EVALUACIÓN DE IMPACTO DEL PROGRAMA DE SOPORTE PEDAGÓGICO DEL MINISTERIO DE EDUCACIÓN DEL PERÚ.

1
EVALUACIÓN
DE IMPACTO
DEL PROGRAMA
DE SOPORTE
PEDAGÓGICO DEL
MINISTERIO DE
EDUCACIÓN DEL
PERÚ
Marjorie Chinen y Juan Bonilla
Junio, 2017

2
*
1
2
Los autores reconocen la contribución de muchas personas y organizaciones sin los cuales no hubiera sido
posible concluir este informe. Nuestro sincero agradecim iento al Grupo de Análisis para el Desarrollo (GRADE) y
al proyecto Fortalecimiento de la Gestión de la Educación en el Perú (FORGE) por el apoyo financiero y técnico.
En especial queremos agradecer a Martín Benavides y Patricia Arregui. Asimismo, agradecemos al equipo de la
Secretaría de Planificación Estratégica del Ministerio de Educación del Perú por sus comentarios y apoyo durante
esta evaluación. Ofrecemos también un especial agradecimiento a Fabiola Cáceres y Andrea Salazar. Asimismo,
queremos brindarle nuestro agradecimiento al equipo de Soporte Pedagógico por la información brindada para
diseñar y entender la intervención. En especial a Vania Minami y a la ex directora de la Dirección General de Edu-
cación Básica Regular, Cecilia Ramírez. En AIR, también reconocemos las contribuciones de Álvaro Ballarin con la
preparación de las bases de datos, y de Verónica Ruiz de Castilla por sus comentarios y revisión del informe.
Autora correspondiente: Marjorie Chinen es investigadora Afiliada al Grupo de Análisis para el Desarrollo (GRADE),
mchinen@grade.org.pe.
Juan Bonilla es investigador senior en el American Institutes for Research (AIR).
EVALUACIÓN DE IMPACTO DEL PROGRAMA DE SOPORTE PEDAGÓGICO DEL
MINISTERIO DE EDUCACIÓN DEL PERÚ*1
Documento Técnico
Proyecto FORGE
Autores: Marjorie Chinen12
y Juan Bonilla23
Mayo, 2017
El presente documento se realizó por encargo del Proyecto Fortalecimiento de la
Gestión de la Educación en el Perú (FORGE) que es implementado por el Grupo de
Análisis para el Desarrollo – GRADE con el apoyo técnico y inanciero del Gobierno
de Canadá a través de Global Affairs Canada. (Proyecto Nº A-034597)

3
LISTA DE ACRÓNIMOS
CITS
DiD
ECE
FORGE
GRADE
IEP
MINEDU
PSM
SP
SPE
Comparative interrupted time series
Difference in difference o modelo en diferencias
Evaluación censal de estudiantes
Fortalecimiento de la Gestión de la Educación en el Perú
Grupo de Análisis para el Desarrollo
Programa de Educación Integrada
Ministerio de Educación del Perú
Propensity score matching
Soporte Pedagógico
Secretaria de Planificación Estratégica

4
CONTENIDOS
Resumen ejecutivo 5
1. Introducción 8
Marco conceptual 9
Organización del documento 10
2. Descripción de Soporte Pedagógico 11
Teoría de cambio 14
Criterios de focalización de Soporte Pedagógico 16
3. Revisión de la literatura 18
4. Objetivos y preguntas de investigación 23
Objetivos del estudio 23
Preguntas de investigación 23
5. Metodología de la evaluación de impacto 24
Indicadores de impacto y fuentes de datos 24
Estrategia empírica 25
Modelo en diferencias y modelo Comparative Interrupted Time Series 25
Propensity Score Matching de escuelas 30
6. Resultados 42
Impacto en comprensión lectora y matemática 42
Impacto en los niveles de logro de la ECE 45
Análisis de robustez 48
Análisis de heterogeneidad por nivel de implementación 50
7. Discusión y recomendaciones 54
8. Consideraciones finales 57
Bibliografía 59
Apéndice A: Metodología 62
Apéndice B: Resultados del Método de Emparejamiento 64

5
RESUMEN EJECUTIVO
La evaluación de la intervención de Soporte Pedagógico se llevó a cabo
con financiamiento del Proyecto Fortalecimiento de la Gestión de la Educación en el
Perú (FORGE). Soporte Pedagógico (SP), implementado por la Dirección de
Educación Primaria del Ministerio de Educación del Perú, es una intervención que
busca mejorar las condiciones en el ámbito educativo que permitan disminuir el atraso
escolar y mejorar los niveles de los logros de aprendizajes esperados en las áreas
de comunicación, matemática, ciencia y ambiente, y personal social. Para lograr sus
objetivos, Soporte Pedagógico interviene en cuatro áreas: a) Fortalecimiento de
desempeños en docentes y directivos de las instituciones educativas, b) Refuerzo
escolar, c) Materiales y recursos educativos y d) Articulación con la familia y la
comunidad. En ese sentido, Soporte Pedagógico es una intervención única en
América Latina dado que no hay precedentes de un programa que se enfoque
simultáneamente en las cuatro líneas de intervención. Hasta el año 2015, SP se
implementó solo en instituciones educativas públicas polidocentes completas de
educación primaria ubicadas en zonas urbanas.
El presente estudio evaluó el impacto de SP después de poco menos de un año
de implementación utilizando exclusivamente datos de fuentes secundarias
recogidas por el Ministerio de Educación. Específicamente, se usaron datos
históricos sobre el logro de los aprendizajes de los alumnos de segundo grado de
primaria en las áreas de comprensión lectora y matemática recogidos a través de
la Evaluación Censal de Estudiantes (ECE). Asimismo, se usaron datos
históricos del Censo Escolar. Para estimar los efectos de la intervención de
Soporte Pedagógico empleamos los métodos cuasi-experimentales de
Comparative Interrupted Time Series (CITS) y de Diferencia en Diferencias (DiD),
combinado con una estrategia de emparejamiento
o propensity score matching con estratificación geográfica. La combinación de la
técnica de emparejamiento con los modelos de CITS y DiD permitió incrementar la
comparabilidad de los dos grupos en torno de variables observables y no observables
que no cambian en el tiempo dado que las mismas escuelas fueron analizadas a
través del tiempo. El modelo CITS utilizó varios años de información histórica de
rendimiento académico, lo cual permitió no solo controlar por las diferencias en medias
a través del tiempo, sino también por las diferencias en trayectorias (o pendientes)
entre los grupos de intervención y comparación. Como resultado, las estimaciones
de impacto presentadas en este estudio se presumen no sesgadas de los efectos de
la intervención de SP. No obstante, dado el carácter cuasi-experimental del estudio,

6
se hicieron varias pruebas de robustez para determinar la estabilidad y consistencia
de los efectos encontrados.
Los resultados de este estudio sugieren que el programa de SP, después de poco
menos de un año de imperfecta implementación, logró mejorar los resultados de
rendimiento académico de los estudiantes intervenidos. Es decir, los estudiantes de
segundo grado de primaria que fueron intervenidos obtuvieron puntajes más altos en
matemática y comprensión lectora que sus contrapartes del grupo de comparación
en la Evaluación Censal Escolar. El tamaño del efecto es de aproximadamente 0.1
desviaciones estándar para comprensión lectora, y de 0.09 desviaciones estándar
para matemática.
Los resultados también indican que Soporte Pedagógico tuvo un mayor impacto en
aquellos estudiantes que se encontraban en el nivel de logro más bajo o nivel “en
inicio” de las pruebas de la ECE; es decir, el programa parece estar ayudando más a
aquellos estudiantes que tienen los puntajes más bajos de desempeño académico.
El tamaño de estos efectos, si bien son modestos en términos absolutos, son
estadísticamente significativos. Estos resultados son encontrados en un contexto en
el que SP no logró implementarse con fidelidad y de acuerdo a lo planeado. Asimismo,
cabe resaltar que el programa se implementó en un entorno muy heterogéneo: en 16
regiones y en escuelas polidocentes completas y urbanas, es decir, en las escuelas
más grandes y por tanto complejas del país.
Cuando comparamos los resultados de este estudio con otros estudios internacionales
realizados en países de mediano y bajo ingreso, observamos que están en el rango
encontradoenotrosprogramasconcomponentessimilares.Porejemplo,enuna revisión
sistemática de la literatura realizada por el International Initiative for Impact Evaluation
(Snilstveit et al., 2015) encontraron que el efecto promedio para intervenciones que
desarrollan nuevos enfoques de enseñanza (mediante acompañamiento al docente,
materiales instructivos y programación escolar) era de 0.23 desviaciones estándar en
lenguaje y 0.14 desviaciones estándar en matemática. Además, este estudio reporta un
efecto promedio similar a 0.04 en lenguaje, y 0.16 en matemática para intervenciones
que intervienen en varios componentes educativos o “programas multinivel” (Snilstveit
et al., 2015).
Este estudio también investigó la heterogeneidad de los efectos encontrados al nivel
de implementación de dos componentes del programa, tales como el porcentaje de
docentes fortaleza y de acompañantes pedagógicos contratados antes de la primera
mitad del año escolar. Específicamente, investigamos si el efecto de SP era mayor

7
en las unidades ejecutoras en donde más del 90 por ciento de dichas contrataciones
se habían realizado antes de mediados del año escolar (o mes de julio de 2015).
No obstante, no encontramos diferencias notables en comparación con los efectos
obtenidos con toda la muestra. De igual modo, tampoco encontramos diferencias
significativas al investigar los efectos del programa entre aquellas escuelas de unidades
ejecutoras que a julio de 2015 habían implementado el programa al 100%. Es decir,
aun cuando se restringió la muestra a las escuelas intervenidas con “alto” nivel de
implementación (y sus escuelas emparejadas), el tamaño del efecto encontrado fue
de aproximadamente 0.10 desviaciones estándar para comprensión y matemática,
respectivamente. Estos efectos son muy similares a los obtenidos con toda la muestra
analítica.
Estos resultados se podrían explicar, en parte, por la poca variabilidad que existía en las
escuelas intervenidas entorno a los dos indicadores “próximos” de implementación del
programa. Pero también estos resultados podrían estar sugiriendo que la contratación
del personal clave del programa es tan solo uno de los muchos componentes o pasos
necesarios para implementar el programa con fidelidad. Por ejemplo, si bien el personal
clave pudo haberse contratado a tiempo, tal vez no recibió suficiente capacitación para
ejercer las labores del programa; o tal vez sí se dieron suficientes capacitaciones, pero
los docentes necesitaban más práctica y retroalimentación para realizar su labor de
acuerdo a lo planeado por la intervención.

8
INTRODUCCIÓN
Este informe describe los resultados de la evaluación de impacto de la intervención
de Soporte Pedagógico del Ministerio de Educación del Perú. Esta intervención tiene
como objetivo mejorar la calidad del servicio educativo brindado en las escuelas
polidocentes públicas de primaria para mejorar los niveles de aprendizaje de los
estudiantes. Para lograr sus objetivos, Soporte Pedagógico interviene en cuatro
áreas: a) Fortalecimiento de desempeños en docentes y directivos de las instituciones
educativas, b) Refuerzo escolar, c) Materiales y recursos educativos y d) Articulación
con la familia y la comunidad.
Esta evaluación es un estudio de carácter cuasi-experimental que hace uso exclusivo
de datos secundarios recogidos por el Ministerio de Educación. El estudio emplea
los modelos de Comparative Interrupted Time Series y de Diferencia en Diferencias,
en combinación con una estrategia de emparejamiento de escuelas para estimar el
impacto de Soporte Pedagógico. La combinación de la técnica de emparejamiento
con los modelos de CITS y DiD, y el uso de datos históricos y longitudinales, permitió
incrementar la comparabilidad de los dos grupos antes de la introducción del
programa. La comparabilidad entre los grupos de intervención y comparación fue
lograda en términos de características observables y no observables que no cambian
en el tiempo, dado que las mismas escuelas fueron analizadas y comparadas a
través del tiempo. Asimismo, se logró la comparabilidad de los grupos no solo
en los niveles medios de diferentes variables, sino también en las trayectorias (o
pendientes) de rendimiento de los dos grupos. Como resultado, las estimaciones
de impacto presentadas en este estudio se presumen no sesgadas de los efectos
del programa de SP. No obstante, dado el carácter cuasi-experimental del estudio,
se hicieron pruebas de robustez para determinar la estabilidad y consistencia de los
efectos encontrados.
Los resultados presentados en este informe se basan en datos anuales e históricos
recogidos de las escuelas desde el año 2009 usando fuentes secundarias recogidas
por el MINEDU como la Evaluación Censal Escolar y el Censo Escolar. Estas bases
incluyen una serie de variables tales como el rendimiento académico de los estudiantes
en matemática y comprensión lectora, datos de la escuela, de su infraestructura, de
los materiales recibidos, entre otros. El Programa de SP comenzó las actividades de
implementación en julio de 2014. Los datos de rendimiento que se levantaron después
de iniciado el programa se recogieron en el mes de noviembre de 2014 y 2015.
Tal como se detalla a continuación, esta evaluación encontró que el programa SP mejoró

9
los resultados de comprensión lectora y matemática de los estudiantes de segundo
grado de primaria. Estos impactos son de un tamaño modesto pero estadísticamente
significativo y en el rango de los efectos encontrados en otros programas educativos
con componentes similares.
Dado que la intervención de Soporte Pedagógico se evaluó tan solo después de
poco menos de un año de su introdución en diferentes regiones y escuelas del Perú,
concluimos que esta intervención tiene el potencial de mejorar los rendimientos de los
estudiantes en el mediano plazo. No obstante, dada la complejidad de la intervención
será importante que el MINEDU desarrolle mecanismos eficientes de monitoreo de las
actividades del programa, y se establezcan procesos claros para poder actuar sobre las
dificultades y desafíos que se encuentren en el camino, tanto en las escuelas como en
las unidades ejecutoras.
Marco conceptual
En el Perú, los niños y niñas que asisten a la escuela primaria se encuentran
generalmente entre los 6 y 11 años. En 2014, el 93.2 por ciento de niños y niñas en
esta franja de edades asiste a una escuela de educación primaria (UNICEF, 2014). A
inicios del año 2015, este grupo era equivalente a 3 millones y medio de estudiantes
distribuidos en diferentes ámbitos geográficos (urbano y rurales), instituciones
educativas con diferentes número de docentes (polidocente completa, polidocente
incompleta, o multigrado, y unidocente), modalidad (educación básica regular y básica
especial) y tipo de gestión (pública de gestión directa, publica de gestión privada, y
de gestión privada). Los estudiantes de primaria están distribuidos en seis grados,
y la mayor proporción de estudiantes de primaria están matriculados en instituciones
educativas polidocentes completas (77 por ciento).
Según el Ministerio de Educación (2015a), en el Perú un 6.5 por ciento de los
niños y niñas que están matriculados en la educación primaria asiste a un grado
inferior al que le corresponde para su edad. Sin embargo, mientras que en las
zonas urbanas el porcentaje de atraso escolar es 4.4 por ciento, los niños y niñas
en zonas rurales tienen un atraso del 14.8 por ciento. Esta brecha también se
manifiesta en la edad de culminación de primaria: un 88.3 por ciento de las niñas
y niños termina la primaria entre los 12 y 13 años, comparado con un 68.6 por
ciento en las zonas rurales. El atraso también es mucho mayor para estudiantes
de lengua materna indígena: un 16.3 por ciento, frente a un 5.7 por ciento entre
los estudiantes que tienen el español como lengua materna. Entre los niños que

10
tienen una lengua amazónica como primer idioma, el atraso está por encima del
20 por ciento.
Asimismo, los resultados de la ECE en matemática y comprensión lectora muestran
una mejora a través del tiempo, especialmente en el año 2014: si bien de 2012 a
2013 los resultados en compresión lectora y matemática aumentaron 2.1 y 4.1 puntos,
de 2013 a 2014 estas mismas pruebas aumentaron 10.5 y 9.1 puntos porcentuales,
respectivamente. Sin embargo, esto equivale a que en 2014 solo el 48.4 por ciento de
los estudiantes de instituciones educativas polidocentes alcanzó el nivel más alto o
satisfactorio1
de aprendizaje en comprensión lectora; y solo el 28,7 por ciento lo hizo
en matemática (Resultados Evaluación Censal, 2014).
En este contexto, el Ministerio de Educación del Perú, mediante la Dirección de
Educación Primaria, implementó la intervención de Soporte Pedagógico con el
objetivo de brindar apoyo técnico pedagógico a las instituciones educativas primarias
polidocentes completas de zonas urbanas. La intervención espera movilizar
estrategias metodológicas que garanticen la atención a la diversidad y el uso de las
herramientas curriculares y pedagógicas de manera efectiva, y así mejorar la calidad
de los aprendizajes y lograr que un mayor porcentaje de estudiantes alcance mejores
resultados.
El presente estudio tiene el objetivo principal de evaluar el impacto de Soporte
Pedagógico sobre los niveles de logro de aprendizaje en las áreas de comprensión
lectora y matemática de segundo grado de primaria.
Organización del documento
El documento presenta a continuación la descripción del programa de Soporte
Pedagógico (Capítulo 2), seguido por la revisión de la literatura (Capítulo 3), los
objetivos y preguntas de investigación (Capítulo 4) y la metodología del estudio
(Capítulo 5). El capítulo 6 presenta los resultados de este estudio y los análisis de
robustez. Finalmente, este reporte concluye discutiendo los resultados de la evaluación
de impacto en el Capítulo 7 y con algunas consideraciones finales en el Capítulo 8.
1 La prueba diseñada por la Oficina de la Medición de la Calidad de los Aprendizajes del MINEDU cuen-
ta con 3 posibles niveles de logros de aprendizaje: en inicio (no lograron los aprendizajes esperados),
en proceso (no lograron los aprendizajes esperados pero están en proceso de lograrlo) y satisfactorio
(lograron los aprendizajes esperados).

11
2. DESCRIPCIÓN DE SOPORTE PEDAGÓGICO
Soporte Pedagógico es una estrategia de apoyo integral a las instituciones educativas
públicas polidocentes completas de educación primaria y de zonas urbanas. La
intervención tiene como finalidad generar condiciones en el ámbito educativo que
permitan disminuir el atraso escolar, y mejorar los niveles de aprendizaje en las áreas
de comunicación, matemática, ciencia y ambiente, personal social. SP se define como
una intervención que involucra un conjunto de actividades y procesos que fomentan la
interacción entre los docentes, directivos, padres y madres de familia, y demás actores
de la comunidad educativa para resolver problemas que incidan en la mejora de los
aprendizajes de los estudiantes. Estas acciones han sido diseñadas en concordancia
con los lineamientos de política curricular vigente y el marco del buen desempeño
docente y del directivo.
Específicamente, SP busca el logro de cuatro objetivos2
relacionados con los docentes,
el equipo directivo, los padres de familia y la comunidad:
• Promover el adecuado desempeño pedagógico del docente que incida
favorablemente en el desarrollo de las competencias de los estudiantes.
• Fortalecer prácticas de liderazgo pedagógico para la gestión escolar por parte
de los directivos; articulada a la mejora de los desempeños docentes y el
desarrollo de competencias en los estudiantes.
• Involucrar a los padres de familia en el acompañamiento y apoyo al proceso de
aprendizaje de sus hijos e hijas.
• Brindar a los estudiantes atención a través de las jornadas y encuentros con
padres en relación con los aprendizajes logrados durante el grado.
Para lograr dichos objetivos, Soporte Pedagógico cuenta con cuatro distintas líneas
de intervención que involucran a los docentes y directivos, estudiantes, los padres
de familia y los miembros de la comunidad. Las cuatro líneas de intervención son
las siguientes:
2 De acuerdo a la RSG N° 007-2015-MINEDU.

12
1. Fortalecimiento de desempeños en docentes y directivos de la institución
educativa
Esta línea busca generar espacios formativos y de motivación, mediante los
cuales se pueda fortalecer el desempeño profesional del docente y de los
directivos, teniendo en cuenta los enfoques pedagógicos, las capacidades
socio-afectivas, las estrategias de aprendizaje, los recursos educativos,
evaluación, y la gestión de aprendizaje. Adicionalmente, esta línea promueve
la coordinación y supervisión de los equipos directivos en las instituciones
educativas, para que verifiquen y orienten el desarrollo adecuado de los
procesos pedagógicos, y el uso oportuno de recursos empleados en el aula con
el objetivo de mejorar los aprendizajes de los estudiantes. Estas actividades se
desarrollan a través de: a) capacitaciones y talleres para docentes, los cuales
buscan fortalecer el desempeño profesional de los docentes sobre la base de
la identificación de necesidades pedagógicas, replicando las innovaciones
y buenas prácticas pedagógicas; b) acompañamiento pedagógico, el cual
consiste en el desarrollo de una secuencia de acciones que busca fortalecer
las competencias pedagógicas de los docentes, y promover el logro de los
aprendizajes; c) grupos de interaprendizaje, que son espacios de aprendizaje
que buscan generar reflexión colectiva en la institución educativa. En estos
grupos se busca plantear propuestas y alternativas para mejorar el desempeño
docente y fortalecer las capacidades pedagógicas de los directivos en
comunicación, matemática, ciencia y ambiente, y personal social; d) programas
de actualización en didáctica para docentes, los cuales constan de al menos
400 horas lectivas que permiten una certificación progresiva y la obtención de
un diploma de actualización; y e) asesoramiento virtual, el cual consiste en un
servicio de consulta permanente en línea con el objetivo de asesorar sobre
aspectos pedagógicos y de gestión.
2. Refuerzo escolar
El refuerzo está dirigido a estudiantes de primero, segundo y tercer grado
de primaria que muestran retraso para alcanzar el nivel de logro óptimo en
matemática y/o comunicación de acuerdo al grado que cursan. Esta línea de
intervención considera un conjunto de actividades y estrategias pedagógicas
para desarrollar las competencias específicas que requieren mayor
acompañamiento para ser alcanzadas. Las sesiones de aprendizaje tienen
una duración de 60 minutos, y se ofrecen a grupos con un máximo de seis

13
estudiantes después del horario oficial de clase. La implementación de refuerzo
escolar está a cargo del docente fortaleza, el cual debe realizar las siguientes
actividades: a) coordinación para la implementación de la línea de acción con el
director y docente de aula; b) la identificación de los estudiantes que necesitan
mayor acompañamiento para el logro de las competencias en comunicación y
matemática; c) evaluación a los estudiantes sobre las competencias reforzadas;
y d) coordinación e información del nivel de avance de logros de los estudiantes
en refuerzo escolar a directivos y docentes de la institución educativa.
3. Materiales y recursos educativos
Los materiales y recursos educativos son paquetes didácticos y de ayuda a la
labor pedagógica destinados a los docentes, directivos, estudiantes y padres
de familia. Para los docentes, estos paquetes didácticos incluyen unidades y
sesiones de aprendizaje, rutas de aprendizaje, y el kit de evaluación de segundo
y cuarto grado. Para los estudiantes, estos materiales incluyen cuadernos de
trabajo, textos escolares y kit de útiles escolares. Para el aula, estos materiales
son entregados en la forma de bibliotecas de aula, material concreto de las
áreas curriculares de comunicación, matemática, personal social y ciencia y
ambiente. Finalmente, para los padres de familia, estos paquetes incluyen guía
de padres de familia, fascículos y material concreto para orientar aprendizajes
de los hijos e hijas.
4. Articulación con la familia y la comunidad
Esta línea de acción tiene como objetivo promover la interacción de la
comunidad y la familia en torno a actividades que generen condiciones para
los aprendizajes deseados en los estudiantes. Para lograr estos objetivos se
establecen las siguientes actividades: a) jornadas con padres y madres de
familia. Son talleres lúdicos, reflexivos y de intercambio de experiencias donde
se brindan estrategias y orientaciones para que los padres puedan acompañar
los aprendizajes de sus hijos en situaciones cotidianas; b) encuentros familiares
de aprendizaje. Son talleres dirigidos a todas las familias de primero, segundo
y tercer grado de primaria en los cuales los padres de familia e hijos pueden
compartir, divertirse y aprender; c) finalmente, esta línea de intervención
involucra actividades que fomentan la participación comunitaria con el objetivo
de establecer vínculos entre la escuela y la comunidad con miras a mejorar el
logro de los aprendizajes en los estudiantes.

14
Teoría de cambio
La evaluación de impacto está basada en la teoría de cambio de la intervención que
presentamos en la Figura 1. La teoría de cambio resume de manera simplificada la
secuencia lógica de eventos que en principio deberían ocurrir para que se logre el
objetivo final de esta intervención, que es la mejora del rendimiento académico de los
estudiantes. En primer lugar, la teoría de cambio presenta las condiciones iniciales, es
decir, la situación educativa de los estudiantes de primaria de escuelas polidocentes
completas de zonas urbanas que motivaron el surgimiento de la intervención. En
segundo lugar se presentan las cuatro líneas que Soporte Pedagógico interviene
directamente y describe brevemente cada una de esas líneas. Tercero, la teoría
de cambio describe lo que comúnmente se denominan “outputs” o, en este caso,
resultados de implementación, que representan la realización de las actividades de la
intervención, es decir, las actividades que deberían ocurrir para que el programa se
implemente con fidelidad. En cuarto lugar se presentan los resultados intermedios, o
resultados que deberían ocurrir de acuerdo a esta intervención, para que mejoren el
rendimiento académico y se reduzca el atraso escolar. En este caso, los resultados
intermedios están relacionados a la mejora de las condiciones en el ámbito educativo.
Finalmente, y en quinto lugar, la teoría de cambio presenta los resultados finales que
esta intervención busca alcanzar.

15
Figura1.TeoríadecambiodelaintervencióndeSoportePedagógico
CONDICIONESINICIALESACTIVIDADES
RESULTADOSDE
IMPLEMENTACIÓN
RESULTADOSFINALES
1.Fortalecimientode
desempeñosendocentesy
directivos
•Talleresycapacitación
•Acompañamientoymonitoreo
pedagógico
•Gruposdeinteraprendizaje
paradocentes
•Soportevirtual
2.Refuerzoescolar
•Refuerzoescolarpara
estudiantesquenoalcanzan
aprendizajesesperados
3.Materialesyrecursos
educativos
•Distribuciónyusode
materialeseducativos
4.Articulaciónconlafamiliayla
comunidad
•Jornadasconpadresymadres
defamilia
•Encuentrosfamiliaresde
aprendizaje
•Participacióncomunitaria
•20%delosniños6-11años
matriculadosenprimariaasiste
aungradoinferioralquele
corresponde
•Incidenciadeatrasoescolaren
zonasurbanases13%yenzonas
deextremapobreza35%
•37%delosestudiantesde
escuelaspolidocentesalcanzó
nivelsatisfactorioen
comprensiónlectoray19%lo
hizoenmatemática(ECE2013)
•Losestudiantesyescuelasno
logranaprendizajespertinentes
ydecalidad
•Eldocentenotieneelsoporte
pedagógiconecesariopara
mejorarlosaprendizajesdelos
estudiantes
•Lasescuelasnotienenmetas
clarasdeaprendizaje
1.Fortalecimientode
desempeñosendocentesy
directivos
•Docentes/directivosson
capacitados
•Docentes/directivosreciben
acompañamientopedagógico
•Seestablecengruposdeinter-
aprendizaje
•Docentes/directivosreciben
soportevirtual
2.Refuerzoescolar
•Estudiantesconrendimiento
bajorecibenrefuerzoescolar
3.Materialesyrecursos
educativos
•Usuariosrecibenyusan
materialesyrecursos
educativos
4.Articulaciónconlafamiliayla
comunidad
•Serealizanjornadasy
encuentrosdeaprendizajecon
padres/madresdefamilia
•Sefomentalaparticipación
comunitaria
Mejoranlosnivelesde
aprendizajeen:
•Comunicaciónintegral
•Matemática
•Cienciayambiente
•Personal-social
Sereduceelatrasoescolar
•Docentes/directivosadquieren
nuevosconocimientosy
habilidades
•Docentesmejoranprácticas
pedagógicas
•Equipodirectivopromueve
climafavorable
•Nuevasprácticas,materiales,y
refuerzoescolarllevanquelos
estudiantesadquierannuevas
capacidadesytenganun
comportamientomás
conducentehaciael
aprendizaje
•Padresadquierenmayor
informaciónsobreaspectosque
conllevanamejorarel
aprendizajedesushijos
RESULTADOSINTERMEDIOS
IMPLEMENTACIÓNDELPROGRAMACONTEXTORESULTADOS

16
Criterios de focalización de Soporte Pedagógico
Soporte Pedagógico inició actividades aproximadamente en julio de 2014. En este
primer año, el programa se focalizó en escuelas primarias, públicas, polidocentes
completas, y urbanas de 10 regiones del país. Estas escuelas fueron escogidas de
manera que cumplan con la condición de haber participado en la Evaluación Censal
de Estudiantes durante los años 2011, 2012 y 2013. Asimismo, se seleccionaron
las regiones que mostraban una mejora continua en el resultado promedio de esos
tres años (variación positiva en puntajes promedio), pero que todavía tenían una
proporción moderada de alumnos en el nivel “no satisfactorio” que se encuentre en
los siguientes rangos: que tengan aproximadamente entre 15% y 30% de los alumnos
en el nivel “no satisfactorio” en comunicación, y entre 40% y 60% en matemática.
Sin embargo, estos criterios no fueron exclusivos, y también se usaron otros criterios
adicionales, de carácter político y administrativo, para asignar escuelas al programa.
Por ejemplo, se agregó Lima Metropolitana por ser una región atípica y con alta
concentración de estudiantes; se incorporó San Martín, dado que SP coincidía con
el plan estratégico de la región; Huancavelica y Apurímac, por ser zonas con altos
índices de pobreza; Loreto y Ucayali, por factores institucionales; y Piura, por factores
políticos.
En el segundo periodo o año 2015 se agregaron nuevas escuelas al programa en
siete de las regiones intervenidas en 2014 (Apurímac, Ayacucho, Cusco, Cajamarca,
Huancavelica, Lima Metropolitana, Loreto, Piura). Asimismo, se agregaron cuatro
regiones: Ica, La Libertad, Lambayeque y Lima Provincias por ser regiones con
alta población de estudiantes y docentes en zonas urbanas, y porque presentaban
condiciones políticas favorables para la coordinación e implementación del programa.3
Finalmente, aproximadamente en agosto de 2015, se incorporó la UGEL de Islay del
departamento de Arequipa a solicitud de esta región.
Si bien el programa priorizó escuelas polidocentes completas, urbanas, públicas,
también incorporó algunas escuelas rurales y polidocentes multigrado. En su gran
mayoría estas escuelas fueron agregadas a solicitud de las mismas regiones y en
reemplazo a otras escuelas propuestas inicialmente por el programa.4
En total, el número de escuelas intervenidas en 2015 asciende a 3,180. La Tabla 1
presenta la distribución del número de escuelas intervenidas por región y por año. De
las 3,180 escuelas intervenidas, 3,006 (94.5%) correspondían a escuelas urbanas y
3 La región de Madre de Dios no estaba prevista inicialmente para formar parte del programa, pero fue
incorporada a partir de una solicitud directa de la región.
4 De acuerdo a la base de focalización de Soporte Pedagógico, en 2014 se intervinieron 22 escuelas
rurales, mientras que en 2015 se intervinieron 82 escuelas rurales.

17
polidocentes completas.
En el 2015, las escuelas con SP representaban aproximadamente el 23 por ciento
de las escuelas polidocentes completas, el 20 por ciento de las escuelas urbanas y
aproximadamente el 12 por ciento de las escuelas públicas del Perú.
Tabla 1.
Número de escuelas beneficiarias de Soporte Pedagógico
por año de inserción al programa5

Número de escuelas beneficiarias de
Soporte Pedagógico según año de
inserción
Departamento 2014 2015
Apurímac 43 138
Arequipa 0 17
Ayacucho 57 207
Cajamarca 89 221
Callao 2 2
Cusco 103 256
Huancavelica 26 91
Ica 0 115
La Libertad 0 222
Lambayeque 0 114
Lima 702 1,073
Loreto 119 205
Madre de Dios 0 31
Piura 50 327
San Martín 104 116
Ucayali 33 45
Total 1328 3180
Fuente. Base de focalización de Soporte Pedagógico.
5 Los datos presentados en esta tabla se obtuvieron directamente de la base de focalización de Soporte
Pedagógico entregada a los investigadores.

18
3. REVISIÓN DE LA LITERATURA
La intervención de Soporte Pedagógico es única en América Latina, ya que no hay
precedentes de una intervención que se enfoque simultáneamente en las cuatro
líneas de intervención. A diferencia de SP, la mayor parte de los programas de mejora
educativa en la región se han enfocado en una o dos de estas líneas de intervención.
Por lo tanto, esta evaluación contribuye a la literatura al generar evidencias sobre el
impacto de corto plazo de intervenir varias áreas de la educación primaria sobre el
rendimiento académico de los estudiantes.
No obstante, sí existen evidencias sobre la efectividad de las líneas de intervención de
SP por separado. En general, la evidencia sobre la efectividad de intervenir algunas
de las líneas de intervención es mixta y procede principalmente de países fuera de
América Latina. A pesar de que existen muchos programas en la región que tratan
áreas similares a los componentes de SP, la mayor parte de ellos no ha sido sometida
a una evaluación rigurosa (Villegas-Reimers, 1998; Navarro & Verdisco, 2000).
La investigación cuantitativa generalmente no ha detectado impactos positivos de
programas de capacitación de docentes en el aprendizaje de los estudiantes (Chingos
& Peterson, 2011), aunque evidencia más reciente ha cuestionado esta conclusión
(Boyd et al., 2009). Según el Banco Mundial, muchos programas de desarrollo de
los docentes no son efectivos porque no están bien diseñados ni integrados con el
trabajo del profesor (Devarajan & Reinikka, 2003). Por ejemplo, Jacob y Lefgren
(2002) evaluaron un programa de desarrollo del profesorado en escuelas con bajo
rendimiento en Estados Unidos, y concluyeron que el programa no tuvo ningún efecto
positivo significativo en los resultados de los alumnos. Estas conclusiones fueron
robustas usando diferentes modelos de estimación y no se encontraron diferencias
entre capacidad, género, raza o situación económica. Los autores atribuyeron la falta
de resultados en parte a la falta de estructura en la capacitación de los docentes.
Chingos y Peterson (2011) sugieren que una dificultad de evaluar la efectividad de
estos programas en conjunto es que son muy diferentes entre sí. Según explican
estos investigadores, es posible que la efectividad de estos programas dependa de su
estructura y contenidos. Por tanto, podría haber programas que sí sean muy efectivos,
aunque no se detecte un impacto sistemático de los programas de capacitación.
Boyd et al. (2009) evaluaron 31 programas de desarrollo de profesores de primaria en
Nueva York, y sus resultados dan apoyo a esta hipótesis: los autores concluyeron que
hay variación significativa en la efectividad de estos programas. Según los autores, los

19
resultados dependen de si la preparación está directamente vinculada a la práctica de
la enseñanza. Por ejemplo, aquellos programas que enfatizan tener más supervisión
de las prácticas de enseñanza proporcionan docentes que son mucho más productivos
durante su primer año de trabajo. Los efectos son significativos, con una magnitud de
efecto similar a la del primer año de experiencia como profesor. Los autores también
encontraron evidencia de que los programas que enfatizan contenidos en matemática
tienen resultados, aunque estos no son visibles hasta el segundo año de instrucción.
Parece ser que aquellos maestros con buena preparación en cuestiones del día a
día son relativamente más eficaces en su primer año, mientras que aquellos con un
conocimiento fuerte del contenido son capaces de hacer uso de ese conocimiento
durante su segundo año.
En cuanto a la línea de intervención de Refuerzo Escolar de Soporte Pedagógico, la
investigación cuantitativa indica que estos programas pueden ser efectivos, aunque los
efectos generalmente son moderados. Por ejemplo, Lavy y Schlosser (2004) evaluaron
un programa en Israel que proporciona instrucción adicional para los estudiantes de
bajo rendimiento. El programa tenía como objetivo preparar a los estudiantes para
exámenes de matrícula. Para estimar el efecto del programa, se utilizaron escuelas
de comparación con características similares que habían sido seleccionadas para
llevar a cabo el programa más adelante. Los resultados fueron que el programa
aumentó en algo más de tres puntos porcentuales la tasa de matriculación. A pesar
de estos resultados, los autores concluyeron que este tipo de intervención es menos
rentable que programas basados en incentivos para estudiantes y docentes. Cantrell
et al. (2013) también encontraron resultados moderados en un programa de refuerzo
en lectura para adolescentes con poca motivación y bajo rendimiento en Estados
Unidos. La intervención se ofreció a estudiantes de sexto y noveno grado, y se hizo
un seguimiento de sus resultados durante cuatro años. Para estimar la efectividad del
programa también se hizo un seguimiento de dos grupos de control (uno para sexto
grado y otro para noveno) durante ese periodo de tiempo. Los resultados mostraron
efectos positivos de la intervención de lectura en los alumnos de noveno grado, pero
no en los de sexto grado.
Banerjee et al. (2007) encontraron resultados más fuertes en dos experimentos
realizados en las escuelas en zonas urbanas de la India. El primer programa de
educación contrató a mujeres jóvenes para enseñar a los estudiantes con retraso en
habilidades básicas de lectura, escritura y aritmética. Como resultado del programa, el
puntaje promedio de los niños en las escuelas intervenidas aumentó 0.28 desviaciones
estándar.Además, el efecto fue especialmente pronunciado en los niños con resultados
de aprendizaje más bajos. La segunda intervención fue un programa de aprendizaje de

20
matemática por computadora. El programa aumentó las calificaciones de matemática
en 0.47 desviaciones estándar. Un año después de que los programas finalizaran, las
ganancias iniciales se mantuvieron significativas para los niños intervenidos, aunque
el efecto se redujo hasta 0.10 desviaciones estándar.
Otra línea de investigación que sugiere que los programas de refuerzo pueden ser
efectivos son los estudios que muestran la efectividad de programas con instrucción
adaptada al ritmo de aprendizaje de los alumnos. Un ejemplo de este tipo de programa
es el Programa de Educación Integrada (IEP), un programa de lectura para niños
de primaria en Sudáfrica (Piper, 2009). El IEP es un programa de formación de
docentes pero, a diferencia de otras intervenciones, es un programa de instrucción
adaptada a la velocidad de aprendizaje de los estudiantes. Para llevar esto a cabo,
los estudiantes tienen que tomar un examen al principio del programa, y se enseña a
los profesores a cómo evaluar el progreso de los alumnos y a cómo enseñarles según
sus capacidades. Los resultados de la intervención mostraron que los niños en el
grupo de intervención aprendieron a leer dos a tres veces más rápido que los niños
de las escuelas de control. La magnitud de los efectos del programa es coherente
con otros estudios que indican que la adaptabilidad en la instrucción es clave para
hacer que los programas de formación del profesorado sean eficaces. Conn (2014)
revisó un conjunto de intervenciones pedagógicas en África y encontró que, entre
las intervenciones enfocadas en la formación del profesorado, el efecto medio de los
programas con instrucción adaptada al ritmo de aprendizaje de los estudiantes fue de
0.42 desviaciones estándar, mientras que aquellos sin este tipo de enseñanza tuvieron
un efecto medio de 0.12 desviaciones estándar.
Los resultados de intervenciones basadas en la tercera línea de acción de Soporte
Pedagógico, la entrega de materiales y recursos educativos, no han demostrado hasta
ahora ser eficaces. Por ejemplo, una evaluación aleatoria llevada a cabo por Glewwe
et al. (2002) en zonas rurales de Kenia encontró que proporcionar libros de texto no
mejora el promedio de las pruebas. Aunque la intervención sí mejoró los resultados de
los que ya eran buenos estudiantes, tuvo muy poco efecto en el resto del alumnado. Sin
embargo, este estudio contaba con algunas limitaciones importantes, concretamente a)
los libros de texto estaban escritos en inglés, que era la tercera lengua para la mayoría
de los estudiantes, y b) el plan de estudios en Kenia está orientado principalmente hacia
los estudiantes académicamente fuertes, lo que dificulta que programas diseñados
para el resto de los estudiantes sean efectivos.
En cuanto al aumento de la autonomía en las decisiones de las escuelas, parece
también tener una efectividad que varía caso por caso. Hanushek et al. (2012), en un
estudio con datos de las pruebas PISA que incluía 42 países y datos del año 2000 al

21
año 2009, encontraron que los efectos de la autonomía escolar son positivos en países
desarrollados y negativos en países en vías de desarrollo. Los autores encontraron que
estos efectos son robustos con diferentes estimaciones empíricas. Además, el hallazgo
de la interacción entre nivel de desarrollo e impacto de la autonomía se manifiesta en
los resultados de los estudiantes en matemática, lectura y ciencias.Adiferencia de King
y Özler (1998), los autores concluyeron que el aspecto de la autonomía escolar que
más importa es la decisión de los contenidos académicos. Aunque las decisiones del
personal y la autonomía presupuestaria también son relevantes, según Hanushek et al.
(2012) estos aspectos guardan menos relación con el aprendizaje de los estudiantes.
Sin embargo, King y Özler (1998) sí encontraron efectos positivos en su estudio sobre
la reforma educativa de Nicaragua a principios de los años 90, la cual tenía como
objetivo trasladar más poder de gestión a las escuelas. Los resultados mostraron que
el rendimiento de los estudiantes tiene una relación positiva con el grado de autonomía
en la toma de decisiones de la escuela. Según los autores, este efecto es especialmente
fuerte en aquellas escuelas con poder de decisión sobre la elección de sus docentes
y el monitoreo de los mismos.
Un mecanismo que puede explicar por qué una mayor autonomía de las escuelas puede
ser efectiva es el hecho de que involucrar a padres y miembros de la comunidad puede
aumentar la rendición de cuentas de los profesores. Un ejemplo de una intervención
de este tipo es el programa Early Grade Reading Assessment Plus, un programa de
lectura para niños de primaria (Piper & Korda, 2010). La intervención creó dos tipos
diferentes de grupos de tratamiento para diferenciar los efectos de la capacitación y los
efectos de aumentar la responsabilidad de los profesores. En el grupo de tratamiento
“completo”, los maestros obtuvieron capacitación y se les hizo responsables de los
resultados de sus estudiantes. Para llevar esta última parte a cabo, se facilitó a los
padres datos del rendimiento de los estudiantes. En el grupo de tratamiento “parcial”,
también se hizo responsables a los maestros de los resultados de sus alumnos,
pero no hubo componente de capacitación. Los resultados del programa mostraron
que los estudiantes en el grupo de tratamiento completo tenían puntuaciones más
altas en todas las habilidades de lectura que sus homólogos en los otros grupos. Sin
embargo, los estudiantes en el grupo “parcial” de tratamiento, donde el aumento de
responsabilidad de los maestros se llevó a cabo sin el componente de capacitación del
profesorado, también superaron significativamente los niños en el grupo de control.
Ambos resultados combinados sugieren que tanto la formación del profesorado y la
rendición de cuentas contribuyen a la mejora de la lectura en edad temprana. Al igual
que con la formación de profesores, otras intervenciones basadas en aumentar los
incentivos y la responsabilidad de los profesores también han encontrado resultados

22
similares (Kremer et al 2013; McEwan, 2014; Muralidharan y Sundararaman 2011;
Duflo, Hanna, y Ryan 2012).
Birte y otros autores (2015) recientemente publicaron una revisión sistemática de la
literatura en el área de educación, que tenía como objetivo sintetizar la evidencia de
los efectos de programas de educación en el acceso y el aprendizaje en países de
bajo y mediano ingreso. En esta revisión examinaron distintos tipos de programas, y
encontraron que los programas denotados como pedagogía estructurada presentaban
los efectos más grandes y consistentes sobre el aprendizaje. Las intervenciones de
pedagogía estructurada típicamente involucran el desarrollo de nuevos contenidos
enfocados en un área en particular, materiales para estudiantes y docentes, y
capacitaciones de corto plazo para docentes en la entrega de estos nuevos contenidos.
Estas intervenciones tienen como objetivo principal cambiar las prácticas pedagógicas
existentes. Los autores encontraron que para que las intervenciones de pedagogía
estructurada funcionen se necesita que ocurran varias condiciones. Por ejemplo,
que los materiales sean de suficiente calidad, que sean provistos en las cantidades
adecuadas y a tiempo en el año escolar. Las capacitaciones tienen que ser de
suficiente duración y calidad, y los docentes tienen que poder entender y apoderarse
(buy-in) de la capacitación. Asimismo, uno de los desafíos más grandes de este tipo de
intervenciones es que las metodologías y contenidos introducidos sean aplicados en
las aulas con un nivel razonable de fidelidad y por un periodo adecuado.

23
4. OBJETIVOS Y PREGUNTAS DE INVESTIGACIÓN
Objetivos del estudio
El principal objetivo de este estudio es evaluar el impacto de corto plazo de la
intervención de Soporte Pedagógico usando exclusivamente información existente y
disponible del Ministerio de Educación. Asimismo, la evaluación se llevó a cabo sin
interrumpir el proceso de implementación del programa. Bajo estas restricciones, fue
posible investigar el impacto de la intervención de SP sobre dos áreas curriculares,
comunicación integral y matemática, y en un solo grado académico, segundo grado
de primaria.
Preguntas de investigación
Este estudio pretende contestar las siguientes preguntas de investigación:
1. ¿Cuál es el impacto de Soporte Pedagógico sobre los resultados de aprendizaje
y los niveles de logro de los estudiantes de segundo grado de primaria en el área
de comprensión lectora?
2. ¿Cuál es el impacto de Soporte Pedagógico sobre los resultados de aprendizaje
y los niveles de logro de los estudiantes de segundo grado de primaria en el área
de matemática?
3. ¿Cómo varia el impacto de Soporte Pedagógico cuando solo se examinan las
escuelas con “altos niveles de implementación?

24
5. METODOLOGÍA DE LA EVALUACIÓN DE IMPACTO
Indicadores de impacto y fuentes de datos
Para contestar las preguntas de investigación usamos los siguientes indicadores de
impacto resumidos en la Tabla 2.
Tabla 2. Indicadores de impacto
Variable Indicador(es) Fuente
Para Soporte Pedagógico
1. Resultados de aprendiza-
je de los estudiantes de
segundo grado de primaria
en el área de comuni-
cación
- Puntaje promedio a nivel de es-
tudiante en comprensión lectora;
- Porcentaje de alumnos por
niveles de logro (satisfactorio, en
proceso, en inicio) en compren-
sión lectora.
Evaluación Censal de
Estudiantes, 2015
2. Resultados de aprendiza-
je de los estudiantes de
segundo grado de primaria
en el área de matemática
- Puntaje promedio a nivel de
estudiante en matemática;
- Porcentaje de alumnos por
niveles de logro (satisfactorio, en
proceso, en inicio) en matemática.
Evaluación Censal de
Estudiantes, 2015
La Evaluación Censal de Estudiantes (ECE). La ECE es una prueba estandarizada
que recoge el MINEDU todos los años en las áreas de comprensión lectora y
matemática a los alumnos de segundo grado de primaria. Esta prueba se levantadesde
el año 2007 y en principio los resultados son comparables en el tiempo.6
El enfoque
de la ECE en matemática y comprensión lectora se basa en el supuesto de que
estas competencias son habilidades esenciales para el aprendizaje de otras áreas
curriculares. La prueba de matemática incluye preguntas sobre números, relaciones
y funciones.7
Por ejemplo, la prueba podría incluir una hoja con datos sobre la
velocidad a la que pueden correr varios animales, en metros por segundo. Luego
se hacen preguntas a los estudiantes sobre la distancia que esos animales podrían
6 Las pruebas de los diferentes años se realizan con la misma tabla de especificaciones y utilizan una
técnica psicométrica llamada “equiparación” para asegurar que las pruebas de un año a otro utilicen la
misma métrica y sean comparables.
7 Si bien el plan de estudios de matemática de segundo de primaria también incluye las áreas de es-
tadística y geometría, se decidió excluirlas para reducir la extensión de la prueba, que es aplicada de
manera censal.

25
recorrer en un tiempo determinado, qué gráfica podría ser coherente con esos datos,
entre otras preguntas. Por otra parte, la prueba de comprensión lectora consiste
en preguntas de comprensión y reflexión sobre narraciones y textos de diversos
temas. Por ejemplo, la prueba podría incluir una narración sobre un empleado de una
escuela que recibe un homenaje de sus compañeros de trabajo por haber trabajado
diez años allí (Ministerio de Educación, 2015). Luego se hacen preguntas a los
estudiantes sobre las emociones del protagonista, los motivos de sus compañeros
de trabajo para hacerle el homenaje, el orden de los eventos, etcétera. Los puntajes
de las pruebas son computados usando un modelo Rasch, y tienen un índice de
confiabilidad superior al 0.80.
Los resultados de aprendizaje de los años 2011-2014 fueron usados en este
estudio para estimar las trayectorias previas a la introducción de SP y seleccionar
la muestra de escuelas para la evaluación de impacto. Mientras que los resultados
de aprendizaje de los años 2009-2015 fueron usados para la especificación de los
modelos de impacto.
El Censo Escolar. El Censo Escolar recoge información detallada sobre las
características de las escuelas, tales como su ubicación geográfica, instalaciones,
acceso a materiales escolares, matrícula, ratio alumnos-docentes, horario escolar,
etcétera. El censo se publica entre los meses de abril-mayo de cada año, y se divide
en dos partes principales: la información del local escolar y la información sobre la
matrícula, docentes y recursos de la escuela.8
Estrategia empírica
Modelo en diferencias y modelo Comparative Interrupted Time Series
Para evaluar los efectos de la intervención de Soporte Pedagógico empleamos el
método cuasi-experimental denominado Comparative Interrupted Time Series (St.
Clair, Cook & Hallberg, 2014; Somers, Zhu, Jacob, Bloom, 2013; Bloom, 2001, Bloom
1999). Con este diseño, el efecto del programa se determina al examinar si el grupo
de intervención se desvía de su trayectoria base en mayor (igual o menor) medida que
el grupo de control. El modelo en diferencias, o difference in difference (DiD), es un
8 La base de datos original está construida de tal forma que cinco variables especifican de forma única
las observaciones. El identificador único de las escuelas son las variables código modular y anexo
y la variable llamada “nroced” (número de cédula) indica el nivel educativo de la escuela (primaria,
secundaria, etc.). La variable “cuadro” indica el tipo de clasificación que se está utilizando para desglo-
sar los datos. Por ejemplo, una pregunta sobre el número de profesores en las escuelas puede estar
desglosada por género, por tipo de jornada, etc. Por último, la variable “tipdato” indica a cuál de las
categorías marcadas por el cuadro se refiere la pregunta, por ejemplo en un cuadro que desglosa por
género el tipdato indicaría si la pregunta hace referencia a hombres o a mujeres.

26
diseño más simplificado (o un caso especial) del CITS dado que el efecto del programa
se determina al examinar si el grupo de intervención se desvía de su media base en
mayor (igual o menor) medida que el grupo de control. Sin embargo, el modelo CITS
controla no solo por las diferencias en medias en varios años, sino también por las
diferencias en trayectorias (o pendientes) entre los grupos de intervención y control.
Ambos sirven como el contrafactual para evaluar las diferencias en el 2015 en vez de
solamente las diferencias de medias (Somers, Zhu, Jacob, & Bloom, 2013). Asimismo,
la rigurosidad del modelo en diferencias subyace en el supuesto que el grupo de
control provee una estimación válida de los resultados promedio contrafactual para el
grupo de tratamiento. Sin embargo, es posible que los grupos de intervención y control
tengan “tasas de maduración” (maturation rates) distintas y por tanto ese supuesto
no se cumpla.9
Este supuesto es evaluable con al menos cuatro años de rendimiento
previo a la introducción de SP.
El modelo de CITS resuelve la limitaciones del DiD al hacer uso de varios años de
rendimiento previos a la introducción del programa (años base). El CITS requiere tener
la misma prueba de rendimiento académico para dos grupos y para varios años, antes
y después de que se introduzca SP. El efecto de la intervención es estimado a través
de la comparación de las diferencias de medias y pendientes de los dos grupos antes
de que se inicie la intervención, con las diferencias de medias y pendientes después
de la introducción de la misma. Este método se ha encontrado que puede producir
estimaciones de impacto muy parecidas a métodos experimentales (St. Clair, Cook
& Hallberg, 2014). Sin embargo, no es común tener acceso a varios años de datos
históricos (antes de que se introduzca la intervención) y, por ello, el CITS no es un
modelo tan popular como el modelo en diferencias. No obstante, esto no representa
una limitación para la evaluación de SP dado que estos datos históricos existen en el
Ministerio de Educación y estuvieron disponibles para esta evaluación. La Figura 1 del
Apéndice A ilustra el modelo CITS.
El modelo CITS permite estimar las trayectorias “base” para cada escuela (o
trayectorias para el periodo previo a la introducción de la intervención o 2011-
2014); la magnitud por la cual los rendimientos académicos de las escuelas en
el año 2015 se desvían de sus trayectorias base; la desviación promedio con
respecto a la trayectoria base para los grupos de intervención y de comparación;
y, finalmente, el impacto de SP se estima como la diferencia entre la desviación
de la trayectoria base en el grupo de intervención, y la desviación de la trayectoria
base del grupo de comparación. Si la intervención de SP es efectiva, la desviación
9 Maduración o “Maturation” hace referencia a cambios temporales en el tiempo que ocurren natural-
mente aun en ausencia de la intervención.
𝛽0

27
con respecto a la trayectoria base en las escuelas del grupo de intervención será
mayor que en el grupo de comparación.10
En particular, la ecuación estimada para el CITS para la escuela j en el año t es la
siguiente:
Yjt
= β0
+ β1
Soportej
+ β2
Tendenciaj
+ β3
Soportej
XTendenciaj
+ β4
I(2015j
+
β5
Soportej
XI(2015)j + εjt
(1)
Donde:
• Soporte es una variable dicotómica que toma el valor de 1 si la escuela recibe el
programa de Soporte Pedagógico, y 0 en caso contrario.
• Tendencia: tendencia lineal antes de la implementación del programa centrada
en el año 2014 (Tendencia = Año - 2014). La tendencia lineal fue estimada con
datos de 2009 a 2014.
• Soporte X Tendencia: es la interacción entre la variable de Soporte y la tendencia
lineal.
• I(2015): es una variable dicotómica que toma el valor de 1 para el año 2015, y el
valor de 0 para los años previos.
• Soporte X I(2015): es la interacción entre la variable de Soporte y la variable
dicotómica de 2015.
Por tanto:
• 𝛽0
= media de Y para el grupo de comparación en el año 2014.
• 𝛽1
= diferencia de medias entre los grupos de Soporte y de comparación para el
año 2014.
• 𝛽0
+ 𝛽1
= media de Y para el grupo de Soporte en el año 2014.
• 𝛽2
= pendiente (Tendencia) de Y para el grupo de comparación en el periodo
previo a la introducción del programa.
• 𝛽3
= diferencia en las pendientes (Tendencia) entre el grupo de Soporte y el
grupo de comparación en el periodo previo a la introducción del programa. Este
10 Cabe resaltar que este modelo asume que los datos de rendimiento previos a la introducción de SP
representan el mejor predictor del rendimiento futuro en ausencia de cambios sistemáticos en el tiempo.
Asimismo, el modelo asume que varios años de rendimiento académico predicen mejor el promedio de
la IE futuro que una sola observación. Sin embargo, diferentes tipos de trayectorias antes de la introduc-
ción de SP pueden generar diferentes proyecciones, por lo que es muy importante determinar de manera
cuidadosa la trayectoria base antes de que se inicie SP en 2015.

28
coeficiente captura las diferencias entre las tendencias del grupo de intervención
y de comparación. Lo ideal es que este coeficiente sea igual a cero porque
indicaría que las tendencias son paralelas antes de 2015.
• 𝛽2
+ 𝛽3
= pendiente (Tendencia) de Y para el grupo de Soporte en el periodo
previo a la introducción del programa.
• 𝛽4
= desviación en el año 2015 con respecto a la tendencia del grupo de
comparación.
• 𝛽5
= diferencia entre el grupo de Soporte y el grupo de comparación en las
desviaciones con respecto a la tendencia en 2015. Este es el coeficiente que
captura el impacto del programa en el año 2015.
• 𝛽4
+ 𝛽5
= desviación en el año 2015 con respecto a la tendencia del grupo de
Soporte.
Por su parte, la ecuación estimada para el DiD para la escuela j en el año t es la
siguiente:
Yjt
= δ0
+ δ1
Soportej
+ δ4
I(2015)j
+ δ5
Soportej
XI(2015)j
+ ζjt
(2)
Es decir, el modelo de DiD es estimado a partir de tres de las cinco variables del CITS.11
La variable “Soporte” toma el valor de 1 si la escuela recibe el programa de Soporte
Pedagógico, y 0 si la escuela es del grupo de comparación. Esta variable mide la
diferencia en rendimiento académico entre el grupo de intervención y de comparación
en los años anteriores (2013-2014) a la intervención. Es decir, esta variable permite
establecer qué tan diferente era el rendimiento académico de los estudiantes de ambos
grupos. Segundo, empleamos una variable dicotómica de tiempo “I(2015)” que es igual
a 1 si las observaciones son posteriores a la intervención (i.e., las observaciones son
del año 2015) y 0 en caso contrario. Esta variable mide el cambio en el tiempo en el
rendimiento académico de los estudiantes del grupo de comparación. Si esta variable
es positiva es porque la cohorte de estudiantes de segundo de primaria en 2015 del
grupo de comparación tuvo un rendimiento mayor en la prueba de la ECE con relación
a los estudiantes de segundo de primaria de las cohortes anteriores a 2015. Por último,
el coeficiente de la interacción de las dos variables anteriores “Soporte X I(2015)”
corresponde al estimador de DiD. Esta última variable captura el efecto causal de la
intervención de SP en la medida en que estima el cambio en el tiempo en el rendimiento
académico de los estudiantes intervenidos, tras ajustar dicho cambio por lo que hubiera
sido en caso de que el programa no se hubiera implementado, es decir, por el cambio
en el tiempo en el rendimiento académico de los estudiantes del grupo de comparación.
11 Esto permite ver por qué el modelo de DiD es considerado un caso especial de CITS.

29
Sin embargo, los impactos de la intervención de SP estimados a partir de la estrategia de
DiD solo corresponden al efecto causal del programa siempre y cuando las trayectorias
de rendimiento académico de los grupos de intervención y de comparación en el periodo
previo a la introducción del programa hayan tenido un comportamiento similar a lo largo
del tiempo. Este supuesto se conoce en la literatura de evaluación de impacto como el
supuesto de tendencias paralelas. En general, este supuesto no puede ser testeado
empíricamente y representa una de las mayores limitaciones de los modelos de DiD.
No obstante, en la medida en que para esta evaluación de impacto contamos con
información histórica de rendimiento académico a partir de 2009, podemos construir
un grupo de comparación que presente una trayectoria de rendimiento académico
para el periodo anterior a la intervención que resulte muy similar a la trayectoria de
rendimiento del grupo de escuelas que recibió el programa de SP. De esta forma, se
puede garantizar que el supuesto de tendencias paralelas se cumple por construcción
y que, por tanto, los efectos estimados pueden ser interpretados como el efecto causal
del programa de SP en el rendimiento académico de los estudiantes.
La ventaja del modelo de CITS sobre el modelo de DiD estándar es que el primero
permite validar y controlar empíricamente el supuesto de tendencias paralelas.
Específicamente, el modelo CITS permite estimar dos variables adicionales de interés,
las cuales no son consideradas en el modelo de DiD. Primero, el coeficiente de la
variable “Tendencia” mide la pendiente en el periodo comprendido entre 2009 y 2014
de la variable de resultado de rendimiento (e.g., comprensión lectora) para el grupo de
comparación. Por su parte, el coeficiente de la interacción entre la variable dicotómica
de Soporte y la tendencia lineal “Soporte X Tendencia” mide si existe alguna diferencia
entre las pendientes de las trayectorias de rendimiento de los grupos de intervención
y de comparación. Esta última variable nos permite testear empíricamente el supuesto
de tendencias paralelas. Es decir, si el coeficiente estimado para esta variable no
es estadísticamente diferente de cero significa que las pendientes del grupo de
comparación y de intervención son iguales.
Para reducir la posibilidad de que existan diferencias entre los grupos de intervención
y de comparación que puedan sesgar las estimaciones de impacto de SP, combinamos
la estrategia de CITS y de DiD con la estrategia de emparejamiento denominada
Propensity Score Matching. Es decir la variable dicotómica “Soporte” en las
ecuaciones 1 y 2 solo incluye escuelas emparejadas. La combinación de la técnica de
emparejamiento con los modelos descritos permite incrementar la comparabilidad de
los dos grupos en términos del rendimiento académico histórico y de otras variables
observables relevantes antes de la introducción de SP. Pero, asimismo, permite
controlar por características no observables que no cambian en el tiempo dado que las

30
mismas escuelas son analizadas a través del tiempo, y permite reducir la dependencia
de controlar estadísticamente por diferencias en el modelo. En este diseño cuasi-
experimental, la disponibilidad de varios años de resultados de aprendizaje antes de
la introducción de SP tiene el potencial de reducir sesgo a través de la mejora de la
calidad de los pares emparejados o de modelar las diferencias en las trayectorias
previas. La estrategia del método de emparejamiento se detalla más adelante en este
capítulo.
Es importante anotar que el modelo de CITS no requiere que las tendencias de
rendimiento de los grupos de intervención y de comparación tengan que ser paralelas
en el tiempo a fin de estimar el efecto de un programa. Sin embargo, en la medida en
que en este estudio combinamos los modelos de CITS y de DiD con la estrategia de
emparejamiento, cabe esperar las tendencias del grupo de intervención y comparación
resulten paralelas por construcción y que, por tanto, los efectos estimados del programa
tanto por el modelo de CITS como por el de DiD sean muy parecidos. En todo caso,
como se mencionó anteriormente, la gran ventaja de la especificación del modelo de
CITS sobre el de DiD es que el primero permite validar empíricamente si el supuesto
de tendencias paralelas se cumple.
Todas las especificaciones de los modelos CITS y DiD que se presentan en el Capítulo
6 se estimaron al nivel de la escuela en donde cada observación para una escuela
en un año dado está ponderada por el número de estudiantes de la escuela en ese
año. Esta estrategia es equivalente a estimar regresiones a nivel del estudiante
cuando la variable de tratamiento está definida a nivel de la escuela, como ocurre
con el programa de SP. Asimismo, los errores estándar de todas la regresiones están
agrupados (clustered) a nivel de la escuela con el fin de tener en cuenta la correlación
existente en el tiempo de la variable de resultado de una misma escuela.
Propensity Score Matching de escuelas
Con el fin de mejorar las estimaciones de los modelos propuestos, es decir, reducir
sesgo en las estimaciones, usamos una combinación de estrategias no paramétricas
para seleccionar las escuelas más similares del grupo de intervención y de comparación
y por tanto incrementar la comparabilidad de los dos grupos. Es importante recordar
que dado que SP se ofrece a toda la escuela, la unidad de análisis es la escuela.
Primero procedimos a restringir el universo de potenciales controles imitando los
criterios de focalización de la intervención de SP, es decir, seleccionando solo las
escuelas que cumplían con la característica de ser públicas, urbanas y polidocentes
completas dentro de este universo. Esta estrategia permitió hacer una especie de

31
emparejamiento “exacto” en variables claves de focalización del programa que están
altamente correlacionadas con el rendimiento académico de los estudiantes. Pero,
a su vez, ayudó a incrementar la comparabilidad de los dos grupos en términos de
otras variables relacionadas con las variables de focalización y rendimiento académico
que no eran directamente observables en este estudio. Por ejemplo, al excluir del
universo de potenciales controles a las escuelas rurales y polidocentes multigrado, se
eliminaron de la muestra escuelas que albergan a los estudiantes más pobres y con
experiencias escolares y características familiares muy distintas a los estudiantes que
atienden las escuelas urbanas y polidocentes completas.
El proceso de emparejamiento exacto en función de las variables de focalización
redujo el universo de potenciales controles a 2,609 escuelas que cumplían con la
característica de ser públicas, urbanas, polidocentes completas y que contaban a
su vez con datos de rendimiento en 2015.12
Mientras que el grupo de escuelas de
intervención que cumplían con esas condiciones se redujo a 2,923. Dado que el ratio
de escuelas control a escuelas de intervención es menor a 1, es claro que no existe un
conjunto muy grande de potenciales controles y, por tanto, anticipa que no será posible
emparejar a todas las escuelas intervenidas.
Segundo, con la muestra de potenciales controles que quedaron después de
implementar el emparejamiento exacto, procedimos a seleccionar las escuelas más
parecidas entre sí usando un escalar o propensity score que resume una serie de
características relevantes de las escuelas y de los estudiantes que atienden dichas
escuelas (Rosenbaum y Rubin, 1983; Stuart, 2007). Dicho escalar fue usado para
emparejar las escuelas de ambos grupos dentro de una distancia máxima determinado
por un caliper.
Finalmente, para incrementar la comparabilidad de las escuelas emparejadas no solo
en términos de las variables de focalización y del propensity score, sino también en
términos de variables correlacionadas con la ubicación geográfica de las escuelas,
emparejamos las escuelas dentro de cada estrato geográfico. De esta manera todos
los pares de escuelas emparejadas obtuvieron el mismo valor en la variable “dominio
geográfico”.13
Los pasos dos y tres de esta estrategia de emparejamiento son explicados
a continuación.
12 Se usaron las variables de las bases de la Evaluación Censal Escolar para definir este subgrupo de
escuelas. Por lo tanto, este subgrupo corresponde al número de escuelas que cumplían con los tres
criterios de focalización y que además se encontraban en la base panel conformada con las bases
históricas de la ECE.
13 La variable Dominio proviene de la Encuesta Nacional de Hogares (ENAHO) de 2014.

32
Especificación del modelo de selección
Para estimar el escalar o propensity score especificamos un modelo de selección o
modelo de propensity score (Rosenbaum y Rubin, 1983; Stuart, 2007). Este modelo
estima la probabilidad de recibir el programa de Soporte Pedagógico en función de
un conjunto de variables observables. La probabilidad estimada tiene un valor en el
rango de 0 a 1, donde las escuelas con puntaje cercano a 1 son más propensas
a pertenecer al grupo SP que las escuelas con puntaje cercano a 0. En particular,
para la especificación del modelo de selección es muy importante incluir variables
asociadas con la probabilidad de pertenecer al grupo de intervención y con la variable
de resultado de interés, o rendimiento académico de los estudiantes (Stuart, 2009).
Dado que el programa tomó en cuenta variables de rendimiento académico para la
focalización del programa (como se explicó en el Capítulo 2), resulta relevante incluir
variables de rendimiento académico en el modelo de selección. Asimismo, dado que el
puntaje en las pruebas de rendimiento es la variable de interés en las regresiones de
impacto, la inclusión de datos de rendimiento académico previos a la implementación
del programa es clave para la especificación del modelo de selección y para juzgar
la comparabilidad de los dos grupos. Adicionalmente, el rendimiento académico de
los estudiantes suele estar correlacionado con otras características relevantes del
estudiante como las características de los padres, el nivel socioeconómico de la
familia, y el entorno en el que viven, y con factores de la escuela y las características
de los docentes (Rivkin, Hanushek, & Kain, 2005). Dado que la mayoría de estos
factores asociados al rendimiento no son observables en este estudio, el uso de varios
años de rendimiento académico histórico ayuda a incrementar la comparabilidad de
los dos grupos. Finalmente, el modelo de selección incorpora una serie de variables
relevantes que caracterizan a la escuela, los estudiantes que atienden la escuela, y el
área en la que se encuentra la institución educativa. En resumen, se especificaron dos
modelos de selección con las siguientes características:
Muestra analítica o Muestra A: esta muestra asume que el programa inició las tareas
de implementación en el año 2015 y por tanto usa variables previas a 2015, como
datos de rendimiento de 2014, para el modelo selección. Es decir, en términos de
las variables de rendimiento el modelo incluye los resultados de la ECE de los años
2011, 2012, 2013 y 2014 para matemática y comprensión, así como la proporción
de estudiantes en el nivel de logro “satisfactorio” en matemática y comprensión del
año 2014, y medidas de dispersión de los resultados en las pruebas de matemática
y comprensión lectora en 2014 (o nivel de heterogeneidad de los resultados). Esta
especificación resulta importante dado que 2014 es un año en que los rendimientos
académicos de los estudiantes de segundo grado de primaria mejoraron notablemente

33
en el país. Por tanto, incluir los datos de 2014 en la especificación del modelo de
selección permite incrementar comparabilidad de los grupos en términos de estos
cambios en el tiempo. Asimismo, esta muestra se construye a partir de la inclusión de
variables tales como el tamaño de matrícula (de 2013 y 2014), la tasa de aprobación
de estudiantes (de 2013 y 2014), el número de docentes en la escuela, el porcentaje
de estudiantes indígenas, descripción si la escuela es EIB o no, indicadores sobre
la jornada pedagógica, el ratio de alumnos-docentes, la disponibilidad de textos y
cuadernos escolares, computadoras e internet. Además, se incluyeron variables sobre
la infraestructura del centro tales como características de las paredes (ladrillo), pisos
(no tierra) e inodoros (en buenas condiciones), disponibilidad de agua potable, desagüe
y electricidad.14
Finalmente, se incluyeron indicadores distritales que capturan el nivel
de pobreza y desnutrición del distrito.15
Los resultados de este modelo se presentan
en el resto del documento.
Muestra para análisis de robustez o Muestra B: incluye variables similares a las
de la muestra A, pero asume que el programa inició las tareas de implementación en
el año 2014 y por tanto usa variables previas a 2014 para el modelo de selección.
Específicamente, esta muestra incluye el valor promedio al nivel de la escuela de los
resultados académicos en las áreas de matemática y comprensión lectora para los
años 2010, 2011, 2012 y 2013; indicadores que capturan la proporción de estudiantes
en los niveles de logro “satisfactorio” e “inicio” en los años 2012 y 2013 para matemática
y compresión, e indicadores que capturan el nivel de dispersión de los resultados
académicos de matemática y comprensión lectora en 2013. Asimismo, esta muestra
se construye a partir de la inclusión de variables tales como el tamaño de matrícula, la
tasa de aprobación de estudiantes, el número de docentes en la escuela, el porcentaje
de estudiantes indígenas, descripción si la escuela es EIB o no, indicadores sobre
la jornada pedagógica, el ratio de alumnos-docentes, la disponibilidad de textos y
cuadernos escolares, computadoras e internet. Además, se incluyeron variables sobre
la infraestructura del centro tales como características de las paredes, pisos e inodoros,
disponibilidad de agua potable, desagüe y electricidad.16
Finalmente, se incluyeron
indicadores distritales que capturan el nivel de pobreza y desnutrición del distrito.17
Los
resultados del ejercicio de emparejamiento usando esta muestra se presentan en el
Apéndice B, mientras que los resultados de impacto usando esta muestra se discuten
como análisis de robustez en el Capítulo 6.
14 Estas últimas variables corresponden al año 2014.
15 Estas variables corresponden al año 2009.
16 Estas últimas variables corresponden al año 2013.
17 Estas variables corresponden al año 2009.

34
El escalar se calcula de forma conjunta para todas las regiones mediante un modelo
Logit.18
En particular, la ecuación estimada para el propensity score está dada por:
logit(πi
) = log(
πi
1–πi
) = Xi
β + Zd
γ (3)
donde:
• πid
es igual a 1 si la escuela i pertenece al grupo de SP y 0 si pertenece al grupo
de comparación.
• Xi
es un vector de variables de la escuela.
• Zd
es un vector de variables de rendimiento académico histórico para las áreas
de matemática y comprensión lectora y para el periodo de 2011-2014.
Emparejamiento de las escuelas
El escalar o propensity score estimado a través del modelo de selección se usó para
emparejar y seleccionar al subgrupo de escuelas más parecidas entre sí de los grupos
de intervención y de comparación. Para seleccionar y emparejar a las escuelas se
usó el algoritmo denominado Nearest Neighbor Matching. Asimismo, para minimizar
la distancia de las escuelas emparejadas y por tanto incrementar la comparabilidad
de los pares, se determinó un caliper o distancia máxima entre dos escuelas para
que se emparejen. Esta estrategia es también conocida como “caliper matching” y es
considerada una variante de Nearest Neighbor Matching (Smith y Todd, 2003). El caliper
es definido como el producto de un multiplicador igual a 0.01 y la desviación estándar
del propensity score estimado.19
Rosenbaum and Rubin (1985) sugieren un caliper
de 0.25 desviaciones estándar del propensity score, mientras que Cochran y Rubin
(1973) recomiendan un caliper de 0.2 para reducir 98 por ciento del sesgo.20
Si bien la
introducción del caliper restringe el número de escuelas intervenidas que se pueden
emparejar, reduce la distancia entre los pares emparejados y por tanto incrementa la
comparabilidad de los dos grupos.21
Asimismo, “caliper matching” automáticamente
usa escuelas dentro y cerca del área de common support o área de intersección de las
distribuciones de los propensity scores en los grupos de intervención y de comparación.
18 Los resultados de la estimación de la probabilidad esperada usando un modelo logit son muy similares
a los obtenidos al emplear un modelo probit. No se emplea el uso de un modelo de probabilidad lineal
ya que algunas observaciones pueden obtener probabilidades por fuera del intervalo [0,1].
19 Sin embargo, mientras más pequeño es el caliper menor es la probabilidad de emparejar a una escuela.
20 Este caliper es recomendado en casos donde la varianza del propensity score en el grupo
de tratamiento es cerca del doble de la varianza del grupo de control.
21 Caliper matching automáticamente usa escuelas dentro y cerca del área de common support o área
de intersección de las distribuciones de los propensity scores en los grupos de intervención y de com-
paración.

35
Esto es recomendado en la literatura de matching dado que ayuda a reducir sesgo de
selección (Heckman, et al, 1997).
En cuanto a la estructura del emparejamiento, esta se determinó como 1-1
y sin reemplazo, es decir, para cada escuela intervenida por SP se seleccionó
una escuela de comparación. Otro tipo de estructura en la cual se seleccionan
más de un control por escuela intervenida (1-M) comúnmente incrementa sesgo
de selección dado que el segundo, tercer o cuarto control tienen por definición
una distancia más grande que el primer control emparejado. De esta manera las
escuelas comparación son seleccionadas una vez y no se permite que sirvan de
control para otras escuelas de SP.22
Estratificación
Asimismo, para incrementar la comparabilidad de los pares emparejados en
términos de características geográficas se emparejaron los casos dentro de
estratos geográficos determinados por la variable de dominio geográfico. Esta
estrategia permite asegurar la comparabilidad de los pares en torno a variables que
comúnmente están asociadas con la ubicación geográfica de la escuela y que no
son fácilmente observables con datos secundarios. La variable dominio geográfico
permite agrupar y clasificar a las escuelas en ocho (08) estratos geográficos tales
como: costa norte, costa centro, costa sur, sierra norte, sierra centro, sierra sur,
selva y Lima Metropolitana. De esta manera, todas las escuelas emparejadas tienen
un valor exacto en dominio geográfico. Si bien es posible que dentro de estos
estratos geográficos todavía existan diferencias importantes entre las escuelas, la
combinación de la estratificación con las otras estrategias de emparejamiento ayudó
a incrementar la comparabilidad de las escuelas. Asimismo, no fue posible usar
estratos más pequeños tales como región, dado que en muchos casos la cantidad
de escuelas no intervenidas por el programa era limitada. Pero también porque dado
el ratio tan bajo de controles a tratamiento, un mayor nivel de estratificación hubiese
reducido altamente el número de escuelas emparejadas.
22 Un beneficio de usar la estructura de emparejamiento 1-1 es que los estimados son más precisos.
Sin embargo, un costo es que la muestra de escuelas comparación disponible para emparejar se va
reduciendo conforme se emparejan las escuelas. Para reducir la posibilidad de que las escuelas em-
parejadas al final tengan pares con mayor distancia (y por tanto sean muy diferentes de las escuelas
del grupo de intervención), usamos un caliper o distancia máxima de emparejamiento.

36
Resultados del proceso de emparejamiento
Para la muestra analítica o Muestra A se lograron emparejar 1,098 escuelas con
Soporte Pedagógico. Esta muestra equivale aproximadamente al 36.5 por ciento
de las escuelas de SP, estatales, urbanas y polidocentes completas (N=3,006), y
aproximadamente al 38 por ciento de las escuelas de SP que, además de cumplir con
las tres primeras condiciones, cumplían con la condición de tener resultados de la ECE
para los años 2013, 2014 y 2015 (N=2,923). La Tabla 1 del Apéndice B presenta el
porcentaje de escuelas emparejadas por región para diferentes muestras: la muestra
original del programa, la muestra de escuelas con SP que incluye solo polidocentes
completas y urbanas, y la muestra que cumple con las condiciones anteriores además
de las condiciones de ser estatales y con información de rendimiento académico. En
promedio se emparejaron más del 45 por ciento de los centros asignados a SP en 10 de
las 15 regiones. En Ucayali se emparejaron alrededor de 36 por ciento, mientras que en
las regiones de La Libertad, Lambayeque y Piura, ubicadas en la costa norte del Perú,
se emparejaron menos del 30 por ciento de las escuelas con SP. Lima Metropolitana y
provincia fue la región con menos emparejados en donde aproximadamente un 17 por
ciento de las escuelas con SP fueron emparejadas. Asimismo, la Tabla 2 del Apéndice
B presenta el porcentaje de escuelas emparejadas para cada dominio geográfico.
Para los dominios geográficos de la costa centro, costa sur, sierra centro, sierra sur y
la selva, se emparejaron 50 por ciento o más de las escuelas de SP. No obstante, para
la región costa norte y Lima metropolitana23
, estos porcentajes son similares a 25 y 13
por ciento, respectivamente.
Las siguientes Figuras 2 y 3 presentan las trayectorias de rendimiento “base” (o previas
a la introducción del programa de SP) para las muestras emparejadas del grupo de
intervención y de comparación. En estas figuras se puede observar que el conjunto
de estrategias descritas logró crear dos grupos casi idénticos en términos de sus
trayectorias y los promedios de rendimiento previos a la introducción del programa de
SP. En este caso, las mejoras observadas en el grupo de intervención en el año 2015
son más creíbles que se expliquen por la introducción de SP dado que durante los
años previos a la implementación del programa los dos grupos presentan promedios y
tasas de crecimiento muy similares.
23 En el indicador de dominio geográfico, Lima metropolitana incluye la provincia del Callao pero no Lima
Provincia.

37
Figura 2.
Trayectoria de la prueba de comprensión lectora antes de introducir la
intervención de Soporte Pedagógico para las muestras emparejadas del
grupo de intervención y de comparación
Figura 3.
Trayectoria de la prueba de matemática antes de introducir la interven-
ción de Soporte Pedagógico para las muestras emparejadas del grupo
de intervención y de comparación

38
Asimismo, la Tabla 3 presenta la media y la desviación estándar del escalar o valor
estimado del propensity scores antes y después de emparejar las escuelas. Como es
de esperarse, antes de emparejar las escuelas el valor medio del propensity score es
más alto para las escuelas intervenidas que para las escuelas no intervenidas (0.59
versus 0.46). Sin embargo, después de aplicar el método emparejamiento el valor
medio del propensity score es idéntico en los dos grupos. Asimismo, el ratio de las
varianzas del propensity score en los dos grupos es casi igual a 1, como lo recomienda
la literatura de matching para generar estimaciones de impacto confiables (Rubin,
2001). Estos resultados también se pueden apreciar en la Figura 4, la cual presenta
distribuciones idénticas del propensity score para las muestras emparejadas del grupo
de intervención y comparación.
Tabla 3.
Descriptivos Estadísticos del Propensity Score antes y después de apli-
car el método de emparejamiento
Media
Desviación
estandar
N
Antes de aplicar el método de emparejamiento:
Escuelas sin Soporte Pedagógico 0.460 0.174 2,423
Escuelas con Soporte Pedagógico 0.592 0.165 2,732
Total muestra con propensity scores 5,155
Después de aplicar el método de emparejamiento:
Escuelas sin Soporte Pedagógico 0.509 0.160 1,098
Escuelas con Soporte Pedagógico 0.509 0.159 1,098
Total muestra emparejada 2,196
Fuente. Elaboración propia.

39
Figure 4.
Distribución del Propensity Score para las muestras emparejadas del
grupo de intervención y comparación
La Tabla 4 presenta descriptivos estadísticos para las variables de logro de aprendizaje
de los alumnos de segundo grado de primaria en las áreas de comprensión lectora y
matemática para el periodo 2011-2014. Específicamente, la Tabla 4 presenta el valor
medio, el número de escuelas, la diferencia de medias entre las escuelas emparejadas
del grupo de intervención y de comparación, el error estándar de la diferencia, el valor p,
y el tamaño del efecto (o diferencia de medias estandarizadas). En general los grupos de
intervención y de comparación son muy parecidos después del emparejamiento y que
en casi todos los casos la diferencia de medias estandarizada es menor a 0.25, como lo
recomienda la literatura de matching. La Tabla 3 del Apéndice B presenta estadísticos
similares para un conjunto extenso de variables de la escuela, y nuevemante confirma
la comparabilidad de los dos grupos.

40
Tabla 4.
Descriptivos estadísticos de las variables de rendimiento para las mues-
tras emparejadas del grupo de intervención y comparación
Escuelas
Sin Soporte
Pedagógico
Con Soporte
Pedagógico
Variables Media N1 Media N2 Diferen-
cia
Error
estándar
valor-p Tamaño
del
Efecto
Comprensión 2014 561.39 1,098 559.87 1,098 -1.52 2.26 0.50 -0.03
Matemática 2014 558.87 1,098 558.57 1,098 -0.29 3.46 0.93 -0.00
Comprensión 2013 537.13 1,098 535.92 1,098 -1.21 2.16 0.57 -0.02
Matemática 2013 526.78 1,098 524.98 1,098 -1.81 2.93 0.54 -0.03
Comprensión 2012 528.79 1,098 525.82 1,098 -2.97 2.15 0.17 -0.06
Matemática 2012 519.46 1,098 516.11 1,098 -3.34 2.80 0.23 -0.05
Comprensión 2011 520.94 1,062 520.49 1,018 -0.46 2.20 0.84 -0.01
Matemática 2011 511.65 1,062 510.28 1,018 -1.38 2.90 0.64 -0.02
% logro Inicio
Comprensión 2014
0.11 1,098 0.10 1,098 -0.00 0.01 0.67 -0.02
% logro Inicio Mate
2014
0.39 1,098 0.38 1,098 -0.00 0.01 0.96 -0.00
% logro Satisfactorio
Comprensión 2014
0.38 1,098 0.37 1,098 -0.01 0.01 0.55 -0.03
Mate 2014
0.26 1,098 0.26 1,098 -0.00 0.01 0.90 -0.01
% logro Inicio
Comprensión 2013
0.16 1,098 0.17 1,098 0.01 0.01 0.46 0.03
% logro Inicio Mate
2013
0.49 1,098 0.50 1,098 0.01 0.01 0.61 0.02
Comprensión 2013
0.27 1,098 0.27 1,098 -0.00 0.01 0.95 -0.00
Mate 2013
0.16 1,098 0.16 1,098 0.00 0.01 0.93 0.00
% logro Inicio
Comprensión 2012
0.20 1,098 0.22 1,098 0.01 0.01 0.13 0.07
% logro Inicio Mate
2012
0.51 1,098 0.52 1,098 0.02 0.01 0.13 0.06
Comprensión 2012
0.24 1,098 0.23 1,098 -0.01 0.01 0.30 -0.04
Mate 2012
0.12 1,098 0.12 1,098 -0.00 0.01 0.94 -0.00
Desviación Estándar
Comprensión 2014
64.88 1,098 65.74 1,098 0.86 0.71 0.23 0.05
Matemática 2014
93.85 1,098 94.78 1,098 0.93 1.05 0.38 0.04
Comprensión 2013
65.37 1,098 65.48 1,098 0.11 0.66 0.86 0.01
Matemática 2013
82.24 1,098 81.13 1,098 -1.12 0.92 0.23 -0.05
Fuente: Elaboración propia.

41
Asimismo, el Apéndice B presenta otros resultados de diagnóstico que validan la
comparabilidad de los grupos de intervención y comparación formados a partir del
método de emparejamiento. Estos resultados incluyen la Tabla 3 que presenta los
resultados de balance (el valor promedio de diversas variables, el número de escuelas,
la diferencia de medias entre las escuelas emparejadas del grupo de intervención y
de comparación, el error estándar de la diferencia, el valor p, y el tamaño del efecto).
Adicionalmente, la Figura 2 de dicho apéndice presenta los gráficos de boxplots del
propensity score antes y después del emparejamiento para losgrupos de intervención
y de comparación. Los resultados de diagnóstico para la muestra creada para los
análisis de robustez o Muestra B se presentan en el Apéndice B, en las Figuras 3, 4,
5 y la Tabla 5.

42
6. RESULTADOS
En este capítulo presentamos los resultados del impacto del programa de SP en
el rendimiento académico de los estudiantes de segundo grado de primaria de las
escuelas públicas, polidocentes urbanas. Para medir rendimiento académico usamos
dos tipos de variables de resultado. En primer lugar, estimamos los efectos de SP
en los resultados promedio de las escuelas, tanto en comprensión lectora como en
matemática usando la información de la ECE de 2009 a 2015. En segundo lugar,
utilizamos el porcentaje de estudiantes que conforman cada uno de las tres niveles de
logro (inicial, en proceso y satisfactorio) en las pruebas de la ECE. Para la definición de
estas variables también se empleó información del periodo de 2009 a 2015.
LosresultadosdelimpactomuestranqueSPgeneróunamejoramodestaperopromisoria
en el rendimiento académico de los estudiantes de las escuelas intervenidas. En
promedio, los resultados muestran que los estudiantes que recibieron la intervención
de SP presentan resultados superiores en las pruebas de la ECE de aproximadamente
0.1 desviaciones estándar en comprensión lectora con relación a los estudiantes del
grupo de comparación y de 0.07 desviaciones estándar en Matemática. Por su parte,
los resultados en las variables de logro muestran que los estudiantes de SP resultan
3 puntos porcentuales menos probables de pertenecer al grupo de nivel inicial de
logro tanto en comunicación como en matemática. Los resultados de impacto son
robustos a diferentes tipos de especificaciones, variables de control y tipo de muestras
empleadas. Asimismo, los resultados no son heterogéneos al grado de implementación
de la intervención.
Impacto en comprensión lectora y matemática
En las Tablas 5 y 6 se presentan los resultados de impacto de SP en comprensión
lectora y matemática, respectivamente, usando diferentes metodologías y variables
de control para la Muestra A (descrita en el Capítulo 5). La columna (1) muestra los
resultados para el modelo DiD que emplea información de las ECE de 2013 a 2015.
Para este modelo se asume que los efectos del programa de SP solo pueden ser
observados a partir de 2015.24
Los resultados del modelo de DiD en la Tabla 5 para la variable Soporte indican que
la diferencia entre el grupo de intervención y de comparación antes de la intervención
24 Este supuesto se investiga con mayor detalle más adelante en este capítulo.

43
es solo de 0.28 puntos de la prueba de comprensión lectora en favor del grupo de
comparación y no es estadísticamente significativa. Este resultado no es sorprendente
en la medida en que ello es precisamente lo que se quería lograr a partir del proceso
de emparejamiento estadístico: que los estudiantes del grupo de intervención y de
comparación fueran lo más parecido posibles en términos de su rendimiento académico
antes de la introducción del programa. Por su parte, los resultados de la variable
“I(2015)” indican que los estudiantes de segundo de primaria del grupo de comparación
que tomaron la ECE en 2015 obtuvieron en promedio 36 puntos adicionales en la
prueba de comprensión lectora más que los estudiantes del grupo de comparación de
los años anteriores a la intervención. Por último, la interacción de estas dos variables,
“Soporte X I(2015)”, indica que el efecto causal del programa de SP en comprensión
lectora es de 5.6 puntos en la prueba, resultado que es estadísticamente significativo y
que equivale a una ganancia de aproximadamente 0.08 desviaciones estándar.
Tabla 5.
Resultados de impacto de la intervención de Soporte Pedagógico en
comprensión lectora
DiD CITS
(1) (2) (3) (4)
Soporte = 1 -0.28 -1.17 -0.59 3.03
(2.36) (2.48) (2.30) (2.09)
Tendencia Lineal 7.85** 8.10** 8.31**
(0.30) (0.30) (0.29)
Soporte X Tendencia -0.52 -0.39 -0.49
(0.41) (0.41) (0.40)
I(2015) = 1 36.04** 26.31** 26.07** 24.96**
(1.20) (1.38) (1.36) (1.36)
Soporte X I(2015) 5.66** 7.07** 6.65** 6.67**
(1.67) (1.91) (1.89) (3.03)
Tamaño del Efecto (DE) 0.08** 0.10** 0.10** 0.10**
Características del Modelo
Inicio Programa 2015 2015 2015 2015
Efectos Fijos No No Dominio Dominio
Otros Controles No No No Sí
Años Usados 2013-15 2009-15 2009-15 2009-15
N Estudiantes 296,804 694,114 694,114 691,523
N Escuelas 2,195 2,195 2,195 2,194
Notas: errores estándar agrupados (clustered) al nivel de la escuela en paréntesis. Controles
usados a nivel de la escuela: variable indicadora si recibió “Acompañamiento Pedagógico
Multigrado”, variable indicadora si recibió “Acompañamiento Pedagógico Intercultural Bilingüe”,
tasa de aprobación estudiantil, total de docentes, total de alumnos, y porcentaje de alumnos de
lengua indígena. Controles usados a nivel distrital: tasa de pobreza, tasa de pobreza extrema,
y tasa de desnutrición del 2009. La muestra incluye escuelas emparejadas a partir del método

44
de caliper matching usando información histórica de rendimiento para el periodo 2011-2014
y otras variables que caracterizan a la escuela y a los estudiantes que atienden la escuela.
El proceso de emparejamiento fue estratificado usando Dominio Geográfico de la escuela.
DE=Desviaciones Estándar
Nivel de significancia: * p<0.10; ** p<0.05; *** p<0.01
Los resultados del modelo de DiD de la Tabla 6, que evalúa los efectos del programa
en la prueba de matemática de la ECE, son bastante similares a los de la prueba
de comprensión lectora. Por una parte, el rendimiento promedio en matemática de
los estudiantes del grupo de intervención y de comparación son muy similares en el
periodo anterior a la implementación del programa, con solo 1.29 puntos de diferencia
en la prueba. Segundo, el grupo de comparación también exhibe un incremento en el
tiempo de casi 40 puntos en el rendimiento en la prueba de matemática. Por último,
el efecto causal del programa es de 6.5 puntos adicionales, que corresponde a una
ganancia de aproximadamente 0.08 desviaciones estándar.
Tabla 6.
Resultados de impacto de la intervención de Soporte Pedagógico en
matemática
DiD CITS
(1) (2) (3) (4)
Soporte = 1 1.29 0.59 0.96 4.69
(3.48) (3.57) (3.31) (3.10)
(0.48) (0.48) (0.47)
Soporte X Tendencia -0.08 0.02 -0.04
(0.66) (0.66) (0.65)
I(2015) = 1 39.53** 32.50** 32.11** 31.24**
(1.83) (2.13) (2.11) (2.10)
Soporte X I(2015) 6.54** 7.32** 6.91** 6.85**
(2.59) (3.01) (2.99) (2.99)
Años Usados 2013-15 2009-15 2009-15 2009-15
N Estudiantes 296,804 694,114 694,114 691,523
N Escuelas 2,195 2,195 2,195 2,194
Nota: ver notas de la Tabla 5.

45
Los resultados del modelo CITS, que estima los efectos de SP en comprensión lectora
y matemática, se presentan en las columnas 2 a 4 de las Tablas 5 y 6, respectivamente.
En la columna 2 de la Tabla 5, se observa que las escuelas que recibieron el programa
de SP obtuvieron 7.04 puntos adicionales (equivalente a 0.10 desviaciones estándar)
en la prueba de comprensión lectora con relación a las escuelas del grupo de
comparación. Por su parte, el efecto estimado en la prueba de matemática, que se
presenta en la columna 2 de la Tabla 6, indica que el grupo de intervención obtuvo
7.32 puntos adicionales (equivalente a 0.09 desviaciones estándar) con respecto al
grupo de comparación. Estos resultados son un poco mayores a los estimados a partir
del modelo de DiD, aunque la diferencia del efecto estimado entre ambos modelos
no es lo suficientemente grande como para resultar estadísticamente significativa.
Asimismo, se observa que los efectos para ambas pruebas son robustos a la inclusión
de otras variables de control tales como efectos fijos de dominio geográfico (columna
3), o a la inclusión de un gran conjunto de variables exógenas que pueden variar
en el tiempo (columna 4), entre las que se incluyen variables indicadoras de otros
programas de acompañamiento pedagógico (multigrado e intercultural bilingüe), tasa
de aprobación estudiantil, total de docentes, total de alumnos, porcentaje de alumnos
de lengua indígena, tasa de pobreza distrital, tasa de pobreza extrema distrital y tasa
de desnutrición distrital. La estabilidad de los impactos estimados del programa provee
evidencia adicional en favor de la estrategia de identificación empleada.
Por otra parte, resulta interesante discutir los coeficientes estimados tanto para la
tendencia lineal, como para la interacción de esta última con la variable dicotómica del
año 2015. Con respecto a la primera variable, se puede observar que la pendiente, tanto
de las pruebas de comprensión lectora como de matemática, es de aproximadamente
7 puntos adicionales cada año, lo cual indica que cada nueva cohorte de segundo
de primaria es sistemáticamente mejor que la anterior cohorte en términos de su
desempeño en las pruebas de la ECE. Por su parte, los resultados de la variable
“Soporte X Tendencia” no son estadísticamente diferentes de cero, lo cual indica que
las pendientes de las trayectorias de las variables de desempeño entre 2009 y 2014
para los grupos de intervención y de comparación son iguales. Este último resultado es
la prueba empírica de que el supuesto de las tendencias paralelas se cumple.
Impacto en los niveles de logro de la ECE
Los modelos de DiD y de CITS también pueden ser empleados con el fin de investigar
a qué tipo de estudiantes el programa de SP ha beneficiado más. Para ello usamos
las variables que describen el nivel de logro en la prueba de la ECE al que pertenecen

46
los estudiantes de una escuela dada a partir de tres categorías: inicio, proceso y
satisfactorio. Por ejemplo, en promedio, de las escuelas que recibieron el programa de
SP en 2015, el 27 por ciento estaba en nivel inicio, el 42 por ciento en proceso, y el 31
por ciento en el nivel satisfactorio.
En las Tablas 7 y 8 presentamos los resultados de impacto de SP sobre la proporción
de estudiantes que se encuentra en el nivel de logro “inicial” en comprensión lectora
y matemática, respectivamente.25
La interpretación de los diferentes modelos y
especificaciones son iguales a las discutidas en la sección anterior y por tanto
son omitidas aquí. Los resultados para la variable de interés, “Soporte X I(2015)”,
indican que las escuelas que recibieron el programa de SP en 2015 son tres puntos
porcentuales menos propensas a tener estudiantes en el nivel de logro “inicial” con
relación a las escuelas del grupo de comparación. Estos resultados son iguales
tanto para la prueba de comprensión lectora como de matemática y, al igual que en
las Tablas 5 y 6, los resultados son robustos a los modelos empleados o al tipo de
variables de control usadas. Por otra parte, no se encontraron resultados significativos
para los niveles de logro “de proceso” y “satisfactorio” entre el grupo de intervención y
de comparación para ninguna de las dos pruebas. Estos resultados sugieren que los
efectos del programa de SP estimados en la sección anterior se concentran más en
aquellos estudiantes que presenten un desempeño bajo en las pruebas de la ECE; es
decir, el programa parece estar ayudando más a aquellos estudiantes que tienen los
puntajes más bajos de desempeño académico.
25 De igual modo se estimaron modelos para la probabilidad de estar en el nivel satisfactorio. Sin embar-
go, para dicha categoría no se encontraron diferencias importantes entre los grupos de tratamiento
y comparación. Es decir, los efectos estimados ocurren en su totalidad por las diferencias en la com-
posición de los grupos de inicio y proceso.

47
Tabla 7.
Resultados de impacto de la intervención de Soporte Pedagógico en la
probabilidad de estar en nivel de logro “Inicial” en comprensión lectora
DiD CITS
(1) (2) (3) (4)
Soporte = 1 -0.00 -0.00 -0.00 -0.02
(0.01) (0.01) (0.01) (0.01)
Tendencia Lineal -0.02** -0.02** -0.02**
(0.00) (0.00) (0.00)
Soporte X Tendencia 0.00 -0.00 -0.00
(0.00) (0.00) (0.00)
I(2015) = 1 -0.15** -0.13** -0.13** -0.13**
(0.01) (0.01) (0.01) (0.01)
Soporte X I(2015) -0.02** -0.03** -0.03** -0.03**
(0.01) (0.01) (0.01) (0.01)
Años Usados 2013-15 2009-15 2009-15 2009-15
N Estudiantes 296,804 694,114 694,114 691,523
N Escuelas 2,195 2,195 2,195 2,194
Tabla 8.
Resultados de impacto de la intervención de Soporte Pedagógico en la
probabilidad de estar en nivel de logro “Inicial” en matemática
DiD CITS
(1) (2) (3) (4)
Soporte = 1 -0.00 -0.00 -0.00 -0.02
(0.01) (0.01) (0.01) (0.01)
Tendencia Lineal -0.02** -0.02** -0.02**
(0.00) (0.00) (0.00)
Soporte X Tendencia 0.00 -0.00 -0.00
(0.00) (0.00) (0.00)
I(2015) = 1 -0.15** -0.13** -0.13** -0.13**
(0.01) (0.01) (0.01) (0.01)
Soporte X I(2015) -0.02** -0.03** -0.03** -0.03**
(0.01) (0.01) (0.01) (0.01)
Años Usados 2013-15 2009-15 2009-15 2009-15
N Estudiantes 296,804 694,114 694,114 691,523
N Escuelas 2,195 2,195 2,195 2,194

48
Análisis de robustez
En esta sección investigamos empíricamente si existe evidencia de que el programa de
SP tuvo algún efecto en el año 2014. Este escenario es improbable dado que SP inició
actividades en julio de 2014, tan solo 3 meses antes de que se recoja la Evaluación
Censal Escolar. Para investigar esto, empleamos la Muestra B, la cual efectúa el
emparejamiento de escuelas sin incluir la información de desempeño escolar para el
año 2014. De haberse implementado SP en el año 2014, los efectos estimados del
programa presentados en las Tablas 5 y 6 podrían estar sesgados hacia abajo.
Los resultados de los análisis de robustez se presentan en las Tablas 9 y 10 para
comprensión lectora y matemática, respectivamente. La diferencia más importante
entre las especificaciones presentadas en las Tablas 5 y 6, y las presentadas en las
Tablas 9 y 10, es que en estas últimas los efectos de SP se estiman tanto para el año
2014 como para el 2015. En particular, la variable de interés para el año 2014 está
dada por la interacción “Soporte X I(2014)”. Los resultados de la Tabla 9 indican que el
efecto de SP en comprensión lectora en el 2014 fue de aproximadamente 1 punto en
la prueba a favor del grupo de comparación, no siendo este resultado estadísticamente
significativo.

49
Tabla 9.
Análisis de robustez con muestra B: resultados de impacto de la
intervención Soporte Pedagógico en comprensión lectora
DiD CITS
(1) (2) (3) (4)
Soporte = 1 -4.50* -4.49* -4.43** 0.36
(2.54) (2.52) (2.26) (2.11)
(0.33) (0.33) (0.32)
Soporte X Tendencia -0.15 -0.02 -0.11
(0.47) (0.46) (0.46)
I(2014) = 1 24.78** 22.21** 22.17** 21.72**
(1.32) (1.35) (1.34) (1.35)
I(2015) = 1 47.64** 40.57** 40.32** 39.59**
(1.45) (1.68) (1.65) (1.68)
Soporte X I(2014) -1.12 -0.99 -1.24 -1.36
(1.86) (1.94) (1.92) (1.92)
Soporte X I(2015) 5.64** 5.92** 5.31** 5.13**
(1.95) (2.33) (2.30) (2.30)
Tamaño del Efecto (DE) en 2015 0.08** 0.09** 0.08** 0.07**
Años Usados 2013-15 2009-15 2009-15 2009-15
N Estudiantes 267,266 636,985 636,985 634,882
N Escuelas 1,865 1,865 1,865 1,864
Notas: ver notas de la Tabla 5. La muestra incluye escuelas emparejadas a partir del método
de nearest neighbor usando información histórica de rendimiento para el periodo 2010-2013 y
otras variables de la escuela.
Por su parte, los resultados en la prueba de matemática (Tabla 10) indican también una
diferencianegativa,peronosignificativa,entreelgrupodeintervenciónydecomparación
en 2014. Note que los impactos estimados para comprensión y matemática en el año
2015, si bien son positivos y en algunos casos significativos, resultan inferiores a los
hallados al estimar los modelos con la Muestra A. Dado que la muestra B no incluyó
información de rendimiento de 2014 en el emparejamiento, los resultados del impacto
del programa para 2014 se pueden interpretar como evidencia de que el programa de
soporte no tuvo efectos en 2014. Otra posible interpretación es que no hay evidencias
de que el programa haya en realidad empezado en 2014, dado que en los primeros
meses solo se implementó de manera parcial y dado que el programa se inició tan
solo cuatro meses antes de que se recogiera la ECE. Por último, cabe resaltar que los
impactos estimados para el año 2015 resultan muy similares a los obtenidos con la
Muestra A, con la diferencia de que la estimación de la tendencia que se puede hacer

50
a partir de la Muestra A es mucho más precisa que con la Muestra B, dado que en la
Muestra A se puede emplear un año más en la estimación de la tendencia.
Tabla 10.
Análisis de robustez con muestra B: resultados de impacto de la
intervención de Soporte Pedagógico en matemática
DiD CITS
(1) (2) (3) (4)
Soporte = 1 -3.12 -3.41 -3.64 1.17
(3.71) (3.42) (3.08) (2.99)
(0.52) (0.52) (0.50)
Soporte X Tendencia 0.49 0.65 0.62
(0.75) (0.74) (0.73)
I(2014) = 1 36.54** 40.21** 40.12** 40.52**
(2.12) (2.17) (2.14) (2.15)
I(2015) = 1 56.03** 58.07** 57.60** 58.00**
(2.21) (2.62) (2.59) (2.61)
Soporte X I(2014) -2.41 -2.61 -2.98 -2.99
(2.99) (3.10) (3.06) (3.06)
Soporte X I(2015) 5.05* 4.35 3.62 3.41
(3.00) (3.65) (3.61) (3.61)
Tamaño del Efecto (DE) en 2015 0.06* 0.05 0.05 0.04
Años Usados 2013-15 2009-15 2009-15 2009-15
N Estudiantes 267,266 636,985 636,985 634,882
N Escuelas 1,865 1,865 1,865 1,864
Notas: ver notas de la Tabla 5. La muestra incluye escuelas emparejadas a partir del método
de nearest neighbor usando información histórica de rendimiento para el periodo 2010-2013 y
otras variables de la escuela.
Análisis de heterogeneidad por nivel de implementación
Usando dos indicadores “próximos” del nivel de implementación del programa, tales
como el porcentaje de docentes fortaleza y el porcentaje de acompañantes pedagógicos
contratados, exploramos si el impacto de SP era mayor en las escuelas ubicadas en las
unidades ejecutoras en donde el 90 por ciento de dichas contrataciones se realizaron
antes del mes de julio de 2015. En particular, se exploró excluir del marco muestral a
las escuelas ubicadas en las Unidades Ejecutoras 1, 2, 4 y 5 de Lima Metropolitana
por retraso en la contratación de los Docentes Fortaleza para Refuerzo Escolar y

51
las escuelas de la Unidad Ejecutora 4 de Lima Metropolitana y las de Chiclayo de
Lambayeque por demoras en la contratación de los acompañantes pedagógicos.26
Es
decir, la muestra de escuelas se redujo en cerca de 220 escuelas con respecto a la
muestra completa presentada en las Tablas 5 y 6.
No encontramos diferencias notables con respecto al impacto de SP obtenido con
la muestra de escuelas con “alta” implementación y con la muestra de escuelas
emparejadas.Esdecir,auncuandosedelimitólamuestraalasescuelasintervenidascon
“alta” implementación (y sus escuelas emparejadas), el tamaño del efecto encontrado
fue de aproximadamente 0.10 desviaciones estándar tanto para comprensión
como matemática. Estos resultados se pueden explicar, en parte, debido a la poca
variabilidad existente en las escuelas intervenidas en los dos indicadores “próximos” de
implementación. Pero también es importante resaltar que la contratación del personal
clave del programa es tan solo uno de los muchos pasos necesarios para implementar
el programa de acuerdo a lo planeado. El personal pudo haberse contratado a tiempo
en su gran mayoría, pero tal vez no se encontraba lo suficientemente preparado o
capacitado para ejercer las labores que SP requería; o tal vez las capacitaciones sí
ocurrieron pero los docentes necesitaban más práctica y retroalimentación para realizar
su labor de acuerdo a lo planeado por la intervención. Las Tablas 11 y 12 presentan los
resultados de los análisis de heterogeneidad.
26 Estos datos fueron obtenidos directamente de la Secretaria de Planificación Estratégica.

52
Tabla 11.
Analisis de heterogeneidad: Resultados de impacto de la intervención
de Soporte Pedagógico en comprensión lectora en escuelas con nivel de
implementación alta
DiD CITS
(1) (2) (3) (4)
Soporte = 1 0.58 0.20 0.14 4.24*
(2.61) (2.72) (2.58) (2.33)
(0.33) (0.33) (0.32)
(0.45) (0.45) (0.44)
I(2015) = 1 35.81** 27.19** 26.78** 25.45**
(1.31) (1.53) (1.51) (1.50)
Soporte X I(2015) 6.71** 7.02** 6.79** 6.88**
(1.81) (2.09) (2.07) (2.06)
Años Usados 2013-15 2009-15 2009-15 2009-15
N Estudiantes 256,565 595,577 595,577 593,308
N Escuelas 1,973 1,973 1,973 1,972
Notas: ver notas de la Tabla 5. La muestra empleada excluye aquellas escuelas pertenecientes
a las UGEL con bajo avance en la implementación del programa a julio de 2015 (UGEL 1, 2, 4 y 5
de Lima Metropolitana por retraso en contratación de docentes fortaleza para el componente de
Refuerzo Escolar) y las UGEL 4 de Lima Metropolitana y Chiclayo de Lambayeque por demora
en la contratación de los acompañantes pedagógicos). Estos resultados fueron obtenidos con
la muestra analítica o Muestra A.

53
Tabla 12.
Analisis de heterogeneidad: Resultados de impacto de la intervención
de Soporte Pedagógico en matemática en escuelas con nivel de
implementación alta
DiD CITS
(1) (2) (3) (4)
Soporte = 1 1.52 1.66 1.41 5.78*
(3.87) (3.95) (3.71) (3.45)
(0.52) (0.52) (0.51)
(0.72) (0.72) (0.71)
I(2015) = 1 39.13** 33.78** 33.17** 32.07**
(1.99) (2.36) (2.33) (2.32)
Soporte X I(2015) 8.30** 7.61** 7.37** 7.44**
(2.81) (3.29) (3.27) (3.26)
Años Usados 2013-15 2009-15 2009-15 2009-15
N Estudiantes 256,565 595,577 595,577 593,308
N Escuelas 1,973 1,973 1,973 1,972

54
7. DISCUSIÓN Y RECOMENDACIONES
En este informe describimos los resultados de la evaluación de impacto de Soporte
Pedagógico, una intervención implementada por el Ministerio de Educación del Perú.
La intervención trabaja simultáneamente sobre cuatro líneas: fortalecimiento de
desempeños en docentes y directivos de la institución educativa, refuerzo escolar,
materiales y recursos educativos, y articulación con la familia y la comunidad. Con
ello, SP tiene como objetivo mejorar la calidad del servicio educativo brindado en las
escuelas estatales, urbanas y polidocentes completas de primaria.
Para evaluar el impacto de la intervención de SP se utilizaron exclusivamente datos
de fuentes secundarias recogidas por el Ministerio de Educación. Específicamente, se
usaron los logros de aprendizaje de los alumnos de segundo grado de primaria en las
áreas de comprensión lectora y matemática recogidos a través de la Evaluación Censal
de Estudiantes entre los años 2009 y 2015. Asimismo, se usaron datos históricos del
Censo Escolar.
El mayor reto en este tipo de estudios es que los resultados obtenidos sufran de algún
tipo de sesgo de selección. Los estudiantes de las escuelas participantes en el programa
de SP pueden ser muy diferentes al estudiante promedio de otras escuelas públicas de
educación primaria, por cuanto la estimación de los efectos del programa que resulta de
comparar a los estudiantes de SP con otros estudiantes podría estar sesgada. Algunos
de estos sesgos pueden ser eliminados al controlar por características observables
de los estudiantes, de sus familias, y de las escuelas que atienden, pero la posibilidad
de que persistan algunos sesgos debido a características no observables permanece,
como la motivación o la habilidad innata de los estudiantes.
Para evaluar el impacto de Soporte Pedagógico usamos una combinación de
estrategias empíricas que emplea el modelo de Comparative Interrupted Time
Series (CITS) y de Diferencia en Diferencias (DiD), con una estrategia de
emparejamiento que incluye propensity score matching con estratificación
geográfica. La estrategia empírica usó varios años de rendimiento académico
de matemática y comprensión lectora previos a la introducción de SP, para
seleccionar al grupo de intervención y comparación de la muestra analítica. La
estrategia maximiza el uso de los datos longitudinales al nivel de la escuela, y logra
la comparabilidad de los grupos tanto en términos de los valores medios como de
las trayectorias de rendimiento académico. De este modo, la estrategia empírica
usada permitió controlar simultáneamente tanto por diferencias observables así

55
como por diferencias no observables, que no varían en el tiempo, entre los grupos
de intervención y de comparación.
Los efectos estimados en este estudio indican que la intervención de SP, después
de poco menos de un año de imperfecta implementación, tuvo efectos positivos en
el rendimiento académico de los estudiantes, tanto en comprensión lectora como en
matemática. Dichos impactos, si bien son modestos, resultan robustos a diferentes
tipos de estrategias empíricas, variables de control, y construcción de la muestra final
a partir del proceso de emparejamiento. En promedio, los resultados muestran que los
estudiantes que recibieron el programa de SP presentan resultados superiores en las
pruebas de la ECE de aproximadamente 0.10 desviaciones estándar en comprensión
lectora con relación a los estudiantes del grupo de comparación y de 0.09 desviaciones
estándar en matemática. Por su parte, los resultados en las variables de “niveles de
logro” de la ECE muestran que los estudiantes de SP resultan 3 puntos porcentuales
menos probables de pertenecer al grupo más bajo o “en inicio”, tanto en comprensión
como en matemática. Es decir, los análisis indican que SP tuvo un mayor impacto en
aquellos estudiantes con los puntajes más bajos de desempeño académico.
En comparación con otros estudios, la intervención de SP presenta efectos estimados
quesonsimilaresalosencontradosenevaluacionesdeprogramaseducativosenpaíses
de bajos y medianos ingresos. Las revisiones sistemáticas de la literatura realizadas
recientemente por Snilstveit, et al. (2015) y Carr-Hill et al. (2015) resumen el tamaño
del efecto de diferentes programas educativos que tenían como objetivo mejorar el
acceso y el aprendizaje de los estudiantes. La Figura 5 ilustra el tamaño promedio
de los efectos encontrados a partir de la metodología de meta-análisis en las áreas
curriculares de matemática y lenguaje. Por ejemplo, para las intervenciones clasificadas
como “pedagogía estructurada”, que tienen como objetivo cambiar las prácticas en las
aulas a través del desarrollo de nuevos contenidos enfocados en un área particular,
materiales para estudiantes y docentes, y capacitaciones de corto plazo para docentes
en la entrega de estos nuevos contenidos, el tamaño promedio del efecto es de 0.23
desviaciones estándar para lenguaje y 0.14 desviaciones estándar para matemática.
Asimismo, para las intervenciones que brindan materiales educativos (ejemplo: libros
de texto, cuadernos, lapiceros, computadoras, mobiliario del aula, etcétera), el tamaño
promedio es cero. Para los programas clasificados como de “gestión basada en la
escuela” (o programas que intentan cambiar la gestión pedagógica e involucran a las
comunidades, los padres de familia, y otros actores de interés en las decisiones de la
escuela), el tamaño del efecto promedio es 0.07 y 0.08, respectivamente. Finalmente,
para programas que combinan diferentes intervenciones denominados “multinivel” el
tamaño del efecto es 0.04 y 0.16 para lenguaje y matemática, respectivamente. La

EVALUACIÓN DE IMPACTO DEL PROGRAMA DE SOPORTE PEDAGÓGICO DEL MINISTERIO DE EDUCACIÓN DEL PERÚ.

57
8. CONSIDERACIONES FINALES
Si bien los resultados reportados en este estudio son robustos a diferentes
especificaciones y análisis de sensibilidad, es importante entender los resultados de
este estudio sobre la base de sus limitaciones.
• Esta evaluación mide el impacto de SP en 2015 después de tan solo 8 meses de
que la intervención iniciara las tareas de implementación ese año27
. Asimismo,
tomando en cuenta la complejidad y amplia cobertura del programa a nivel
nacional, el programa no logró implementarse con fidelidad y como originalmente
se planeó. Si la intervención de SP lograra mejorar su implementación con el
tiempo, los impactos presentados en este estudio podrían representar un efecto
subestimado del programa (o un lower bound effect) y en el mediano plazo se
esperaría que el impacto del programa se incremente. Sin embargo, dada la
complejidad del programa será importante que el MINEDU desarrolle mecanismos
eficientes de monitoreo de las actividades del programa, y establezca procesos
claros para actuar sobre las dificultades y desafíos encontrados tanto en las
escuelas como en las unidades ejecutoras.
• Las escuelas intervenidas fueron seleccionadas por el MINEDU antes de que se
realice esta evaluación de impacto usando criterios específicos de focalización
que se detallan en el Capítulo 2. Por esta razón, esta evaluación se planteó como
un estudio es de carácter cuasi-experimental. No obstante, el estudio explotó el
uso de datos históricos y secundarios disponibles para estimar el impacto de SP.
• Con los datos secundarios disponibles, solo fue posible estimar el impacto de
la intervención de SP sobre los niveles de aprendizaje de los estudiantes de
segundo grado de primaria, y en solo las áreas curriculares de matemática y
comprensión lectora. Sin embargo, en 2015 el programa intervino todos los
grados de primaria y en diversas áreas curriculares. Por lo tanto, es posible que
el programa de SP haya tenido un mayor o menor impacto en otros grados de
primaria o en otras áreas curriculares.
• Ninguno de los modelos presentados controla por variables omitidas que
cambian en el tiempo, como por ejemplo movimientos de los estudiantes de
regreso a escuelas públicas debido a la introducción de SP. La mayor amenaza
a la validez interna del modelo CITS son factores que cambian con el tiempo,
27 Los 8 meses se calculan entre el mes en que se iniciaron las clases (marzo) y el mes en el que se
recogieron la ECE (noviembre).

58
que son introducidos al mismo tiempo que SP, y que afectan de manera diferente
a los grupos de intervención y de comparación. Sin embargo, no encontramos
evidencias concluyentes de la existencia de dichos factores.
• Si bien las estrategias de emparejamiento incrementaron en gran medida la
comparabilidad del grupo de intervención y de comparación, solo fue posible
emparejar aproximadamente al 38 por ciento de las escuelas intervenidas
que contaban con datos de rendimiento académico. No obstante, se lograron
emparejar escuelas de todas las regiones intervenidas, y en 10 de las 15 regiones
se emparejaron más del 45 por ciento de las escuelas con SP.

59
BIBLIOGRAFÍA
Banerjee, A., Cole, S., Duflo, E., & Linden, L. (2005). Remedying education: Evidence from
two randomized experiments in India. National Bureau of Economic Research.
Bloom, H. (2001). Measuring the impacts of whole-school reforms: Methodological
lessonsfromanevaluationofacceleratedschools.ManpowerDemonstration
Research Corporation, New York.
Bloom, H. (1999). Estimating program impacts on student achievement using “short”
interrupted time series. Manpower Demonstration Research Corporation,
New York.
Boyd, D. J., Grossman, P. L., Lankford, H., Loeb, S., & Wyckoff, J. (2009). Teacher
preparation and student achievement. Educational Evaluation and Policy
Analysis, 31(4), 416-440.
Carr-Hill, R, Rolleston, C, Pherali, T., & Schendel, R. (2015). The effects of school-
based decision making on educational outcomes in low and middle
income contexts: a Systematic Review, 3ie Grantee Final Review. London:
International Initiative for Impact Evaluation (3ie).
Cantrell, S., Almasi, J., Carter, J., & Rintamaa, M. (2013). Impacts of supplemental
reading strategy instruction for adolescents: Results from a Randomized
Trial and Follow-up Study.
Chingos, M. M., & Peterson, P. E. (2011). It’s easier to pick a good teacher than to train
one: Familiar and new results on the correlates of teacher effectiveness.
Economics of Education Review, 30(3), 449-465.
Conn, K. (2014). Identifying effective education interventions in Sub-Saharan Africa: A
meta-analysis of rigorous impact evaluations. Columbia University.
Cochran, W.G. & Rubin, D. B. (1973). Controlling bias in observational studies: A
review. Sankhya, 35, 417-446.
Devarajan, S., & Reinikka, R. (2003). Making services work for poor people. World
Bank and Oxford University Press.
Duflo, E., Hanna, R., & Ryan, S. P. (2012). Incentives work: Getting teachers to come
to school. The American Economic Review, 1241-1278.
Glewwe, P., Kremer, M., & Moulin, S. (2002). Textbooks and test scores: Evidence from
a prospective evaluation in Kenya. Citeseer.
Hanushek, E. A., Link, S., & Woessmann, L. (2013). Does school autonomy make
sense everywhere? Panel estimates from PISA. Journal of Development
Economics, 104, 212–232.

