985; Garbanzo, 2007), pues este no solo resulta del dominio de los conocimientos y habilidades propios de los currículos de bachillerato, sino que también refleja aptitudes y hábitos de estudio puestos a prueba durante periodos de tiempo relativamente largos.
A pesar de reconocer el potencial predictivo de los factores académicos, en este estudio argumentamos que es pertinente preguntarse cómo se debería definir la ponderación de los puntajes de estas pruebas académicas en un proceso de admisión a una Licenciatura en Música. Probablemente nuestra tradición de educadores musicales nos lleva a sobrevalorar los conocimientos y habilidades específicos del área pero, ¿serán estos más importantes que los conocimientos y habilidades intelectuales generales y los hábitos de estudio representados por Bach. y EXANI II?, ¿cuánto más importantes podrían ser? Esta es una de las problemáticas que podrían abordarse de manera fundamentada a través de proyectos de investigación sobre la eficiencia en los procesos de selección de candidatos a licenciatura en música.
Predictores de desempeño para licenciaturas en música
Los reportes más antiguos encontrados en la literatura tienen relación con el efecto predictivo de la prueba Music Aptitude Profile (MAP), la cual fue desarrollada en Estados Unidos en la década de los 60 para medir las aptitudes musicales de estudiantes de escuelas públicas (Gordon, 1967a, 1967b). La prueba está compuesta por tres módulos: percepción de alturas –melodía y armonía–, percepción de duraciones –tempo y métrica– y musicalidad –fraseo, balance y estilo. Lee (1967) reportó el uso de esta prueba en estudiantes de música universitarios de nuevo ingreso (N = 57) y encontró una correlación significativa (r = .35, p > 0,001) entre los puntajes del MAP y el promedio en las asignaturas de teoría musical –solfeo, armonía y entrenamiento auditivo–. Asimismo, el promedio de materias del área disciplinaria musical se correlacionó con los puntajes del MAP (r = 0,38, p > 0,001). Por el contrario, la correlación fue baja y no significativa con respecto al desempeño promedio que incluyó tanto materias disciplinarias como del área académica general (r = 0,11).
Similarmente, Schleuter y Schleuter (1978) observaron una relación significativa entre una adaptación del MAP para estudiantes universitarios (N = 116) y el logro en habilidades auditivas, rítmicas y tonales, al final del primer semestre. A través de pruebas de regresión encontraron que el MAP explicaba alrededor de un tercio de la variación del logro en los exámenes de habilidades auditivas. Los mejores predictores fueron los módulos melódico-armónico y rítmico del MAP, mientras que el de musicalidad contribuyó de manera marginal.
Más tarde, Schleuter (1993), integró los puntajes de la prueba estandarizada de ingreso a la universidad en la Scholastic Academic Test (SAT) y encontró que esta no tenía un valor predictivo; mientras que la prueba específica de aptitudes musicales Advanced Measures of Music Audiation (AMMA) se correlacionaba significativamente (r = 0,45, p > 0,001) con el logro en primera vista y dictados en un grupo de 84 estudiantes de una licenciatura en música. Por el contrario, Arenson (1983) reportó una correlación significativa de los módulos de matemáticas y lenguaje del SAT con las calificaciones de las materias de teoría musical y solfeo, al final del primer año (r entre 0,36 y 0,39), si bien las pruebas específicas de habilidades y aptitudes musicales fueron más determinantes (r entre 0,46 y 0,48).
Harrison (1990a, 1990b) y Harrison y otros (1994) encontraron resultados análogos en el desempeño en entrenamiento auditivo y solfeo, en un grupo de 142 estudiantes de primer semestre de teoría musical. Lo innovador en este modelo fue la inclusión de cuatro variables predictivas del desempeño: la aptitud musical, medida con el MAP; las habilidades académicas generales, medidas con el SAT; los años de experiencia musical; y la motivación hacia la música. El análisis multivariante resultó en una confirmación de las aptitudes musicales como el principal factor predictivo del logro en solfeo y entrenamiento auditivo, seguido por las habilidades académicas generales, principalmente matemáticas, y los años de experiencia. La motivación, medida a través de auto-reportes, no representó ninguna carga en el modelo.
