Trabajo de grado sobre rendimiento académico: variables, datos Saber Pro y 10 títulos (2026)

Si estudias Licenciatura, Psicología, Ingeniería, Administración o cualquier carrera con estudiantes como población, es probable que tu director te sugiera trabajar con el rendimiento académico: es una variable que existe en cualquier institución, se mide con datos que ya están registrados y admite diseños de todos los tipos. Y precisamente porque parece fácil, es una de las que más se hacen mal: se llama «rendimiento» a una nota, un promedio o un puntaje sin decir cuál, se atribuyen causas a diseños que solo permiten asociaciones y se desperdician datos abiertos que podrían dar una muestra de más de un millón de registros. Esta guía te da el constructo completo: qué es, cómo se mide en Colombia, qué datos abiertos puedes usar (con un conjunto verificado de Saber Pro), qué variables y diseños se usan, y diez títulos investigables.

Qué es el rendimiento académico y por qué «depende de cómo lo midas»

El rendimiento académico es el resultado de la evaluación de lo que un estudiante aprende, expresado habitualmente en una calificación o un puntaje. La definición es sencilla; el problema está en la operacionalización: «rendimiento» puede ser la nota de una asignatura, el promedio acumulado de un periodo, el promedio ponderado de la carrera o el puntaje de una prueba estandarizada, y cada una responde una pregunta distinta. La nota de aula depende de la escala de cada institución y de los criterios de cada docente; la prueba estandarizada permite comparar entre instituciones, pero mide un conjunto de competencias definido por quien la diseña. Tu marco teórico debe decir qué entiendes por rendimiento, y tu tabla de operacionalización, con qué dato lo mides. La guía de operacionalización de variables te ayuda a hacerlo.

Conviene además separar tres ideas que se confunden: rendimiento (el resultado observable), aprendizaje (el cambio en lo que la persona sabe o puede hacer) y desempeño en una tarea concreta. Un buen resultado en una prueba no prueba por sí solo que haya habido aprendizaje; para eso necesitas una medición antes y otra después, o una comparación con un grupo de referencia.

Tres fuentes de datos de rendimiento en Colombia

1. Registros académicos de una institución. Notas, promedios, créditos aprobados. Requieren autorización de la institución y tratamiento cuidadoso de datos personales; son la fuente natural de un estudio de caso en un colegio o una universidad.
2. Pruebas estandarizadas nacionales. Las pruebas Saber del ICFES, entre ellas Saber Pro, que presentan los estudiantes de pregrado. Sus resultados anonimizados están disponibles como datos abiertos.
3. Pruebas o instrumentos propios. Si construyes una prueba de conocimientos para tu estudio, necesitas validez de contenido y confiabilidad, como explica la guía de validez de contenido por juicio de expertos.

Un conjunto de datos abierto para trabajar: «Resultados únicos Saber Pro»

El portal de datos abiertos del Estado colombiano (datos.gov.co) publica un conjunto del ICFES llamado «Resultados únicos Saber Pro», cuya descripción indica que contiene resultados anonimizados de las pruebas Saber Pro desde el año 2018 hasta el año 2022. Al consultarlo para esta guía (4 de octubre de 2026), la interfaz de programación del portal reportaba 1.217.482 registros y 57 columnas. Entre las columnas hay datos útiles para un trabajo sobre rendimiento:

• Resultados por módulo: puntajes en razonamiento cuantitativo, lectura crítica, comunicación escrita, inglés y competencias ciudadanas, además de los desempeños por nivel en algunos módulos.
• Datos del programa y la institución: nombre de la institución, carácter académico, programa académico, núcleo de pregrado, nivel del programa, método del programa y departamento y municipio.
• Datos del estudiante y su familia: género, estrato de la vivienda, nivel educativo del padre y de la madre, horas semanales que trabaja, forma de pago de la matrícula (con recursos propios, de los padres, con crédito o con beca) y posesión de computador e internet en el hogar.

Con estos campos puedes plantear estudios como «el puntaje en razonamiento cuantitativo según las horas semanales de trabajo del estudiante» o «diferencias en lectura crítica según el método del programa (presencial o distancia)». Los nombres de columnas pueden cambiar con las actualizaciones, así que antes de planear tu análisis descarga el diccionario de datos del propio conjunto y verifica cada variable.

