Instructions for authors, subscriptions and further details:

http://rise.hipatiapress.com

El Capital Cultural como Predictor del Rendimiento Escolar en

España

Miguel Ángel Lozano Pérez1

Antonio Trinidad Requena1

1) Universidad de Granada, Spain

th
Date of publication: February 25 , 2019
Edition period: February 2019-June 2019

To cite this article: Lozano Pérez, M.A., Trinidad Requena, A. (2019). El

Capital Cultural como Predictor del Rendimiento Escolar en España,
International Journal of Sociology of Education, 8(1), 45-74. doi:
10.17583/rise.2019.3862

To link this article: http://dx.doi.org/10.17583/rise.2019.3862

PLEASE SCROLL DOWN FOR ARTICLE

The terms and conditions of use are related to the Open Journal System
and to Creative Commons Attribution License (CC-BY)
RISE – International Journal of Sociology of Education Vol.8 No.1
February 2019 pp. 45-74

Cultural capital as a Predictor

of Student Performance in
Spain
Miguel Ángel Lozano Pérez Antonio Trinidad Requena
Universidad de Granada Universidad de Granada

(Received: 3 November 2018; Accepted: 14 January 2019; Published: 25

February 2019)

Abstract
Bourdieu argued that cultural capital, and therefore cultural possessions in the home,
were the main variables for predicting academic performance, as they were the ones
that carried most weight in the field of education. However, the latest research into
family origins and academic performance reveal gradual decreases in both,
including the number of books in the home. Indeed, the OECD has a specific index
for cultural possessions in the home, but it does not appear even once in the 2015
PISA Report. This paper looks at whether cultural capital continues to predict
student performance and if so what weight is carried by cultural possessions and the
number of books in the home. To that end we conduct a comparative analysis of
these variables and the indices used by PISA to measure the economic, social and
cultural environment in general and cultural possessions in particular.

Keywords: cultural capital, books in the home, academic performance, family

origins

2019 Hipatia Press

ISSN: 2014-3575
DOI: 10.17583/rise.2019.3862
RISE – International Journal of Sociology of Education Vol.8 No.1
February 2019 pp. 45-74

El Capital Cultural como

Predictor del Rendimiento
Escolar en España
Miguel Ángel Lozano Pérez Antonio Trinidad Requena
Universidad de Granada Universidad de Granada

(Recibido: 3 Noviembre 2018; Aceptado: 14 Enero 2019; Publicado: 25

Febrero 2019)
Resumen
Para Bourdieu el capital cultural y, por tanto, las posesiones culturales en el hogar
eran las variables más importantes en el campo educativo. Y, por consiguiente, para
prever el rendimiento escolar. Sin embargo, investigaciones recientes sobre origen
familiar y rendimiento académico evidencian que ambas están desapareciendo de
forma progresiva, incluida el número de libros en el hogar. Tanto es así, que la
OCDE posee un índice específico para las posesiones culturales en el hogar, pero no
lo incluye ni una sola vez en el Informe PISA 2015. En este artículo, comprobamos
si el capital cultural sigue prediciendo el desempeño escolar. Y si es así, qué peso
poseen las posesiones culturales y los libros en el hogar. Para ello realizaremos un
análisis comparativo entre estas variables y aquellos índices que PISA utiliza para
medir el entorno económico, social y cultural en general y las posesiones culturales
en particular.

Palabras clave: capital cultural, libros en el hogar, rendimiento académico, origen

familiar.

2019 Hipatia Press

ISSN: 2014-3575
DOI: 10.17583/rise.2019.3862
 RISE – International Journal of Sociology of Education, 8(1) 47

esde la aparición del llamado Informe Coleman, la influencia del

D origen social en el rendimiento escolar1 ha sido materia de estudio

de la Sociología en particular y de las Ciencias Sociales en general,
ya que supuso un antes y un después en las evaluaciones sobre la
influencia del entorno del estudiantado en el rendimiento académico
(Marqués Perales, 2016; Flecha & Buslon, 2016; Álvarez-Sotomayor &
Martínez-Cousinou, 2016). En estos 50 años, con sus matices, el estudio en
esta materia ha sido amplio. Sin embargo, las investigaciones de Coleman,
tanto en el propio informe (1968) como posteriormente, se centraban en gran
medida en el entorno social, prestándole gran atención al contexto de la
escuela, el barrio y la comunidad, además de a la familia. Todo este conjunto
de variables que influyen en el alumnado y, por tanto, en su rendimiento
educativo lo llamamos, desde entonces, capital social. Este es obtenido por
el alumnado de dos formas diferentes. La primera es mediante la trasmisión
de generación en generación, teniendo un carácter reproductivo, de tal forma
que quien procede de clases sociales medias y altas tiene ventaja competitiva
en las instituciones escolares respecto a quienes no pertenecen a estas. La
otra vía es que la familia o el individuo pueden adoptar comportamientos y
estrategias que generen capital social, tal y como defiende Álvarez-
Sotomayor (2012). De esta forma, no tendría lugar un proceso hereditario en
el que la institución escolar se limitara a reproducir las posiciones de la
estructura social.
Iniciado el análisis del papel del entorno socioeconómico en el
rendimiento escolar del alumnado, aparecería Bourdieu, quien le daría un
mayor peso a la cuestión cultural (Trinidad Requena & Pagés Luis, 2002).
Este autor vería a la familia como epicentro de la reproducción social.
Donde resalta el concepto del habitus entre otros, aprendiéndose este en el
núcleo familiar, produciendo y reproduciendo conductas, que según la
posición de clase de la familia de origen marcaría el desempeño escolar del
estudiantado. Ya que el habitus permitiría que los diferentes capitales
(económico, cultural y social) mutaran según lo requirieran los diferentes
campos, que son espacios sociales con cierta autonomía (Martínez, 2017). Es
decir, si una familia se encuentra en una situación económica alta, sus
descendientes no solo dispondrían de un mayor capital económico para
invertir en formación, además serían más competitivos en la escuela como
consecuencia de poseer un mayor capital cultural. Siendo este una serie de
48 Lozano-Pérez & Trinidad-Requena – Capital Cultural

conocimientos, hábitos y prácticas adquiridas en la socialización familiar y

que dotan al individuo de un estatus determinado, el cual es causa y
consecuencia de una posición social. Por consiguiente, Bourdieu ve en la
familia el origen de la desigualdad en la escuela (Trinidad, 2005, p.525).
Si atendemos a las obras del propio Bourdieu, La distinction (1979) y Les
héritiers (1964), esta última escrita junto con Passeron, poseen dos
características básicas a la hora de analizar los datos. La primera es que
siempre testa una a una las variables independientes, mediante un análisis
bivariante con la dependiente. La otra peculiaridad es que, aunque agrupa las
variables en dimensiones, como capital educativo, no genera índices
compuestos. Además, si nos centramos en el tipo de variables, observamos
entre ellas: la cantidad y el tipo de obras de arte que hay en el hogar, el tipo
de muebles en este, la música que se escucha, los sombreros que se posee, el
número de libros en el hogar, entre otras, pues para Bourdieu las posesiones
del hogar son expresiones culturales de clase. Por lo que es recurrente
observar como variables predictoras aquellas posesiones que, además de
medir la riqueza del hogar, testan el nivel cultural de sus dueños, pues son
indicadores del habitus que posee cada familia. Junto a estos ítems,
encontramos otras cuestiones que son muy recurrentes en sus
investigaciones, pero que también aparecían en el informe Coleman (1968),
como la ocupación y el nivel educativo de los padres3, siendo la primera más
importante que la segunda.
Sin embargo, aunque la relación entre el origen familiar y el rendimiento
escolar ha sido ampliamente estudiada tanto a nivel internacional
(Fernández, 2015) como para el caso español (Fernández, 2014), la
tendencia mayoritaria en los últimos tiempos está siendo excluir las variables
relacionadas con aquellos bienes del hogar que son indicadores del capital
cultural, es decir, aquellas que sí poseía Bourdieu, pero no Coleman. Cada
vez se están implementando técnicas más complejas con análisis
multivariantes, valga como ejemplo el último artículo de Broc (2018), junto
con otras publicaciones aquí citadas. Directamente relacionado con esto, se
ha extendido el uso de índices compuestos. Encabezando esta dinámica están
los propios informes PISA (OECD, 2016a), los cuales no solo han generado
importantes índices para explicar el impacto del entorno en el rendimiento
del alumnado, también los han creado para evaluar el propio rendimiento.
En esta dinámica, hay una variable que ha ido desapareciendo
 RISE – International Journal of Sociology of Education, 8(1) 49

