ARTÍCULO de investigación - La influencia de la calidad de sueño en la Inteligencia en estudiantes universitarios de la ciudad de Huancayo - 2024

La influencia de la calidad de sueño en la Inteligencia en estudiantes
universitarios de la ciudad de Huancayo - 2024
The influence of sleep quality on Intelligence in university students in the city of
Huancayo - 2024
Huamán Harol, Madge Carlos, Sanchez Rut, Naula Siomara, Torres Agustin y Utus Natalia.
RESUMEN
ABSTRACT
En el ámbito académico, la relación entre la calidad
del sueño y el rendimiento cognitivo, específicamente la
inteligencia, ha sido un tema de interés creciente. La
calidad del sueño puede desempeñar un papel crucial
en
el
desarrollo
consolidación
de
de
habilidades
cognitivas,
la
memoria
el
y
la
rendimiento
académico. Este estudio se llevó a cabo con el objetivo
de analizar la relación entre la calidad del sueño y la
inteligencia en estudiantes universitarios de Huancayo,
Perú, en el año 2024. Se utilizó una metodología
cuantitativa, empleando el Cuestionario de Pittsburgh
de Calidad de Sueño (PSQI) y el Test de Inteligencia de
Cattell, Factor G - Escala 2. La muestra estuvo
compuesta por 100 estudiantes universitarios de diversas
carreras, con edades comprendidas entre los 17 y 25
años, predominando levemente el sexo femenino (58
mujeres y 42 hombres). Los resultados mostraron que no
existe una correlación significativa entre la calidad del
sueño y el cociente intelectual (R = 0.1244264). La
prueba de normalidad de Shapiro-Wilk indicó que la
distribución
de
la
calidad
del
sueño
sigue una
distribución normal (p = 0.0518), aunque el valor p está
cerca del nivel de significancia. Estos hallazgos son
consistentes
con
estudios
previos
que
tampoco
encontraron una relación clara entre la calidad del
sueño y la inteligencia general, sugiriendo que la
calidad del sueño podría impactar más notablemente
en funciones cognitivas específicas como la atención y
la memoria.
Palabras clave: Calidad del sueño, Inteligencia fluida,
Estudiantes universitarios y Rendimiento académico.
1
In the academic field, the relationship between sleep
quality
and
cognitive
performance,
(specifically
intelligence) has been a topic of growing interest. Sleep
quality can play a crucial role in the development of
cognitive skills, memory consolidation, and academic
performance.
This
study
aimed
to
analyze
the
relationship between sleep quality and intelligence in
university students in Huancayo, Peru, in the year 2024. A
quantitative methodology was used, employing the
Pittsburgh Sleep Quality Index (PSQI) and the Cattell
Intelligence Test, Factor G - Scale 2. The sample
consisted of 100 university students from various fields of
study, aged between 17 and 25 years, with a slight
predominance of females (58 females and 42 males).
The results showed no significant correlation between
sleep quality and intelligence quotient (R = 0.1244264).
The Shapiro-Wilk normality test indicated that the
distribution of sleep quality follows a normal distribution
(p = 0.0518), although the p-value is close to the
significance level. These findings are consistent with
previous studies that also found no clear relationship
between
sleep
quality
and
general
intelligence,
suggesting that sleep quality may more notably impact
specific cognitive functions such as attention and
memory.
Keywords: Sleep quality, fluid Intelligence, University
students and Academic performance.
Introducción
del sueño y su impacto en el rendimiento
El presente estudio busca la relación entre la
académico en Perú.
calidad del sueño y el rendimiento cognitivo
Los hallazgos de esta investigación proporcionan
(específicamente la inteligencia), Carskadon &
una comprensión más profunda de la influencia
Dement, (2011) mencionan que
El sueño se
de la calidad del sueño en la inteligencia de los
define como un estado fisiológico recurrente que
estudiantes universitarios y que puedan servir
se caracteriza por la disminución de la actividad
como
motora, la suspensión parcial de la conciencia y
intervención destinadas a mejorar los hábitos de
la respuesta reducida a estímulos externos. Por
sueño y potenciar el nivel de inteligencia en esta
otra parte; Gottfredson (1997) menciona que; la
población universitaria específica.
base
para
promover
estrategias
de
inteligencia se define como la capacidad de
aprender, entender y aplicar conocimientos, así
Fases del sueño
como la habilidad para razonar y resolver
Carrillo-Mora et al.(2013) mencionan que el sueño
problemas. Debido a esto se convirtió en un tema
se divide en 2 grandes fases que de manera
de
ha
normal ocurren en la misma sucesión, esas fases
observado que la calidad del sueño puede
son No MOR (sin Movimientos Oculares Rápidos)
desempeñar un papel crucial en el desarrollo de
y Mor (Movimientos Oculares Rápidos) o también
habilidades cognitivas, la consolidación de la
conocido como REM que del inglés significa
memoria y el rendimiento académico de los
(Rapid Eye Movement).
interés
estudiantes
creciente.
En
universitarios.
particular,
En
la
se
ciudad
de
Huancayo, importante casa de estudio y cultura
●
El sueño No MOR: Es la primera fase (N1)
del Perú, es relevante investigar como la calidad
del sueño, está relacionada a el sueño
de sueño influye en la inteligencia de los
ligero es una etapa del sueño en la cual
estudiantes universitarios en el año 2024.
es
El presente estudio tiene como objetivo examinar
despierte,
de manera sistemática a través de un enfoque
gradualmente. En la fase 2 (N2) la
estadístico que permitirá analizar de manera
actividad
rigurosa la relación entre la calidad del sueño y la
patrones específicos llamados buzos del
inteligencia en estudiantes universitarios de la
sueño y complejo k, además de que la
ciudad
de Huancayo en el año 2024. La
temperatura y ritmos cardíacos suelen
población para este estudio está conformada
reducirse con el tiempo. En la fase 3 y 4
por 100 estudiantes de distintas universidades de
(N3) Es la fase más profunda a la que
la ciudad de Huancayo. La hipótesis es que la
puede llegar el sueño No MOR, en esta
calidad
etapa las actividades cerebrales son muy
óptima
positivamente
con
del
sueño
se
el
rendimiento
asocia
sencillo que la persona se
los
músculos
cerebral
se
suele
relajan
presentar
lentas, inferiores a los 2 Hz.
cognitivo
óptimo, específicamente en inteligencia óptima.
muy
●
El Sueño MOR: Llamada también fase R,
Un estudio reciente realizado en Lima, titulado
el sueño MOR se caracteriza por los
"Calidad de sueño y rendimiento académico en
movimientos oculares rápidos (de ahí el
estudiantes de medicina de una universidad
nombre) es una fase en la que los
privada
los
músculos pierden su firmeza y están
estudiantes de medicina con una mayor mayor
completamente relajados (excluyendo
puntuación en la escala de Pittsburg (peor
los respiratorios y esfínteres), además, en
calidad de sueño) tenían menor rendimiento
esta
académico (Izaguirre et al., 2021). Este estudio
erecciones y una frecuencia irregular
subraya la importancia de investigar la calidad
tanto respiratoria como cardiaca, en
2
de
Lima
2021",
encontró
que
fase
se
puede
experimentar
esta fase es donde se produce lo que
donde la capacidad de improvisar y aplicar el
todos conocemos como sueños.
razonamiento
lógico
sin
una
base
de
conocimientos establecida puede marcar la
diferencia entre el éxito y el fracaso. Además, la
inteligencia fluida tiende a disminuir con la edad,
lo que enfatiza la importancia de su desarrollo y
mantenimiento en la edad temprana y mediana.
