Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
No existe claridad sobre el reconocimiento que el mundo del trabajo hace del rendimiento académico de los estudiantes -mediante la respectiva remuneración-, atribuible a condiciones tales como su disciplina, su responsabilidad, su talento, su compromiso, en síntesis, al rendimiento académico derivado de sus “habilidades blandas”1. En su lugar, es muy común encontrar análisis sobre la relación entre el mercado de trabajo (remuneración, enganche, ascensos u otras variables) y rendimiento académico, medida de acuerdo con el resultado de una prueba académica, la culminación de un determinado nivel educativo o la aprobación de algunos años de escolaridad; en todo caso, explicando el rendimiento académico con múltiples variables, dentro de las cuales están las que atañen al estudiante y se consideran en este documento: su desempeño en el nivel precedente a la educación superior (puntaje en pruebas Saber 11), estrato, nivel educativo de la madre, género, recibo de apoyo financiero, número de hermanos y si trabajaba o no2. Remarcando que en este trabajo se analiza exclusivamente el rendimiento académico logrado en la educación superior (medido mediante Saber Pro) y su efecto en el nivel de salario alcanzado, nos podríamos preguntar si para alcanzar una buena remuneración basta con tener un alto desempeño académico (puntaje alto en pruebas Saber Pro) o también es importante que dicho desempeño atienda a condiciones más personales del estudiante, en todo caso diferentes a las antes citadas: desempeño académico previo (puntaje en pruebas Saber 11), estrato, nivel educativo de la madre, género, recibo de apoyo financiero, número de hermanos y si trabajaba o no. Para contribuir a la respuesta de este tipo de interrogantes, se organizó una base de datos con 489.236 estudiantes, censal respecto de los estudiantes que presentaron tres datos: puntaje en Saber 11, puntaje en Saber Pro y un salario en el Observatorio Laboral para la Educación. A partir de esta información se estimó el VAE en la perspectiva de los modelos jerárquicos lineales y, posteriormente, se generó un modelo de regresión entre el VAE a nivel de estudiante (puntaje individual Saber Pro, sin considerar el efecto de las variables antes mencionadas) y el salario obtenido en el mundo laboral. Se encontró una positiva, directa y significativa relación entre VAE estudiantil y salario. A partir de la misma, se considera válido afirmar que dicha relación se debe a la valoración que hace el mercado de trabajo del rendimiento académico de los estudiantes asociable a sus habilidades “blandas” y a su resiliencia. El artículo se estructura a partir de una sintética presentación conceptual del VAE, del salario y de la resiliencia; posteriormente, presenta los datos y metodología utilizados, especificando y describiendo las variables en juego, así como los modelos de regresión empleados; finalmente presenta los hallazgos empíricos y algunas reflexiones a partir de los mismos.
Sobre el valor agregado en educación
Ante la reflexión y pregunta sobre cuál es la contribución que efectivamente hacen las instituciones educativas al aprendizaje de sus estudiantes, el valor agregado en educación (VAE) constituye una perspectiva de respuesta, a nivel tanto de constructo como metodológico (Navarro, 2013), puesto que fundamenta un enfoque de la evaluación educativa basado en el progreso del aprendizaje y permite estimar una medida de la efectividad de las instituciones educativas (OCDE, 2013; Domingue, 2015). Respecto de algunos métodos y modelos de medición de la calidad educativa, particularmente de aquellos basados en agregación de indicadores y/o de naturaleza transversal y/o en promedios de resultados de estudiantes en pruebas académicas, el VAE constituye una aproximación más precisa y justa (Martínez, Gaviria, y Castro, 2009) al esfuerzo institucional que corresponde a la mejora en el desempeño académico de los estudiantes, pues retira el efecto de factores externos a la institución educativa, los cuales inciden en el rendimiento académico de sus estudiantes. Así mismo, dado que el VAE considera al menos dos medidas de tal rendimiento, centra el análisis en el cambio o progreso académico, asumiendo un enfoque más cercano a la naturaleza misma del aprendizaje.
