Efeito direto e indireto da autoeficácia na leitura e estratégias cognitivas no desempenho acadêmico

Conteúdo do artigo principal

Dr. Fredi Everardo Correa Romero
Resumo

O desempenho acadêmico do aluno reflete o desenvolvimento do seu processo formativo; É comum avaliar o desempenho
dos alunos em vários tipos de avaliações e refleti-los numa escala de pontuação conhecida como notas. Das variáveis
com maior nível de associação com o desempenho acadêmico, destacam-se a Autoeficácia no desempenho e as
estratégias cognitivas. O objetivo desta pesquisa foi verificar a relação entre essas variáveis com a análise de modelos de
equações estruturais. No PISA 2018 no México, foi selecionada uma subamostra de 1.258 participantes do ensino médio.
Foi encontrado um efeito direto das Estratégias Cognitivas no Desempenho Acadêmico, um efeito direto da Autoeficácia
de Leitura nas Estratégias Cognitivas, nenhum efeito direto da Autoeficácia de Leitura no Desempenho Acadêmico e um
efeito indireto da Autoeficácia de Leitura no Desempenho Acadêmico. por meio de estratégias cognitivas. Cada país possui
características particulares dentro de seu sistema educacional, as diferenças na contribuição que cada uma das variáveis
tem no Desempenho Acadêmico é uma prova disso, embora ambas as variáveis sejam consideradas importantes pelas
evidências geradas, isso pode ser observado nesta subamostra. que a Autoeficácia na Leitura é um elemento que serve de
predisposição para o uso adequado de Estratégias Cognitivas, é assim que a Autoeficácia consegue afetar o Desempenho

Downloads

Não há dados estatísticos.

Detalhes do artigo

Referências

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

Citaciones