progresivamente de los análisis y es el número de libros en el hogar. Tanto

es así, que el más reciente estudio (Torrens et al, 2018) que trabaja con las
variables que más repite Bourdieu la ignora. Pero la cuestión es que también
están siendo desatendidas aquellas variables que hacen referencia a las
posesiones culturales. De tal manera que Martín Criado (2010), pese a
defender la existencia del proceso de reproducción en la escuela, sostiene
que otras variables están compensado el peso del capital cultural en España.
Y como defiende Trinidad (2005, p. 525), para Bourdieu el campo más
importante en la institución educativa es el cultural. Pero, ¿qué ocurre
cuando es utilizada esta variable? pues paradójicamente, aquellos estudios
que tienen en consideración el número de libros en el hogar revelan que
tiene bastante peso (Hanushek, Machin & Woessmann, 2010).
En esta línea también está perdiendo peso su índice homónimo, pues
PISA posee uno llamado Posesiones culturales en el hogar (CULTPOSS),
que mide única y exclusivamente aquellas posesiones que denotan un nivel
cultural determinado, con variables como el número de libros en el hogar,
instrumentos musicales y si se posee un diccionario, entre otras cuestiones.
Sin embargo, en los volúmenes de PISA 2015 este índice compuesto no es
utilizado por la OCDE. El más cercano que posee, y que sí se encuentra en
este informe, es Posesiones del hogar. Pero está más encaminado a medir la
riqueza de la familia, incluyendo en este índice variables como el número de
vehículos que posee la familia, el número de habitaciones del hogar y de
cuartos de baño, aunque algunas posesiones sí que son culturales (OECD,
2016a; 2016b; 2017a; 2017b; 2017c). Exactamente igual está ocurriendo con
el informe español (INEE, 2014; 2016).
A todo esto, hay que sumarle la revolución tecnológica que estamos
viviendo, la cual conlleva que nos hagamos la siguiente cuestión: ¿Están
sustituyendo las nuevas herramientas informáticas el poder predictivo que
poseían los bienes culturales por los que preguntaba Bourdieu? Por citar un
ejemplo: ¿Es mejor variable predictora del rendimiento escolar el número de
libros electrónicos que el de libros impresos?
Entonces, ¿por qué han desaparecido estas variables de los estudios sobre
origen familiar y rendimiento escolar? Puede que sea la aparición de nuevas
herramientas tecnológicas, simplemente el capital cultural ya no es buen
predictor o la evolución investigadora ha conllevado a que se esté ignorando
este capital.
50 Lozano-Pérez & Trinidad-Requena – Capital Cultural

Al respecto, PISA construye un índice compuesto para medir

exclusivamente el peso predictivo de las posesiones culturales en el hogar,
llamado CULTPOSS, el cual creemos que carece de capacidad predictiva,
por lo que desaparece de los propios informes PISA. Por consiguiente, se ha
desatendido este índice y el conjunto de variables que lo componen. Lo que
ha conllevado la desaparición de los estudios que tienen como variable
independiente cualquiera que pertenezca al conjunto de bienes culturales,
siendo su máxima expresión la variable sobre la cantidad de libros en el
hogar. Y, siguiendo esa tendencia, aparece bibliografía, que, aunque no
acredite la incapacidad predictiva del capital cultural, sí lo hace de alguna de
sus variables, aunque sea parcialmente, como el de Martín Criado y Gómez
Bueno (2017) que se centra en las expectativas parentales a nivel regional.
A todo esto, hay que sumar el hecho de que la literatura existente en este
campo viene utilizando el nivel educativo de los padres en detrimento de las
posesiones culturales para medir el capital cultural (Fernández, 2015). Y a
pesar de que el índice compuesto que más utiliza la OCDE en los informes
PISA, el Índice Social, Económico y Cultural (ESCS), incluya la variable
libros en el hogar (2016a; 2016b; 2017a; 2017b; 2017c).
Sin entrar en la cuestión de la construcción de los índices compuestos que
utiliza la OCDE, ya que sería materia de otro artículo, nuestra hipótesis de
partida es que las variables pertenecientes al capital cultural siguen teniendo
capacidad predictiva sobre el desempeño escolar del alumnado en España.
Y, además, una intensidad similar al índice compuesto ESCS. Haciendo
especial hincapié en el número de libros en el hogar, variable que
consideramos que no ha sido superada en capacidad predictiva ni por
aquellas variables propias de la revolución tecnológica ni por aquellas que
Bourdieu comparte con Coleman, como son el nivel de estudios y la
ocupación de los progenitores.

Métodos

PISA 2015

Los datos utilizados son los de PISA 20153. Siendo la muestra de España,
sin incluir las muestras particulares de las diferentes comunidades
autónomas. Ya que el grado de respuesta de éstas en los diferentes
 RISE – International Journal of Sociology of Education, 8(1) 51

cuestionarios es muy dispar, y la muestra del conjunto de España es

suficientemente grande, 6736 casos. Habiéndose utilizado la totalidad de
cuestionarios. La muestra ha sido ponderada tal y como indica la variable
que para ello posee la base de datos, pero para que el sumatorio sea los 6736
casos y no 50004.

Variables

Dos son las variables dependientes que hemos utilizado para valorar el
rendimiento académico. Una ha sido Idoneidad del curso5 (IC). Las ventajas
que posee son las siguientes. En primer lugar, si bien PISA permite abordar
las capacidades mostradas en sus tres pruebas, la variable Idoneidad del
curso posee un carácter más credencialista, que es el objetivo del alumnado
en el sistema educativo (Collins, 2005). Segundo, las pruebas PISA predicen
en un alto grado la repetición de curso (Carabaña, 2011). Y, por último, el
curso del alumnado es registrado por la propia OCDE durante el trabajo de
campo, mientras que la repetición es la respuesta a una pregunta del
cuestionario.
La segunda variable explicada ha sido el Rendimiento en las pruebas
PISA (RP). Siendo reunidos los individuos en dos categorías de respuesta:
Alto rendimiento y Bajo rendimiento. En el primer grupo se ha agrupado al
tercio del alumnado que mayor nota ha sacado en las tres pruebas de las que
consta PISA, en oposición, el segundo posee al tercio que peor media
aritmética posee en dichas pruebas. Además de que los resultados tienen que
ser similares a los obtenidos con la variable IC, poseemos las siguientes
ventajas. La primera es homogeneizar la valoración de las competencias
adquiridas por el alumnado, ya que puede variar según el centro educativo.
Y la segunda es que eliminamos los casos de rendimiento intermedio,
cuestión que ya se ha realizado en otros análisis similares en lo
metodológico (Pérez Sánchez, Betancort Montesinos & Cabrera Rodríguez,
2013; García-Fernández, Martínez-Monteagudo & Inglés, 2013). Quedando
el total de la muestra para estos dos grupos en 4490 casos.
Las variables independientes son de dos tipos, aquellas que pertenecen al
capital cultural y dos que utilizaremos como comparativas. Estas últimas
son: el Índice Social, Económico y Cultural (ESCS), que es el índice más
utilizado por la OCDE en sus análisis, y Posesiones culturales del hogar
52 Lozano-Pérez & Trinidad-Requena – Capital Cultural