Los factores externos a la institución educativa pueden ser contextuales o propios de la práctica educativa (Raudenbush y Willms, 1995). Sobre los primeros la institución no tiene control (capital cultural familiar, orden público, contexto socioeconómico) y sobre los segundos, al menos en principio, sí lo tiene (didáctica, prácticas en el aula, estructura u organización de la institución, liderazgo, compromiso). Algunos autores (Keeves, Hungi, Afrassa, 2005; Darmawan, Keeves, 2006) abordan especificidades de diversos factores y efectos, distinguiendo, por ejemplo, las políticas educativas, la caracterización estudiantil, la formación previa de los estudiantes, la naturaleza (pública o privada) de la institución. En todo caso, para estimar mediante un modelo de VAE la eficacia de una institución educativa, se debe controlar o suprimir el efecto de factores externos y fuera de control por parte de esa institución educativa. La escogencia o determinación de esos factores depende, básicamente, del alcance que se dé al concepto de “eficacia”, de los propósitos del análisis y de la disponibilidad de información.
Para la estimación del VAE es cada vez más frecuente el uso de modelos jerárquicos lineales (Hierarchical Linear Modeling - HLM)3, puesto que se ajustan mejor a la naturaleza de los sistemas educativos (Kreft, De Leeuw y Van der Leeden, 1994), en el sentido de que, generalmente, los estudiantes aparecen anidados o pertenecientes a un contexto más amplio, tal como un salón de clases, el cual, a su vez, pertenece a una institución educativa, la cual a su turno se ubica dentro de una ciudad, una región. Los modelos HLM permiten trabajar con distintos niveles de agregación propios de la naturaleza de los datos (Castro y Ruiz, 2006), en particular porque permiten diferenciar la varianza de esos niveles, por lo cual facilitan trabajar simultáneamente la influencia tanto del contexto como de las diferencias entre individuos (estudiantes). Amerita mencionarse también que, desde el punto de vista estadístico, los modelos HLM permiten: considerar conjuntamente efectos fijos y aleatorios (estos se asocian al grado de generalización de los resultados según la naturaleza de la muestra), estimar el efecto conjunto de variables (efectos “interacción”, incluso de diferentes niveles), tratar el efecto adverso de problemas típicos en el manejo estadístico de la información en educación -o asumir diversos procedimientos para mitigarlos-, como el sesgo de selección (distribución no aleatoria de los estudiantes en las instituciones educativas), la heterocedasticidad (varianza no constante entre las observaciones) y la autocorrelación (no independencia entre las observaciones).
Sobre el salario
Como se anunció al inicio de este documento, su propósito es estimar y demostrar la valoración que el mercado laboral hace del VAE estudiantil a través del salario, así como argumentar la posible utilización de dicho VAE como medida de las “habilidades blandas”, de la resiliencia estudiantil. Es abundante la producción académica con la explicación de los salarios a partir de funciones relacionadas con los ingresos laborales, que comúnmente se denominan funciones mincerianas4, y en prácticamente en todos los análisis se incluye la educación, además de factores como la experiencia laboral, el sector económico, la profesión o programa académico cursado, la edad y el sexo (Johnes y Sáenz, 1995; Margot, 2001; Castellar y Uribe, 2003; Andini, 2007; Galassi y Andrada, 2009). En los mismos, la explicación recurrente de la relación específica entre educación y salario se fundamenta en las obras de Becker (1975) y Mincer (1974)), quienes desarrollan la teoría del capital humano, según la cual: la educación aumenta la productividad marginal del individuo y, bajo el supuesto de maximización de los beneficios por parte de las empresas, los salarios se ajustan según esa productividad marginal; en cuanto a los individuos, estos toman sus decisiones de inversión en educación con base en la información disponible respecto al valor de las inversiones que deben realizar para adquirirla, frente a los beneficios que obtendrán como resultado de la misma. Si bien los individuos normalmente no realizan individualmente un análisis de valor presente de la corriente de beneficios y costos de la educación, los economistas suponen que el promedio de la sociedad sí hace este ejercicio con base en las informaciones que reciben de diferentes individuos que deciden invertir o no en distintos tipos de formación académica.
Otras propuestas explicativas de la relación entre educación y salario dan fundamento al análisis presentado en este documento y se agrupan en el modelo de “identificación”, también denominado “señalización” o “credencialismo” (Kroch y Sjoblom, 1994; Weiss, 1995; Barceinas, Alonso, Raymond y Roig, 2003). Se considera en estos estudios que mediante la educación se facilita al mundo laboral identificar a los trabajadores más productivos, esto es, que el título académico o la acreditación de estudios constituyen una señal de la productividad del trabajador, no la productividad marginal en sí misma. Este tipo de explicaciones conlleva desligar o atenuar drásticamente el efecto de la educación, entendida solamente como habilidades y conocimientos recibidos por la acción de la institución educativa. Pero, ¿la trayectoria realizada en una institución educativa aporta -o es paralela al desarrollo de- algo más que habilidades operativas y conocimientos?