Finalmente, en un estudio realizado en una universidad alemana, Lehmann (2014) exploró la relación entre los puntajes del examen musical –compuesto por una audición con el instrumento, una prueba de entrenamiento auditivo y otra de teoría– y las calificaciones de teoría musical, entrenamiento auditivo e instrumento principal, al final de la carrera, en una muestra de 93 estudiantes. En este estudio se reporta una correlación significativa, aunque moderada, entre las pruebas de ingreso y la calificación final de las materias de teoría y solfeo, mientras que la correlación del módulo de audición de la prueba de ingreso es débil con las demás variables, incluyendo la calificación de la materia de instrumento principal.
Método
Participantes
El estudio se realizó con los datos obtenidos del censo de las cinco generaciones que egresaron hasta el momento de corte del estudio: ingresos de 2009 a 2013, que egresaron entre 2014 y 2018. De los archivos de la universidad únicamente pudimos recuperar datos completos para las generaciones de ingreso de 2011 a 2013, equivalentes a 35 estudiantes. No obstante, de las generaciones 2009 y 2010 se pudieron rescatar datos sobre EXANI II, Bach., y semestres de deserción y rezago, lo cual generó una base censal de 82 estudiantes.
Variables
Exploramos la capacidad predictiva de las tres variables académicas del proceso de admisión, Bach., EXANI II y EEI, con respecto al desempeño de los estudiantes. El desempeño fue medido exclusivamente a partir de las variables resultantes: deserción, rezago, promedio global y promedio por grupos de materias. De las variables predictivas se usaron los puntajes totales y por dimensiones de las pruebas. Para los promedios de desempeño se utilizaron las calificaciones de la siguiente selección de materias: Cultura y Apreciación Musicales I a VIII –equivalente a historia de la música–, Solfeo I a IV, Armonía I a IV, Armonía Moderna, Armonía Contemporánea, Contrapunto I y II, Análisis Musical I a VI e Instrumento Principal I a X. Esta selección se basó en tres criterios: que fueran materias de la disciplina musical; que representaran diferentes sub-áreas por contenidos y objetivos de aprendizaje; y que las calificaciones presentaran la suficiente varianza como para realizar análisis de correlación y modelos de regresión. Finalmente, para analizar la deserción y el rezago se crearon dos puntajes adicionales. El primero es una escala ordinal de 0 a 10 que mide la deserción de acuerdo con el semestre en la que se produjo, de tal manera que 0 indica que el estudiante no completó ningún semestre y 10 que egresó. Cuando la deserción se produjo debiendo materias de un semestre anterior, se resta .5. Por ejemplo, si desertó terminado el cuarto semestre adeudando materias de tercero, se califica como 3,5. El puntaje de rezago se realizó con otra escala similar que parte del máximo de 10 para los estudiantes que egresaron en tiempo y forma –10 semestres– y resta un punto por cada semestre adicional que les tomó egresar. Nótese que esta última se comporta como una variable de razón, ya que 10 es la ausencia de rezago y cada semestre de rezago representa 0,1 veces más del tiempo establecido de egreso.
Procedimiento
Los datos fueron proporcionados por el departamento de estadística de la institución. Desafortunadamente, no contaban con archivos de las calificaciones de materias, ni de los puntajes del EEI, sólo a partir de los años 2009 y 2010. Por esta razón, solamente obtuvimos datos completos de las generaciones de ingreso 2011 a 2013. No obstante, nos facilitaron datos del Bachillerato y EXANI II, y logramos obtener los puntajes de deserción y rezago.
Análisis de datos
De esta manera, los análisis tuvieron que realizarse con diferentes muestras condicionadas por la información disponible en los archivos institucionales, y no por muestreo probabilístico. Usando el test de Shapiro-Wilk, a un nivel de significación del 5% se infirió que las variables, tanto de la muestra de datos completos (n=35) como de la población de estudiantes (N=82), siguen una distribución normal, a excepción de las puntuaciones de rezago y deserción. Por esta razón, y por la naturaleza de las variables de deserción ‑ordinal-y rezago -de razón-, se decidió realizar el análisis exploratorio de correlación a través del coeficiente de Spearman (Hauke y Kossowski, 2011; Mukaka, 2012). Para comprender el potencial predictivo de las variables explicativas, se realizaron regresiones lineales múltiples a través del método de pasos sucesivos mixto. Todos los análisis se realizaron con el paquete informático R.
Resultados
El análisis se inició con el grupo de egresados con información completa (muestra no representativa debido a las limitantes del archivo de la institución, n=20) de las generaciones 2011 a 2013 (ver Tabla 1). La primera exploración se realizó con las variables globales EEI (representado por TP), EXANI II (Exani), Bach., el promedio de la selección de materias (Prom.) y la puntuación de rezago (Rezag.). Aunque el EEI se compone de una audición con el instrumento principal y un examen teórico-práctico de conocimientos y habilidades auditivas, los datos de la audición no pudieron usarse ya que todos los estudiantes obtuvieron la puntuación máxima de 35. Por esta razón, la varianza de EEI la otorga el examen teórico-práctico (TP).