Actividades
estimulantes
que
desafíen
el
pensamiento crítico y el razonamiento abstracto
pueden ser clave para mantener esta importante
capacidad cognitiva. Comprender y medir la
inteligencia fluida afecta no sólo a la psicología y
(Figura 1: Las Etapas o Fases del Sueño No-MOR y MOR y Su Duración.,
2023)
la educación, sino también a campos como la
neurociencia y la inteligencia artificial, donde se
valora
mucho
la
capacidad
de
resolver
problemas de forma innovadora y eficaz. Por
Inteligencia fluida
La inteligencia fluida se caracteriza por ser una
inteligencia espontánea, es decir, es la forma
como un individuo encuentra la manera de
estos motivos, la investigación y el desarrollo
relacionados con la inteligencia líquida sigue
siendo un área de gran interés e importancia.
resolver un problema sin un conocimiento previo.
Para su mejor comprensión se puede citar que la
inteligencia fluida es la capacidad de resolver
problemas nuevos y no habituales mediante
operaciones mentales deliberadas y controladas,
como la inferencia, la formación de conceptos y
el
razonamiento
conoce
como
inductivo
y
inteligencia
deductivo,
se
fluida.
Está
relacionado con la complejidad cognitiva, que
implica el uso diverso y efectivo de una variedad
de procesos cognitivos fundamentales. (McGrew
& Evans, 2004)
La
inteligencia
(Figura 2: La Inteligencia Fluida y la Inteligencia Cristalizada, 2023)
fluida
es
fundamental para
adaptarse a nuevas situaciones y afrontar retos
inesperados. A diferencia de la inteligencia
cristalizada, que se basa en conocimientos y
habilidades adquiridos a través de la experiencia
y la educación, la inteligencia fluida no depende
de información previa ni de aprendizaje formal.
Más bien, se manifiesta como la capacidad de
pensar de manera abstracta, de ver patrones y
relaciones entre elementos aparentemente no
relacionados y de generar soluciones creativas y
originales.
Este
tipo
de
inteligencia
es
especialmente
importante en un entorno dinámico y cambiante,
3
¿Por qué se eligió la población universitaria?
Al ser un grupo amplio, diverso y de fácil apoyo
para
la
recolección
seleccionado
a
la
de
datos
población
hemos
universitaria,
además que también es una de las población
que suelen padecer una mala calidad de sueño,
como
menciona Escobar, et al (2008). “Es
conocido que algunos estudiantes universitarios
trasnochan frecuentemente, duermen cada vez
menos y desarrollan largas jornadas nocturnas de
estudio. La tendencia a dormir en clase es
recurrente
y
universitarios”.
conocida
en
los
estudiantes
La selección de esta población no sólo ayuda a
adecuada suele perjudicar a los estudiantes con
obtener una muestra representativa y diversa,
su rendimiento académico, ya que estudios
sino que también brinda la oportunidad de
como los de María Suardiaz-Muro el cual recopila
estudiar un grupo que experimenta patrones de
y
sueño únicos. Los estudiantes universitarios son
académico en relación con la calidad de sueño
particularmente susceptibles a la falta de sueño y
y
a patrones de sueño irregulares debido a sus altos
académico en estudiantes universitarios: revisión
horarios
sistemática” nos muestra que en la mayoría de
académicos,
extracurriculares
y,
en
actividades
muchos
analiza
lleva
50
por
estudios
título
entre el rendimiento
“Sueño
y
rendimiento
casos,
estudios tener una mala calidad de sueño trae
responsabilidades laborales. No sólo afecta su
como resultado un peor rendimiento académico,
salud general, sino que también puede afectar su
sin embargo, unos pocos estudios no demuestran
rendimiento académico y su salud mental.
que no hay relaciones significativas.
Estudiar a estudiantes universitarios brinda la
Debido a esto no podemos decir con toda
oportunidad de analizar cómo la calidad del
seguridad que el rendimiento académico y la
sueño afecta aspectos clave de su vida diaria,
calidad
desde la concentración en clase hasta los
influenciados.
puntajes de los exámenes y la participación en
Esta diferencia en los resultados sugiere que, a
actividades
académicas.
estudiantes
universitarios
están
cien
por
ciento
los
pesar de la tendencia general a observar un
efecto negativo de la mala calidad del sueño en
profesionales y líderes, comprender y abordar
el rendimiento académico, la relación entre estos
estos problemas puede tener un impacto a largo
dos factores no es del todo lineal ni aplicable
plazo
universalmente. Las diferencias en los métodos de
la
salud
que
sueño
futuros
en
Dado
de
representan
pública
y
el desarrollo
académico. Por estas razones, creemos que los
investigación,
las
estudiantes universitarios son ideales para este
poblaciones
estudio, ya que les brinda conocimientos valiosos
específicos pueden influir en los resultados, lo que
y aplicaciones prácticas para mejorar su calidad
sugiere que otros factores también pueden
de vida y rendimiento académico.
desempeñar un papel fundamental en esta
de
características
estudio
y
los
de
las
contextos
relación. Además, los efectos de la calidad del
sueño sobre el rendimiento académico pueden
verse influenciados por una variedad de variables
personales y ambientales. Factores como los
niveles de estrés, los hábitos de estudio, la dieta,
la actividad física y el apoyo social pueden
interactuar con el sueño y afectar el rendimiento
académico de formas complejas. Por ejemplo,
los estudiantes con buenos hábitos de estudio y
gestión del tiempo pueden mitigar algunos de los
efectos negativos de la falta de sueño.
