La unidad de investigación viene dada por los docentes de colegios de gestión pública del Perú. El método para la recolección de datos fue entrevista mediante llamadas telefónicas, durante el periodo del 7 al 17 de diciembre de 2021. El método de muestreo aplicado fue probabilístico bietápico. En la primera etapa, se seleccionaron los colegios mediante muestreo sistemático, y en la segunda se seleccionaron los docentes por muestreo aleatorio simple. En el presente estudio, la muestra estuvo formada por 2415 docentes del nivel secundaria de Perú (1339 hombres y 1076 mujeres), con edades comprendidas entre 19 y 68 años (M= 44.94, DT= 9.24), que laboran en distintos ámbitos geográficos: costa central (6.3 %), costa norte (11.0 %), costa sur (5.8 %), Lima Metropolitana (8.4 %), selva (24.6 %), sierra central (19.6 %), sierra norte (8.4 %), y sierra sur (15.9 %), y que trabajan en instituciones de gestión pública.

En la figura 1 se observa que la mayoría de participantes tiene edades comprendidas entre 41 a 50 años. Dentro de este rango se encuentra también el promedio de edad de los docentes del nivel secundaria en el año 2021, lo que revela que la distribución etaria de los docentes resulta caracterizada por experiencia en el campo educativo. Se observa también que en esta categoría de 41 a 50 años hay una mayor prevalencia de hombres, diferencia que podría deberse a factores laborales y sociales específicos. En las cohortes más jóvenes, específicamente de 19 a 30 años y de 31 a 40 años, la distribución entre hombres y mujeres es más equitativa, aunque se nota una ligera predominancia masculina en el rango de 31 a 40 años. Estos datos apuntan a la paridad en las oportunidades laborales de ambos géneros en estos rangos de edades.

Figura 1 Figura 1 Distribución por género y edad Fuente: elaboración propia con el programa SPSS29.

En la figura 2, se visualiza una alta concentración de docentes contratados por concurso público en las zonas de selva, sierra central, sierra norte y sierra sur, mientras que en las costas norte, sur y central, así como en Lima Metropolitana, hay predominancia de docentes nombrados. Esto está en coherencia con los niveles de desarrollo socioeconómico de las regiones del Perú. Se hacen por ende necesarias políticas que promuevan la estabilidad laboral en la selva y la sierra del Perú, y al mismo tiempo, incentivos adicionales para atraer y retener talento docente en las zonas rurales y de difícil acceso.

Figura 2 Figura 2 Distribución ubicación geográfica y condición laboral Fuente: elaboración propia con el programa SPSS29.

Los datos analizados en la presente investigación provienen de la Encuesta Nacional de Docentes (ENDO) aplicada a los docentes de instituciones públicas del Perú en el año 2021, es decir que se trata de datos secundarios y de libre acceso. La encuesta, realizada por el Ministerio de Educación del Perú (MINEDU, 2023), tiene como objetivo proporcionar información sobre la situación del magisterio peruano y contribuir al diseño e implementación de políticas y estrategias basadas en evidencia. La recolección de los datos se llevó a cabo mediante entrevistas telefónicas. Es importante señalar que esta encuesta se ha realizado cada dos años en Perú desde el año 2014 hasta el 2018. Posteriormente, debido a la pandemia de COVID19, se comenzó a aplicar anualmente a partir de 2020, también por vía telefónica.

Se consideran diversas variables para medir la dificultad en la evaluación de los aprendizajes. Para el presente estudio, se incluyeron las variables identificadas en la ENDO 2021 que están respaldadas por la teoría. La edad fue transformada en una variable categórica, ya que por la naturaleza de las variables aplicadas en el análisis de correspondencias múltiples (ACM), estas debían ser cualitativas y categóricas. La tabla 1 presenta las variables consideradas.

Tabla 1 Tabla 1 Recodificación de variables para el ACM Fuente: elaboración propia.

Los datos fueron analizados utilizando el programa estadístico SPSS, versión 29. Se elaboraron tablas para representar el análisis multivariado y se determinó el número de factores que minimizaban la pérdida de información. Posteriormente, se aplicó el ACM para examinar la asociación entre las variables cualitativas y explorar sus relaciones. El objetivo de esta técnica es encontrar una estructura de menor dimensión que explique el comportamiento de los individuos, según la estructura de las modalidades de las variables.