Estadísticos descriptivos de las generaciones de egresados 2011 a 2013 (n=20). Fuente: Elaboración propia.
En el análisis de los puntajes globales de los egresados (n=20), las correlaciones monotónicas más altas, y las únicas significativas, se observaron entre Bach. y Prom. (rs =0,62, p=0,004) y Bach. y Rezag. (rs =0,47, p=0,036) (ver Gráfico 1). Adicionalmente a estas correlaciones, solo se observó una relación lineal significativa entre Bach. y Prom. (r=0,64, p=0,002).
Matriz de correlación de Spearman. Leyenda: **p<0,01; p<0,05. Fuente: elaboración propia.
Basados en estas observaciones, probamos un modelo de regresión por pasos sucesivos mixto, con las tres variables predictivas y Prom. como variable resultante. En el mejor modelo, únicamente Bach. explica cerca del 38% de la varianza de Prom (F(1,18)=12,5, p=0,002, R2 ajustado=0,377); las demás variables predictivas no aportan significativamente. Por otro lado, la segunda variable resultante, rezago (Rezag.), no puede predecirse de manera significativa a través de modelos de regresión.
Para la tercera variable resultante, deserción (Deser.), se exploraron correlaciones usando tanto el coeficiente de Spearman como el de Pearson, con el grupo de estudiantes que contaba con datos completos en las tres variables predictivas (n=35), pero no se observaron asociaciones significativas.
Debido a que los puntajes de rezago y deserción no pudieron explicarse a través de modelos de regresión en estas muestras pequeñas, se añadieron las generaciones 2009 y 2010, limitando la observación a las variables predictivas Exani y Bach. La exploración de la deserción se realizó en el censo de los 82 estudiantes (ver Tabla 2 de estadísticos descriptivos).
Estadísticos descriptivos para N=82. Fuente: Elaboración propia.
Las asociaciones monotónicas entre las dos variables predictivas y la resultante fueron significativas (ver gráfico 2). Adicionalmente, observamos que el comportamiento de la matriz de Pearson fue similar y que hay una correlación lineal fuerte entre Exani y Bach. (r=0,40, p=0,0002) que podría confundir los resultados en un modelo de regresión.
Matriz de correlación de Spearman para N=82. Leyenda: ***p<0,001; **p<0,01; p<0,05. Fuente: elaboración propia.
Por otro lado, en esta población se tienen 8 casos de estudiantes que desertaron por condiciones diferentes al desempeño académico: embarazo, nivel de desempeño sobresaliente que los hizo acreedores de becas de estudios en el extranjero y cambio de ciudad con sus familias. Debido a que en el presente estudio se analiza el potencial predictivo de variables académicas, en este censo relativamente pequeño, estos 8 casos (9,7% de la población) podrían confundir los resultados. Debido a esto, decidimos extraer estas 8 observaciones, quedándonos con una muestra de 74 estudiantes, la cual mostró correlaciones mayores y conservó la colinealidad entre Exani y Bach. (ver Gráfico 3).
Matriz de correlación de Spearman para N=74. Leyenda: ***p<0,001; **p<0,01. Fuente: elaboración propia.
Para explorar modelos de regresión, convertimos Deser. en una variable dicotómica donde 0 equivale a no desertó y 1 a desertó. Encontramos que Exani y Bach. predicen significativamente, de manera independiente, la varianza de Deser, al 99% de confianza. Bach. explica el 15% (F(1,72)=13,62, p=0,0004, R2 ajustado=0,147, B=-0,24, σ=0,065); mientras que Exani explica el 8% (F(2,71)=7,27, p=0,0087, R2 ajustado=0,79, B=-0,011, σ=0,004). Sin embargo, al combinar las dos variables predictivas en un modelo, solo Bach. aporta de manera significativa, aunque no es un resultado confiable debido a la relación dependiente entre Exani y Bach.