(CULTPOSS), como se ha comentado anteriormente. Ambos generados por

PISA.
El primer grupo lo conforman nueve variables que son politómicas y
ordinales, estando reagrupadas en tres categorías de respuesta, para así
facilitar el análisis comparativo entre ellas y, por tanto, su capacidad
predictora. Siendo las que exponemos a continuación. Posesiones culturales
(Pos_cult), que hace referencia a si en el hogar se posee instrumentos
musicales y obras de arte. Siendo las categorías de respuesta Ninguna, Una y
Ambas. La segunda es Libros electrónicos en el hogar (e-book), y
recodificada en Ninguno, Uno y Dos o más. La siguiente es Ingreso en
educación infantil (Preesc), siendo sus opciones de respuesta6 Después, Tres
años y Antes. La cuarta la hemos denominado Recursos educativos
informáticos (Rec_edu_inf), en Ambos está quien posee un ordenador y
software específico para uso escolar, Solo uno quien posee alguna de ambas
herramientas y Ninguno para quien no dispone de estas. Las siguientes
variables hacen referencia a la ocupación del padre y la madre, Ocup_p y
Ocup_m respectivamente. Ambas quedan clasificadas a partir de las
categorías laborales de ISCO-08 (ILO, 2012). Quedando como categorías de
respuesta Trabajadores manuales (niveles 5 a 10), Trabajadores no
manuales (3 y 4) y Empresarios y profesionales (1 y 2). Además, en la
primera de las categorías se han incluido los desocupados. También está
especificada según el nivel de los progenitores la Educación del padre y la
Educación de la madre, dando lugar a Educ_p y Educ_m. Esta
recodificación se ha efectuado a partir de las categorías de ISCED-97
(OECD, 1999). Quedando categorizado en Obligatorios o menos (niveles 1
y 2), Secundarios post-obligatorios (3 y 4) y Universitarios (5 y 6). Y, por
último, Libros en el hogar (Lib_h), recodificada en 25 o menos, Entre 26 y
200 y Más de 200.
Por último, cabe decir que las variables CULTPOSS y ESCS están
codificadas de forma ordinal y numérica. En la primera se han recodificado,
por cada una de las variables hemos creado tres grupos con la misma
cantidad de individuos, agrupándolos en tres niveles según su
correspondiente índice: Bajo, Medio y Alto. La numérica es tal y como
aparece en la base de datos de PISA 2015.
 RISE – International Journal of Sociology of Education, 8(1) 53

Métodos de Análisis

Para testar si el capital cultural sigue teniendo capacidad predictiva hemos

realizado tres análisis. El primero se compone de unas tablas de
contingencia, con el objetivo de observar la capacidad predictora de las
variables politómicas en IC y RP. En este caso es donde ESCS y CULTPOSS
las utilizaremos agrupadas, conformándolas como variables ordinales.
En el segundo de estos análisis se ha utilizado la R de Rosenthal junto
con el test de Mann-Whitney, ya que la muestra no tiene distribución normal7
y con el análisis escogido podemos comparar variables ordinales y
numéricas (Rosenthal, 1991; Rosnow & Rosenthal, 2003). Este nos permite,
a su vez, varios análisis. El primero es comparar la capacidad explicativa de
cada una de las variables independientes (Pos_cult, e-book, Preesc,
Rec_edu_inf, Ocup_p, Ocup_m, Educ_p, Educ_m y Lib_h), pudiendo
comparar las variables propias de Bourdieu con las que comparte con
Coleman. Además, cotejaremos el nivel predictivo de las variables que
expresan el capital cultural mediante las nuevas tecnologías con aquellas
variables que ya utilizaba Bourdieu. Sin embargo, estos análisis solamente
ahondarán en lo ya expuesto en las tablas de contingencia. Lo que sí será
novedoso es que con la R de Rosenthal podremos comparar los resultados de
las nueve variables independientes con ESCS y CULTPOSS sin necesidad de
agrupar estos dos índices, y, por tanto, respetar el nivel de medida que
poseen en PISA.
En último lugar, realizaremos cuatro regresiones logísticas binarias.
Siendo todas ellas ajustadas con el apoyo de un programa informático de
análisis de datos estadísticos8. Este análisis es el que mejor nos permite el
uso de covariables politómicas y continúas cuando la variable dependiente es
dicotómica (Jovell, 1995; Pardo & Ruiz, 2013). El modelo Logit ya ha sido
utilizado con anterioridad para testar el origen familiar en el rendimiento
escolar (Torres Mora & Peruga Urea, 1997; Martínez García & Merino,
2011; Fernández-Macías et al., 2013; Pérez Sánchez, Betancort Montesinos
& Cabrera Rodríguez, 2013). En concreto, se ajustarán cuatro modelos, uno
para cada variable explicada y cada grupo de variables explicativas. Así
tenemos, el primero, que posee las variables politómicas junto a la Idoneidad
del curso (tabla 5). El segundo, con las mismas variables independientes,
pero esta vez con RP (tabla 6). A continuación, utilizaremos los índices
54 Lozano-Pérez & Trinidad-Requena – Capital Cultural

CULTPOSS y ESCS para explicar IC (tabla 7). Y por último, estos mismos
índices para RP (tabla 8). Obsérvese que para el nivel de estudios que ambos
progenitores poseen, como para su profesión, hemos utilizado solo una, es
decir la del padre o la de la madre. Esto se ha hecho con el propósito de
reducir la colinealidad (Pardo & Ruiz, 2013). Eligiendo siempre aquella que
mayor capacidad predictiva ha arrojado en los análisis anteriores.
Esto nos permitirá medir hasta qué punto las variables que componen el
capital cultural son capaces de predecir el rendimiento escolar del alumnado,
y qué peso tiene cada una en el conjunto del modelo Logit, siempre teniendo
como referencia los modelos en los que hemos empleado los índices de
PISA.

Muestra

La muestra la componen un total de 6.736 casos, siendo la razón de

masculinidad 1,003. Con una edad media de 15,86 (D.E.: 0,29), lo que
corresponde a 15 años 10 meses y 11 días (D.E.: 3 meses y 13 días).
Si atendemos a la muestra reducida por RP, esta se compone de 4490
casos, 15,87 (D.E.: 0,29), lo que equivale a 15 años 10 meses y 12 días, y
una razón de masculinidad de 1,061.
La configuración de las variables politómicas queda con la distribución
que se observa en las tablas 1 y 2. Las variables basadas en índices creados
por la OCDE son: ESCS con un valor medio de -0,511 (D.E.: 1,192) y
CULTPOSS con 0,116 (D.E.: 0,979); y si solo tenemos en consideración la
muestra utilizada en RP, ESCS tiene de media -0,525 (D.E. 1,221) y
CULTPOSS 0,104 (D.E.: 0,992).

