{"id":{"repo_id":"utdt","oai_identifier":"oai:repositorio.utdt.edu:20.500.13098/11565"},"canonical_url":"https://search.dev.ndltd.org/etd/utdt/oai:repositorio.utdt.edu:20.500.13098/11565","repository":{"repo_id":"utdt","name":"Universidad Torcuato di Tella","base_url":"https://repositorio.utdt.edu/oai/request"},"display":{"title":"Tecnología y Rendimiento Escolar: ¿Cómo afecta el acceso a computadoras en el hogar?","abstract":"Las pruebas Aprender son el dispositivo nacional de evaluación de los aprendizajes de los estudiantes y de sistematización de información acerca de las condiciones en las que ellos se desarrollan en la República Argentina. En base a esta información se busca responder la pregunta: ¿Tener acceso a una computadora en el hogar impacta en el rendimiento escolar? Esta incógnita se responde mediante la utilización de técnicas de inferencia causal, particularmente mediante matching y por propensity score matching. El puntaje de propensión fue calculado mediante regresiones logísticas y algoritmos de boosting a fin de evaluar posibles diferencias. Los resultados de este trabajo pueden ayudar a los responsables de políticas educativas en la asignación de recursos. Los resultados obtenidos sugieren que el impacto de la posesión de una computadora es positivo dentro de los límites del percentil 1 y 99 de la distribución de ATEs estimados. Los resultados varían por técnica, pero se mueven dentro del rango de 0,012 a 0,116 desvíos estándar para lengua y de 0,014 a 0,098 desvíos estándar para matemática en los percentiles mencionados. Además, se presenta un marco de referencia para la evaluación costo beneficio de proyectos educativos basado en (Dhaliwal, Duflo, Glennerster, & Tulloch, 2011). Como chequeo adicional y para contemplar un posible sesgo de selección se realiza una corrección por los missings en la estimación del ATE. En este caso, bajo el supuesto de MAR, consideraremos los missings como parte del mecanismo de selección muestral. Siguiendo la tradición del inverse probability weighting method (IPW) propuesto por (Horvitz & Thompson, 1952) ponderamos por la probabilidad de tener completo el puntaje del examen condicional a los controles (X) bajo el supuesto del cumplimiento del supuesto de MAR. Los resultados obtenidos son similares a los ejercicios anteriores en cuanto al impacto del tratamiento, tanto en los puntajes de lengua como de matemática.","abstract_html":"Las pruebas Aprender son el dispositivo nacional de evaluación de los aprendizajes de los estudiantes y de sistematización de información acerca de las condiciones en las que ellos se desarrollan en la República Argentina. En base a esta información se busca responder la pregunta: ¿Tener acceso a una computadora en el hogar impacta en el rendimiento escolar? Esta incógnita se responde mediante la utilización de técnicas de inferencia causal, particularmente mediante matching y por propensity score matching. El puntaje de propensión fue calculado mediante regresiones logísticas y algoritmos de boosting a fin de evaluar posibles diferencias. Los resultados de este trabajo pueden ayudar a los responsables de políticas educativas en la asignación de recursos. Los resultados obtenidos sugieren que el impacto de la posesión de una computadora es positivo dentro de los límites del percentil 1 y 99 de la distribución de ATEs estimados. Los resultados varían por técnica, pero se mueven dentro del rango de 0,012 a 0,116 desvíos estándar para lengua y de 0,014 a 0,098 desvíos estándar para matemática en los percentiles mencionados. Además, se presenta un marco de referencia para la evaluación costo beneficio de proyectos educativos basado en (Dhaliwal, Duflo, Glennerster, & Tulloch, 2011). Como chequeo adicional y para contemplar un posible sesgo de selección se realiza una corrección por los missings en la estimación del ATE. En este caso, bajo el supuesto de MAR, consideraremos los missings como parte del mecanismo de selección muestral. Siguiendo la tradición del inverse probability weighting method (IPW) propuesto por (Horvitz & Thompson, 1952) ponderamos por la probabilidad de tener completo el puntaje del examen condicional a los controles (X) bajo el supuesto del cumplimiento del supuesto de MAR. Los resultados obtenidos son similares a los ejercicios anteriores en cuanto al impacto del tratamiento, tanto en los puntajes de lengua como de matemática.","abstract_has_math":false,"creators":["Borrego, Ezequiel Agustín"],"institution":"Universidad Torcuato Di Tella","degree_name":"Master in Management + Analytics","degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Roccatagliata, Pablo"],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021","date_published":"2021","updated_at":"2026-07-27T21:55:53Z","subjects":["Eficiencia de la educación","Ambiente educacional"],"languages":["spa"],"rights":["info:eu-repo/semantics/openAccess"],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"https://repositorio.utdt.edu/handle/20.500.13098/11565","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Roccatagliata, Pablo"]},{"key":"dc:creator","label":"Author","values":["Borrego, Ezequiel Agustín"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2023-01-06T19:20:29Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2023-01-06T19:20:29Z"]},{"key":"dc:date.issued","label":"Date","values":["2021"]},{"key":"dc:type","label":"Dc Type","values":["info:eu-repo/semantics/masterThesis"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Master