Según Corral-De Witt et al. (2019), el ACM procesa los datos recopilados sin establecer relaciones a priori entre las variables evaluadas, para lo cual utiliza representaciones visuales que permiten identificar posibles asociaciones entre las categorías de las variables, devolviendo una representación de las categorías de las variables en un espacio bidimensional mediante una transformación basada en la prueba chi cuadrado. Teóricamente, el ACM es una extensión del análisis de correspondencias simples para situaciones en las que se relacionan tres o más variables categóricas, como en las tablas de contingencia multivía (Greenacre, 2008).

De las variables sociodemográficas, la mayoría de los encuestados (el 37.5 %) tiene edades comprendidas entre 41 a 50 años, mientras que el 6.5 % tiene edades de hasta 30 años. Por su parte, el 44.6 % son mujeres y el 55.4 % son hombres. En cuanto al ámbito geográfico, el 43.9 % de los docentes entrevistados labora en la sierra del Perú, siendo el 19.6 % de la sierra central (tabla 2).

Tabla 2 Tabla 2 Descripción de las variables sociodemográficas Fuente: elaboración propia.

Respecto a la condición laboral, el 42.5 % son docentes nombrados, mientras que la mayoría (el 57.5 %) tiene contrato por concurso público. En cuanto a la variable capacitación y sobre la participación en cursos virtuales, el 76.2 % sí participó en cursos virtuales, el 28.8 % participó en proyectos de innovación y el 26 % sí participó en proyectos de buena práctica pedagógica. Contrariamente, hubo un bajo porcentaje que participó en diplomados (3.6 %) y en programas formativos focalizados (18.1 %).

Con referencia al tiempo, la mayoría (65.4 %) dedica más de 3 horas fuera del horario laboral a la preparación de clases y labores administrativas, y el 51.0 % también invierte más de 3 horas fuera del horario laboral a retroalimentar y evaluar. Por otro lado, el 70.1 % dedica entre 1 a 3 horas, fuera del horario laboral, a trabajar en forma colegiada con otros docentes (tabla 3).

Tabla 3 Tabla 3 Descripción de la variable tiempo para diversas actividades fuera del horario escolar Fuente: elaboración propia.

Para determinar la asociación entre las variables sociodemográficas, el tiempo para diversas actividades fuera del horario escolar y la participación en programas de capacitación, se analizaron los valores chi cuadrado de estas variables con la variable de interés (dificultad de realizar la evaluación de los aprendizajes).

En la tabla 4 se han identificado diversas variables que muestran asociaciones significativas con la variable de interés, como el sexo (p = 0.000), la participación en proyectos de innovación (p = 0.002), la participación en proyectos de buena práctica pedagógica (p = 0.015) y el tiempo dedicado a la retroalimentación y evaluación (p= 0.010). Estas variables son candidatas ideales para el ACM, procedimiento que complementará los resultados de chi cuadrado al proporcionar una representación gráfica de las relaciones. Sin embargo, dadas las investigaciones previas, las variables no significativas también se incluirán en el ACM, con el fin de explorar posibles interacciones.

Tabla 4 Tabla 4 Valores de chi cuadrado, grados de libertad y p-valor entre las variables del estudio Fuente: elaboración propia.

El ACM es una técnica que facilita la visualización de las relaciones entre múltiples variables categóricas, ayudando a identificar patrones y agrupaciones en los datos. La utilización conjunta de esta técnica con otras metodologías permite una exploración más rica de los datos. Como señala Agresti (2018), la prueba de chi cuadrado es esencial para determinar la independencia entre variables, mientras que el ACM proporciona una representación gráfica que puede revelar interacciones complejas que no son evidentes a través de análisis univariantes. Esto se alinea con la afirmación de Greenacre (2008), quien sostiene que el ACM es una herramienta poderosa para el análisis exploratorio de datos categóricos, permitiendo a los investigadores obtener una comprensión más profunda de las relaciones subyacentes. En el presente estudio, se verificaron las relaciones entre variables sociodemográficas, condición laboral, dificultad de realizar la evaluación de los aprendizajes, capacitación y tiempo, utilizando la técnica multivariante de ACM. Además, se exploraron las relaciones entre las distintas categorías de estas variables. En coherencia con los objetivos del estudio y para facilitar una mejor interpretación, se llevaron a cabo tres análisis de correspondencias:

