la retención y la experiencia de aprendizaje de los

PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE
FACULTAD DE EDUCACIÓN
PROGRAMA DE DOCTORADO EN CIENCIAS DE LA EDUCACIÓN
LA RETENCIÓN Y LA EXPERIENCIA DE APRENDIZAJE
DE LOS ESTUDIANTES EN EL PRIMER AÑO DE INGENIERÍA
RETENTION AND THE LEARNING EXPERIENCE
OF FIRST-YEAR ENGINEERING STUDENTS
POR
LORENA LÓPEZ FERNÁNDEZ
Tesis presentada a la Facultad de Educación de la Pontificia Universidad Católica de
Chile para optar al grado académico de Doctora en Ciencias de la Educación
Profesor guía:
Dr. Carlos González Ugalde
Santiago, Chile, Noviembre, 2013
©2013, Lorena López Fernández
©2013, Lorena López Fernández
Se autoriza la reproducción total o parcial, con fines académicos, por cualquier
medio o procedimiento, incluyendo la cita bibliográfica que acredita al trabajo y a
su autor.
Esta investigación contó con el financiamiento del Programa de Capital
Humano Avanzado de CONICYT
ii
TABLA DE CONTENIDOS
DEDICATORIA ...............................................................................................................ix
AGRADECIMIENTOS ..................................................................................................... x
RESUMEN.......................................................................................................................xii
ABSTRACT ................................................................................................................... xiii
I.
INTRODUCCIÓN ................................................................................................. 1
1.1 Antecedentes ................................................................................................... 1
1.2 Contexto de la investigación ........................................................................... 4
1.3 Metodología .................................................................................................... 5
1.4 Estructura de la tesis ........................................................................................ 6
II.
MARCO TEÓRICO ............................................................................................... 7
2.1 Retención y Experiencia de Aprendizaje ........................................................ 7
2.2 Revisión de la literatura asociada a retención ................................................. 9
2.2.1 Distinciones conceptuales sobre retención .......................................... 9
2.2.2 Modelos teóricos sobre retención ...................................................... 11
2.2.3 Metodologías sobre retención ........................................................... 17
2.2.4 Tipos de objetos/sujetos de investigación en retención..................... 18
2.2.5 Situación de la investigación en Chile sobre retención ..................... 21
2.3 Revisión de la literatura asociada a experiencia de aprendizaje ................... 22
2.3.1 Distinciones conceptuales sobre la experiencia de aprendizaje ........ 22
2.3.2 Modelos teóricos sobre la experiencia de aprendizaje ...................... 25
2.3.3 Metodologías para investigar la experiencia de aprendizaje ............. 27
2.3.4 Tipos de objetos/sujetos de investigación de experiencia de
aprendizaje......................................................................................... 28
2.3.5 Situación de la investigación en Chile sobre experiencia de
aprendizaje......................................................................................... 31
2.4 Modelo integrado de retención y experiencia de aprendizaje ....................... 31
III.
MARCO METODOLÓGICO .............................................................................. 35
3.1 Propósito y preguntas de investigación ......................................................... 35
iii
3.2 Enfoque y diseño de la investigación ............................................................ 37
3.3 Muestra .......................................................................................................... 37
3.4 Procedimiento de recolección de datos ......................................................... 38
3.5 Instrumentos .................................................................................................. 39
3.6 Variables del estudio ..................................................................................... 42
3.7 Análisis de los datos ....................................................................................... 44
3.7.1 Preparación de los datos .................................................................... 44
3.7.2 Técnica de análisis............................................................................. 44
3.7.3 Indicadores de ajuste de los modelos ................................................ 48
3.7.4 Modelo utilizado para analizar diferencia de medias latentes. .......... 48
3.8 Validez y confiabilidad de la investigación .................................................. 54
3.8.1 Validez interna .................................................................................. 54
3.8.2 Validez externa .................................................................................. 54
3.8.3 Confiabilidad ..................................................................................... 54
3.8.4 Validez y confiabilidad de los instrumentos ..................................... 55
3.9 Consideraciones éticas del estudio ................................................................ 56
IV.