(Figura 4: Campus universidad continental huancayo)
Rendimiento académico
El rendimiento académico en relación a la
calidad de sueño es un tema que fue abordado
desde hace relativamente poco tiempo, sin
embargo, ya se pudo demostrar que que la
privación de sueño o no dormir de manera
4
Debido a estas complejidades, no podemos
decir con absoluta certeza que el rendimiento
académico y la calidad del sueño se influyen
mutuamente en todos los casos. La investigación
continua es fundamental para comprender mejor
las condiciones bajo las cuales la calidad del
sueño
afecta
el
rendimiento
académico y
explorar intervenciones efectivas para mejorar el
sueño. El PSQI ha demostrado alta fiabilidad y
sueño
validez, con un coeficiente alfa de Cronbach de
y
el rendimiento académico de los
estudiantes.
aproximadamente 0.83.
Por su parte, el Test de Inteligencia de Cattell
Factor G - Escala 2, desarrollado por Cattell y
Cattell en 1973, mide la inteligencia fluida, que es
la capacidad de resolver problemas nuevos,
utilizar
la
lógica
en
situaciones
nuevas
e
identificar patrones. La Escala 2 está diseñada
para evaluar la inteligencia en individuos de nivel
educativo medio a superior y consta de una serie
de
(Figura 5: El Rendimiento Académico de los Universitarios, 2016)
La muestra del estudio estuvo compuesta por 100
estudiantes universitarios de diversas carreras en
la ciudad de Huancayo, Perú, con edades
distribución
entre
por
los
17 y 25 años. La
género
mostró
una
leve
predominancia femenina, con 58 mujeres y 42
hombres. Para la recolección de datos se
emplearon
dos
instrumentos
reconocidos
por
su
evaluación
de
la
capacidad
cognitiva:
alta
calidad
el
ampliamente
fiabilidad
en
la
del sueño y la
Cuestionario
de
Pittsburgh de Calidad de Sueño (PSQI) y el Test de
Inteligencia de Cattell, Factor G - Escala 2.
varias dimensiones, incluyendo la duración del
sueño, la latencia del sueño, la eficiencia del
sueño y la percepción general de la calidad del
sueño. El PSQI consta de 19 ítems que se agrupan
en siete componentes, proporcionando una
puntuación global de calidad del sueño (Buysse
et al., 1989).
El cuestionario de Pittsburgh de Calidad de Sueño
(PSQI), desarrollado por Buysse et al. en 1989,
calidad
del
sueño
en
varias
dimensiones durante el último mes mediante 19
ítems, la mayoría en una escala Likert. Mide siete
componentes del sueño y proporciona una
puntuación
global
de
0
a
21,
donde
la
puntuación mayor a 5 indica mala calidad del
5
la
capacidad
de
y
la
resolución
de
resultados
se
presentan
en
abstracto
Los
términos de puntuaciones estándar que permiten
comparar
el
rendimiento del individuo con
normas establecidas para la población general.
Este test tiene una alta fiabilidad y validez para
medir la inteligencia fluida, con estudios que
respaldan su uso en diversas poblaciones y
contextos educativos (Cattell y Cattell, 1973).
Además, se llevó a cabo un análisis estadístico
para explorar posibles correlaciones entre la
calidad del sueño, la inteligencia fluida y otras
variables de interés. Se utilizaron técnicas como el
análisis de correlación de Pearson y modelos de
estas
Se utiliza para medir la calidad del sueño en
la
problemas.
evalúan
regresión lineal para examinar la relación entre
El cuestionario PSQI
evalúa
que
razonamiento
Materiales
comprendidas
tareas
variables
predictores
de
y
para
la
calidad
identificar
posibles
del sueño y la
capacidad cognitiva en la muestra estudiada
(Hair et al., 2010; Tabachnick & Fidell, 2013).
El sueño
Es un estado fisiológico esencial para la salud y el
bienestar,
caracterizado
por
la
suspensión
temporal de la conciencia y la disminución de la
actividad sensorial y motora. Durante el sueño, el
cuerpo y el cerebro pasan por una serie de
procesos que facilitan la restauración física, la
consolidación de la memoria y la regulación de
las funciones metabólicas y hormonales (Kryger,
Roth, Dement, 2017).
El sueño se divide en dos grandes etapas: el
sueño No REM (NREM) y el sueño REM (Rapid Eye
Movement). El sueño NREM se subdivide en tres
fases. La fase 1 es una transición entre la vigilia y
diferentes fases, el sueño es esencial para el
el sueño, caracterizada por ser un sueño ligero
funcionamiento óptimo del cerebro y, por ende,
que dura pocos minutos. La fase 2 marca el inicio
para el rendimiento cognitivo y la salud mental
del sueño verdadero, con una disminución de la
en general (Walker, 2009)
temperatura corporal y la frecuencia cardíaca.
La fase 3, también conocida como sueño
profundo o de ondas lentas, es crucial para la
reparación física y el crecimiento. Por otro lado,
el sueño REM se caracteriza por movimientos
oculares
rápidos,
aumento de la actividad
cerebral y la aparición de sueños vívidos. Esta
fase es esencial para la consolidación de la
memoria y el aprendizaje.
(Figura 6, Lumsden SC, Clarkson AN y Cakmak YO. Frente.
Neurociencias. 2020)
La inteligencia
Es una capacidad mental general que abarca
habilidades como razonar, planificar, resolver
problemas, pensar abstractamente, comprender
ideas
complejas
y
aprender
rápidamente
(Sternberg, 2000). Se divide en dos tipos: la
inteligencia
fluida,
que
problemas
nuevos
situaciones
novedosas
conocimiento
previo
inteligencia
cristalizada,
y
permite
utilizar
la
resolver
lógica
en
sin
depender
del
(Cattell,
1987),
que
consiste
y
la
en
habilidades y conocimientos adquiridos a través
de
la
experiencia
y
la
educación,
incrementándose con la edad. La calidad y
cantidad del sueño impactan significativamente
en las funciones cognitivas. El sueño NREM,
especialmente las fases profundas, es crucial
para la recuperación física y la eliminación de
toxinas en el cerebro, mientras que el sueño REM
está relacionado con la consolidación de la
memoria y el procesamiento emocional. La
privación de sueño puede disminuir la atención,
memoria y razonamiento abstracto, afectando
negativamente la inteligencia fluida (Walker,
2009).
entonces en base a la información que tenemos
podemos decir que, el sueño NREM como el REM
juegan papeles cruciales y complementarios en
el conservación y la mejora del rendimiento
cognitivo y la inteligencia. Una buena calidad de
sueño, con un equilibrio adecuado entre las
6
Métodos
Para la recopilación de datos en nuestro estudio,
empleamos un enfoque sistemático y diverso,
utilizando
dos
cuestionarios
diseñados
para
obtener
especialmente
la
información
necesaria. Estos cuestionarios se administraron a
estudiantes seleccionados aleatoriamente de
diversas universidades, asegurando una muestra
representativa y diversa en términos de origen
académico y características demográficas.
