Efecto directo e indirecto de la autoeficacia en lectura y las estrategias cognitivas sobre el rendimiento académico
Direct and indirect effect of self-efficacy in reading and cognitive strategies on academic performance
Contenido principal del artículo
El rendimiento académico del estudiante refleja el desarrollo de su proceso de formación; es común evaluar el desempeño de los estudiantes en varios tipos de evaluaciones y reflejarlos en una escala de puntuación conocida como calificaciones. De las 105 variables con mayor nivel de asociación con el rendimiento académico, se destacan la Autoeficacia en el desempeño y las estrategias cognitivas. El objetivo de la presente investigación fue verificar la relación entre estas variables con el análisis de modelos de ecuaciones estructurales. De PISA 2018 en México se seleccionó una submuestra de 1,258 participantes de preparatoria. Se encontró un efecto directo de las Estrategias Cognitivas sobre el Rendimiento Académico, un efecto directo de la Autoeficacia en Lectura sobre las Estrategias Cognitivas, ningún efecto directo de la Autoeficacia en Lectura sobre el Rendimiento Académico y un efecto indirecto de la Autoeficacia en Lectura sobre el Rendimiento Académico a través de Estrategias Cognitivas. Cada país tiene características particulares dentro de su sistema educativo, las diferencias en la contribución que cada una de las variables tiene en el Rendimiento Académico es prueba de ello, si bien ambas variables son consideradas importantes por la evidencia generada, se puede observar en esta submuestra mexicana que, la Autoeficacia en Lectura es un elemento que sirve como predisposición para el uso adecuado de las Estrategias Cognitivas, es así como la Autoeficacia logra tener un efecto en el Rendimiento.
Descargas
Detalles del artículo
Acock, A. (2013). Discovering Structural Equation Modeling Using Stata (Revised Ed). Stata Press. https://www.stata.com/bookstore/discovering-structural-equation-modeling-using-stata/
Amadu, A. y Alhaji, D. (2018). Hábitos de estudio y rendimiento académico entre estudiantes de la Facultad de Educación Umar Suleiman, Gashua, Estado de Yobe, Nigeria. Revista Internacional de Humanidades y Estudios Sociales , 3 (1), 187–195. https://doi.org/10.24940/theijhss/2020/v8/i10/hs2010-054 DOI: https://doi.org/10.24940/theijhss/2020/v8/i10/HS2010-054
Carter, RL (2006). Soluciones para datos faltantes en el modelado de ecuaciones estructurales. Investigación y práctica en evaluación , 1 , 4–7. https://files.eric.ed.gov/fulltext/EJ1062693.pdf
Cerna, M. A., & Pavliushchenko, K. (2015). Influence of Study Habits on Academic Performance of International College Students in Shanghai. Higher Education Studies, 5(4), 42–55. https://doi.org/10.5539/hes.v5n4p42 DOI: https://doi.org/10.5539/hes.v5n4p42
Grasso, P. (2020). Rendimiento académico : un recorrido conceptual que aproxima a una definición unificada para el ámbito superior. Revista de Educación, 11(20), 87–102. https://fh.mdp.edu.ar/revistas/index.php/r_educ/article/view/4165/4128
Hancock, G. R., Stapleton, L. M., & Mueller, R. O. (2019). The Reviewer’s Guide to Quantitative Methods in the Social Sciences (G. R. Hancock, L. M. Stapleton, & R. O. Mueller (eds.); Second Edi). Routledge. https://www.routledge.com/The-Reviewers-Guide-to-Quantitative-Methods-in-the-Social-Sciences/Hancock-Stapleton-Mueller/p/book/9781138800137 DOI: https://doi.org/10.4324/9781315755649
Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). El análisis factorial exploratorio de los ítems : una guía práctica , revisada y actualizada Introducción Determinación de la adecuación del Análisis. Anales De Psicología, 30(3), 1151–1169. https://dx.doi.org/10.6018/analesps.30.3.199361. DOI: https://doi.org/10.6018/analesps.30.3.199361