RESULTADOS .................................................................................................... 57
4.1 Paso 1: Selección de variables de Pronóstico................................................ 57
4.1.1 Obtención de la situación de retención de los estudiantes ................ 57
4.1.2 Comparación de variables entre grupos ............................................ 57
4.1.3 Selección de variable ......................................................................... 60
4.2 Paso 2: Análisis Confirmatorio de Factores .................................................. 60
4.2.1 Concepciones sobre las matemáticas ................................................ 60
4.2.2 Formas de abordar el aprendizaje ...................................................... 66
4.2.3 Experiencia del curso ........................................................................ 71
4.2.4 Resumen de los análisis confirmatorios de factores .......................... 76
4.3 Paso 3: Análisis Confirmatorio de Factores con Covariante Retención ....... 77
4.3.1 Estimación de invarianza................................................................... 77
4.3.2 Estimación de diferencia de medias latentes ..................................... 79
4.3.3 Indicadores de ajuste del modelo ...................................................... 82
4.4 Respuesta a las preguntas principales de investigación ................................ 83
iv
V.
DISCUSIÓN ......................................................................................................... 85
5.1 Discusión del Paso 1: Selección de las variables de Pronóstico ................... 85
5.2 Discusión del Paso 2: Análisis Factorial de los Cuestionarios...................... 87
5.2.1 Discusión de resultados de “concepciones sobre las matemáticas” .. 87
5.2.2 Discusión de resultados de “formas de abordar el aprendizaje” ....... 89
5.2.3 Discusión de resultados de “experiencia del curso” .......................... 90
5.3 Discusión del Paso 3: Análisis Confirmatorio con covariante Retención ..... 91
5.4 Discusión del modelo de retención y experiencia de aprendizaje (3P-R) ..... 96
5.5 Limitaciones del estudio................................................................................ 97
5.6 Implicancias .................................................................................................. 97
5.6.1 Implicancias para la práctica ............................................................. 97
5.6.2 Implicancias para las políticas públicas ............................................ 98
5.6.3 Implicancias para futuras investigaciones ......................................... 99
VI.
CONCLUSIONES ............................................................................................. 100
VII.
REFERENCIAS BIBLIOGRÁFICAS ............................................................... 102
VIII. ANEXOS ............................................................................................................ 117
8.1 Consentimiento Informado ........................................................................... 118
8.2 Cuestionarios ................................................................................................ 120
8.3 Análisis Descriptivos.................................................................................... 123
8.4 Síntaxis Lisrel ............................................................................................... 129
8.4.1 Concepciones sobre las matemáticas ................................................. 129
8.4.2 Formas de Abordar el Aprendizaje .................................................... 130
8.4.3 Experiencia del Curso ........................................................................ 131
8.4.4 Análisis Confirmatorio con covariante Retención ............................. 132
v
ÍNDICE DE TABLAS
Tabla III.1 Características sociodemográficas de los participantes ................................ 38
Tabla III.2 Características académicas previas de los participantes .............................. 38
Tabla III.3 Variables de Pronóstico de la investigación ................................................. 42
Tabla III.4. Variables de Proceso de la investigación ...................................................... 43
Tabla III.5. Variables de Producto de la investigación .................................................... 44
Tabla III.6 Combinación de indicadores de bondad de ajuste. ....................................... 49
Tabla III.7 Relación entre los pasos metodológicos y las preguntas de investigación ... 50
Tabla IV.1 Retención de estudiantes al primer año ......................................................... 57
Tabla IV.2 Caracterización de los estudiantes retenidos y no retenidos según género,
primera generación y tipo de enseñanza media ............................................. 59