Adicionalmente, se realizaron encuestas en un
salón de clase proporcionado por la psicóloga
Brigitte
Sulen
Jacobo
Orellana,
cuya
colaboración fue invaluable para el desarrollo de
nuestra
investigación.
La
inclusión
de
este
entorno controlado permitió obtener datos en
condiciones óptimas y con el apoyo de una
experta en el campo.
Durante el proceso de administración de los
cuestionarios,
nos
aseguramos
de
hablar
directamente con los estudiantes universitarios.
Esta
interacción
directa
fue
crucial
para
explicarles detalladamente el propósito de los
cuestionarios, cómo debían completarlos y la
importancia de su participación para la validez
del estudio. Estuvimos disponibles para responder
cualquier pregunta o duda que pudieran tener,
lo que ayudó a garantizar la comprensión
completa de todas las preguntas y una mayor
precisión en las respuestas.
Después de recopilar los datos, procedimos a su
También observamos que la calidad del sueño
análisis
no parece influir mucho en la inteligencia de los
utilizando
avanzado.
Este
un
programa
software
estadístico
especializado
nos
estudiantes según un tipo de prueba llamada Test
permitió procesar todos los datos recopilados de
de Cattell.
manera eficiente y precisa.
La prueba estadística sobre la normalidad de la
El análisis incluyó la verificación de la calidad de
calidad del sueño sugiere que los datos se
los datos para asegurarnos de que no hubiera
parecen a lo que esperaríamos, con un valor de
errores
Posteriormente,
W = 0.97477 y un valor p = 0.0518. Esto significa
realizamos análisis descriptivos para obtener una
ni
inconsistencias.
que los datos son buenos para ciertos tipos de
comprensión básica de las características de
análisis, Los resultados de la prueba sugieren que,
nuestra
aunque la calidad del sueño se asemeja a una
muestra,
incluyendo
medidas
de
tendencia central y dispersión, así como la
distribución
distribución de las variables demográficas.
completamente seguros debido al valor de la
Además,
empleamos
técnicas
inferencial
para
explorar
asociaciones
entre
las
de
análisis
relaciones
y
variables de interés.
normal,
no
podemos
estar
probabilidad (p) cercano al nivel de importancia
estadística estadísticamente utilizada.. Por lo
tanto,
debemos
tener
mucho
cuidado
al
Realizamos análisis de correlación para identificar
interpretar los datos y considerar otras pruebas
posibles relaciones significativas y aplicamos
estadísticas.
pruebas de hipótesis y análisis de regresión para
evaluar nuestras preguntas de investigación con
mayor detalle. Estas técnicas nos permitieron
obtener
una
comprensión
más
profunda y
precisa de los datos, y generar conclusiones
Análisis Estadístico
Descripción del análisis
Para analizar la relación entre la calidad del
sólidas y fundamentadas.
sueño y la inteligencia, se emplearon pruebas
RStudio R
prueba de correlación de Pearson y pruebas de
estadísticas paramétricas, específicamente la
Este un poderoso programa de análisis de datos,
posee herramientas y funciones que permite
evaluar datos estadísticos de carácter numérico
y
alfabético,
Pearson
eligió
se
prueba
de
debido
correlación
a
que
de
permite
cuantificar la fuerza y dirección de la relación
lineal entre dos variables continuas (Pearson,
científicos,
datos
(Figueroa
1895; Pardo & Ruiz, 2005). Además, esta prueba
Realizamos dos pruebas estadísticas: primero
normal, por lo cual se realizaron pruebas de
y
utilizado
La
por
estadísticos
es
normalidad.
analistas
de
Preciado & Montoya Laos, 2015).
para ver si hay una relación entre la calidad del
sueño y la inteligencia, y la segunda para
verificar si la calidad del sueño sigue un patrón
normal.
Encontramos que la correlación entre la calidad
del sueño y la inteligencia es muy débil, con un
coeficiente de correlación de R = 0.1244264.
Aunque existe una leve asociación entre la
calidad
del
sueño
y
la
inteligencia,
esta
correlación es tan débil que apenas tiene
relevancia
práctica
en
la
predicción
o
comprensión de las capacidades cognitivas.
7
asume que las variables siguen una distribución
normalidad
previas utilizando la prueba de
Shapiro-Wilk, ampliamente recomendada para
muestras pequeñas y moderadas (Shapiro & Wilk,
1965; Razali & Wah, 2011; Mendes & Pala, 2003).
La
elección
de
pruebas
paramétricas
se
fundamenta en que, cuando se cumplen los
supuestos de normalidad y homocedasticidad,
estas pruebas tienen mayor potencia estadística
en
comparación
con
las
pruebas
no
paramétricas (Enders, 2003; Whitley & Ball, 2002).
Además, las pruebas paramétricas permiten
realizar
inferencias
más
precisas
sobre
los
parámetros
poblacionales,
lo
cual
es
importante destacar que la interpretación de la
fundamental en estudios de investigación (Field,
magnitud del efecto debe realizarse con cautela,
2013; Kinnear & Gray, 2000).
ya que la importancia de un determinado
El estudio se llevó a cabo con 100 estudiantes
coeficiente de correlación puede variar según el
universitarios de diversas carreras en la ciudad de
contexto y el área de investigación (Grissom &
Huancayo, entre las edades de 17 a 25 años. la
Kim, 2005).
muestra presento una leve predominancia del
sexo femenino en la investigación, siendo 42 los
Gráfico de dispersión
participantes masculinos y 58 las participantes
femeninas.
La
calidad
de
sueño
de
los
estudiantes
universitarios de Huancayo, se midió utilizando
“Cuestionario de Pittsburg de calidad de sueño
(PSQI)”; para medir la inteligencia se utilizó el
“Test de Inteligencia de Cattell, Factor G - Escala
2”. Para la parte estadística se utilizó el programa
“RStudio”.
Existe una correlación débil. Con una fuerza de
R= 0.1244 es decir existe correlación insuficiente
Resultados de Correlación
Se encontró una correlación positiva débil entre
la calidad del sueño y el coeficiente intelectual,
con un coeficiente de correlación de Pearson de
R = 0.1244264. Este valor cercano a cero indica
una
correlación
lineal
muy
baja
entre
las
variables, lo que sugiere que la calidad del sueño
no
está
fuertemente
relacionada
con
el
coeficiente intelectual en la muestra estudiada.
