Contenido principal del artículo

Francisco Javier Braña Pino
Universidad de Salamanca
España
Biografía
Vol. 19 (2013), Artículos, Páginas 47-68
DOI: https://doi.org/10.14201/14686
Cómo citar

Resumen

El objeto de este artículo es hacer una revisión panorámica lo más exhaustiva posible de los trabajos que han abordado la estimación de los rendimientos de la educación en España. El estudio se inicia con una exposición de la metodología utilizada para la estimación de los rendimientos en el marco del análisis neoclásico, explicitando los supuestos en los que se basa, las consecuencias de algunos de dichos supuestos, los problemas principales que han sido abordados en la bibliografía, terminando con el análisis de una serie de aspectos que limitan los resultados alcanzados, la mayoría bien conocidos desde hace tiempo, pero que sólo en contadas ocasiones se han tenido en cuenta. Para finalizar, se ofrece una relación de los trabajos que han analizado los rendimientos privados de la educación y las primas salariales en España.

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Citas

Adell, E., Varhelyi, A., & Fontana, M. (2011). The effects of a driver assistance system for safe speed and safe distance: A real-life field study. Transportation Research Part C: Emerging Technologies, 19(1), 145–155. doi:10.1016/j.trc.2010.04.006

Ben Dhaou, I. (2011). Fuel estimation model for Eco-Driving and Eco-Routing. IEEE Intelligent Vehicles Symposium IV, 37-42. doi:10.1109/IVS.2011.5940399

Changxu, W., & Yili, L. (2007). Queuing network modeling of driver workload and performance. IEEE Transactions On Intelligent Transportation Systems, 8(3), 528-537. doi:10.1109/TITS.2007.903443

Charnes, A., Cooper, W., & Rhodes, E. (1978). Measuring the Efficiency of Decision Making Units. European Journal of Operational Research, 2(6), 429-444. doi:10.1016/0377-2217(78)90138-8

Charnes, A., Cooper, W., Golany, B., & Seiford, L. (1985). Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions. Journal of Econometrics, 30(1-2), 91-107. doi:10.1016/0304-4076(85)90133-2

Dong, Y., Hu, Z., Uchimura, K., & Murayana, N. (2011). Driver inattention monitoring system for intelligent vehicles: A review. IEEE Transactions on Intelligent Transportation Systems, 12(2), 596–614. doi:10.1109/TITS.2010.2092770

Engströma, J., Johanssona, E., & Östlundb, J. (2005). Effects of visual and cognitive load in real and simulated motorway driving. Transportation Research Part F: Traffic Psychology and Behaviour, 8(2), 97–120. doi:10.1016/j.trf.2005.04.012

Frith, W., & Cenek, P. (2012). AA Research: Standard Metrics for Transport and Driver Safety and Fuel Economy. Opus International Consultants Central Laboratories.

Garmin. (9 de 1 de 2015). Garmin HUB. Obtenido de https://buy.garmin.com/en-US/US/prod155059.html

Godavarty, S., Broyles, S., & Parten, M. (2000). Interfacing to the on-board diagnostic system. IEEE-VTS Fall VTC 2000, 4, págs. 2000-2004. doi:10.1109/VETECF.2000.886162

Google. (9 de 01 de 2015). Google Glass. Obtenido de http://www.google.com/glass/start

Itoh, M., Kawakita, E., & Oguri, K. (2010). “National motor vehicle crash causation survey,” Washington, DC, USA, Tech. Rep. DOT HS 811 059, Jul. ]. 17th ITS World Congress, (págs. 1-11). Busan, South Korea.

Ji, Q., Zhu, Z., & Lan, P. (2004). Real-time non-intrusive monitoring and prediction of driver fatigue. 53(4), 1052–1068. doi:10.1109/TVT.2004.830974

Kim, J. H., Kim, Y. S., & Lee, W. S. (2011). Real-time monitoring of driver’s cognitive distraction. Spring Conf. Korean Soc. Autom. Eng., (págs. 1197–1202).

Nesamani, K., & Subramanian, K. (2011). Development of a driving cycle for intra-city buses in Chennai. Atmospheric Environment, 45(31), 5469–5476. doi:10.1016/j.atmosenv.2011.06.067

OBDLink. (9 de 1 de 2015). OBDLink ScanTool. Obtenido de http://www.scantool.net

Peissner, M., Doebler, V., & Metze, F. (2011). Can voice interaction help reducing the level of distraction and prevent accidents? Meta-Study on Driver Distraction and Voice Interaction. White Paper.

Riener, A., Ferscha, A., Frech, P., Hackl, M., & Kaltenberger, M. (2010). Subliminal vibro-tactile based notification of CO2 economy while driving. 2nd International Conference on Automotive User Interfaces and Interactive Vehicular Applications AutomotiveUI, (págs. 92-101). Pittsburgh, Pennsylvania, USA.

Sega, S., Iwasaki, H., Hiraishi, H., & Mizoguchi, F. (2011). Verification of Driving Workload Using Vehicle Signal Data for Distraction-Minimized Systems on ITS. 18th ITS World Congress, (págs. 1-12). Orlando Florida.

Simulator, O. D. (25 de 9 de 2015). OpenDS Driving Simulator. Obtenido de http://www.opends.de

Teh, E. T., Jamson, S., & Carsten, O. (2012). How does a lane change performed by a neigh-boring vehicle affect driver workload? 19th ITS World Congress, (págs. 1-8). Vienna , Austria.

Transportation, U. D. (2008). National motor vehicle crash causation survey.

Young, K., & Regan, M. (2007). Driver distraction: A review of the literature. NSW: Australasian College of Road Safety.

Zhang, Y., Owechko, Y., & Zhang, J. (2008). Learning-Based Driver Workload Estimation. En Computational Intelligence in Automotive Applications (págs. 1-17). doi:10.1007/978-3-540-79257-4_1