Tabla IV.3 Caracterización de los estudiantes según NEM, PSU ................................... 59
Tabla IV.4 Parámetros del modelo Concepciones sobre las matemáticas ....................... 63
Tabla IV.5 Indicadores de bondad de ajuste de Concepciones sobre las matemáticas .... 64
Tabla IV.6 Matriz de correlaciones policóricas de ítems Concepciones sobre las
matemáticas. .................................................................................................. 65
Tabla IV.7 Parámetros del modelo Formas de abordar el aprendizaje ........................... 68
Tabla IV.8 Indicadores de bondad de ajuste Formas de abordar el aprendizaje .............. 69
Tabla IV.9 Matriz de correlaciones policóricas de ítems de Formas de abordar el
aprendizaje. ................................................................................................... 70
Tabla IV.10 Parámetros del modelo Experiencia del curso ............................................. 73
Tabla.IV.11 Indicadores de ajuste de modelo Experiencia del curso. ............................ 74
Tabla.IV.12 Matriz de correlaciones policóricasde ítems de Experiencia del curso ....... 75
Tabla IV.13 Resumen de indicadores de bondad de ajuste de los modelos parciales ..... 76
Tabla IV.14 Resumen de la varianza extraída y Coeficiente H para todos los factores . 77
Tabla IV.15 Resumen de indicadores de bondad de ajuste para muestra "retenidos" .... 78
Tabla IV.16 Resumen indicadores de bondad de ajuste para muestra total ..................... 78
Tabla IV.17
Resumen de resultados del análisis de diferencia de medias latentes....... 80
Tabla IV.18 Indicadores bondad de ajuste de retención y experiencia de aprendizaje.... 83
Tabla IV.19 Resultado de cada factor para los grupos de estudiantes ............................ 84
Tabla V.1 Resultados Análisis Confirmatorio de Factores con covariante Retención .. 92
vi
Tabla VIII.1 Estadísticos descriptivos para Concepciones Cohesionadas ..................... 123
Tabla.VIII.2 Estadísticos descriptivos para Concepciones Fragmentadas..................... 124
Tabla VIII.3 Estadísticos descriptivos para Aprendizaje Profundo ............................... 125
Tabla .VIII.4 Estadísticos descriptivos para Aprendizaje Superficial ........................... 126
Tabla VIII.5 Resumen estadígrafos descriptivos de todos los cuestionarios ................. 128
vii
INDICE DE FIGURAS
Figura II.1 Modelo de Tinto, 1987 .................................................................................. 15
Figura II.2 Conceptualización de la experiencia de aprendizaje..................................... 24
Figura II.3 Modelo 3P, Pronóstico, Proceso, Producto (Biggs, 2006) ............................ 26
Figura II.4 Elementos convergentes entre retención y experiencia de aprendizaje. ...... 33
Figura II.5 Modelo 3P con Retención (3P-R) ................................................................ 34
Figura III.1 Modelo 3P con retención (3P-R). ............................................................... 36
Figura III.2 Fases de la recopilación de información ...................................................... 39
Figura III.3 Relación entre variables medida u observada, variable latente y error (Byrne,
1998) ........................................................................................................... 45
Figura III.4 Modelo de ecuaciones estructurales con sus dos componentes demarcados
(Byrne, 1998) .............................................................................................. 46
Figura III.5 Modelo Conceptual ...................................................................................... 53
Figura III.6 Gráfico que muestra la diferencia en promedio de un factor (Yi) para los
grupos de estudiantes retenidos y no retenidos ........................................... 53
Figura III.7 Coeficiente H para la confiabilidad del constructo..................................... 56
Figura IV.1 Modelo de medida Concepciones sobre las matemáticas............................ 62
Figura IV.2 Modelo Cuestionario Formas de Abordar el Aprendizaje ........................... 67
Figura IV.3 Modelo Cuestionario Experiencia del curso............................................... 72
Figura IV.4 Modelo de diferencia de medias con covariante “retención”. ..................... 79
Figura IV.5 Diferencia de medias latentes del factor “concepciones cohesionadas” .... 81
Figura IV.6 Diferencia de medias del factor “carga de trabajo” .................................... 81
Figura IV.7 Diferencia de medias del factor “preparación académica previa”.............. 82
viii
DEDICATORIA
Este trabajo se lo dedico a mi hija Valentina, compañera en esta aventura de
aprender; y a todos los estudiantes de ingeniería, que se fueron de su carrera antes de
terminar, pensando que ellos eran los únicos responsables de su salida.