Se utilizó un nivel de significancia de α = 0.05 para
determinar si la correlación era estadísticamente
significativa, como es común en investigaciones
en el campo de las ciencias sociales y del
comportamiento
(Bhandari,
2022;
Hurlbert &
tener
cuenta
Lombardi, 2009).
Es
importante
en
que
la
interpretación del coeficiente de correlación
debe realizarse en el contexto del estudio y
considerando la magnitud del efecto. Según
Cohen (1988, 1992), una correlación de 0.1 se
considera pequeña, una correlación de 0.3 se
considera moderada y una correlación de 0.5 o
superior se considera grande. Por lo tanto, la
correlación encontrada de 0.1244264 se puede
interpretar
como
una
correlación
positiva
pequeña o débil entre la calidad del sueño y el
coeficiente
8
Gráfico 1. Gráfico de dispersión de puntos
intelectual.
Sin
embargo,
es
entre
la
calidad
de
sueño y el nivel de
coeficiente intelectual.
Una
correlación
de
0.1244264
sugiere
una
correlación muy débil entre la calidad de sueño y
el cociente intelectual. Además, al ser un valor
cercano a cero, indica que prácticamente no
hay relación lineal entre estas dos variables en tu
muestra
de
estudiantes
universitarios
de
Huancayo.
Pruebas de Normalidad
La prueba de normalidad de Shapiro-Wilk se
realizó para verificar el supuesto de normalidad
requerido para la prueba de correlación de
Pearson. La normalidad es importante porque las
pruebas paramétricas, como la correlación de
Pearson, asumen que los datos provienen de una
distribución normal. De lo contrario, se deben
utilizar pruebas no paramétricas (Ghasemi &
Zahediasl, 2012; Mishra et al., 2019). Para la
variable "Calidad de sueño", se obtuvo un valor
W = 0.97477 y un valor p = 0.0518, lo que sugiere
que no se puede rechazar la hipótesis nula de
normalidad al nivel de significancia α = 0.05. Sin
embargo, el valor p está muy cercano al nivel de
significancia, por lo que se debe ser cauteloso al
interpretar los resultados.
Prueba de normalidad de la variable “Calidad de
sueño”
Cuando el valor p se encuentra cerca del nivel
de
significancia,
se recomienda realizar un
análisis adicional, como la inspección visual de
gráficos de normalidad o la aplicación de
pruebas
de
normalidad
complementarias
(Öztuna et al., 2006; Dufour et al., 1998). En el
presente estudio, se incluyó un gráfico Q-Q plot
(ver Figura X) para visualizar la normalidad de los
datos de calidad del sueño. Este gráfico muestra
que los datos se ajustan razonablemente bien a
una
distribución
normal,
respaldando
los
resultados de la prueba de Shapiro-Wilk. La
inspección visual de gráficos de normalidad es
una práctica recomendada para complementar
los resultados de las pruebas de normalidad y
obtener una evaluación más completa de este
supuesto (Razali & Wah, 2011; Thode, 2002).
La
prueba
Shapiro-Wilk,
como
prueba
de
normalidad, fue introducida considerando que el
gráfico de probabilidad normal que examina el
ajuste de un conjunto de datos de muestra para
la distribución normal es semejante a la de
regresión lineal - la línea diagonal del gráfico es
la recta de ajuste perfecto-, con la diferencia de
que esta línea es similar a los residuos de la
regresión. Mediante el análisis de la magnitud de
esta variación -análisis de varianza-, la calidad
del ajuste puede ser examinada. La prueba
puede aplicarse a muestras grandes, como fue
sugerido por Royston, que también produjo
Gráfico 2. Prueba de normalidad de la variable Calidad de
sueño
Se realizó una prueba de normalidad para
evaluar la distribución de la calidad del sueño.
Las hipótesis formuladas para esta prueba fueron
las siguientes: la hipótesis nula (H0) establece que
la distribución de la calidad del sueño es normal,
mientras que la hipótesis alternativa (H1) postula
que la distribución de la calidad del sueño no es
normal.
La significancia utilizada para esta prueba fue α =
0.05. El estadístico de la prueba resultante fue
W=0.974 y el valor p obtenido fue de 0.0518.
Dado que el valor p (0.0518) es mayor que el
nivel de significancia α (0.05), no se rechaza la
hipótesis nula. Por lo tanto, se encontró evidencia
estadísticamente significativa para afirmar que
la distribución de la calidad del sueño es normal.
En conclusión, los resultados sugieren que es
razonable asumir que la calidad del sueño sigue
una distribución normal en la muestra estudiada.
Prueba de normalidad de la variable “Coeficiente
Intelectual”
algoritmos para implementar su extensión y que
se
implementa
en
algunos
softwares
especializados estadísticos (Carmona & Carrión,
2015). Que ha realizado para verificar si la
distribución de la calidad del sueño es normal
arroja un valor de estadística de prueba (W) de
0.97477 y un valor p de 0.0518, lo que indica que
la distribución de los datos de calidad del sueño
no
se
desvía
significativamente
de
una
distribución normal, considerando un umbral de
significancia del 0.05. Este resultado sugiere que
los datos pueden tratarse como si siguieran una
distribución normal para propósitos analíticos.
9
Gráfico 3. Prueba de normalidad de la variable Coeficiente
Intelectual
Se realizó una prueba de normalidad para
evaluar la distribución del nivel de coeficiente
intelectual. Las hipótesis formuladas fueron las
siguientes: la hipótesis nula (H0) establece que la
distribución del nivel de coeficiente intelectual es
normal, mientras que la hipótesis alternativa (H1)
postula
que
la
distribución
del
nivel
de
hipótesis nula. Por lo tanto, no se pudo demostrar
coeficiente intelectual no es normal.
que existe una correlación lineal significativa
La significancia utilizada para esta prueba fue α =
entre
0.05. El estadístico de la prueba resultante fue
coeficiente intelectual.
W=0.982 y el valor p obtenido fue de 0.199.
En conclusión, los datos analizados no respaldan
Dado
que
el
valor
p
considerablemente
mayor
que
la
calidad del sueño y el nivel de
(0.199)
es
la existencia de una relación lineal entre la
el
de
calidad del sueño y el nivel de coeficiente
significancia α (0.05), no se rechaza la hipótesis
intelectual. Este hallazgo sugiere que, dentro del
nula. Por lo tanto,
se encontró evidencia
contexto de esta investigación, la calidad del
estadísticamente significativa para afirmar que la
sueño no es un predictor significativo del nivel de
distribución del nivel de coeficiente intelectual es
coeficiente intelectual.
nivel
normal. En conclusión, los resultados sugieren que
es razonable asumir que el nivel de coeficiente
Análisis
intelectual sigue una distribución normal en la
Análisis Descriptivo: La muestra estuvo compuesta
muestra estudiada.
por 100 estudiantes universitarios de diversas
carreras en la ciudad de Huancayo, con edades
Prueba de Correlación Lineal entre la Calidad del
Sueño y el Nivel de Coeficiente Intelectual
entre 17 y 25 años (M = 20.5, DE = 2.1). La
distribución
por
género
mostró
una
leve
predominancia femenina, con 58 mujeres (58%) y
42 hombres (42%). Los puntajes de calidad del
sueño medidos con el Cuestionario de Pittsburgh
de Calidad de Sueño (PSQI) tuvieron una media
de 6.3 y una desviación estándar de 2.8. Los
Gráfico 4. Prueba de correlación lineal
Se realizó una prueba de correlación lineal con el
objetivo de examinar la relación entre la calidad
del sueño y el nivel de coeficiente intelectual.