Makhdoom, A., Agarwal, A., Alhazimi, A., Alshammari, M., Alanzy, A., & Elmorsy, E. (2023). Evaluation of Study Habits among the High Achieving Undergraduate Medical Students at Northern Border University, Saudi Arabia. International Journal of Medicine in Developing Countries, 7(March), 1–6. https://doi.org/10.24911/IJMDC.51-1678125776 DOI: https://doi.org/10.24911/IJMDC.51-1678125776
Nauwelaerts, E., Doumen, S. y Verhaert, G. (2023). Guiar la transición de los estudiantes a la universidad: ¿Qué factores estudiantiles incluir? Revista Internacional de Educación Superior , 12 (2), 86–100. https://doi.org/10.5430/ijhe.v12n2p86 DOI: https://doi.org/10.5430/ijhe.v12n2p86
Organización para la Cooperación y el Desarrollo Económicos (OCDE). (2009). Manual de análisis de datos de PISA: SPSS, segunda edición. En PISA (2ª ed.). Publicaciones de la OCDE. https://doi.org/10.1787/9789264056275-es
Organización para la Cooperación y el Desarrollo Económicos (OCDE). (2019a). Marco analítico y de evaluación de PISA 2018. En Publicaciones de la OCDE . OCDE. https://doi.org/10.1787/b25efab8-es
Organización para la Cooperación y el Desarrollo Económicos (OCDE). (2019b). PISA 2018 Lanzamiento de la prueba de campo y la encuesta principal Nuevos ítems de lectura . Octubre , 8–67. https://www.oecd.org/pisa/test/
Organización para la Cooperación y el Desarrollo Económicos (OCDE). (2019c). Donde todos los estudiantes pueden tener éxito. En Resultados PISA 2018 (Vol. 2). https://www.oecd.org/pisa/publications/PISA2018_CN_IDN.pdf
Ortiz, MS, & Fernández-Pera, M. (2018). Modelo de estructuras estructurales: una guía para ciencias médicas y ciencias de la salud TT - Modelado de ecuaciones estructurales: una guía para ciencias médicas y de la salud. Ter. Psicol , 36 (1), 51–57. https://scielo.conicyt.cl/pdf/terpsicol/v36n1/0718-4808-terpsicol-36-01-0051.pdf DOI: https://doi.org/10.4067/s0718-48082017000300047
Palos, R., Magurean, S. y Petrovici, MC (2019). Aprendizaje autorregulado y rendimiento académico: el papel mediador de las metas de logro de los estudiantes. Revista de Cercetare Si Interventie Sociala , 67 , 234–249. https://doi.org/10.33788/rcis.67.15 DOI: https://doi.org/10.33788/rcis.67.15
Ramos, L. y Hayward, SL (2018). Un examen de la autoeficacia para la resolución de problemas, la autoeficacia académica, la motivación, el rendimiento en las pruebas y la calificación esperada de los estudiantes universitarios en los cursos de economía de nivel introductorio. Decision Sciences Journal of Innovative Education , 00 (0), 1–24. https://doi.org/10.1111/dsji.12161 DOI: https://doi.org/10.1111/dsji.12161
Richardson, M., Abraham, C. y Bond, R. (2012). Correlatos psicológicos del rendimiento académico de estudiantes universitarios: una revisión sistemática y metanálisis. Boletín Psicológico , 138 (2), 353–387. https://doi.org/10.1037/a0
Salinas, D., De Moraes, C., & Schwabe, M. (2018). Programa para la Evaluación Internacional de Estudiantes (Pisa) Pisa 2018 - Resultados - Nota País México. Ode , I - III , 1–12. https://www.oecd.org/pisa/publications/PISA2018_CN_MEX_Spanish.pdf
Schneider, M. y Preckel, F. (2017). Variables asociadas con el rendimiento en la educación superior: una revisión sistemática de metanálisis. Boletín Psicológico , 1–36. https://doi.org/10.1037/bul0000098 DOI: https://doi.org/10.1037/bul0000098
Soper, D. S. (2023). A-priori Sample Size Calculator for Structural Equation Models [Software]. https://www.danielsoper.com/statcalc/calculator.aspx?id=89
Tejedor, F. (2003). Poder explicativo de algunos determinantes del rendimiento en los estudios universitarios. Revista Española de Pedagogía, 61(224), 5–32. https://core.ac.uk/download/pdf/224729689.pdf
Vargas, T., & Mora-Esquivel, R. (2017). Tamaño de la muestra en modelos de ecuaciones estructurales con constructos latentes: Un método práctico. Actualidades Investigativas En Educación, 17(1). https://doi.org/10.15517/aie.v17i1.27294 DOI: https://doi.org/10.15517/aie.v17i1.27294