La guía de resultados Saber Pro: microdatos y datos abiertos explica cómo acceder, filtrar y descargar los conjuntos, y la de datos abiertos de datos.gov.co para el trabajo de grado muestra cómo citarlos.

Variables que se asocian con el rendimiento (y cómo clasificarlas)

En los trabajos sobre rendimiento, la variable dependiente es el puntaje o la nota, y las independientes se agrupan por tipo. Una clasificación práctica:

• Personales: motivación, hábitos de estudio, autoeficacia, salud, horas de sueño.
• Sociofamiliares: estrato, nivel educativo de los padres, apoyo familiar, trabajo del estudiante.
• Institucionales: modalidad del programa, recursos, relación con los docentes, metodología de enseñanza.
• De trayectoria: resultados previos, créditos cursados, deserción o repitencia.

Para distinguir variable independiente, dependiente y de control, la guía de tipos de variables de una investigación es un buen apoyo.

Diseños frecuentes en un trabajo sobre rendimiento académico

• Descriptivo con datos secundarios. Describes los resultados de un grupo (por programa, por método, por año) con datos abiertos. Es el diseño más viable para un trabajo de grado con tiempos cortos.
• Correlacional o de regresión. Estimas la asociación entre factores y rendimiento, con control de covariables. La guía de regresión lineal múltiple y supuestos explica cómo verificarlos.
• Comparativo. Comparas grupos: instituciones públicas y privadas, presencial y distancia, hombres y mujeres.
• Pre-post con intervención. Aplicas una estrategia (tutorías, aprendizaje por proyectos) y mides antes y después, idealmente con grupo de comparación.
• Cualitativo o mixto. Percepciones de estudiantes o docentes sobre lo que influye en su rendimiento.

Cuidados metodológicos con datos de rendimiento

• Lenguaje causal. Un diseño transversal con datos abiertos permite hablar de asociación, no de causa. «Los estudiantes que trabajan más horas obtienen, en promedio, puntajes distintos» es una frase de asociación; «trabajar baja el puntaje» es causal y no la autoriza tu diseño.
• Falacia ecológica. Un resultado agregado por institución no necesariamente describe a los individuos de cada una.
• Datos faltantes y atípicos. Las bases grandes traen vacíos y valores extraños; decide antes cómo los tratarás. La guía de depuración de bases de datos explica el proceso.
• Tamaño de muestra enorme. Con más de un millón de registros, casi cualquier diferencia es estadísticamente significativa; interpreta también el tamaño del efecto y la relevancia práctica.
• Datos personales. Aunque los datos abiertos estén anonimizados, no intentes reidentificar a nadie. Si trabajas con registros de una institución, necesitas autorización y debes cumplir la normativa de protección de datos.

Diez títulos investigables (ilustrativos)

1. Horas semanales de trabajo y puntaje en razonamiento cuantitativo de estudiantes de ingeniería en las pruebas Saber Pro 2018-2022.
2. Diferencias en lectura crítica según la modalidad del programa (presencial y a distancia) en estudiantes de licenciaturas.
3. Nivel educativo de los padres y rendimiento en comunicación escrita en estudiantes de administración.
4. Estrato socioeconómico y puntaje global en Saber Pro de estudiantes de instituciones públicas y privadas.
5. Efecto de un programa de tutorías entre pares en el promedio académico de estudiantes de primer semestre de una universidad de Bogotá.
6. Hábitos de estudio y rendimiento académico en estudiantes de matemáticas de un colegio oficial de Cali.
7. Acceso a computador e internet en el hogar y resultados en inglés en estudiantes universitarios colombianos.
8. Percepciones de docentes sobre los factores que afectan el rendimiento en cálculo en un programa de ingeniería.
9. Forma de pago de la matrícula (crédito, beca o recursos propios) y desempeño en pruebas Saber Pro.
10. Autoeficacia académica y rendimiento en estudiantes de psicología: un estudio correlacional.

Ajusta cada título a la fuente real de datos que consigas y revisa que el verbo corresponda a tu diseño.

Cómo plantear el problema y los objetivos

Un planteamiento sólido sobre rendimiento no dice «los estudiantes tienen bajo rendimiento» sin una fuente. Parte de una observación concreta (por ejemplo, la diferencia de puntajes entre grupos que muestran los datos abiertos), indica quién y cuándo (población y periodo), muestra con una fuente verificable que la diferencia importa y formula una pregunta que tus datos puedan responder. Los objetivos siguen la escalera del diseño: describir la distribución de la variable, comparar entre grupos, estimar la asociación con los factores elegidos. Evita objetivos como «demostrar que X mejora el rendimiento» si tu diseño es transversal. La guía de matriz de consistencia te ayuda a alinear problema, objetivos, hipótesis y variables.