Sobre la resiliencia estudiantil
El modelo de identificación o señalización antes referenciado nos acerca a las habilidades blandas y a la resiliencia estudiantil. Aludiendo al modelo de identificación, Galassi y Andrada (2009) expresan que en el mismo la educación “es económicamente valiosa, más bien por las características de comportamiento que genera (puntualidad, perseverancia, atención, responsabilidad, búsqueda del éxito, cooperación, sumisión, etc.) que debido a su efecto sobre la productividad”. En este documento se adapta y adopta una acepción de resiliencia a partir de las habilidades blandas. La resiliencia caracteriza a las personas que, a pesar de nacer y vivir en situaciones de alto riesgo, se desarrollan psicológicamente sanas y exitosas (Rutter, 1993). Algunos autores optan por denominarla “adaptación positiva” o “tenacidad cognitiva” (García y Domínguez, 2013; Naranjo, 2010). En términos generales, ella se entiende como el resultado de diversos procesos mentales que, además de contrarrestar o mitigar las situaciones nocivas, las aprovecha para el crecimiento. Tales procesos mentales corresponden a las habilidades blandas, entendidas como competencias conductuales, rasgos de personalidad, actitudes, capacidades innatas, habilidades sociales, hábitos personales, que facilitan la motivación, la empatía, la comunicación y el desarrollo de objetivos, ante todo de manera conjunta con otras personas5. Dado que los resultados empíricos aportados en este documento perfilan la posibilidad de utilizar el VAE estudiantil como una medida de resiliencia académica, se propone generar la categoría “efecto resiliencia estudiantil”, la cual podría conceptualizarse como el resultado de la conjunción de habilidades blandas que permiten a un estudiante un relativo éxito en el aprendizaje (progreso académico, VAE), a pesar de existir condiciones adversas o desventajosas para el efecto. Se precisa que tal éxito será relativo al promedio del rendimiento académico logrado por la generalidad de estudiantes que presenta una misma condición o peculiaridad (o pluralidad de particularidades, que bien pueden ser adversidades o desventajas), que controlan las demás variables o particularidades (ceteris paribus), tal y como se desprende de la parte empírica de este trabajo.
Datos y metodología
Los datos del presente análisis tienen como fuente la información de los formularios de las pruebas de Estado Saber 11 y Saber Pro del Instituto Colombiano para la Evaluación de la Educación (Icfes), así como del Observatorio Laboral para la Educación (OLE) y del Sistema de Prevención y Análisis de la Deserción en las Instituciones de Educación Superior (Spadies), del Ministerio de Educación, período 2010-2015. A su vez, las fuentes del OLE corresponden a la Planilla Integrada de Liquidación de Aportes del Ministerio de Salud y Protección Social y al Registro Único de Aportantes de la Unidad de Gestión de Pensiones y Parafiscales adscrita al Ministerio de Hacienda y Crédito Público. La muestra es censal: se tomaron para el análisis todos los estudiantes que reportaron simultáneamente salario en el OLE, puntajes en Saber Pro y en Saber 11 entre los años 2010 y 2015, período dentro del cual el Icfes introdujo modificaciones sustanciales a dichas pruebas con el objetivo explícito de mejorar las estimaciones de VAE. De esta manera, el análisis se efectúa con información de 489.236 estudiantes.
Se utiliza un modelo jerárquico lineal (HLM) de dos niveles: con estudiantes e instituciones de educación superior, para la estimación del VAE, y una regresión lineal para analizar la relación entre VAE y salario. Amerita especificarse que la variable “salario” fue deflactada a precios constantes 2015 con el IPC, fuente Banco de la República. A continuación se presenta una descripción general de la información y la especificación de los modelos utilizados.