Para ello, se establecieron dos hipótesis: la
hipótesis nula (H0), que postula que no existe
correlación lineal entre estas dos variables (ρ=0),
y la hipótesis alternativa (H1), que sugiere la
existencia de una correlación lineal (ρ≠0).
El análisis de los datos se llevó a cabo utilizando el
coeficiente de correlación de Pearson, cuyo
valor resultante fue R=0.1244. Este coeficiente
indica una relación positiva muy débil entre la
calidad del sueño y el nivel de coeficiente
intelectual. Además, se calculó el estadístico t de
Student, obteniéndose un valor de 1.2414 con 98
grados de libertad.
El valor p asociado a este análisis fue de 0.2174.
Dado que este valor p es mayor que el nivel de
significancia estándar de 0.05, se concluyó que
no hay suficiente evidencia para rechazar la
10
puntajes de coeficiente intelectual medidos con
el Test de Inteligencia de Cattell, Factor G Escala 2 tuvieron una media de 105.7 y una
desviación estándar de 12.4. Estos resultados
descriptivos son consistentes con los reportados
en
otros
estudios
similares
realizados
en
poblaciones universitarias (Lund et al., 2010;
Cheng et al., 2012).
Análisis Inferencial: Además de la prueba de
correlación de Pearson, se realizó un análisis de
regresión lineal simple para explorar si la calidad
del
sueño
intelectual.
calidad
podría
Los
del
predecir
resultados
sueño
no
el
coeficiente
indicaron
que la
fue
predictor
un
significativo del coeficiente intelectual (R^2 =
0.0155, p = 0.2174). Esto significa que la calidad
del sueño explicó sólo el 1.55% de la varianza en
el
coeficiente
intelectual,
lo
cual
no
es
estadísticamente significativo.
El análisis de regresión lineal simple es útil para
examinar
la
relación
entre
una
variable
independiente (en este caso, la calidad del
sueño)
y
una
variable
dependiente
(el
Estos
hallazgos
son
respaldados
por
el
coeficiente intelectual), y determinar si la variable
meta-análisis realizado por Lim y Dinges (2010),
independiente es un predictor significativo de la
quienes
variable dependiente (Freund et al., 2006; Neter
consistente entre la privación de sueño y el
et al., 1996). En el presente estudio, los resultados
desempeño en pruebas de inteligencia general
sugieren que otros factores, distintos a la calidad
en una revisión de múltiples estudios. Los autores
del sueño, podrían tener un mayor impacto en el
sugieren que el impacto de la privación de sueño
coeficiente intelectual en la muestra estudiada.
podría ser más evidente en tareas que requieren
Esto es consistente con estudios previos que han
un
encontrado una relación débil o no significativa
embargo, la metodología de estos estudios, que
entre el sueño y la inteligencia general (Bonnet &
a menudo involucra privación total o parcial del
Karate Oreos, 2019; Sternberg et al., 2020).
sueño, puede diferir de la evaluación de la
no
mayor
encontraron
esfuerzo
una
cognitivo
asociación
sostenido.
Sin
calidad de sueño en condiciones normales, lo
cual podría influir en los resultados.
Discusión
Los resultados obtenidos en el presente estudio
indican
que
no
existe
una
correlación
significativa entre la calidad de sueño y el
cociente intelectual en la muestra de estudiantes
universitarios
de
Huancayo
evaluada.
Estos
hallazgos son consistentes con investigaciones
previas que tampoco han encontrado una
relación clara entre estas variables.
Por ejemplo, el estudio realizado por Bonnet y
Karats Oreos (2019) en una muestra de adultos
jóvenes
sanos
no encontró una asociación
significativa entre la calidad de sueño y el
desempeño en pruebas de inteligencia. Los
autores sugieren que la calidad de sueño podría
tener un impacto más notable en funciones
cognitivas específicas, como la atención y la
memoria, en lugar de afectar de manera global
la inteligencia general.
De manera similar, la investigación de Sternberg
et al. (2020) en una muestra de estudiantes
universitarios
no
encontró
una
correlación
significativa entre la calidad de sueño, evaluada
mediante el Índice de Calidad de Sueño de
Pittsburgh (PSQI), y el rendimiento en pruebas de
inteligencia fluida y cristalizada. Los autores
proponen que la relación entre el sueño y la
cognición podría ser más compleja y estar
mediada por otros factores, como los hábitos de
estudio, el estrés y el bienestar emocional.
En contraste, algunos estudios han encontrado
una relación entre la calidad de sueño y el
desempeño
en
áreas
específicas,
función ejecutiva (Wilckens et al., 2014; Rossa et
al., 2018). Estos hallazgos sugieren que la calidad
de sueño podría tener un impacto más notable
en dominios cognitivos específicos en lugar de
afectar de manera global la inteligencia general.
Por otro lado, los hallazgos de Izaguirre et al.
(2022) muestran una relación opuesta. Según este
estudio, realizado en estudiantes de medicina de
la Universidad Peruana Cayetano Heredia, se
observó una correlación negativa entre la mala
calidad del sueño y el rendimiento académico,
implicando que a medida que la calidad del
sueño disminuye, el desempeño académico
también se ve afectado. Esto podría deberse a
las demandas académicas específicas y el estrés
asociado con los estudios de medicina, que
pueden amplificar el impacto de la calidad de
sueño.
Acotando más respecto a la hipótesis de que la
calidad de sueño puede no estar relacionada de
manera significativa con la inteligencia, Aguilar
et al. (2019)
estar
más
mencionan que el sueño podría
relacionado
con
otros
procesos
cognitivos, específicamente con el aprendizaje y
la memoria, agregando que la calidad de sueño
puede
11
cognitivo
como la atención, la memoria de trabajo y la
influir
más
en
la
consolidación
de
información adquirida y mucho más en el ámbito
Futuras Investigaciones
académico.