in Management + Analytics"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Universidad Torcuato Di Tella","Escuela de Negocios"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Eficiencia de la educación","Ambiente educacional"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["spa"]},{"key":"dc:rights","label":"Dc Rights","values":["info:eu-repo/semantics/openAccess"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://repositorio.utdt.edu/handle/20.500.13098/11565"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Las pruebas Aprender son el dispositivo nacional de evaluación de los aprendizajes de los estudiantes y de sistematización de información acerca de las condiciones en las que ellos se desarrollan en la República Argentina. En base a esta información se busca responder la pregunta: ¿Tener acceso a una computadora en el hogar impacta en el rendimiento escolar? Esta incógnita se responde mediante la utilización de técnicas de inferencia causal, particularmente mediante matching y por propensity score matching. El puntaje de propensión fue calculado mediante regresiones logísticas y algoritmos de boosting a fin de evaluar posibles diferencias. Los resultados de este trabajo pueden ayudar a los responsables de políticas educativas en la asignación de recursos. Los resultados obtenidos sugieren que el impacto de la posesión de una computadora es positivo dentro de los límites del percentil 1 y 99 de la distribución de ATEs estimados. Los resultados varían por técnica, pero se mueven dentro del rango de 0,012 a 0,116 desvíos estándar para lengua y de 0,014 a 0,098 desvíos estándar para matemática en los percentiles mencionados. Además, se presenta un marco de referencia para la evaluación costo beneficio de proyectos educativos basado en (Dhaliwal, Duflo, Glennerster, & Tulloch, 2011). Como chequeo adicional y para contemplar un posible sesgo de selección se realiza una corrección por los missings en la estimación del ATE. En este caso, bajo el supuesto de MAR, consideraremos los missings como parte del mecanismo de selección muestral. Siguiendo la tradición del inverse probability weighting method (IPW) propuesto por (Horvitz & Thompson, 1952) ponderamos por la probabilidad de tener completo el puntaje del examen condicional a los controles (X) bajo el supuesto del cumplimiento del supuesto de MAR. Los resultados obtenidos son similares a los ejercicios anteriores en cuanto al impacto del tratamiento, tanto en los puntajes de lengua como de matemática."]},{"key":"dc:title","label":"Title","values":["Tecnología y Rendimiento Escolar: ¿Cómo afecta el acceso a computadoras en el hogar?"]}]}],"canonical_facts":{"dc:contributor.advisor":["Roccatagliata, Pablo"],"dc:creator":["Borrego, Ezequiel Agustín"],"dc:date.accessioned":["2023-01-06T19:20:29Z"],"dc:date.available":["2023-01-06T19:20:29Z"],"dc:date.issued":["2021"],"dc:description.abstract":["Las pruebas Aprender son el dispositivo nacional de evaluación de los aprendizajes de los estudiantes y de sistematización de información acerca de las condiciones en las que ellos se desarrollan en la República Argentina. En base a esta información se busca responder la pregunta: ¿Tener acceso a una computadora en el hogar impacta en el rendimiento escolar? Esta incógnita se responde mediante la utilización de técnicas de inferencia causal, particularmente mediante matching y por propensity score matching. El puntaje de propensión fue calculado mediante regresiones logísticas y algoritmos de boosting a fin de evaluar posibles diferencias. Los resultados de este trabajo pueden ayudar a los responsables de políticas educativas en la asignación de recursos. Los resultados obtenidos sugieren que el impacto de la posesión de una computadora es positivo dentro de los límites del percentil 1 y 99 de la distribución de ATEs estimados. Los resultados varían por técnica, pero se mueven dentro del rango de 0,012 a 0,116 desvíos estándar para lengua y de 0,014 a 0,098 desvíos estándar para matemática en los percentiles mencionados. Además, se presenta un marco de referencia para la evaluación costo beneficio de proyectos educativos basado en (Dhaliwal, Duflo, Glennerster, & Tulloch, 2011). Como chequeo adicional y para contemplar un posible sesgo de selección se realiza una corrección por los missings en la estimación del ATE. En este caso, bajo el supuesto de MAR, consideraremos los missings como parte del mecanismo de selección muestral. Siguiendo la tradición del inverse probability weighting method (IPW) propuesto por (Horvitz & Thompson, 1952) ponderamos por la probabilidad de tener completo el puntaje del examen condicional a los controles (X) bajo el supuesto del cumplimiento del supuesto de MAR. Los resultados obtenidos son similares a los ejercicios anteriores en cuanto al impacto del tratamiento, tanto en los puntajes de lengua como de matemática."],"dc:identifier.uri":["https://repositorio.utdt.edu/handle/20.500.13098/11565"],"dc:language":["spa"],"dc:rights":["info:eu-repo/semantics/openAccess"],"dc:subject":["Eficiencia de la educación","Ambiente educacional"],"dc:title":["Tecnología y Rendimiento Escolar: ¿Cómo afecta el acceso a computadoras en el hogar?"],"dc:type":["info:eu-repo/semantics/masterThesis"],"thesis:degree_name":["Master in Management + Analytics"],"thesis:institution_name":["Universidad Torcuato Di Tella","Escuela de Negocios"]},"updated_at":"2026-07-27T21:55:53Z"}