-ACM de las variables sociodemográficas y la evaluación de los aprendizajes: Se consideran las variables sociodemográficas de ámbito geográfico, edad y sexo, así como la variable de interés. En referencia al resumen del modelo se observa en la tabla 5 que el alfa de Cronbach y la inercia tienen una relación directa. Ambos valores del alfa de Cronbach son superiores a 0.9, lo que sugiere una excelente confiabilidad interna para las dimensiones analizadas. Esto indica que las variables dentro de cada dimensión están altamente correlacionadas y miden efectivamente el mismo constructo. Asimismo, la primera dimensión explica mejor la variabilidad, es decir, tiene mayor importancia (51.067 %). Además, la inercia de la primera dimensión (0.511) es más discriminante que la de la segunda dimensión (0.471).

Tabla 5 Tabla 5 Resumen del modelo ACM de las variables sociodemográficas y la evaluación de los aprendizajes Fuente: elaboración propia con el programa SPSS29.

Por otro lado, la tabla 6 permite observar cuánto discrimina cada variable en cada dimensión, revelando la importancia de cada variable para cada una de las dimensiones. En este caso, el ámbito geográfico tiene mayor peso para definir tanto la primera (0.922) como la segunda dimensión (0.998), lo cual sugiere que influye en la evaluación de los aprendizajes. Así también, dada la baja puntuación de la dificultad para realizar la evaluación de los aprendizajes en ambas dimensiones, se revela que, aunque se percibe cierta dificultad, no es un factor determinante en el rendimiento general de las dimensiones.

Tabla 6 Tabla 6 Medidas discriminantes de las variables sociodemográficas y la evaluación de los aprendizajes Fuente: elaboración propia con el programa SPSS29.

En la figura 3 se observa que la costa centro y la costa sur están alejadas del origen, lo que sugiere que estas regiones se asocian fuertemente con la percepción de dificultad para realizar evaluaciones. En contraste, la sierra norte, la costa norte, la selva y la sierra centro están más cerca del origen, lo que indica una percepción más similar y menos diferenciada sobre la facilidad de realizar evaluaciones. Lima Metropolitana y la sierra sur muestran una menor relación con la percepción de dificultad, situándose más cercanas al origen o en la parte negativa de la dimensión 2.

En cuanto a la edad, los participantes de 51 a 60 años y los mayores de 60 años se ubican en la parte negativa de la dimensión 1, lo que revela que estos grupos de edad tienden a asociarse más con la percepción de que es difícil realizar evaluaciones. Por el contrario, los rangos de edad de 19 a 30 años, de 31 a 40 y de 41 a 50 años están más cercanos al origen del gráfico, indicando percepciones más comunes y menos diferenciadas sobre la facilidad de realizar evaluaciones.

Respecto al sexo, tanto hombres como mujeres se encuentran muy cerca del origen y también están próximos entre sí, indicando que no hay una diferenciación significativa en la percepción de la dificultad entre géneros.

Figura 3 Figura 3 Gráfica de correspondencias múltiples (variables sociodemográficas y evaluación de los aprendizajes) Fuente: elaboración propia con el programa SPSS29.

-ACM de las variables condición laboral, participaciones y evaluación de los aprendizajes: Se analizan las variables condición laboral, participación en programas formativos focalizados, participación en cursos virtuales, participación en diplomados, participación en proyectos de innovación, participación en proyectos de buena práctica pedagógica y la variable de interés. En la tabla 7, el resumen del modelo para este segundo ACM muestra al alfa de Cronbach como indicador de qué tan correlacionadas están las variables observables. En este caso, los valores de alfa de Cronbach e inercia tienen una relación directa, siendo moderados (0.648 y 0.586); aunque no alcanzan niveles altos de confiabilidad, son aceptables para estudios exploratorios en contextos educativos. La primera dimensión explica más inercia (0.179) que la segunda (0.157), lo que indica que las categorías presentan mayor dispersión de varianza en la dimensión 1; sin embargo, ambas dimensiones tienen un valor similar de inercia, con una inercia acumulada de aproximadamente 34 %.