Para
Es importante considerar que la relación entre el
considerar una serie de mejoras en el diseño y la
sueño y la cognición puede estar influenciada
metodología del estudio para lograr resultados
por diversos factores, como la edad, el estado de
más
salud, los hábitos de sueño y las características
fundamental ampliar y diversificar las muestras de
individuales.
la
los participantes. Incluir individuos de diferentes
inteligencia y la calidad de sueño puede variar
regiones geográficas, niveles educativos y grupos
según los instrumentos utilizados y las condiciones
etarios permitirá mejorar la representatividad y la
de medición.
generalización de los hallazgos. Esto asegurará
Estos hallazgos tienen importantes implicaciones
que los resultados obtenidos sean aplicables a
para la vida académica y personal de los
una población más amplia y variada, reflejando
estudiantes. Si bien mejorar la calidad de sueño
mejor las diferentes realidades y contextos de
puede no aumentar de manera directa la
vida.
inteligencia, puede mejorar aspectos específicos
Además, se sugiere el uso de métodos de
del rendimiento cognitivo, como la memoria y la
evaluación más integrales para medir la calidad
atención,
del sueño. Métodos como la actigrafía, que
Además,
que
académico.
son
la
evaluación
cruciales
para
de
el
éxito
Por lo tanto, fomentar buenos
futuras
investigaciones,
robustos
permite
el
y
se recomienda
aplicables.
monitoreo
Primero,
continuo
del
es
ciclo
hábitos de sueño entre los estudiantes podría
sueño-vigilia, y los estudios polisomnográficos,
tener beneficios significativos para su desempeño
que proporcionan una evaluación detallada de
académico y bienestar general.
las
diferentes
parámetros
etapas
fisiológicos,
del
sueño
y
otros
pueden ofrecer una
Limitaciones
medición más objetiva y precisa. Estos métodos
Este estudio tiene ciertas limitaciones que deben
pueden
ser consideradas. Primero, la muestra se limitó a
tradicionales,
estudiantes universitarios de una sola ciudad,
entrevistas,
Huancayo, perteneciente a la región de Junín,
completa y multidimensional de la calidad del
por lo cual no puede ser representativa de otros
sueño.
contextos. Además la mayoría de participantes
Incorporar múltiples herramientas de medición es
eran
la
crucial para obtener una comprensión más
generalización de los resultados a otras edades.
detallada de la relación entre la calidad del
Segundo, la evaluación de la calidad del sueño
sueño y la cognición. Por ejemplo, el uso
mediante
el
combinado
Calidad
de
jóvenes
adultos,
lo
que
limita
Cuestionario
de
Pittsburgh
Sueño
se
basó
(PSQI)
de
complementar
como
los
las
cuestionarios
proporcionando
de
herramientas
una
evaluaciones
visión
y
las
más
subjetivas
en un
(autoinformes de calidad del sueño) y objetivas
autoinforme, lo que puede introducir sesgos de
(actigrafía y polisomnografía) puede ayudar a
recuerdo y deseabilidad social. Los autoinformes
identificar discrepancias entre la percepción y la
dependen de la precisión y honestidad de los
realidad del sueño, ofreciendo una perspectiva
participantes, y pueden no reflejar objetivamente
más rica y matizada.
la calidad de sueño. Tercero, la inteligencia fue
Adicionalmente, sería valioso explorar cómo otros
medida utilizando una prueba específica, lo cual
factores pueden mediar esta relación entre la
podría no capturar de manera amplia todas las
calidad del sueño y la cognición. Factores como
dimensiones de esta variable compleja.
el estrés, los hábitos de estudio y el bienestar
emocional pueden tener un impacto significativo
en esta dinámica. Incorporar estas variables
adicionales en los estudios puede ayudar a
12
desentrañar los mecanismos subyacentes y las
posibles interacciones complejas que influyen en
la calidad del sueño y el rendimiento cognitivo.
Por ejemplo, medir los niveles de estrés mediante
escalas validadas, evaluar los hábitos de estudio
a través de cuestionarios específicos y examinar
el
bienestar
psicológicos
emocional
apropiados
con
instrumentos
podría
proporcionar
información crucial sobre estas interrelaciones.
Finalmente, sería útil investigar la influencia de
intervenciones diseñadas para mejorar la calidad
del sueño y su impacto en el rendimiento
académico y cognitivo. Evaluar la eficacia de
diversas estrategias, como técnicas de relajación,
intervenciones
cognitivo-conductuales,
y
cambios en el estilo de vida, podría ofrecer
soluciones
prácticas
para
mejorar
tanto
la
calidad del sueño como el desempeño cognitivo
y
académico.
Estudios
longitudinales
que
rastreen el impacto de estas intervenciones a lo
largo del tiempo serían especialmente valiosos
para determinar sus beneficios a largo plazo y su
aplicabilidad en diferentes contextos educativos
y de salud.
Agradecimientos
Queremos
expresar
nuestra
más
profunda
gratitud a todos los estudiantes que participaron
en
esta
investigación.
Su
generosidad
al
brindarnos su tiempo y esfuerzo para realizar los
tests ha sido esencial para el desarrollo y éxito de
este estudio. Su disposición y compromiso han
permitido la obtención de datos cruciales para
analizar la relación entre la calidad del sueño y la
inteligencia en la población universitaria de
Huancayo.
Extendemos un agradecimiento especial a la
psicóloga Brigitte Sulen Jacobo Orellana, quien
amablemente
nos
proporcionó
uno de sus
salones para la aplicación de las pruebas a sus
alumnos. Su apoyo y colaboración han sido
invaluables para llevar a cabo esta investigación.
De la misma manera, al Mgtr. Joel Jesus Bastidas
Valdivia por brindarnos el apoyo estadístico que
ha jugado un papel crucial en esta investigación.
Por último, agradecemos al Lic. Leodan Sanchez
por su valiosa colaboración en la corrección y
mejora del resumen en inglés. Su meticulosa
revisión ha contribuido significativamente a la
claridad y precisión de nuestro trabajo.
5.
Referencias
1.
sleep: An overview. En M. H. Kryger, T. Roth, & W. C. Dement
(Eds.), Principles and practice of sleep medicine (5th ed.,
Allaire, J. J., Xie, Y., McPherson, J., Luraschi, J., Ushey, K.,
pp.
Atkins, A., Wickham, H., Cheng, J., Chang, W., & Iannone, R.
(2019). Estudio: Integrated Development Environment for R
(Version
1.2.5033).
Recuperado
de
Bonnet, M. H., & Karatsoreos, I. N. (2019). Sleep and
intelligence
in
young
adults.
Sleep,
42(6),
zsy255.