Adicional al análisis de puntajes globales se exploró el efecto de dimensiones específicas del EXANI II, junto con TP y Bach., sobre el desempeño por grupos de materias. Las dimensiones específicas del EXANI II se limitaron a razonamiento matemático (Rmat), matemáticas (Mat), razonamiento verbal (Rverb) y español (Esp), debido a que únicamente estas aparecían consistentemente en los datos del archivo universitario. Las medias de los grupos de las materias seleccionadas (ver sección de método): Instrumento Principal I a X (IP), Solfeo I a IV (Solf), Cultura y Apreciación Musicales I a VIII (CAM), Armonía I a VI (Arm) y Análisis Musical I a VI (AM) constituyeron las variables resultantes (ver Tabla 3).
Tabla de correlaciones de Pearson entre variables predictivas por dimensiones y medias de materias seleccionadas. Leyenda: **p<0,01, *p<0,05. Fuente: elaboración propia.
Hay una correlación fuerte entre todas las dimensiones del EXANI II, aunque las áreas de lenguaje y matemáticas no parecen presentar un problema de colinealidad para los modelos de regresión, ya que las segundas no se asocian significativamente con las variables resultantes. De manera similar, se observó una correlación fuerte entre las materias seleccionadas, excepto IP. IP y AM no presentan relaciones significativas con las variables predictivas. Por el contrario, CAM es la materia que presenta mayor número de correlaciones significativas. El mejor modelo encontrado fue el referido en la Tabla 4 (F(2,17)=11,15, p= 0,0008, R2 ajustado=0,516).
Resumen del modelo de regresión para CAM Prom. Fuente: Elaboración propia.
En el caso de Solfeo, el mejor modelo se muestra en la Tabla 5 (F(1,18)=10,88, R2 ajustado=0,34); y para Armonía en la Tabla 6 (F(1,18)=6,7, R2 ajustado=0,27).
Resumen del modelo de regresión para Solf Prom. Fuente: elaboración propia.
Resumen del modelo de regresión para Arm Prom. Fuente: elaboración propia.
Discusión
Estos resultados sugieren que Bach. fue la variable que mejor predijo el desempeño global de los estudiantes de las generaciones de ingreso 2009-2013, ya que se correlacionaron significativamente tanto con el promedio global y el rezago (n=20) como con la deserción (n=74). No obstante, el tamaño de las muestras y la correlación fuerte entre Bach. y Exani han impedido observar el efecto predictivo de TP y Exani en los modelos de regresión múltiple. Por esta razón, estos resultados deben ser interpretados con cautela.
Nuestros hallazgos son diferentes a los observados en los estudios sobre el MAP y el AMMA (Gordon, 1967; Schleuter y Schleuter, 1978; Harrison, 1990a, 1990b, 1996; Schleuter, 1993; Harrison y otros, 1994), donde variables equivalentes a TP presentaron el poder predictivo más fuerte. Una posible explicación de este fenómeno es que las habilidades y conocimientos del examen teórico-práctico pudieron representar un estado de entrenamiento básico necesario para evitar el rezago y la deserción tempranas, pero las habilidades para mantenerse en un proceso de aprendizaje a largo plazo, representadas por Bach., son necesarias para expandir el entrenamiento básico y continuar un proceso de aprendizaje efectivo hasta el final del programa educativo. Lo anterior no significa que las demás variables predictivas no hayan tenido injerencia sobre el desempeño. Cuando se analizaron las relaciones entre materias, variables predictivas y dimensiones del EXANI-II, aparecieron diferentes matices que contribuyeron a la comprensión del fenómeno.
TP apareció como una variable importante en la explicación de la variabilidad de Solfeo. Esta es una materia de carácter básico que se ubica en los cuatro primeros semestres de la licenciatura y requiere un desarrollo adecuado del tipo de habilidades auditivas que se evalúan en el examen TP. Estas habilidades normalmente se desarrollan en períodos de tiempo prolongados a través del análisis repetitivo de melodías, intervalos, progresiones de acordes, etc. (Harrison y otros, 1994; Rogers y Watkins, 1986). Por esta razón se espera que un estudiante que las haya desarrollado al nivel requerido en la admisión tenga mayores probabilidades de continuar el aprendizaje con un desempeño óptimo durante estos cuatro semestres. Por el contrario, Armonía es una materia cuyo objetivo primordial es el desarrollo de conocimientos; por ende, el tipo de habilidades de aprendizaje de conceptos abstractos, desarrolladas en el bachillerato tradicional, pueden influenciar más el aprendizaje en esta materia. Esto explica por qué la variable predictiva con mayor significatividad para Arm Prom haya sido Bach.