Tabla 7 Tabla 7 Resumen del modelo ACM de las variables condición laboral, participaciones y evaluación de los aprendizajes Fuente: elaboración propia con el programa SPSS29.

En la tabla 8, las medidas discriminantes permiten deducir que la primera dimensión, que explica el 17.934 % de la varianza total, está fuertemente influenciada por la participación en programas formativos focalizados (0.460) y la participación en cursos virtuales (0.281). Esto sugiere que dicha dimensión refleja el grado de compromiso y participación de los docentes en actividades formativas estructuradas. La segunda dimensión, que explica el 15.684 % de la varianza total, está caracterizada por la participación en proyectos de innovación (0.277) y la participación en cursos virtuales (0.226). La carga de estas variables en la dimensión 2 refleja que los docentes innovadores y comprometidos con la mejora continua de su práctica pedagógica se agrupan aquí.

La variable dificultad para realizar la evaluación de los aprendizajes tiene una carga baja en la dimensión 1 (0.049), lo que sugiere que no está fuertemente asociada con la participación en programas formativos focalizados o en cursos virtuales. Sin embargo, su presencia en el análisis apunta a que los docentes que enfrentan desafíos en la evaluación de los aprendizajes pueden no estar aprovechando plenamente las oportunidades de formación disponibles o que estas formaciones no están abordando adecuadamente las necesidades evaluativas.

En la dimensión 2, la misma variable tiene una carga moderada (0.110). Esta dimensión, más asociada con la participación en proyectos de innovación y buenas prácticas pedagógicas, sugiere que los docentes innovadores también pueden enfrentar desafíos en la evaluación de los aprendizajes, lo cual podría indicar la necesidad de integrar mejores prácticas evaluativas en los proyectos de innovación y en las buenas prácticas pedagógicas.

Tabla 8 Tabla 8 Medidas discriminantes de las variables condición laboral, participaciones y evaluación de los aprendizajes Fuente: elaboración propia con el programa SPSS29.

Al observar la figura 4, la categoría difícil realizar la evaluación de los aprendizajes se encuentra próxima a las categorías contratado por concurso público y no participación en cursos virtuales, diplomados y proyectos de innovación. Esto sugiere que los docentes contratados que encuentran difícil realizar evaluaciones tienden a no participar en actividades formativas. Contrariamente, la categoría fácil realizar la evaluación de los aprendizajes presenta mayor proximidad con los docentes nombrados y que sí han participado en diplomados, programas formativos, proyectos de innovación y buenas prácticas pedagógicas. Esto revela que los docentes que encuentran más fácil realizar evaluaciones son más propensos a estar nombrados y a participar en diversos tipos de actividades formativas. Además, las características de los docentes que participan en diplomados son opuestas a las de quienes no participan en cursos virtuales.

Estos resultados tienen importantes implicancias educativas, ya que evidencian la necesidad de promover la participación en actividades formativas para aquellos que están contratados por concurso. Este aspecto resulta relevante en el proceso de formación continua y desarrollo profesional docente para reducir la percepción de dificultad en la realización de evaluaciones.

Figura 4 Figura 4 Gráfica de correspondencias múltiples (variables: condición laboral, participaciones y evaluación de los aprendizajes) Fuente: elaboración propia con el programa SPSS29.

-ACM de las variables tiempo y evaluación de los aprendizajes: El resumen del modelo de las variables tiempo dedicado a la preparación de clases y labores administrativas, tiempo dedicado a retroalimentar y evaluar, tiempo para trabajar en forma colegiada y dificultad para realizar la evaluación de los aprendizajes muestra valores altos del alfa de Cronbach (0.902 y 0.859) para ambas dimensiones, tal como se visualiza en la tabla 9. Así también, la inercia y el alfa de Cronbach tienen una relación directa. Por otro lado, la primera dimensión explica mejor la variabilidad, es decir, tiene una relevancia mayor (43.916 %); asimismo, la inercia de la primera dimensión (0.439) tiende a ser más discriminante que la de la segunda (0.353). Esto revela que la primera dimensión captura el grado de dedicación adicional que los docentes invierten fuera del horario laboral en actividades fundamentales para su rol.