En la Tabla 1 se describen las variables utilizadas en este documento, sus valores, rangos y categorías; en la Tabla 2 se evidencia la robustez de la muestra: 489.236 registros de estudiantes, de 2010 a 2015; la Tabla 3 contiene la media, la desviación estándar y el rango de las variables continuas utilizadas; en la Tabla 4 los puntajes Saber Pro por estrato expresan un resultado esperable: a mayor estrato del hogar del estudiante (asociable a mejores condiciones en términos socioeconómicos) corresponde un mayor puntaje; adicionalmente, puede apreciarse que, en términos generales, las instituciones de educación superior públicas presentan mejores resultados en Saber Pro que las privadas; la Tabla 5 presenta la relación directa y positiva entre el puntaje en Saber Pro y el nivel educativo de la madre del estudiante. En las Figuras 1 a 3 se observa, respectivamente, la distribución de los datos para las variables Saber 11, Saber Pro y Salario, y la Figura 3 ilustra claramente por qué debe trabajarse el salario en términos de logaritmo natural (como se hace casi sin excepción cuando se trabaja con esta variable6); la Figura 4 representa la distribución del logaritmo natural (ln) del salario, operación utilizada para aproximar los datos a una distribución normal.
Tabla 1. Variables utilizadas para estimar la relación entre VAE y remuneraciones
* Institución de educación superior; ** Planilla Integrada de Liquidación de Aportes.
Fuente: elaboración propia a partir de datos Icfes y MEN.
Tabla 2. Estudiantes de la muestra según año de presentación Saber Pro y tipo de IES
* Institución de educación superior.
Fuente: elaboración propia a partir de datos Icfes y MEN.
Tabla 3. Media, desviación estándar y rango de las variables continuas utilizadas
Fuente: elaboración propia a partir de datos Icfes y MEN.
Tabla 4. Puntaje promedio en prueba Saber Pro por estrato del estudiante y tipo de IES
* Institución de educación superior.
Fuente: elaboración propia a partir de datos Icfes y MEN.
Tabla 5. Puntaje promedio en Saber Pro por nivel educativo de la madre
Fuente: elaboración propia a partir de datos Icfes y MEN.
Para estimar el VAE se utilizó un modelo HLM y para estimar el efecto o relación entre el VAE individual y el salario se utilizó una regresión lineal. La especificación del modelo HLM es:
Nivel 1 (estudiantes):
Nivel 2 (instituciones):
Fuente: elaboración propia a partir de datos Icfes y MEN.
Figura 4. Histograma del logaritmo natural: variable salario
En donde:
Y1ij: Puntaje Saber Pro del estudiante i perteneciente a la IES j.
β0j: Rendimiento promedio de los estudiantes de la IES j.
β1 βq: Coeficientes de regresión; indican, respectivamente, el efecto del Saber 11 y el efecto de las covariables de contexto X (variables explicativas respecto del estudiante).
Y0ij: Resultado en Saber 11 del estudiante i perteneciente a la IES j.
Xqij: Conjunto de covariables de contexto del estudiante.
εij: Desviaciones de los estudiantes respecto de la media de la IES j; es el residuo de primer nivel asociado a los estudiantes (“VAE estudiantil”).
β00: Promedio de todos los puntajes Saber Pro de todas las IES.
Z1j: Conjunto de covariables propias del segundo nivel, de la IES (no varían en el primer nivel).
ω0j: Desviaciones del segundo nivel (IES) respecto a su media; estos residuos se consideran las estimaciones del VAE por IES; ambos residuos (εij ω0j) siguen una distribución normal con media 0 y varianza constante.
La especificación de la regresión lineal entre el VAE individual y el salario es:
Wi: Salario estudiante i.
β0: Promedio del salario de los estudiantes.
β1 Vi: Coeficiente de regresión del VAE estudiantil sobre el salario.
εi: Error o residuo de la regresión; sigue una distribución normal con media 0 y varianza constante.
Resultados y reflexiones finales
En la Tabla 6 se presentan los resultados del valor agregado en educación (VAE) según el modelo HLM. Al respecto, en el Anexo 1 se aprecia la estimación del respectivo modelo nulo, la justificación del uso de un modelo de efectos mixtos, el cálculo de la correlación intraclase, los resultados de varios modelos, los criterios para la escogencia del mejor modelo, la prueba de normalidad para los residuos del modelo escogido y algunos resultados del VAE institucional. En la Tabla 7 aparecen los resultados de las dos regresiones del VAE individual sobre el salario y en el Anexo 3 se desarrollan pruebas de homocedasticidad y de normalidad de los residuos de ambos modelos (tanto para salario como para ln del salario), las cuales demuestran que se pueden utilizar ambos modelos. De hecho, sus resultados son muy similares:
No es propósito de este documento profundizar en los resultados en el ámbito institucional, sino en referencia al estudiante, considerado individualmente; no obstante, se señala lo siguiente:
El modelo calculó el VAE de 278 instituciones de educación superior y se estimó sobre 429.157 observaciones (estudiantes); se perdieron 60.079 observaciones (12,3%) debido a que no todas cumplían requisitos para el análisis de VAE.