Discusión

Análisis Bivariante con las Variables Politómicas

En las tablas 1y 2 se observa como un análisis bivariante de las variables

ordinales es suficiente para apreciar que las variables independientes están
asociadas con la Idoneidad del curso y el Rendimiento en las pruebas PISA.
Si nos centramos en la diferencia porcentual media de las categorías
contiguas que no poseen Idoneidad del curso nos encontramos de mayor a
 RISE – International Journal of Sociology of Education, 8(1) 55

menor: Lib_h (22,2), Rec_edu_inf (19,1), Ocup_p (14,0), Educ_m (13,7),

Preesc (13,2), Ocup_m (13,2), Pos_cult (13,05), Educ_p (12,1) y e-book
(10,5) en las variables que hemos definido como las que componen el capital
cultural. Y en aquellas ordinales que hemos recodificado a partir de los
índices ESCS y CULTPOSS obtenemos una diferencia porcentual media de
18,7 y 11,9 respectivamente. Y si hacemos la misma operación pero con
quienes obtienen un rendimiento Bajo en RP obtenemos el siguiente orden:
Lib_h (31,7), Ocup_p (19,4), Pos_cult (18,7), Rec_edu_inf (18,7), Ocup_m
(16,4), Educ_m (15,5), Educ_p (15,4), Preesc (15,1) y e-book (14,7). Y 24,3
en ESCS y 19,5 en CULTPOSS. Esto nos lleva a afirmar que Lib_h es la
variable que mejor predice el desempeño escolar del estudiantado, incluso
mejor que la reconstrucción que hemos hecho de ESCS, siendo su índice la
variable más empleada por PISA en sus informes para medir la influencia
del entorno social en el rendimiento escolar (2016a; 2016b; 2017a; 2017b;
2017c). Y, en contraposición, e-book es la que peor lo hace. También llama
la atención como el orden de las variables independientes según su
capacidad predictiva es prácticamente el mismo en ambos análisis.
Resaltando dos excepciones, la primera es que Rec_edu_inf tiene mucha
mejor capacidad predictora con IC. Y en contraposición, Pos_cult posee
mayores diferencias porcentuales cuando se cruza con RP. Además, como
era de esperar, las diferencias son mayores en RP que en IC.
Respecto a los casos perdidos, cuando la variable dependiente es IC nos
encontramos en un intervalo que va desde 0,80% (Lib_h) hasta 9,30%
(Ocup_p). Y para la muestra reducida por RP es de 46 casos (0,97%) hasta
416 (10,21%) con las mismas variables independientes.
56 Lozano-Pérez & Trinidad-Requena – Capital Cultural

Tabla 1
Porcentaje de Idoneidad del curso según cada una de las 11 variables politómicas e
independientes. Porcentaje en horizontal
Idoneidad del curso
No Sí N
Posesiones culturales
Ninguna 46,0 54,0 1793
Una 30,4 69,6 2905
Ambas 19,9 80,1 1913
Total 31,6 68,4 6611
Libros electrónicos en el hogar
Ninguno 37,4 62,6 4380
Uno 21,7 78,3 1686
Dos o más 16,5 83,5 557
Total 31,6 68,4 6623
Ingreso en educación infantil
Después 51,4 48,6 1745
Tres años 30,2 69,8 3944
Antes 25,0 75,0 591
Total 30,7 69,3 6280
Recursos educativos informáticos
Ninguno 63,1 36,9 480
Solo uno 32,8 67,2 3216
Ambos 24,9 75,1 2892
Total 31,6 68,4 6588
Ocupación de la madre
Trabajadoras manuales 40,7 59,3 3788
Trabajadoras no manuales 18,4 81,6 1170
Empresarias y profesionales 14,4 85,6 1358
Total 30,9 69,1 6316
Ocupación del padre
Trabajadores manuales 40,0 60,0 3816
Trabajadores no manuales 20,8 79,2 879
Empresarios y profesionales 12,1 87,9 1415
Total 30,8 69,2 6110
Educación de la madre
Obligatorios o menos 46,8 53,2 2419
Secundarios post-obligatorios 28,9 71,1 1352
Terciarios 19,4 80,6 2818
Total 31,4 68,6 6589

(continued)
 RISE – International Journal of Sociology of Education, 8(1) 57

Tabla 1
Porcentaje de Idoneidad del curso según cada una de las 11 variables politómicas e
independientes. Porcentaje en horizontal (continued)
Idoneidad del curso
No Sí N
Educación del padre
Obligatorios o menos 44,4 55,6 2541
Secundarios post obligatorios 28,1 71,9 1171
Terciarios 20,2 79,8 2798
Total 31,0 69,0 6510
Libros en el hogar
25 o menos 57,7 42,3 1710
26-200 libros 27,4 72,6 3380
Más de 200 13,3 86,7 1589
Total 31,8 68,2 6679
Índice ESCS
Bajo 49,8 50,2 2225
Medio 33,1 66,9 2224
Alto 12,5 87,5 2227
Total 31,8 68,2 6676
Índice CULTPOSS
Bajo 43,4 56,6 2196
Medio 29,6 70,4 1149
Alto 19,6 80,4 2220
Total 31,0 69,0 5565
Para las 11 tablas de contingencia que la componen su significación de chi-cuadrado
es la misma: p < 0,01.
Fuente: Elaboración propia a partir de datos de PISA 2015
58 Lozano-Pérez & Trinidad-Requena – Capital Cultural

Tabla 2
Porcentaje de Bajo y Alto Rendimiento en las pruebas PISA según cada una de las
11 variables politómicas e independientes. Porcentaje en horizontal
Rendimiento pruebas PISA
Bajo Alto N
Posesiones culturales
Ninguna 69,1 30,9 1231
Una 48,2 51,8 1913
Ambas 31,7 68,3 1255
Total 49,4 50,6 4399
Libros electrónicos en el hogar
Ninguno 57,7 42,3 2925
Uno 34,2 65,8 1109
Dos o más 28,3 71,7 374
Total 49,3 50,7 4408
Ingreso en educación infantil
Después 74,4 25,6 422
Tres años 47,1 52,9 2635
Antes 44,2 55,8 1114
Total 49,1 50,9 4171
Recursos educativos informáticos
Ninguno 81,5 18,5 356
Solo uno 48,7 51,3 2108
Ambos 44,2 55,8 1924
Total 49,4 50,6 4388
Ocupación de la madre
Trabajadoras manuales 61,5 38,5 2510
Trabajadoras no manuales 29,9 70,1 762
Empresarias y profesionales 28,7 71,3 923
Total 48,6 51,4 4195
Ocupación del padre
Trabajadores manuales 61,2 38,8 2551
Trabajadores no manuales 31,7 68,3 546
Empresarios y profesionales 22,5 77,5 977
Total 48,0 52,0 4074
Educación de la madre
Obligatorios o menos 66,1 33,9 1649
Secundarios post-obligatorios 48,5 51,5 860
Terciarios 35,1 64,9 1883
Total 49,3 50,7 4392
(continued)
 RISE – International Journal of Sociology of Education, 8(1) 59

Tabla 2
Porcentaje de Bajo y Alto Rendimiento en las pruebas PISA según cada una de las
11 variables politómicas e independientes. Porcentaje en horizontal (continued)
Rendimiento pruebas PISA
Bajo Alto N
Educación del padre
Obligatorios o menos 65,6 34,4 1685
Secundarios post-obligatorios 47,3 52,7 750
Terciarios 34,8 65,2 1892
Total 48,9 51,1 4327
Libros en el hogar
25 o menos 84,7 15,3 1238
26-200 libros 43,6 56,4 2137
Más de 200 21,3 78,7 1071
Total 49,7 50,3 4446
ESCS
Bajo 72,8 27,2 1499
Medio 52,1 47,9 1450
Alto 24,2 75,8 1500
Total 49,7 50,3 4449
CULTPOSS
Bajo 68,3 31,7 1505
Medio 45,3 54,7 715
Alto 29,3 70,7 1468
Total 48,2 51,8 3706
Para las 11 tablas de contingencia que la componen su significación de chi-cuadrado
es la misma: p < 0,01.
Fuente: Elaboración propia a partir de datos de PISA 2015