Tabla 9 Tabla 9 Resumen del modelo ACM de las variables tiempo y evaluación de los aprendizajes Fuente: elaboración propia con el programa SPSS29.

En la tabla 10 se observa que en las dos dimensiones aportan más tanto el tiempo dedicado, fuera del horario escolar, a retroalimentar y evaluar, como el tiempo dedicado a la preparación de clases y labores administrativas. En la primera dimensión, los pesos son para el tiempo dedicado a retroalimentar y evaluar (0.640) y el tiempo dedicado a la preparación de clases y labores administrativas (0.581). Por otro lado, en referencia a la segunda dimensión, se tienen también el tiempo dedicado a la preparación de clases y labores administrativas (0.527), y el tiempo dedicado a retroalimentar y evaluar (0.470). Esto podría indicar un enfoque ligeramente diferente en la gestión del tiempo y el compromiso docente.

Tabla 10 Tabla 10 Medidas discriminantes de las variables tiempo y evaluación de los aprendizajes Fuente: elaboración propia con el programa SPSS29.

Al explorar la figura 5, se observó que la categoría difícil realizar la evaluación de los aprendizajes posee mayor asociación tanto con la categoría no realiza o invierte tiempo fuera del horario escolar para la preparación de clases y labores administrativas como con la categoría invierte entre 1 a 3 horas, fuera del horario escolar, a labores de retroalimentación y evaluación. Esto sugiere que los docentes que encuentran difícil realizar evaluaciones tienden a no dedicar tiempo o dedican poco tiempo (entre 1 a 3 horas) a la preparación de clases y la retroalimentación fuera del horario escolar.

Figura 5 Figura 5 Gráfica de correspondencias múltiples (variable tiempo y evaluación de los aprendizajes) Fuente: elaboración propia con el programa SPSS- 29.

Por otro lado, la categoría fácil realizar la evaluación de los aprendizajes alcanzó su mayor nivel de correspondencia con las categorías más de 3 horas y entre 1 a 3 horas en cuanto al tiempo dedicado a la preparación de clases y labores administrativas, y a la retroalimentación y evaluación. Esto indica que los docentes que tienen facilidad para realizar evaluaciones le dedican más tiempo (entre 1 a 3 horas o más de 3 horas) a estas actividades. Dedicar menos de 1 hora a preparar las clases y a labores administrativas no tiene asociación directa fuerte con la percepción de dificultad o facilidad en las evaluaciones de este diagrama, pero su cercanía al origen indica una relación menos diferenciada. Asimismo, dedicar entre 1 a 3 horas o más de 3 horas a trabajar, fuera del horario escolar, en forma colegiada, se asocia a la percepción de que es fácil realizar la evaluación de los aprendizajes, lo cual sugiere que dedicar tiempo a trabajar en equipo se relaciona con una menor percepción de dificultad. Por otro lado, no invertir tiempo, fuera del horario escolar, a desarrollar estas actividades está relacionado con una mayor percepción de dificultad a la hora de realizar las evaluaciones de los aprendizajes.

Estos resultados revelan que promover una mayor dedicación de tiempo a la preparación de clases, a la retroalimentación y evaluación, y al trabajo en equipo de forma colegiada podría ayudar a reducir la percepción de dificultad en la realización de evaluaciones, algo que va en coherencia con la normativa dada desde el 2016, la cual estipula incluir dentro de la carga académica horas de coordinación entre docentes de la misma área. A largo plazo, se espera que la colaboración entre docentes tenga efecto en mejores resultados de aprendizaje.

Myrian Luz Ricaldi-Echevarria es doctora en educación, magíster en enseñanza de la matemática y de tecnología educativa. Docente de matemática, didáctica de la matemática y estadística. Ha participado en eventos internacionales de educación matemática, y sus líneas de investigación son: aspectos socioculturales de la educación, formación de profesores, y recursos para la enseñanza de la matemática.