Todas las variables incluidas en el modelo son significativas al 1%, a excepción del género, que arrojó una significancia del 5%, que es muy buena, respecto tanto de temas sociales en general como del asunto tratado en este artículo en particular.
El apoyo financiero al estudiante, brindado directamente por las IES, tiene el mayor impacto positivo en el puntaje Saber Pro y es incluso superior al impacto del crédito Icetex. El hecho de que el estudiante trabaje al momento de presentar Saber 11 tiene el mayor impacto negativo respecto del puntaje Saber Pro. En el Anexo 2 se presentan algunos resultados específicos sobre el VAE institucional. Estos resultados pueden mejorarse con diversos procedimientos, dentro de los cuales está su cálculo según el componente específico de cada prueba -generalmente, se usan: razonamiento cuantitativo, comprensión lectora o inglés- y el uso de medias móviles -se recomienda medir tres años-, para obtener estimaciones más confiables y estables en el tiempo.
Tabla 6. VAE según modelo HLM
* p < 0,01; ** p < 0,05.
Fuente: elaboración propia a partir de datos Icfes y MEN.
Tabla 7. Resultados regresión lineal VAE sobre el salario*
T-statistics entre bráquets. * p < 0,01.
Fuente: elaboración propia a partir de datos Icfes y MEN
Los principales resultados del modelo HLM estimado los constituyen las salidas de residuos, respecto tanto de la IES (ω0j) como de los estudiantes (εij). El VAE institucional para cada IES corresponde al residuo del segundo nivel, pues la lógica general del modelo consiste en que, una vez controlados (conocidos y suprimidos) estadísticamente los efectos que diversos tipos de factores (externos y sobre los cuales no tiene control la IES) tienen sobre el rendimiento académico, el residuo corresponde al efecto de la IES, a su “efectividad” o “eficacia”, a su VAE. Aunque este razonamiento no está exento de críticas -expuestas, por ejemplo, en Willms (2008) -, el conocimiento de la eficacia de las instituciones encuentra en el VAE quizás la mejor aproximación estadística posible hasta el momento. Al menos es la aproximación sobre la cual se adelanta la mayor parte de investigaciones empíricas al respecto. En todo caso, ningún método de análisis, por sofisticado que sea, puede compensar completamente la falta de aleatorización de los estudios de observación característicos de la investigación sobre los efectos de las escuelas (Braun, 2005), por lo cual se recomienda prudencia en la interpretación de los resultados del VAE (Martínez, 2009), ante todo si se planea atribuirles un efecto causal y usarlos para establecer incentivos o sanciones.
Dependiendo de las variables que se incluyan en el modelo, el residuo o VAE institucional puede entenderse en términos de la calidad (experiencia, formación, liderazgo, iniciativa, responsabilidad, actitud, etc.) del personal de la IES -especialmente docente-, y en términos de la calidad de las prácticas en el aula, de los procesos administrativos, de la estructura y de la gestión institucional. En síntesis, como se señaló antes, el VAE corresponde al efecto de factores que están -o que generalmente pueden considerarse- bajo el control de la IES (Martínez et al., 2009).
El modelo HLM estimado, y en general cualquier modelo multinivel de VAE que utilice en el primer nivel características del estudiante, arroja un residuo para cada estudiante (εij), el cual, dada la especificación del modelo, puede considerarse el VAE estudiantil, ya que estima el rendimiento académico del estudiante, una vez controlado el efecto de algunos factores individuales e institucionales.