Cómo analizar los datos paso a paso (con un ejemplo inventado)

1. Describe. Calcula media, desviación estándar y distribución del puntaje en tu población, y el número de casos válidos.
2. Compara grupos. Por ejemplo, estudiantes que trabajan menos de veinte horas semanales frente a quienes trabajan veinte o más.
3. Calcula el tamaño del efecto. Con medias de 62 y 58 puntos y una desviación estándar común de 10, la diferencia estandarizada (d de Cohen) es (62 − 58) / 10 = 0,4. Los números son inventados, pero muestran por qué importa: con una base de más de un millón de registros esa diferencia sería «significativa» sin ninguna duda, y la pregunta relevante es si 0,4 desviaciones estándar es una diferencia que importa en la práctica.
4. Ajusta por covariables. Una regresión que incluya estrato, educación de los padres y método del programa te dice si la diferencia entre grupos persiste cuando comparas estudiantes parecidos.
5. Verifica supuestos y reporta limitaciones. Normalidad de los residuos, colinealidad, datos faltantes y la imposibilidad de hablar de causalidad.

Presenta los resultados en tablas legibles, con el número de casos de cada grupo, y reserva las figuras para lo que ayude a comprender el hallazgo, no para decorar. Y cuando redactes la discusión, compara con estudios previos y explica por qué tus resultados coinciden o difieren.

Cómo justificar el periodo y la población que eliges

Con datos abiertos es tentador usar todo lo que hay, pero un trabajo de grado necesita acotar. Explica por qué eliges un periodo (por ejemplo, los últimos años disponibles) y una población (un tipo de programa, un núcleo de pregrado, una región), y verifica que el conjunto tenga datos suficientes en cada grupo que compararás. Si un programa aparece con muy pocos estudiantes, agrúpalo o exclúyelo con una razón escrita. Y documenta la versión del conjunto de datos y la fecha de descarga: los portales actualizan y corrigen sus archivos, y tus resultados deben poder reproducirse.

Errores frecuentes

• Usar «rendimiento académico» sin decir si es nota, promedio o puntaje de una prueba.
• Comparar notas de instituciones con escalas y criterios distintos como si fueran equivalentes.
• Descargar un conjunto de datos sin leer su diccionario.
• Interpretar una asociación como causa.
• Ignorar los datos faltantes y atípicos.
• No justificar por qué se eligió un periodo y no otro.

Preguntas frecuentes

¿Cómo se mide el rendimiento académico en un trabajo de grado?

Con una nota, un promedio o un puntaje de prueba, según la pregunta de investigación. Lo importante es declarar cuál usas, de qué fuente proviene y cómo se calcula.

¿Puedo usar datos abiertos de Saber Pro?

Sí. El portal de datos abiertos publica resultados anonimizados del ICFES; verifica el periodo, las columnas y las condiciones de uso del conjunto que elijas y cítalo en tu trabajo.

¿Qué variables suelen asociarse con el rendimiento?

Personales (motivación, hábitos), sociofamiliares (estrato, educación de los padres, trabajo), institucionales (modalidad, recursos) y de trayectoria. Tu marco teórico debe justificar cuáles incluyes.

¿Necesito autorización para usar notas de estudiantes?

Sí, si los datos provienen de registros de una institución: necesitas su autorización y cumplir la normativa de protección de datos personales. Con datos abiertos anonimizados no la necesitas, pero debes respetar las condiciones de uso.

¿Se puede afirmar que una variable causa el rendimiento?

Solo si tu diseño lo permite, por ejemplo uno experimental con asignación controlada. Con datos transversales, habla de asociación.

El siguiente paso

Decide primero cómo vas a medir el rendimiento (nota, promedio o puntaje) y de qué fuente salen los datos; después elige las variables y el diseño. Si necesitas ordenar el planteamiento, los objetivos y los capítulos de tu trabajo de grado sobre rendimiento académico, Tesify te ayuda a planear y estructurar cada capítulo, y el trabajo sigue siendo 100 % escrito por ti. Más de 9.000 estudiantes lo han usado en más de 15.000 capítulos.