6.
new instrument for psychiatric practice and research.
Psychiatry
Research,
28(2),
8(3), 352-370.
8.
estudiantes
56(4),
5-15.
Recuperado
de
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=
S0026-17422013000400002&lng=es&tlng=es
13
de
Tercer
semestre
de medicina de la
Universidad nacional de Colombia. Revista Facultad de
Medicina,
(2013). Neurobiología del sueño y su importancia: Antología
(México),
Escobar, F., Cortes, M., Canal, J., Colmenares, L., Becerra,
H., & Caro, C. (2008). Somnolencia diurna excesiva en
Carrillo-Mora, P., Ramírez-Peris, J., & Magaña-Vázquez, K.
Medicina
Enders, C. K. (2003). The impact of nonnormality on full
equation models with missing data. Psychological Methods,
193-213.
para el estudiante universitario. Revista de la Facultad de
Cattell, R. B., & Cattell, A. K. S. (1973). Measuring intelligence
information maximum-likelihood estimation for structural
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8893218/
4.
Saunders.
Testing.
7.
Buysse, D. J., Reynolds, C. F., Monk, T. H., Berman, S. R., &
Kupfer, D. J. (1989). The Pittsburgh Sleep Quality Index: A
Elsevier
with the culture fair tests. Institute for Personality and Ability
https://doi.org/10.1093/sleep/zsy255
3.
16-26).
https://doi.org/10.1016/B978-1-4160-6645-3.00002-5
https://www.youtube.com/watch?v=DskltmWKOVY
2.
Carskadon, M. A., & Dement, W. C. (2011). Normal human
56,
235-254.
http://www.scielo.org.co/pdf/rfmun/v56n3/v56n3a05.pdf
9.
Field, A. (2013). Discovering statistics using IBM SPSS statistics.
Sage.
10. Flores, C., & Flores, K. (2021). Pruebas para comprobar la
normalidad
de
datos
en
procesos
productivos:
Anderson-Darling,
Ryan-Joiner,
Shapiro-Wilk
y
Shapiro-Wilk,
https://www.researchgate.net/profile/Carlos-Flores-Tapia/p
Anderson-Darling tests. Journal of Statistical Modeling and
ublication/371337094_Pruebas_para_comprobar_la_normali
dad_de_los_datos_en_procesos_productivos_Anderson-Darl
ing_Ryan-Joiner_Shapiro-Wilk_y_Kolmogorov-Smirnov.pdf
con aplicaciones en Ciencias Sociales. Pearson Educación.
12. Gottfredson,
L.
S.
Mainstream
and
Analytics, 2(1), 21-33.
25. Rossa, K. R., Smith, S. S., Allan, A. C., & Sullivan, K. A. (2018).
university
students.
Sleep
and
Vigilance,
2(1),
1-10.
https://doi.org/10.1007/s41782-018-0035-5
on
26. Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance
test for normality (complete samples). Biometrika, 52(3-4),
Intelligence,
science
Lilliefors,
intelligence: An editorial with 52 signatories, history and
bibliography.
(1997).
Kolmogorov-Smirnov,
The effects of sleep quality on cognitive functioning in
11. Freund, R. J., Wilson, W. J., & Sap. P. H. B. (2006). Estadística
24(1),
13–23.
https://doi.org/10.1016/S0160-2896(97)90011-8
Univariate and multivariate applications. Routledge.
Neyman-Pearson decision theoretic framework and rise of
the neo Fisherian. Annales Zoologici Fennici, 46(5), 311-349.
Corcuera,
M.
(2022).
Calidad del sueño y
rendimiento académico en estudiantes de medicina en
una universidad privada de Lima 2021. Universidad Peruana
Cayetano
(2020). Sleep quality and intelligence: A longitudinal study
from childhood to young adulthood. Intelligence, 81,
14. Hurlbert, S. H., & Lombardi, C. M. (2009). Final collapse of the
15. Izaguirre
591-611.
27. Sternberg, R. J., Jarvin, L., Kaufman, S. B., & Grigorenko, E. L.
13. Grissom, R. J., & Kim, J. J. (2005). Effect sizes for research:
101468. https://doi.org/10.
28. Suardiaz-Muro, M., Morante-Ruiz, M., Ortega-Moreno, M.,
Ruiz, M. A., Martín-Plasencia, P., & Vela-Bueno, A. (2020).
Sueño
y
rendimiento
académico
en
estudiantes
universitarios: Revisión sistemática. Revista de neurología,
43(53), 2-22.
Heredia.
29. Teinteresa.es.
https://repositorio.upch.edu.pe/bitstream/handle/20.500.12
académico
866/11963/Calidad_IzaguirreCorcuera_Maria.pdf?sequence
https://www.teinteresa.es/educa/rendimiento-academico-
=1&isAllowed=y
universitarios-aumentado-FEDEA_0_1687631470.html
16. La inteligencia fluida y la inteligencia cristalizada. (2023,
abril).
Psicoactiva.
https://www.psicoactiva.com/blog/inteligencia-fluida-inteli
gencia-cristalizada/
17. Las etapas o fases del sueño No-MOR y MOR y su duración.
(2023,
21
enero).
Pulso.
https://pulso.news.blog/2023/01/21/sueno-memoria-y-apren
dizaje/
18. Lim, J., & Dinges, D. F. (2010). A meta-analysis of the impact
of short-term sleep deprivation on cognitive variables.
Psychological
Bulletin,
136(3),
375-389.
https://doi.org/10.1037/a0018883
19. McGrew, K. S., & Evans, J. J. (2004). Internal and external
factorial extensions to the Cattell–Horn–Carroll (CHC) theory
of cognitive abilities: A review of factor analytic research
since Carroll's Seminal 1993 Treatises. St. Cloud, MN: Institute
for
Applied
Psychometrics.
http://www.iapsych.com/HCARR2.pdf
20. Mendes, E., & Pala, A. (2003). Assessing the normality of
data in the study of biomechanical variables. Revista
Brasileira de Biomecânica, 4(7), 53-57.
21. Neter, J., Wasserman, W., & Kutner, M. H. (1996). Applied
linear statistical models. McGraw-Hill.
22. Pardo, A., & Ruiz, M. A. (2005). Análisis de datos en ciencias
sociales y de la salud II: Inferencia estadística. Ediciones
Díaz de Santos.
23. Pearson, K. (1895). Notes on regression and inheritance in
the case of two parents. Proceedings of the Royal Society of
London, 58(347-352), 240-242.
14
24. Razali, N. M., & Wah, Y. B. (2011). Power comparisons of
Kolmogórov-Smirnov.
(2016,
15
de
noviembre).
los
El
rendimiento
universitarios.