Libro de Actas del III Congreso Latinoamericano y del Caribe e Investigación en Educación Superior- LatinSoTL- 2025

960 informado, destacando la voluntariedad del proceso y la confidencialidad. La información fue depurada en excel y analizada en SPSS. Resultados Los estudiantes obtuvieron su mejor puntuación en biología (M = 8.35, DE = 3.93), seguida de inglés (M = 8.21, DE = 6.22) y matemáticas (M = 7.50, DE = 4.70), mientras que el promedio general de secundaria fue de 80.81 (DE = 10.12). En la prueba OTIS, fue de 50.50 (DE = 9.66), indicando un nivel cognitivo típico. La prueba de normalidad reveló que las variables principales no siguieron una distribución normal (p < .05), por lo que se utilizó el coeficiente de Spearman para las correlaciones. Se hallaron correlaciones positivas muy débiles entre edad y biología (r = .103, p = .024) y entre edad y OTIS (r = .174, p = .009), así como una correlación negativa débil entre edad y rendimiento en secundaria (r = –.219, p = .001). Hubo correlaciones positivas débiles entre biología e inglés (r = .288, p = .000) y entre biología y matemáticas (r = .302, p = .000), y una correlación negativa débil entre matemáticas y el promedio de secundaria (r = –.235, p = .001). Discusión Las experiencias previas académicas, la edad y las variables sociodemográficas, podrían haber afectado su desempeño previo y podría afectar la adaptación a futuras etapas (Grimaldo y Manzanares-Medina, 2023; Álvarez-Pérez y López-Aguilar, 2020). Además, la mayoría de los participantes proviene de instituciones públicas, lo que evidencia la necesidad de fortalecer la calidad educativa en estos centros (Aldarmahi et al., 2023). Conclusiones El sistema educativo y la edad influyen directamente en el rendimiento estudiantil debido a variables contextuales. La dificultad en matemáticas es notable y podría impactar el desempeño general, por lo que se recomienda implementar programas de apoyo enfocados en esta área. Referencias Bibliográficas Aldarmahi, A., Alkushi, A., Al Shaikh, A., Subahi, A., Al Makoshi, M., Al Owfi, A., Al Hawsawi, S., Alamri, B., & Ahmad, M. (2024). English proficiency test as a predictor of academic achievement in a health sciences program. Journal for Educators, Teachers and Trainers, 15 (2). https://doi.org/10.47750/jett.2024.15.02.003 Al‑Ali, R., Alhumaid, K., Khalifa, M., Salloum, S. A., Shishakly, R., & Almaiah, M. A. (2024). Analyzing socio‑academic factors and predictive modeling of student performance using machine learning techniques. Emerging Science Journal, 20 (8), 1304–1319. https://doi.org/10.28991/ESJ ‑2024‑08‑04‑05 Binder, T., Sandmann, A., Sures, B., Friege, G., Theyßen, H., & Schmiemann, P. (2019). Assessing prior knowledge types as predictors of academic achievement in the introductory phase of biology and physics study programmes using logistic regression. International Journal of STEM Education, 6(33), 1- 14. https://doi.org/10.1186/s40594-019-0189-9 Contreras, L. E., Fuentes, H. J., y Rodríguez, J. I. (2020). Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante