Taxonomía de la investigación

De acuerdo con ^{Supo y Zacarías (2020)}, se desarrolló un estudio de tipo analítico (el análisis estadístico fue multivariado), observacional (no hubo intervención en la población de estudio) transversal (la variable fue medida en un solo momento, en este caso en enero de 2021), y retrospectivo (los datos ya existían en el momento del estudio).

Población de estudio

La población estuvo conformada por las 65 universidades de Ecuador. El criterio de inclusión se basó en aparecer en el listado de Webometrics ^{(Aguillo, 2021a)}, lo cual se cumplió en el 100% de las universidades ecuatorianas, mientras que el criterio de exclusión fue no estar vigente como universidad de Ecuador, en el momento de realizarse el presente estudio, lo cual no ocurrió en ninguno de los casos. Por lo antes mencionado, no fue necesario calcular una muestra.

Variables de estudio

La variable de agrupación fue la conformación de clústeres de universidades ecuatorianas y las variables clasificadoras fueron: Impacto; Excelencia; y Apertura. Estas tres últimas son las que conforman el Webometrics.

Las variables estudiadas fueron de tipo numérico (de razón) por su propia naturaleza y además se expresan numéricamente según el lugar que ocupe cada universidad dentro de ellas.

De acuerdo con ^{Aguillo (2021b)}, el ranking mundial de universidades se establece a partir del lugar que ocupa cada universidad, luego de calcularse a partir de la fórmula siguiente:

Las variables clasificadoras se conceptualizan a continuación ^{(Aguillo, 2021b)}:

Herramientas estadísticas

El análisis multivariante se efectuó a través del método de las k-medias por resultar beneficioso cuando los datos a clasificar son cuantiosos (65 universidades en el presente estudio), en concordancia con ^{Gallego & Aranque (2019)}, partiendo del supuesto de que el número de grupos fue conocido a priori, siendo en este caso tres, por coincidirse con ^{(Kakushadze y Yu, 2016b}; ^{Kakushadze y Yu, 2017a}; y con ^{Kakushadze y Yu, 2017b)}, respecto a que el número de factores estadísticos (Impacto; Apertura; y Excelencia) es válido para identificar el número objetivo de clústeres.

Además, dicha cifra se consideró una cantidad prudente para la toma de decisiones que pueda hacer en un fututo la Secretaría de Educación Superior, Ciencia, Tecnología e Innovación (SENESCYT) y el Consejo de Educación Superior (CES) de Ecuador, a partir de la conformación de estos grupos de universidades en función a su posicionamiento en el ranking mundial y las variables que conforman el mismo.

Para utilizar el método de las k-medias, se siguió el diagrama de flujo de ^{Saxena et al. (2017)}, el cual se muestra en la Figura 1.

Fuente: elaboración propia a partir de ^{(Saxena et al., 2017)}.

Figura 1. Diagrama de flujo del algoritmo K -means. 

Se utilizó el software IBM SPSS Statistics (v. 26.0, Edición de 64 bits), creándose previamente una base de datos que contuviera toda la información estadística del estudio en Microsoft Excel 2019.

Hipótesis del estudio

Considerando que la intención analítica fue la prueba de hipótesis, se desarrollaron los pasos correspondientes al ritual de la significancia estadística:

La hipótesis a dos colas o bilateral quedó planteada de la forma siguiente:

Resultados

Siguiendo el diagrama de flujo de la Figura 1, se obtuvo los resultados siguientes:

Valores atípicos (Outliers)

Teniendo en cuenta, que la agrupación puede no funcionar bien si los datos están llenos de valores atípicos, se valoró este aspecto en el estudio, llegándose a la conclusión de que las variables Impacto y Apertura no presentaron ningún valor atípico, mientras que la variable Excelencia solo tuvo un valor atípico, pero poco significativo, en la Universidad San Francisco de Quito, con una cifra de -2,61839, muy cercano al punto de corte tradicionalmente asumido de 2,5.

Discusión

En relación a la Figura 1 ^{(Saxena et al., 2017)}, donde se expone el diagrama de flujo del algoritmo k -means, debe indicarse que esta secuencia de pasos resulta una adecuada guía para conducir un estudio de esta naturaleza, por la simplicidad que brinda, siempre que sea acompañada por una potente herramienta como lo es el software IBM SPSS Statistics, tal como ocurre en este estudio.

La Tabla 1 expone ordenadamente las variables de las 65 universidades ecuatorianas, especificando el lugar de cada una en el ranking mundial.

Es preocupante que solo dos universidades se encuentren entre las 2000 mejores del planeta: Escuela Politécnica Nacional (lugar 1745) y Universidad de las Américas Ecuador (lugar 1948), lo cual debe poner en alerta a las autoridades de la educación superior ecuatoriana. Además, más de la mitad se encuentran ubicadas en lugares posteriores al 5000.

Resulta también preocupante, que en las tres variables clasificadoras, ninguna universidad de Ecuador se ubica en el top 1000. Respecto al Impacto, la mejor ubicada es la Universidad de las Américas Ecuador, ocupando el lugar 1155, mucho mejor ubicada que el resto. En relación a la variable Excelencia, la mejor situada es la Universidad San Francisco de Quito en el puesto 1432, también superando claramente al resto de las instituciones ecuatorianas. Finalmente, respecto a la variable Apertura, la mejor posicionada es la Universidad de las Fuerzas Armadas ESPE, ubicada en el lugar 1798.

Es llamativo que solo dos universidades se ubican en el top 10 de las tres variables dentro de Ecuador: Escuela Politécnica Nacional y Pontificia Universidad Católica del Ecuador.

Igualmente, es interesante analizar que hay universidades mal ubicadas en el ranking general dentro de Ecuador, pero bien ubicadas en variables individuales. Por ejemplo, la Universidad Estatal de Milagro que integralmente ocupa la posición 40, en la variable Apertura es la mejor institución ecuatoriana, a pesar de su discreto lugar 1616 en el contexto mundial en dicha variable. Igualmente, en la variable Impacto, la Universidad Técnica de Cotopaxi, ocupa el lugar cuatro dentro de Ecuador, a pesar de que en el ranking integral ecuatoriano se ubica en la posición 35.

En la Tabla 2 se muestran los estadísticos descriptivos, resaltándose la alta desviación estándar en la variable Impacto (5677,286), lo que evidencia que en relación al lugar que ocupa la universidad, según el número de redes externas afines a las páginas web de la institución, hay una notable dispersión de resultados en las universidades ecuatorianas.

La Tabla 3 refleja los centros de clústeres iniciales, mostrando que respecto a los valores de las variables de las k observaciones, las mayores aproximaciones se evidencian en la variable Excelencia, entre los grupos 1 (6683) y 3 (6245), aunque estos resultados son normales en esta etapa del proceso de iteración. Por su parte, en la Tabla 4 se detalla el historial de iteraciones, apreciándose los cambios en los centros de clústeres, que en el caso del grupo 1, en la iteración tres ya quedó en un valor de 0,000, lo cual ocurre en la iteración cuatro para los grupos 2 y 3; por ello, en ningún caso son necesarias las 10 iteraciones permitidas, lo cual manifiesta que no resulta muy complejo este proceso.

La Tabla 5 presenta los centros de clústeres finales, percibiéndose que los grupos quedan conformados por cantidades similares de universidades: grupo 1 (N=19); grupo 2 (N=21) y grupo 3 (N=25). Se destaca que la mayor diferencia entre todas las variables respecto a las distancias entre clúster diferentes corresponde a la variable Impacto, con un valor de 17726 para el grupo 1 y de 4301 en el grupo 2.

Por su parte, la Tabla 6 exhibe el análisis de la varianza (ANOVA), que refleja que en las tres variables el p-valor es menor a 0,05, por lo cual la decisión estadística, dentro del ritual de significancia es que se rechaza la hipótesis nula (El Impacto, la Apertura y la Excelencia en los tres grupos es igual) y se acepta la hipótesis del investigador, es decir, el Impacto, la Apertura y la Excelencia tienen una diferencia estadísticamente significativa en los tres grupos, o sea, se corrobora que los tres clústeres son distintos en cada caso.

Debe agregarse que las pruebas F en la prueba de ANOVA (Impacto 220,145; Apertura 5,245; y Excelencia 22,086) se realiza para determinar si la variabilidad entre las medias de los clústeres es mayor que la variabilidad de las universidades dentro de los grupos, por lo que en este caso, sólo se deben utilizar con fines descriptivos porque los clústeres se han designado para maximizar los contrastes entre las universidades de distintos agrupamientos; lo cual no ocurre así cuando ANOVA se utiliza desde el principio con otros fines diferentes al de clustering,

Finalmente, en la Tabla 7 se expone la composición final de los tres clústeres, donde se evidencia que en el clúster dos están las universidades mejor ubicadas en el ranking integral, donde se encuentra 21 de las mejores 35 universidades. Por su parte, en el clúster uno aparece las peor ubicadas, aunque la Yachay Tech, que integralmente ocupa el lugar 15, queda enmarcada en este grupo, por su pésima posición en la variable Impacto (lugar 15399 universal), algo similar a lo que ocurre con la Universidad Estatal Amazónica, que ocupando el lugar 26 entre las universidades ecuatorianas, su mal Impacto (lugar 16900 mundialmente) le impide escalar a mejores posiciones.

Valores atípicos

Tal como se comenta en el apartado Resultados, dos de las variables clasificadores (Impacto y Apertura) no evidencian valores atípicos, y la variable Excelencia solo tiene como valor atípico, el correspondiente a la Universidad San Francisco de Quito (-2,61839), lo cual resulta casi insignificante por ubicarse muy cercano al punto de corte asumido de 2,5. Por ello, sobre este aspecto se llega a la conclusión de que los valores atípicos no afectan el clustering que se realiza.

En relación con el valor de corte de los valores atípicos, los autores consideran que las puntuaciones pueden ser outliers cuando tiene una puntuación típica, en muestras pequeñas (<80), cuando son menores de 2,5 o cuando tienen una puntuación típica en muestras grandes (>80) de 3 puntos.

Lo anterior tiene en consideración que en una variable que sigue una distribución normal se espera que el 95% de los datos se alejen de la media como máximo 1,96 desviaciones típicas. Además, se espera que un 5% de los casos se pueda alejar más de 1,96 desviaciones típicas y solo el 1% de los casos se aleja más de 2,58 desviaciones típicas de la media; esto quiere decir, que se escoge el valor de 2,5 para detectar casos extremos, porque son casos que se alejan demasiado de la media. Si en la variable hay menos del 1% de casos que se alejan de la media 2,5 desviaciones típicas, en ese caso no ocurre nada, porque es lo esperado, pero si en la variable hay más del 1% de casos que se alejan 2,5 desviaciones típicas, entonces puede ser que esos valores no sean correctos por algún motivo. Entonces se elige el valor de 2,5 para detectar casos e investigar, en la medida que se pueda, si son casos esperados o no; por lo tanto, el valor de corte de 2,5 responde al modelo de probabilidad de la distribución normal.

El estudio que se realiza en las 65 universidades ecuatorianas posibilita que a partir de las tres variables que conforman el ranking (Impacto. Excelencia y Apertura), se construyan tres grupos, de forma tal que las que pertenezcan a un mismo grupo sean muy homogéneas entre sí y al mismo tiempo se obtiene la máxima heterogeneidad posible entre grupos, o sea, la investigación intenta minimizar la variabilidad intra-grupo y simultáneamente maximizar la variabilidad inter-grupos.

Los resultados demuestran que los perfiles de las universidades dentro de un mismo clúster son análogos entre sí; es decir, tiene una cohesión interna, mientras que los de clúster diferentes son desiguales, o sea, tienen un aislamiento externo. Esto permite que la dirección de la educación superior en Ecuador, a partir de organismos rectores como SENESCYT que tiene entre sus objetivos institucionales desarrollar el sistema de educación superior universitaria, técnica y tecnológica, con discernimientos de inclusión, calidad, pertinencia, y democracia; así como elevar los resultados investigativos, la innovación, la investigación y la transferencia tecnológica, manteniendo un nexo entre los sectores productivo y académico, disponga ahora de esta segmentación válida para hacer distinciones en la gestión de presupuestos, planes estratégicos y desarrollo científico e informático, entre otros ^{(Secretaría de Educación Superior, Ciencia, Tecnología e Innovación, 2021)}.

Este comentario también es válido para el CES, que tiene como misión “…la planificación, regulación y coordinación interna del Sistema de Educación Superior del Ecuador, y la relación entre sus distintos actores con la Función Ejecutiva y la sociedad ecuatoriana.” ^{(Consejo de Educación Superior, 2021)}.

Para ambas instituciones, la sola intención de precisar escenarios futuros de actuación para transformar la información en acción ^{(Vega y Comas, 2017)}, posibilita prever una mejor evolución de las universidades ecuatorianas, accionando a partir de la segmentación realizada en este estudio.

Limitaciones del estudio

Para futuras investigaciones se invita a la comunidad académica y científica a replicar en otros contextos los procedimientos seguidos en este estudio, valorando la posible utilización de la combinación de métodos jerárquico (para eliminar outliers, determinar el número de clústeres y sus centros iniciales), con el método k-medias para obtener así una solución conglomerativa final, ya que no fue utilizado así en el presente estudio, lo cual pudiera considerarse como una posible limitación del mismo.