La interpretación del VAE estudiantil como residuo del modelo HLM no dista de la interpretación antes señalada para el segundo nivel (IES), ya que representa el efecto que sobre el rendimiento académico del estudiante tienen todas las condiciones o características diferentes a las incluidas en el modelo, esto es, dicho residuo constituye el efecto no atribuible al conjunto de las covariables que se incluyen en el modelo de VAE. Responde a características del estudiante sobre las cuales no hay información o que son difíciles o incluso imposibles de medir. “Inherentemente inconmensurables”, afirma Dixit (2002) al respecto. Por tal razón, dado que hay claridad sobre la naturaleza -externa y fuera del control del estudiante- de las variables de control del resultado en la prueba académica, puede asumirse que dentro de tales factores no controlados se encuentran las habilidades blandas (soft skills), por lo cual se propone profundizar, a partir de esta lógica propia del VAE, en el estudio del que aquí hemos denominado “efecto resiliencia estudiantil”, la cual contribuye al éxito en el aprendizaje (progreso académico, mayor VAE), siendo que el mayor aprendizaje es reconocido en el mundo del trabajo, lo cual confirman los resultados empíricos de este trabajo.
Por consiguiente, de manera similar al uso del VAE institucional, la resiliencia estudiantil podría usarse para aproximarnos a una identificación incluso masiva -en este caso, para el sistema de educación superior colombiano- de personas o perfiles de estudiantes que, ante determinadas particularidades (género, etnia, ruralidad, discapacidad), situaciones de contexto o programas institucionales, desarrollan actitudes, hábitos y perspectivas individuales que favorecen el rendimiento académico en educación superior.
En este sentido, el VAE estudiantil contribuiría a aproximar la magnitud de una importante y compleja categoría asociable al potencial del estudiante para el aprendizaje, a su mérito académico individual, no obstante las evidentes dificultades asociadas con su análisis e incluso con su mera descripción, pues la resiliencia varía según el contexto y las personas, la experiencia y el temperamento (Manxiaux, 2003, citado por García y Domínguez, 2013).
Los resultados del modelo sobre el VAE no nos permiten establecer específicamente cuáles son esas habilidades blandas ni si estamos frente a una medida que comporta exclusivamente habilidades blandas. Pero sí nos permiten establecer, con robustez y significancia estadística, que las habilidades blandas están allí y afectan el rendimiento académico. Solamente introduciendo en el modelo información adicional sobre los estudiantes será posible alcanzar mayor precisión o depurar la medida de esas habilidades, pues esa información adicional permitiría controlar y suprimir el efecto de otros factores, por ejemplo, las condiciones de salud de los estudiantes.
Los resultados de la Tabla 7 dan fundamento estadístico para considerar que el efecto resiliencia estudiantil es valorado positivamente por el mercado de trabajo. De acuerdo con los resultados de esta regresión, por cada punto adicional de VAE estudiantil el salario aumenta en $170.5727. Con el alcance antes definido, en el Anexo 3 se presentan resultados de regresiones del VAE estudiantil sobre el salario guiados por diversos criterios: género, tipo de IES (pública o privada, acreditada o no) y estrato socioeconómico, pero bien pueden especificarse muchos más, según el propósito específico del análisis, tales como departamento, programa académico, año, determinadas características individuales o institucionales de que dispone el modelo, efectos combinados de las anteriores, entre otras.
No solo para el mercado de trabajo, sino también para la sociedad, la resiliencia estudiantil se presenta como un potencial y una dinámica que contribuyen a enfrentar estructuralmente grandes retos, ante todo en materia de inequidad. La resiliencia estudiantil, fundamentada en el concepto de habilidades blandas y medida por el VAE, puede aportar a la comprensión, seguimiento y construcción de ese potencial y esa dinámica.
A manera de colofón, ante el hallazgo empírico de la relación directa, positiva y significativa entre VAE estudiantil y remuneraciones en el mercado de trabajo, se argumenta que el VAE estudiantil constituye una medida o cuando menos un factor constitutivo de las habilidades blandas, decisivas en la resiliencia misma de los estudiantes. Este hallazgo y esta explicación pueden dar lugar a investigaciones posteriores. Por ejemplo, controlando la medición con información de una habilidad blanda en particular o con la misma información referida a determinados grupos poblacionales, de IES o de regiones. Se trata de un punto de partida muy promisorio: el mercado de trabajo aprecia el VAE estudiantil y este puede entenderse como el rendimiento académico atribuible a características de naturaleza personal de los estudiantes, las que les permiten potenciar condiciones ventajosas (socioeconómicas, académicas, culturales, biológicas) o, lo que es aún más importante, contrarrestar algunas condiciones desventajosas y contribuir a la equidad educativa y social.
