Acceso usuarios
Francisco Javier Murillo Torrecilla 
, Cynthia Martínez Garrido, Raquel Graña Oliver
Esta investigación pretende, por una parte, identificar grupos de docentes de educación primaria en función de la importancia que le dan a diversas estrategias evaluativas en Matemáticas y, por otra, determinar la incidencia de la composición socioeconómica del alumnado de la escuela donde trabaja a la pertenencia a los grupos. Para ello, se lleva a cabo un análisis de los microdatos de la muestra española de docentes que enseñan matemáticas de TIMSS 2023. La muestra final está conformada por 553 maestros y maestras. Como estrategia de análisis de datos se estima, para el primer objetivo, Análisis de Clases Latentes con datos ponderados y, para el segundo, Modelos de Regresión Logística Multinomial. Los resultados muestran la existencia de cinco perfiles docentes: docentes centrados en la evaluación inmediata y formativa (7,6 %), docentes orientados a la evaluación tradicional continua (5,4 %), docentes con enfoque intermedio (49,1 %), docentes con baja intensidad evaluativa (5,4 %) y evaluadores integrales (32,5 %). Además, la composición socioeconómica del alumnado predice de manera significativa las estrategias de evaluación adoptadas por los docentes. Estos resultados refuerzan la importancia de considerar el contexto socioeconómico de cada escuela para diseñar evaluaciones más justas e inclusivas.
his study aims to achieve two objectives. First, it seeks to identify groups of primary school teachers based on the emphasis they place on different assessment strategies in Mathematics. Second, it examines how the socioeconomic composition of a school’s student body influences teachers’ membership in these groups. The analysis uses microdata from the Spanish TIMSS 2023 sample of Mathematics teachers, comprising 553 participants. Latent Class Analysis with weighted data is employed to identify teacher groups, while Multinomial Logistic Regression models are used to assess the impact of socioeconomic composition. The findings reveal five distinct teacher profiles: teachers focused on immediate and formative assessment (7.6%), teachers oriented toward continuous traditional assessment (5.4%), teachers with an intermediate approach (49.1%), teachers with low assessment intensity (5.4%), and comprehensive assessors (32.5%). In addition, the socioeconomic composition of the student body significantly predicts the assessment strategies adopted by teachers. These results underscore the importance of accounting for each school’s socioeconomic context when designing fairer and more inclusive assessments.
Esta investigação pretende, por um lado, identificar grupos de professores do ensino básico em função da importância que atribuem a diversas estratégias de avaliação em Matemática e, por outro, determinar a incidência da composição socioeconómica dos alunos da escola onde trabalham na pertença aos grupos. Para tal, é realizada uma análise dos microdados da amostra espanhola de professores que ensinam Matemática do TIMSS 2023. A amostra final é composta por 553 professores e professoras. Como estratégia de análise de dados, estima-se, para o primeiro objetivo, a Análise de Classes Latentes com dados ponderados e, para o segundo, Modelos de Regressão Logística Multinomial. Os resultados mostram a existência de cinco perfis de professores: professores centrados na avaliação imediata e formativa (7,6 %), professores orientados para a avaliação tradicional contínua (5,4 %), professores com enfoque intermédio (49,1 %), professores com baixa intensidade avaliativa (5,4 %) e avaliadores integrais (32,5 %). Além disso, a composição socioeconómica do aluno prevê de forma significativa as estratégias de avaliação adotadas pelos professores. Estes resultados reforçam a importância de considerar o contexto socioeconómico de cada escola para conceber avaliações mais justas e inclusivas.