Análisis a partir de los Rangos

Como observamos en la Tabla 3, la U de Mann-Whitney poseen resultados

significativos para todos los casos (p < 0,01). Siendo las diferencias en el
promedio de los rangos por grupo de pertenencia de medias a leves.
La prueba R nos permite una comparativa de todas las variables. Se
observa que guardan una relación negativa, ya que el grupo de pertenencia
es el que tiene el menor valor asignado9: No idoneidad o Bajo rendimiento,
por lo que quienes pertenecen a estos grupos poseen menor capital.
Empezamos por los índices de la OCDE, que en esta ocasión no están
reagrupados. Volvemos a observar que la variable ESCS tiene mejor
60 Lozano-Pérez & Trinidad-Requena – Capital Cultural

capacidad predictiva que CULTPOSS. Y, en esta ocasión, observamos que

ESCS predice mejor que Lib_h la Idoneidad del curso. Sin embargo, no
ocurre lo mismo para RP, donde Lib_h tiene una R más distante de 0 que
ESCS. Respecto a CULTPOSS, observamos que posee mucha variabilidad,
pues para RP solo dos variables politómicas obtienen un R más pronunciado,
mientras que para IC son cinco.
Respecto a las variables que hemos reconstruido para definir al capital
cultural, vemos que se sitúan en intervalos de 0,2068 para IC y 0,3396 para
RP. Siendo Lib_h la que mejor predice ambas variables dependientes, y
Preesc como la que peor lo hace. Lo que implica una diferencia respecto al
análisis de las tablas 1 y 2, pues e-book ha pasado de ser la peor predictora a
la tercera peor. Quedando ordenadas de mayor a menor capacidad predictiva
para IC: Lib_h, Ocup_p, Educ_m, Ocup_m, Educ_p, Pos_cult, e-book,
Rec_edu_inf y, como se ha comentado, Preesc en último lugar. Si hacemos
la misma operación, pero esta vez utilizando como variable explicada RP,
obtenemos exactamente el mismo orden con una sola excepción, y es que
Educ_m pasa a ser la sexta variable en la que el valor de R más dista de 0. Si
nos centramos en aquellas variables diferenciadas por ambos progenitores,
por regla general, el padre ejerce mayor influencia que la madre y la
ocupación que el nivel educativo. Siendo coincidentes con los análisis
anteriores.
Como cabe esperar, los casos perdidos son los mismos, pues este análisis
también es bivariante.
 RISE – International Journal of Sociology of Education, 8(1) 61

Tabla 3
U de Mann-Whitney y R de Rosenthal de las nueve variables ordinales y los dos
índices para Idoneidad del curso y Rendimiento pruebas PISA
Idoneidad del curso Rendimiento pruebas PISA
U p R U p R
Posesiones culturales 3307864 0,000 -0,2018 1628371 0,000 -0,2732
Libros electrónicos en el 3597745 0,000 -0,1665 1795798 0,000 -0,2331
hogar
Ingreso en educación 3367668 0,000 -0,1232 1838712 0,000 -0,1210
infantil
Recursos educativos 3507577 0,000 -0,1649 1976616 0,000 -0,1339
informáticos
Ocupación de la madre 2828184 0,000 -0,2496 1443804 0,000 -0,3061
Ocupación del padre 2635700 0,000 -0,2540 1307459 0,000 -0,3395
Educación de la madre 3035268 0,000 -0,2515 1636902 0,000 -0,2701
Educación del padre 3057578 0,000 -0,2266 1570923 0,000 -0,2784
Libros en el hogar 2751267 0,000 -0,3299 1200691 0,000 -0,4606
Índice ESCS 2456993 0,000 -0,3531 1189220 0,000 -0,4296
Índice CULTPOSS 3222706 0,000 -0,2055 1420576 0,000 -0,3359
Fuente: Elaboración propia a partir de datos de PISA 2015

Análisis de Regresión Logística Binaria

Los resultados de los modelos ajustados ponen de manifiesto dos

conclusiones. La primera es que aquellas que tienen como variable
dependiente RP tienen mejor ajuste que las regresiones que en su lugar
poseen IC, como era de esperar, pues en las primeras no se incluyen los
casos intermedios. Y la segunda es que en las regresiones que hemos
utilizado las variables politómicas observamos modelos más ajustados,
siendo necesario destacar que estas se sitúan en un valor más alto del 70% a
la hora de predecir a qué grupo de la variable dependiente pertenece el
alumnado, véase la tabla 4.
Para el modelo RLB Politómico-IC el 75,15% de los casos son predichos,
χ2 = 1109,247; p < 0,01. Del mismo modo, el modelo denominado RLB
Politómico-RP predice el 73,40% de los casos, χ2 = 3857,044; p < 0.01. El
siguiente modelo, al que hemos llamado RLB Índices-IC, ya que posee los
índices CULTPOSS y ESCS, pronostica correctamente el 68,52% de los
62 Lozano-Pérez & Trinidad-Requena – Capital Cultural

casos, χ2 = 7281,834; p < 0.01. Y el último modelo (RLB Índices-RP)

predice el 69,39% de los casos, χ2 = 5134,902; p < 0.01. Poseyendo el
primer modelo un 17,92% de casos perdidos, el segundo un 18,01%, el
tercero el 3,30% y el cuarto el 4,25%.
El modelo que menos fuerza posee es aquel que predice la Idoneidad del
2
curso a partir de los índices (R2 = 0,134; 𝑅𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 = 0,188; 𝑅𝐿2 = 0,116). En
oposición, la RLB que mayor relación tiene entre la variable dependiente y
las variables independientes es el modelo Politómico-RP (R2 = 0,274;
2
𝑅𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 = 0,366; 𝑅𝐿2 = 0,232). Entre estas dos, y muy próximas entre ellas,
2
están Politómico-IC (R2 = 0,183; 𝑅𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 = 0,261; 𝑅𝐿2 = 0,168) e Índices-
2 2
RP (R = 0,196; 𝑅𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 = 0,262; 𝑅𝐿 = 0,158).
2

Tabla 4
Ajuste de los cuatro modelos de RLB
2
Modelo Casos % casos G0−1 p % valor -2 Log R2 R2ajusta R2L Test p
perdidos predictivo likelihood do Hosmer
Lemeshow
Politómico- 5529 17,92 1109,247 0,000 75,15 5491,464 0,183 0,261 0,168
IC
Politómico- 3637 18,01 1162,721 0,000 73,40 3857,044 0,274 0,366 0,232
RP
Índices-IC 6514 3,30 952,638 0,000 68,52 7281,834 0,134 0,188 0,116 46,2716808 0,000

Índices-RP 4299 4,25 961,274 0,000 69,39 5134,902 0,196 0,262 0,158 19,1837732 0,014

Fuente: Elaboración propia a partir de datos de PISA 2015

Las últimas cuatro tablas nos muestran los resultados de los cuatro
modelos de Regresión Logística. El primero, que es RLB Politómica-IC
(Tabla 5) , logit (idoneidad de curso = 1) = -2,18 + 0,148 (Pos_cult = Una)
+ 0,282 (Pos_cult = Ambas) + 0,251 (e-book = Uno) + 0,288 (e-book = Dos
o más) + 0,842 (Preesc = 3 años) + 0,619 (Preesc = Antes) + 1,168
(Rec_edu_inf = Solo uno) + 0,885 (Rec_edu_inf = Ambos) + 0,895 (Ocup_p
= Trabajadores no manuales) + 0,419 (Ocup_p = Empresarios y
profesionales) + 0,535 (Educ_m = Secundarios post-obligatorios) + 0,679
(Educ_m = Terciarios) + 0,914 (Lib_h = 26-200 libros) + 1,41 (Lib_h = Más
de 200). En este modelo, como en los restantes, las categorías de referencia
son las que no aparecen en la ecuación. Por tanto, las odds obtenidas indican
que a mayor capital cultural, mayor es la probabilidad de presentar idoneidad
de curso por parte del alumnado, teniendo esto lugar en todas sus variables y
categorías. Siendo la variable que más diferencias presenta, una vez más,
Libr_h. Llegando a ser el odds ratio 4,09 en los adolescentes con más de 200
 RISE – International Journal of Sociology of Education, 8(1) 63

libros en su hogar. Además, constatamos dos variables, Ocup_p y

Rec_edu_inf, en las que las categorías intermedias tienen mayor odds ratio
que aquellas que denotan un mayor capital cultural. Lo que constata que, con
buen criterio, hemos elegido las variables independientes como nominales en
vez de ordinales. La variable que menos diferencias constata entre sus
categorías es Pos_cult, siendo sus odds 1,16 para Una y 1,33 para Ambas.
Además, cabe destacar que la categoría Una para Pos_cult y Dos o más para
e-book no son suficientemente significativas (p > 0,05).
64 Lozano-Pérez & Trinidad-Requena – Capital Cultural