60
King, E., & Ozler, B. (1998). What’s decentralization got to do with learning? The case
of Nicaragua’s school autonomy reform. Development Economics Research
Group, Working Paper Series on Impact Evaluation of Education Reforms, (9).
Kremer, M., Brannen, C., & Glennerster, R. (2013). The challenge of education and
learning in the developing world. Science, 340 (6130), 297–300.
Lavy, V., & Schlosser, A. (2004). Targeted remedial education for under-performing
teenagers.
McEwan, P. J. (2015). Improving learning in primary schools of developing countries:
A Meta-Analysis of Randomized Experiments. Review of Educational
Research, 85(3), 353–394.
Ministerio de Educación, (2015a). Evaluación Censal Escolar: Tendencias. Obtenido
de http://escale.minedu.gob.pe/tendencias
Ministerio de Educación, (2015b). Evaluación Censal Escolar: Información para
Directores y Docentes. Obtenido de http://umc.minedu.gob.pe/wp-content/
uploads/2015/07/Folleto-ECE-2015-SECUNDARIA-.pdf
Muralidharan, K., & Sundararaman, V. (2009). Teacher performance pay: Experimental
evidence from India. National Bureau of Economic Research.
Navarro, J. C., & Verdisco, A. E. (2000). Teacher training in Latin America: Innovation
and trends. Inter-American Development Bank.
Piper, B. (2009). Impact study of SMRS using early grade reading assessment in
three provinces in South Africa. Integrated Education Programme, RTI
International.
Piper, B., & Korda, M. (2010). Early grade reading assessment (EGRA) Plus: Liberia.
Program evaluation report: Prepared for USAID/Liberia. Research Triangle
Park, NC: RTI International.
Resultados de la Evaluación Censal de Estudiantes 2014. Obtenido de: http://umc.
minedu.gob.pe/wp-content/uploads/2015/02/ECE-2014-Web-270215-
27febv2.pdf
Rivkin, S. G., Hanushek, E. A., & Kain, J. F. (2005). Teachers, schools, and academic
achievement. Econometrica, 417–458.
Rosenbaum, P. R., & Rubin, D. B. (1983). The central of the propensity score in
observational studies for causal effects. Biometrika, 17, 41-55.
Rosenbaum, P. R., & Rubin, D. B. (1985). Constructing a control group using a
multivariate matched sampling methods that incorporate the propensity
score. The American Statistician, 39, 33-88.
Rubin, D. B. (2001). Using propensity scores to help design observational studies:
Application to the tobacco litigation. Health Services & Outcomes Research
Methodology, 2, 169-188.

61
St. Clair, T., Cook, T., & Hallberg, K. (2014). Examining the internal validity and statistical
precision of the comparative interrupted time series design by comparison with
a randomized experiment. American Journal of Evaluation, 35(3): 311-327.
Smith, J., & Todd, P. (2003). Does matching overcome Lalonde’s critique of
nonexperimental estimators?
Snilstveit, B, Stevenson, J, Phillips, D, Vojtkova, M, Gallagher, E, Schmidt, T, Jobse, H,
Geelen, M, Pastorello, M, and Eyers, J. (2015). Interventions for improving
learning outcomes and access to education in low- and middle-income
countries: A systematic review, 3ie Final Review. London: International
Initiative for Impact Evaluation (3ie).
Somers, M., Zhu, P., Jacob, R., & Bloom, H. (2013). The Validity and Precision of
the Comparative Interrupted Time Series Design and the Difference-in-
Difference Design in Educational Evaluation (MDRC working paper in
research methodology). MDRC: New York, NY.
Stuart, E.A. (2010). Matching Methods for Causal Inference: A review and a look
forward. Statistical Science 25(1): 1-21.
Stuart, E. A. (2007). Estimating Causal Effects Using School-Level Data Sets.
Educational Researcher, 36(5), 187-198.
UNICEF. (2014). Estado de la niñez en el Perú. Obtenido de http://www.unicef.org/
peru/spanish/children_3787.htm.
Villegas-Reimers, E. (1998). The Preparation of Teachers in Latin America: Challenges
and trends. Human Development Department, World Bank, Latin America
and the Caribbean Regional Office.

62
APÉNDICE A: METODOLOGÍA
El modelo CITS usa datos de varios años antes de la introducción de SP para determinar
la trayectoria de rendimiento académico de “la línea base” para cada grupo. La línea
base o periodo previo a la introducción de SP está conformada por los años entre 2011
y 2014. Los años de 2015 y 2016 corresponden al periodo denominado “después” de
la introducción de SP. La línea sólida representa la trayectoria estimada antes de la
introducción de SP, mientras que la línea con puntos representa el valor proyectado.
El impacto de la intervención es evaluado al determinar si el rendimiento académico
de 2015 del grupo de intervención se desvía de la trayectoria de la línea base por una
mayor magnitud que la del grupo de comparación.
La Figura 1 ilustra una situación hipotética en donde las trayectorias base de los
grupos de intervención y de comparación tienen tasas de crecimiento distintas y por
tanto la ganancia observada en el grupo de intervención en el año 2015 se explica
en parte porque este grupo venía creciendo a una tasa más rápida (que el grupo de
comparación) y no necesariamente porque la intervención es más efectiva. El modelo
de CITS permite controlar por las diferencias entre las tasas de crecimiento del grupo
de intervención y de comparación.

63
Figura 1.
Ejemplo hipotético: estimación del impacto del programa de Soporte
Pedagógico usando el modelo Comparative Interrupted Time Series

64
APÉNDICE B: RESULTADOS DEL MÉTODO DE EMPAREJAMIENTO
Muestra analítica del estudio: Muestra A
Tabla 1.
Proporción de escuelas emparejadas con Soporte Pedagógico por región
Grupo 1 Grupo 2 Grupo 3 Grupo 4 % Emparejados
Número de escuelas con Soporte Pedagógico
Región Total Polidocente
completas y
urbanas
Polidocente
completas,
urbanas,
estatales y con
rendimiento
académico
Empare-
jadas
Del
grupo
1
Del
grupo
2
Del
grupo
3
1 Apurímac 138 125 114 77 56% 62% 68%
2 Arequipa 17 17 17 11 65% 65% 65%
3 Ayacucho 207 183 153 116 56% 63% 76%
4 Cajamarca 221 213 208 102 46% 48% 49%
5 Cusco 256 234 223 147 57% 63% 66%
6 Huancavelica 91 82 75 60 66% 73% 80%
7 Ica 115 114 114 60 52% 53% 53%
8 La Libertad 222 221 220 60 27% 27% 27%
9 Lambayeque 114 114 113 24 21% 21% 21%
10 Lima (metropolitana,
callao y provincia)
1,075 1,024 1014 177 16% 17% 17%
11 Loreto 205 183 177 86 42% 47% 49%
12 Madre De Dios 31 30 30 14 45% 47% 47%
13 Piura 327 318 317 80 24% 25% 25%
14 San Martín 116 105 105 67 58% 64% 64%
15 Ucayali 45 43 43 16 36% 37% 37%
Total 3,180 3,006 2,923 1,098 35% 37% 38%

65
Tabla 2.
Proporción de escuelas emparejadas por dominio geográfico
Número de escuelas
con Soporte Pedagógico
% emparejadas
Dominio geográfico Con rendimiento 2015 Emparejados
1 Costa Norte 634 157 25%
2 Costa Centro 234 117 50%
3 Costa Sur 17 11 65%
4 Sierra Norte 169 72 43%
5 Sierra Centro 223 171 77%
6 Sierra Sur 312 211 68%
7 Selva 449 244 54%
8 Lima Metropolitana, Callao 885 115 13%
Total 2,923 1,098 38%
Figura 2.
Boxplots del Propensity Score antes y después de aplicar el método de
emparejamiento o Matching

66
Tabla 3.
Características de las escuelas emparejas
Sin Soporte
Pedagógico
Con Soporte
Pedagógico
Variables Media N1 Media N2 Difer ES valor-p Tamaño
del
efecto
2014 total_alumnos 270.99 1,098 301.90 1,098 30.91 9.19 0.00 0.14
2013 total_alumnos 272.97 1,098 305.30 1,098 32.33 9.09 0.00 0.15
2014 tasa_aprobación 72.56 1,098 72.98 1,098 0.42 0.32 0.19 0.06
2013 tasa_aprobación 74.28 1,098 74.40 1,098 0.12 0.36 0.73 0.01
2014 % lengua indígena 7.75 1,098 11.73 1,098 3.98 1.13 0.00 0.15
2014 con cuadernos esco-
lares
0.87 1,098 0.87 1,098 -0.00 0.01 0.75 -0.01
2014 con textos escolares 0.89 1,098 0.89 1,098 0.00 0.01 0.89 0.01
2014 N computadoras 48.26 1,098 49.70 1,098 1.44 1.72 0.40 0.04
2014 N computadoras con
internet
45.24 1,098 46.54 1,098 1.29 1.64 0.43 0.03
2014 total_docentes 13.23 1,098 14.83 1,098 1.60 0.35 0.00 0.19
2014 ratio_alum_docentes 19.51 1,098 19.39 1,098 -0.12 0.26 0.64 -0.02
2014 jornada_pedagógica 8.08 1,098 8.09 1,098 0.00 0.05 0.92 0.00
2014 pared_ladrillo 0.85 1,098 0.84 1,098 -0.01 0.02 0.60 -0.02
2014 piso_no_tierra 0.99 1,098 1.00 1,098 0.00 0.00 0.53 0.03
2014 Inodoros 1.48 1,098 1.37 1,098 -0.11 0.18 0.54 -0.03
2014 Desagüe 0.81 1,098 0.86 1,098 0.05 0.02 0.00 0.15
2014 Electricidad_CP 0.99 1,098 0.99 1,098 -0.00 0.00 0.70 -0.02
2014 Agua_Potable 0.89 1,098 0.93 1,098 0.04 0.01 0.00 0.13
2014 escuela EIB 0.10 1,098 0.13 1,098 0.03 0.01 0.01 0.10
Tasa Pobreza del Distrito en
el 2009
0.39 1,098 0.43 1,098 0.04 0.01 0.00 0.18
Tasa Pobreza Extrema del
Distrito en el 2009
0.14 1,098 0.17 1,098 0.03 0.01 0.00 0.19
Tasa de Desnutrición del
Distrito en 2009
24.08 1,098 28.56 1,098 4.49 0.67 0.00 0.28
Fuentes: ECE, Censo Escolar, Soporte Pedagógico.

67
Tabla 4.
Clasificación de las regiones según dominio geográfico
Costa Sierra Lima
Región Norte Centro Sur Norte Centro Sur Selva
M/poli-
tana Total
Amazonas 0 0 0 15 0 0 29 0 44
Ancash 0 73 0 0 38 0 0 0 111
Apurímac 0 0 0 0 0 83 0 0 83
Arequipa 0 0 14 0 0 100 0 0 114
Ayacucho 0 0 0 0 113 0 13 0 126
Cajamarca 5 0 0 81 0 0 52 0 138
Callao 0 0 0 0 0 0 0 116 116
Cusco 0 0 0 0 0 145 15 0 160
Huancavelica 0 0 0 0 67 0 0 0 67
Huánuco 0 0 0 0 38 0 22 0 60
Ica 0 86 0 0 0 0 0 0 86
Junín 0 0 0 0 59 0 26 0 85
La Libertad 69 0 0 38 0 0 0 0 107
Lambayeque 85 0 0 1 0 0 0 0 86
Lima M/politana 0 0 0 0 0 0 0 114 114
Lima Provincias 0 75 0 0 13 0 0 0 88
Loreto 0 0 0 0 0 0 116 0 116
Madre De Dios 0 0 0 0 0 0 14 0 14
Moquegua 0 0 2 0 0 5 0 0 7
Pasco 0 0 0 0 14 0 8 0 22
Piura 107 0 0 9 0 0 0 0 116
Puno 0 0 0 0 0 83 5 0 88
San Martín 0 0 0 0 0 0 143 0 143
Tacna 0 0 6 0 0 5 0 0 11
Tumbes 48 0 0 0 0 0 0 0 48
Ucayali 0 0 0 0 0 0 45 0 45
Total 314 234 22 144 342 421 488 230 2,195
Analisis de robustez: Muestra B

68
En esta sección se presentan los resultados para la Muestra B que se usan para los
estudios de robustez. Nótese que, de manera similar, el ejercicio de emparejamiento
generó dos grupos muy similares, como se ilustra en las Figuras 3, 4 y 5. La
Tabla 5 presenta los descriptivos estadísticos de diversas variables después del
emparejamiento y muestra que las diferencias de medias estandarizadas son en su
gran mayoría menor a 0.25.
Figura 3.
Trayectorias de las muestras emparejadas para matemática
(Muestra B)

69
Figura 4.
Trayectorias de las muestras emparejadas para comprensión
(Muestra B)

70
Figura 5.
Distribución del Propensity Score de las muestras emparejadas
(Muestra B)

71
Tabla 5.
Características de las escuelas emparejas (Muestra B)
Sin Soporte
Pedagógico
Con Soporte
Pedagógico
Variables Media N1 Media N2 Dif ES Valor-p Tamaño
Del
Efecto
Media ECE Comprensión
Lectora 2013
542.06 933 537.15 933 -4.92 2.26 0.03 -0.10
Media ECE Matemática 2013 531.50 933 525.96 933 -5.54 3.09 0.07 -0.08
Lectora 2012
533.77 933 528.07 933 -5.69 2.28 0.01 -0.12
Lectora 2011
525.64 933 521.01 933 -4.64 2.31 0.04 -0.09
Lectora 2010
530.77 933 522.95 933 -7.82 2.38 0.00 -0.15
% de estudiantes con logro en
Com = Inicio en 2013
0.15 933 0.16 933 0.02 0.01 0.04 0.09
Mate = Inicio en 2013
0.47 933 0.49 933 0.03 0.01 0.03 0.10
Com = Satisfactorio en 2013
0.29 933 0.27 933 -0.02 0.01 0.05 -0.09
Mate = Satisfactorio en 2013
0.17 933 0.16 933 -0.01 0.01 0.40 -0.04
0.19 933 0.20 933 0.01 0.01 0.15 0.07
0.49 933 0.51 933 0.02 0.01 0.09 0.08
0.26 933 0.23 933 -0.03 0.01 0.00 -0.13
0.13 933 0.12 933 -0.01 0.01 0.12 -0.07
0.22 933 0.23 933 0.01 0.01 0.36 0.04
0.55 933 0.56 933 0.02 0.01 0.16 0.07
0.24 933 0.21 933 -0.02 0.01 0.01 -0.12
0.12 933 0.11 933 -0.01 0.01 0.09 -0.08
Desviación Estándar ECE
Comprension Lectora 2013
66.38 933 65.68 933 -0.70 0.72 0.33 -0.05
Matemática 2013
83.33 933 81.84 933 -1.49 0.96 0.12 -0.07
67.20 933 65.39 933 -1.81 0.73 0.01 -0.11
Matemática 2012
81.64 933 78.84 933 -2.80 1.07 0.01 -0.12
66.35 933 64.47 932 -1.88 0.73 0.01 -0.12

72
Matemática 2011
81.60 933 79.63 932 -1.97 1.07 0.07 -0.09
2013 total_alumnos 294.77 933 316.88 933 22.11 10.44 0.03 0.10
2012 total_alumnos 298.55 918 325.00 916 26.45 10.65 0.01 0.12
2011 total_alumnos 308.96 933 336.02 932 27.05 10.78 0.01 0.12
2013 tasa_aprobación 74.57 933 74.62 933 0.05 0.35 0.89 0.01
2012 tasa_aprobación 74.71 918 74.30 916 -0.41 0.38 0.28 -0.05
2013 % lengua indígena 4.71 933 10.15 933 5.44 1.06 0.00 0.24
2013 con cuadernos esco-
lares
0.89 933 0.87 933 -0.02 0.02 0.25 -0.05
2013 con textos escolares 0.05 933 0.05 933 0.01 0.01 0.52 0.03
2013 N computadoras 49.09 933 47.91 933 -1.17 1.71 0.49 -0.03
2013 N computadoras internet 19.28 933 18.36 933 -0.92 1.47 0.53 -0.03
2013 total_docentes 13.88 933 14.90 933 1.02 0.38 0.01 0.12
2013 ratio_alum_docentes 20.33 933 20.31 933 -0.02 0.29 0.94 -0.00
2013 jornada_pedagógica 8.08 933 8.09 933 0.01 0.05 0.85 0.01
2013 pared_ladrillo 0.87 933 0.84 933 -0.03 0.02 0.11 -0.07
2013 piso_no_tierra 0.99 933 0.99 933 0.00 0.00 0.76 0.01
2013 Inodoros 1.45 933 1.36 933 -0.09 0.19 0.65 -0.02
2013 Desagüe 0.79 933 0.83 933 0.04 0.02 0.04 0.09
2013 Electricidad_CP 0.99 933 0.99 933 0.00 0.00 0.82 0.01
2013 Agua_Potable 0.89 933 0.92 933 0.02 0.01 0.07 0.08
2013 Escuela EIB 0.08 933 0.12 933 0.04 0.01 0.00 0.15
Tasa Pobreza del Distrito en
2009
0.35 933 0.41 933 0.06 0.01 0.00 0.26
Tasa Pobreza Extrema del
Distrito en 2009
0.11 933 0.16 933 0.04 0.01 0.00 0.28
Tasa de Desnutrición del Dis-
trito en 2009
22.27 933 27.52 933 5.24 0.72 0.00 0.33
Fuentes: ECE, Censo Escolar, Soporte Pedagógico.

EVALUACIÓN DE IMPACTO DEL PROGRAMA DE SOPORTE PEDAGÓGICO DEL MINISTERIO DE EDUCACIÓN DEL PERÚ.

Más contenido relacionado

La actualidad más candente (20)

Destacado (20)

Similar a EVALUACIÓN DE IMPACTO DEL PROGRAMA DE SOPORTE PEDAGÓGICO DEL MINISTERIO DE EDUCACIÓN DEL PERÚ. (20)

Más de Marly Rodriguez (20)

Último (20)

EVALUACIÓN DE IMPACTO DEL PROGRAMA DE SOPORTE PEDAGÓGICO DEL MINISTERIO DE EDUCACIÓN DEL PERÚ.