Esta interpretación debe realizarse con cautela, ya que existen otras variables que no se han tenido en cuenta en el presente análisis. Por ejemplo, el estilo de enseñanza de la armonía para estas generaciones pudo demandar las habilidades mencionadas, pero otro estilo de enseñanza orientado a una construcción más concreta de los conocimientos sobre armonía podría haber demandado más habilidades auditivas y prácticas, conllevando a resultados diferentes.
Otro ejemplo de la variedad de demanda cognitiva que presenta el currículo es la materia de Cultura y Apreciación Musicales. Esta es una asignatura de carácter integrador. Esta característica podría explicar su mayor cantidad de correlaciones significativas (ver Tabla 3). No obstante, el hecho de que Esp. y Bach. fueran las únicas variables significativas en el modelo puede estar relacionado con: la naturaleza de los conocimientos generales sobre cultura, historia y apreciación musical que se intentan desarrollar en esta asignatura; el enfoque en el aprendizaje conceptual; y la demanda de habilidades lingüísticas para cumplir con las tareas que normalmente se realizan -ensayos, reportes de conciertos, presentaciones, mesas redondas y exámenes escritos-.
En cuanto a la falta de correlaciones de AM e IP, éstas podrían ser consecuencia de diversos factores. El caso de IP puede estar relacionado con el motivo por el cual la audición del EEI no pudo usarse como variable predictiva en este estudio debido a que se comportaba como una constante; es decir, todos los estudiantes admitidos obtuvieron la calificación máxima. Es probable que los criterios de evaluación que usaron los docentes de IP, los mismos docentes que califican las audiciones del EEI, hayan confundido los resultados.
Por otro lado, el análisis de AM Prom señala un problema debido al tamaño reducido de la muestra. La variable con la que guarda una relación más fuerte es Esp. (ver Tabla 3). En este caso particular, se logró un modelo significativo al quitar una observación atípica, logrando que Esp. explicara de manera significativa (p<0,01) el 50% de la variabilidad de AM. Este tipo de confusiones se reducirían si se tiene acceso a muestras de mayor tamaño. Desafortunadamente, esto no ha sido posible en el presente estudio, pero las siguientes generaciones abonarán nuevas observaciones mejorando la condición presente.
Finalmente, es fundamental recordar que las variables académicas son solo una parte de los factores que predicen el desempeño académico de un estudiante universitario. Al no tomarse en cuenta las variables personales y sociales (Garbanzo, 2007), la interpretación de estos resultados no puede conducir a relaciones causales, sino a asociaciones predictivas que pueden informar los procesos de admisión a la licenciatura en música estudiada.
Conclusiones
En el presente estudio se analizó el poder predictivo de tres variables académicas -promedio de bachillerato, EXANI II y examen especial de ingreso- sobre el desempeño de tres generaciones de ingreso a un programa de licenciatura en música de una universidad mexicana. A pesar del tamaño de las muestras, limitado por la información disponible en los archivos institucionales, los resultados sugieren que el promedio de bachillerato fue la variable predictiva más consistente. Este hallazgo justifica cuestionarse si el proceso de admisión al programa universitario de estudios musicales debe continuar la tradición de ponderar las pruebas específicas de audición, conocimientos musicales y habilidades auditivas, sobre otras variables académicas como el promedio de estudios previos y los exámenes generales de conocimientos y aptitudes académicas.
Aunque los resultados vislumbran la importancia predictiva del examen especial de conocimientos y habilidades musicales en el desempeño global de los estudiantes, sugieren que este predice principalmente el desempeño en una etapa básica del PE: los primeros cuatro semestres. En este sentido, se puede concluir que el nivel de desarrollo de estos conocimientos y habilidades fueron esenciales para un buen comienzo de la carrera; en otras palabras, para evitar el rezago y la deserción tempranas. Estas son habilidades que no se espera ver reflejadas en Bach. y Exani, ya que la educación básica en México no aborda aspectos especializados de la educación musical, lo que hace indispensable su valoración en el examen de admisión. Sin embargo, los resultados indican que se necesitan otro tipo de habilidades para poder mantenerse y llevar a buen término un programa de estudios universitario donde no solo se valora el perfil tradicional de ejecutante o músico de oficio, sino uno más polivalente que incluya la educación y la investigación, junto con una extensa lista de competencias transversales como el desarrollo del pensamiento crítico, el uso efectivo del lenguaje, el análisis y síntesis de la información y la planeación del propio aprendizaje, entre otras. La consistencia predictiva de Bach. sobre el promedio global, la deserción y el promedio de la mayoría de los grupos de materias, así como la capacidad predictiva del EXANI II sobre el promedio de las materias de Cultura y Apreciación Musicales, es una evidencia de la necesidad de habilidades genéricas para el aprendizaje.