Tabla 5
Resultados del modelo Politómico-IC, en el que las variables independientes son las
politómicas y la dependiente es Idoneidad del curso
B EE Wald gl p OR 95% ICOR
Pos_cult = Ninguna 8,703 2 0,013
Pos_cult = Una 0,148 0,079 3,527 1 0,060 1,159 0,994/1,352
Pos_cult = Ambas 0,282 0,096 8,530 1 0,003 1,325 1,097/1,601
e-book = Ninguno 11,075 2 0,004
e-book = Uno 0,251 0,083 9,043 1 0,003 1,285 1,091/1,513
e-book = Dos o más 0,288 0,152 3,590 1 0,058 1,334 0,990/1,796
Preesc = Después 48,456 2 0,000
Preesc = 3 años 0,842 0,121 48,106 1 0,000 2,322 1,830/2,946
Preesc = Antes 0,619 0,109 32,321 1 0,000 1,858 1,501/2,300
Rec_edu_inf = 80,632 2 0,000
Ninguno
Rec_edu_inf = Solo 1,168 0,132 78,719 1 0,000 3,215 2,484/4,161
uno
Rec_edu_inf = 0,885 0,129 47,204 1 0,000 2,423 1,882/3,119
Ambos
Ocup_p = 78,737 2 0,000
Trabajadores m
Ocup_p = 0,895 0,105 72,860 1 0,000 2,446 1,992/3,004
Trabajadores no
manuales
Ocup_p = 0,419 0,104 16,385 1 0,000 1,521 1,242/1,864
Empresarios y
profesionales
Educ_m = 80,876 2 0,000
Obligatorios o menos
Educ_m = 0,535 0,088 36,866 1 0,000 1,708 1,437/2,030
Secundarios post-
obligatorios
Educ_m = Terciarios 0,679 0,081 70,714 1 0,000 1,972 1,683/2,311
Lib_h = 25 o menos 200,000 2 0,000
Lib_h = 26-200 libros 0,914 0,077 142,515 1 0,000 2,494 2,147/2,898
Lib_h = Más de 200 1,410 0,114 153,149 1 0,000 4,094 3,275/5,118
Constante -2,180 0,162 181,699 1 0,000 0,113
Fuente: Elaboración propia a partir de datos de PISA 2015

La tabla 6 nos muestra la RLB Politómica-RP, siendo logit (Alto

Rendimiento = 1) = -3,772 + 0,378 (Pos_cult = Una) + 0,559 (Pos_cult =
Ambas) + 0,378 (e-book = Uno) + 0,338 (e-book = Dos o más) + 0,835
 RISE – International Journal of Sociology of Education, 8(1) 65

(Preesc = 3 años) + 0,832 (Preesc = Antes) + 1,009 (Rec_edu_inf = Solo

uno) + 1,019 (Rec_edu_inf = Ambos) + 0,893 (Ocup_p = Trabajadores no
manuales) + 0,59 (Ocup_p = Trabajadores manuales) + 0,298 (Educ_p =
Secundarios post-obligatorios) + 0,387 (Educ_p = Terciarios) + 1,467
(Lib_h = 26-200 libros) + 2,115 (Lib_h = Más de 200). Siendo, otra vez, la
variable Lib_h la que mejor predice a la variable dependiente. En este caso,
al escoger un individuo al azar, si este posee Alto Rendimiento en las pruebas
PISA, es 8,29 veces más probable que posea más de 200 libros en su hogar a
que tenga 25 o menos. Mientras, la variable menos potente, atendiendo a
OR, es Educ_p. En esta RLB son tres las variables en las que su mayor
categoría tiene OR menor que la intermedia: e-book, Preesc y Ocup_p. Esto
puede deberse a varios factores, incluyendo el hecho de que las categorías no
poseen el mismo número de individuos. Por último, cabe decir que todas las
categorías son significativas (p < 0,05).
66 Lozano-Pérez & Trinidad-Requena – Capital Cultural

Tabla 6
Resultados del modelo Politómico-RP, en el que las variables independientes son
las politómicas y la dependiente es Rendimiento en pruebas PISA
B EE Wald gl p OR 95% ICOR
Pos_cult = Ninguna 25,651 2 0,000
Pos_cult = Una 0,378 0,098 14,790 1 0,000 1,459 1,204/1,769
Pos_cult = Ambas 0,559 0,113 24,312 1 0,000 1,749 1,400/2,184
e-book = Ninguno 18,133 2 0,000
e-book = Uno 0,378 0,094 16,231 1 0,000 1,459 1,214/1,753
e-book = Dos o más 0,338 0,158 4,600 1 0,032 1,402 1,030/1,909
Preesc = Después 32,931 2 0,000
Preesc = 3 años 0,835 0,159 27,460 1 0,000 2,305 1,687/3,150
Preesc = Antes 0,832 0,147 31,832 1 0,000 2,297 1,721/3,067
Rec_edu_inf = 31,852 2 0,000
Ninguno
Rec_edu_inf = Solo 1,009 0,185 29,742 1 0,000 2,744 1,909/3,944
uno
Rec_edu_inf = 1,019 0,184 30,759 1 0,000 2,771 1,933/3,973
Ambos
Ocup_p = 72,480 2 0,000
Trabajadores
manuales
Ocup_p = 0,893 0,111 65,100 1 0,000 2,443 1,966/3,035
Trabajadores no
manuales
Ocup_p = 0,590 0,122 23,594 1 0,000 1,804 1,422/2,290
Empresarios y
profesionales
Educ_p = 16,670 2 0,000
Obligatorios o menos
Educ_p = 0,298 0,111 7,183 1 0,007 1,348 1,083/1,676
Secundarios post-
obligatorios
Educ_p = Terciarios 0,387 0,099 15,392 1 0,000 1,472 1,214/1,786
Lib_h = 25 o menos 282,157 2 0,000
Lib_h = 26-200 libros 1,467 0,104 197,492 1 0,000 4,337 3,534/5,321
Lib_h = Más de 200 2,115 0,132 256,506 1 0,000 8,290 6,400/10,74
Constante -3,772 0,237 252,597 1 0,000 0,023
Fuente: Elaboración propia a partir de datos de PISA 2015
 RISE – International Journal of Sociology of Education, 8(1) 67

La tabla 7 incluye el modelo, al que hemos denominado Indices-RP.

Siendo logit (idoneidad de curso = 1) = 1,26 + 0,70 (ESCS) + 0,11
(CULTOSS). Sin embargo, en este caso no vamos a poder comparar sus
ratios. Donde otra vez ESCS se vuelve a mostrar mejor predictora que
CULTPOSS, sin embargo, debemos interpretarlo con mucha cautela. Esto se
debe a que los índices están medidos de diferente forma, pues cada variable
posee su propia escala de medición.