Es importante aclarar que nuestros resultados no pueden conducir a generalizaciones más allá de la población estudiada. Por otro lado, definen el desempeño en términos cuantitativos que no representan necesariamente el aprendizaje alcanzado. Para llegar a observaciones que lleven a generalizaciones más amplias sobre la ponderación de variables en los procesos de admisión a programas educativos musicales se necesita igualmente ampliar las poblaciones estudiadas y realizar más estudios similares dentro de contextos culturales homólogos. Y, para evaluar la calidad del aprendizaje, será necesario emplear otras metodologías.
Tampoco se puede descartar la inclusión de variables no contempladas que respondan a necesidades socioculturales particulares. Por ejemplo, Harrison y otros (1994) proponen un modelo que incluye la motivación y la experiencia en ejecución de los postulantes. Esta última podría ser una variable importante en el contexto mexicano si se consideran las áreas de oportunidad en la formación musical que presenta el sistema de educación básica. El reto de incluir este tipo de variables es la manera de hacerlas operacionales. En el estudio referido, la experiencia se mide en años como ejecutante. En nuestro contexto, siguiendo la preocupación central por las variables académicas, el constructo de experiencia podría ser una combinación entre años como ejecutante y tiempo en el que se recibió educación musical formal, pudiendo dividirse en teórica -armonía, solfeo y entrenamiento auditivo- y práctica -ejecución musical-. No obstante, esta propuesta no atendería la experiencia informal y autodidacta (Green, 2002). En estos casos la conformación de variables operacionales debe contemplar el complejo fenómeno del aprendizaje musical informal que se da en el nicho cultural del individuo (Blacking, 1974) y la influencia recíproca entre ambientes formales e informales de algunos estudiantes (Finnegan, 2007).
Por el momento exponemos los resultados obtenidos con las limitaciones metodológicas explicadas, sosteniendo su pertinencia, no solo para el caso estudiado, sino para nutrir una línea de investigación global que nos permita entender los criterios que universidades y departamentos de música usamos para escoger a nuestros futuros estudiantes, así como la manera en que estos criterios responden tanto a los requisitos académicos y perfiles polivalentes de los currículos universitarios contemporáneos como a la necesidad de invertir de manera informada los recursos de las instituciones educativas, en particular de las universidades públicas.
Footnotes
Notas
EQUIPO EDITORIAL
José Luis Aróstegui Plaza, Universidad de Granada (España)
Guadalupe López Íñiguez, Academia Sibelius (Finlandia)
Rosa María Serrano Pastor, Universidad de Zaragoza (España)
Carlos Abril. Universidad de Miami, Estados Unidos.
Rolando Ángel-Alvarado. Universidad Alberto Hurtado, Chile.
Leonardo Borne. Universidad Federal de Mato Grosso, Brasil.
Alberto Cabedo Mas. Universidad Jaime I, España.
Diego Calderón Garrido. Universidad de Barcelona, España.
Raúl Wenceslao Capistrán Gracia. Universidad Autónoma de Aguascalientes, México.
Carmen Carrillo Aguilera. Universidad Internacional de Cataluña, España.
Óscar Casanova López. Universidad de Zaragoza, España.
Amalia Casas-Mas. Universidad Complutense de Madrid, España.
José Joaquín García Merino. IES Bahía Marbella, España.
Josep Gustems Carnicer. Universidad de Barcelona, España.
Dafna Kohn. Instituto Levinski de Tel-Aviv, Israel.
Mari Paz López-Peláez Casella, Universidad de Jaén, España.
Daniel Mateos Moreno. Universidad de Málaga, España
Luis Nuño Fernández. Universidad Politécnica de Valencia, España
Lluïsa Pardàs i Feliú. Conservatorio Issac Albéniz de Gerona, España
Jèssica Pérez Moreno. Universidad Autónoma de Barcelona, España.
Susana Sarfson Gleizer. Universidad de Zaragoza, España.
Patrick K. Schmidt. Universidad de Ontario Occidental, Canadá.
Giuseppe Sellari. Universidad de Roma-Tor Vergata, Italia.
Euridiana Silva. Universidad del Estado de Santa Catarina, Brasil
Mónica María Tobo. Universidad Pedagógica y Tecnológica de Colombia.
Ana Mercedes Vernia. Universidad Jaime I, España.
Maria Helena Vieira. Universidad del Miño, Portugal.