Tabla 7
Resultados del modelo Índices-IC, en el que las variables independientes son los
índices CULTPOSS y ESCS y la dependiente es Idoneidad del curso
B EE Wald gl p OR 95% ICOR

CULTPOSS 0,113 0,035 10,536 1 0,001 1,119 1,045/1,198

ESCS 0,702 0,030 562,289 1 0,000 2,019 1,905/2,139

Constante 1,257 0,037 1130,619 1 0,000 3,515

Fuente: Elaboración propia a partir de datos de PISA 2015

Los últimos coeficientes que se observan corresponden a RLB Indices-RP

(Tabla 8). Siendo el modelo ajustado logit (idoneidad de curso = 1) = 0,36 +
0,69 (ESCS) + 0,35 (CULTPOSS). Aquí, lo que más llama la atención, es
que el coeficiente de CULTPOSS sea mayor que en la anterior regresión
logística, a pesar de que sigue siendo inferior que el de ESCS. Más allá de
que, como se vio en la tabla 4, RLB Indices-RP tiene un modelo mejor
ajustado.
68 Lozano-Pérez & Trinidad-Requena – Capital Cultural

Tabla 8
Resultados del modelo Índices-RP, en el que las variables independientes son los
índices CULTPOSS y ESCS y la dependiente Rendimiento pruebas PISA
B EE Wald gl p OR 95% ICOR

CULTPOSS 0,351 0,041 73,667 1 0,000 1,420 1,311/1,539

ESCS 0,691 0,034 403,699 1 0,000 1,996 1,866/2,136

Constante 0,361 0,039 86,105 1 0,000 1,435

Fuente: Elaboración propia a partir de datos de PISA 2015

Conclusiones

Los tres métodos empleados nos ofrecen una serie de resultados reiterativos.
Podemos afirmar que el número de libros en el hogar sigue siendo una
variable predictora del rendimiento escolar, tal y como afirmaban Hanushek,
Machin & Woessmann (2010). De hecho, Lib_h es la variable explicativa
con mayor capacidad de las nueve que hemos utilizado para testar el capital
cultural. Siendo en todos los análisis mejor predictora del desempeño escolar
que ESCS, con la excepción de la R de Rosenthal para IC. Además, Lib_h
predice en mayor grado el éxito escolar que el índice sintético creado por la
OCDE para medir los bienes culturales en el hogar (CULTPOSS). Aunque
también es cierto que la variable Pos_cult, construida a partir de la posesión
de obras de arte e instrumentos musicales en el hogar, se muestra con una
capacidad explicativa intermedia respecto al resto de variables. Lo más
notable ocurre con aquellas variables que responden a la revolución
tecnológica. Pues e-book se ha mostrado como la peor de las variables
explicativas en las dos tablas de contingencia, la tercera peor en los dos
análisis realizados con la R de Rosenthal y no tiene mayor peso en las dos
Regresiones Logística. Además, la categoría Dos o más posee un nivel no
suficientemente significativo (p > 0,05) en RLB Politómica-IC. Lo que haría
pensar que las posesiones culturales propias de las nuevas tecnologías
todavía no son buenas predictoras del rendimiento escolar. Siendo muy
inusual lo que sucede con rec_edu_inf, púes en las tablas de contingencia
presenta mayor capacidad predictiva para IC que para RP, siendo la tercera
 RISE – International Journal of Sociology of Education, 8(1) 69

mejor predictora para la primera y quedando en un lugar intermedio para la

segunda. En la R de Rosenthal es la segunda variable ordinal que menos
fuerza posee, para volver a tener un alto OR en los dos modelos de
Regresión Logística. Lo que la configura como la variable con resultados
más dispares según el método de análisis. Respecto a las variables que se
basan tanto en la ocupación como en el nivel educativo de los progenitores,
estas tienen una considerable capacidad predictiva, siendo mayor la
influencia en el caso de los padres que de las madres y, a su vez, de la
profesión respecto a los estudios. En resumen, podemos afirmar que los
análisis que utilizaba Bourdieu (1964; 1979; 2011) predicen el rendimiento
escolar en España, y además, poseen varias ventajas respecto a los índices
utilizados por la OCDE. Siendo estas: a) la facilidad que permite
recodificarlas, la cual ahonda en un mejor análisis comparativo; b) posibilita
análisis más fáciles de representar; c) generan menor cantidad de casos
perdidos, pues las variables de los índices se construyen a partir de varios
ítems, sobre todo comparativamente con CULTPOSS y en los análisis
bivariantes.
Respecto a los métodos utilizados, las tablas de contingencia son más que
suficientes para explicar la relación entre cada una de las covariables y el
rendimiento escolar, siempre y cuando no se quiera medir la fuerza conjunta
de todas ellas. De hecho, las variables numéricas, a partir de cuartiles u otra
clasificación basada en la distribución de rangos, pueden ser categorizadas
de forma politómica. Pero si se quiere respetar el nivel de medición, la R de
Rosenthal se presenta como una técnica que permite comparar variables
ordinales y de intervalo, además permite sustituir a la t de student cuando la
distribución de las variables no es normal (Rosenthal, 1991; Rosnow &
Rosenthal, 2003). Siendo coincidentes los resultados con ambas técnicas,
con la única excepción de la variable Rec_edu_inf, como se ha comentado.
La RLB es la mejor técnica para medir la fuerza global de variables de
diferente naturaleza. La paradoja es que en su fortaleza radica su debilidad,
pues este mismo hecho la condena a perder capacidad comparativa entre
covariables de diferente naturaleza o nivel de escala.
En resumen, los resultados nos muestran dos tipos de conclusiones. El
primero responde a varias cuestiones teóricas. Una de ellas es que las
características intrínsecas de la familia son suficientes para, en un grado
moderado o medio-alto (depende del tipo de análisis), predecir el
70 Lozano-Pérez & Trinidad-Requena – Capital Cultural

rendimiento escolar. El segundo punto es que el número de libros en el hogar

es una buena variable predictora, por tanto, no debería seguir siendo obviada
por la literatura especializada.
El segundo grupo de conclusiones responde a cuestiones metodológicas,
destacando dos. La necesidad de crear índices que midan mejor el impacto
de los bienes culturales en el rendimiento escolar por parte de la OCDE, y si
es necesario introducir en PISA nuevas cuestiones para profundizar el tipo
de posesiones culturales. La segunda es la necesidad de una mayor
homogenización en las escalas que utilizan algunos índices en PISA, ya que
facilitaría el análisis comparativo.

Notas
1
Usamos rendimiento escolar, desempeño escolar y rendimiento académico indistintamente.
Debido a que no existe una categorización ampliamente aceptada, por lo que que hay diversos
autores que las utilizan como sinónimos (Lamas, 2015).
2
Bourdieu analiza la sociedad francesa de los años sesenta y setenta, por tanto, solo tiene en
cuenta la profesión y los estudios de los padres, ignorando a las madres. Lo cual no haremos
aquí.
3
La base de datos ha sido obtenida de http://www.oecd.org/pisa/data/2015database/.
4
La OCDE tiene una variable (SENWT) para ponderar las diferentes muestras nacionales en
5000 casos. Hemos recodificado dicha variable para que respetando el peso de cada uno de
los casos el sumatorio sean los 6736 casos de la muestra, para poder hacer un mejor cálculo
de los casos perdidos.
5
Se han incorporado a idoneidad de curso cuatro casos que estaban en 1º de Bachillerato, es
decir un curso superior al de 4º de la ESO, que es el idóneo.
6
Por tres años se entiende la edad del alumnado concluido el 31 de Diciembre.
7
Los dos índices al cruzarse con IC y ESCS han obtenido p < 0,01 en el test de normalidad de
Kolmogorov-Smirnova.
8
Este programa es IBM SPSS Statics 20, aunque solamente se ha utilizado para el ajuste,
pues algunos parámetros no los calcula, como la R de Rosenthal o 𝑅𝐿2 .
9
Se ha decidido así para respetar que en la regresión logística binaria los valores asignados
fueran 1=Idoneidad y 0=No idoneidad para IC y 1=Alto rendimiento y 0=Bajo rendimiento
para RP.

Referencias

Álvarez-Sotomayor, A. & Martínez-Cousinou, G. (2016). El Informe

Coleman a debate en su cincuenta Aniversario. International Journal
of Sociology of Education, 5(2), 87-106. doi: 10.17583/rise.2016.2104
 RISE – International Journal of Sociology of Education, 8(1) 71

Álvarez-Sotomayor, A. (2012). Educación y capital social. En Trinidad

Requena, A. & Gómez González, F.J. (Coords.), Sociedad, familia,
educación: Una introducción a la sociología de la educación (pp.
229-240). Madrid: Tecnos.
Bourdieu, P. (1979). La distinction: critique sociale du jugement. Paris: Les
éditions de Minuit.
Bourdieu, P. (2011). Capital cultural, escuela y espacio social. México:
Siglo XXI.
Bourdieu, P. & Passeron, J.C. (1964). Les héritiers: les étudiants et la
culture. Paris: Les éditions de Minuit.
Broc, M.A. (2018). Academic Performance and Other Psychological, Social
and Family Factors in Compulsory Secondary Education Students in a
Multicultural Context. International Journal of Sociology of
Education, 7(1), 1-23. doi: 10.17583/rise.2018.2846
Carabaña, J. (2011). Las puntuaciones PISA predicen casi toda la repetición
de curso a los 15 años en España. Revista de la Asociación de
Sociología de la Educación, 4(3), 283-303.
Coleman, J.S. (1968). The concept of equality of educational
opportunity. Harvard Educational Review, 38(1), 7-22.
Collins, R. (2005). Sociología de las filosofías: una teoría global del cambio
intelectual. Barcelona: Hacer.
Fernández‐Macías, E., Antón, J., Braña, F. & Muñoz, R. (2013). Early
School‐leaving in Spain: evolution, intensity and
determinants. European Journal of Education, 48(1), 150-164. doi:
10.1111/ejed.12000
Fernández Mellizo-Soto, M. (2015). Continuidad o cambio en la desigualdad
de oportunidades educativas: evidencia internacional y teorías. Revista
Española de Sociología, 23, 151-164. Recuperado de
https://recyt.fecyt.es/index.php/res/article/view/65378/39676
Fernández Mellizo-Soto, M .(2014). La evolución de la desigualdad de
oportunidades educativas: una revisión sistemática de los análisis del
caso español. Revista Española de Investigaciones
Sociológicas, 147(1), 107-117. doi:10.5477/cis/reis.147.107
Flecha, R. & Buslon, N. (2016). 50 Años Después del Informe Coleman. Las
Actuaciones Educativas de Éxito sí mejoran los resultados
académicos. International Journal of Sociology of Education, 5(2),
72 Lozano-Pérez & Trinidad-Requena – Capital Cultural

127–143. doi: 10.17583/rise.2016.2087

García-Fernández, J., & Martínez-Monteagudo, M., & Inglés, C. (2013).
¿Cómo se relaciona la ansiedad con el rendimiento académico?.
Revista Iberoamericana de Psicología y Salud, 4 (1), 63-76.
Hanushek, E., Machin, S. & Woessmann, L. (2010). Handbook of the
economics of education. Vol. 3. Amsterdam: Editorial North Holland.
ILO (2012). International Standard Classification of Occupations:
Structure, group definitions and correspondence tables: Geneve.
Recuperado de
http://www.ilo.org/wcmsp5/groups/public/@dgreports/@dcomm/@pu
bl/documents/publication/wcms_172572.pdf
INEE, (2016), PISA 2015. Programa para la Evaluación Internacional de
los Alumnos. Informe español. Madrid: MECD.
INEE (2014), PISA 2012. Programa para la Evaluación Internacional de
los Alumnos. Informe español: Resultados y contexto. Madrid:
MECD.
Jovell, A.J. (1995), Análisis de regresión logística. Colección Cuadernos
Metodológicos nº 15, Madrid: CIS.
Lamas, H. A. (2015). Sobre el rendimiento escolar. Propósitos y
Representaciones, 3(1), 313-386. doi: 10.20511/pyr2015.v3n1.74
Marqués Perales, I. (2016). Apuntes sobre el Informe Coleman. Sobre la
Difícil Convivencia de los Principios Igualitarios en un Mundo
Desigual. International Journal of Sociology of Education, 5(2), 107-
126. doi: 10.17583/rise.2016.2092
Martín Criado, E. (2010). La escuela sin funciones. Crítica de la sociología
de la educación crítica. Barcelona: Bellaterra.
Martín Criado, E., & Gómez Bueno, C. (2017). Las expectativas parentales
no explican el rendimiento escolar. Revista Española de
Sociología, 26(1), 1-21.
Martínez García, J. S. (2017). El habitus. Una revisión analítica. Revista
Internacional de Sociología, 75(3), 1-14. Recuperado de
http://revintsociologia.revistas.csic.es/index.php/revintsociologia/artic
le/view/680/870
Martínez García, J.S. & Merino, R. (2011). Formación Profesional y
desigualdad de oportunidades educativas por clase social y género.
Tempora, 14, 13-37.
 RISE – International Journal of Sociology of Education, 8(1) 73

OECD (1999). Classifying Educational Programmes: Manual for ISCED-97

Implementation in OECD. Paris: OECD Publishing. Recuperado de
http://www.oecd.org/education/skills-beyond-school/1962350.pdf
OECD (2016a). PISA 2015 Results (Volume I): Excellence and Equity in
Education. Paris: OECD Publishing. doi: 10.1787/9789264266490-en
OECD (2016b), PISA 2015 Results (Volume II): Policies and Practices for
Successful Schools. Paris: OECD Publishing. doi:
10.1787/9789264267510-en
OECD (2017a), PISA 2015 Results (Volume III): Students’ Well-Being.
Paris: OECD Publishing. doi: 10.1787/9789264273856-en
OECD (2017b), PISA 2015 Results (Volume IV): Students’ Financial
Literacy. Paris: OECD Publishing. doi: 10.1787/9789264270282-en
OECD (2017c), PISA 2015 Results (Volume V): Collaborative Problem
Solving. Paris: OECD Publishing. doi: 1787/9789264285521-en
Pardo, A., & Ruiz, M.A. (2013). Análisis de datos en ciencias sociales y de
la salud III. Madrid: Síntesis.
Pérez Sánchez, C.N., Betancort Montesinos, M., & Cabrera Rodríguez, L.
(2013). Family influences in academic archievement a study of the
Canary Islands. Revista Internacional de Sociología, 71(1), 169-187.
Rosenthal, R. (1991). Meta-analytic procedures for social research.
Newbury Park: Sage.
Rosnow, R. L., & Rosenthal, R. (2003). Effect Sizes for Experimenting
Psychologists. Canadian Journal of Experimental Psychology, 57(3),
221-237.
Torrents, D., Merino, R., García, M., & Valls, O. (2018). El peso del origen
social y del centro escolar en la desigualdad de resultados al final de la
escuela obligatoria. Papers: Revista de Sociología, 103(1), 29–50.
Torres Mora, J.A. & Peruga Urea, R. (1997). Desigualdad educativa en la
España del siglo XX: Un estudio empírico. En Calero Martínez, J.
(Coord.), Educación, Vivienda e Igualdad de Oportunidades (pp. 43-
152). Madrid: Fundación Argentaria.
Trinidad Requena, A. (2005). La educación. En Iglesias de Ussel, J. &
Trinidad Requena, A. & (Coords.), Leer la sociedad: Una
introducción a la sociología general (pp. 505-545). Madrid: Tecnos.
Trinidad Requena, A., & Pagés Luis, S. (2002). Un marco sociológico para
el análisis del contexto escolar. Praxis Sociológica, 6, 147-168.
74 Lozano-Pérez & Trinidad-Requena – Capital Cultural

Miguel Ángel Lozano Pérez is PhD student at the University of

Granada

Antonio Trinidad Requena is profesor at the University of Granada

Contact Address: [email protected]