ix
AGRADECIMIENTOS
La realización de este trabajo, junto con los hallazgos asociados a las preguntas
de investigación, ha tenido otros resultados y constataciones que son muy importantes de
reconocer. En primer lugar, fue muy importante para mí contar con los fondos
provenientes del Programa Capital Humano Avanzado del Consejo Nacional de Ciencia
y Tecnología (CONICYT) y de la Universidad de Santiago de Chile. En segundo lugar,
constaté que contar con profesores que me ayudaran a desarrollar mis capacidades fue
fundamental para realizar el trabajo. En este sentido quisiera destacar el rol de los dos
profesores tutores que tuve durante su desarrollo. La profesora Viviana Gómez, quien en
una primera etapa guió este trabajo, y el profesor Carlos González, quien en una segunda
etapa y final, revisó mi trabajo todas las veces que fue necesario y me ayudó a seguir y
concluir esta investigación.
A través del desarrollo de este estudio, encontré que la generosidad, un bien a
veces escaso en la academia, en amigas como Paulina Pérez existe en abundancia. Ella
fue un pilar fundamental en el nivel de logro alcanzado en este trabajo. Me mostró como
hacer nuevos análisis estadísticos, me invitó a una pasantía en la Universidad de
Maryland, entre muchas otras cosas; pero por sobre todo, me entregó su tiempo y cariño
de manera incondicional. Tuvo la idea de presentarme a quien fuera su tutor, el profesor
Alberto Cabrera, quien leyó mi trabajo y me estimuló a confiar en que el estudio que hoy
día presento, estaba bien hecho.
En tercer lugar, constaté que el valor de la amistad sincera es siempre bienvenido
y necesario. Mis amigas Doris, Beatriz, Marcela estuvieron apoyándome en todo
momento. Junto con ellas, el doctorado me aportó una nueva amiga, Irsa, con quien
compartí esta aventura de ser nuevamente estudiante. En el mismo sentido, mis padres,
hermanas, sobrinos y cuñados conformaron un mundo afectivo, sólido y contenedor, que
me permitió estar largas horas, días y semanas dedicadas a entender lo que otros
investigadores habían avanzado. También, debo reconocer la ayuda que recibí de otras
mujeres, que desde un trabajo más anónimo me ayudaron en aquellas tareas que no
podía cumplir. Finalmente, confirmé que el amor desinteresado de mi hija y pareja, fue
sin duda uno de los pilares fundamentales para concluir este trabajo.
x
¿Cuál de todos los hallazgos que he descrito aquí fue más importante para
culminar la tarea? No lo sé, sólo tengo la convicción que todos fueron muy relevantes y
que cada uno de ellos permitió que pudiera, más allá del cansancio, concretar este
desafío. A todos ellos, muchas gracias.
xi
RESUMEN
El propósito de esta investigación fue avanzar en el conocimiento sobre el
vínculo de la retención con aquellas variables asociadas a la experiencia de aprendizaje
de los estudiantes. Se tomó como referencia el modelo “3P de enseñanza y aprendizaje”
de Biggs, La experiencia de aprendizaje de los estudiantes se concibió en tres ámbitos:
las concepciones sobre las matemáticas, las formas de abordar el aprendizaje y la
experiencia del curso. La metodología que se usó fue de carácter cuantitativo, con un
diseño no experimental del tipo longitudinal retrospectivo. Se aplicaron tres
cuestionarios a 208 estudiantes y se solicitaron antecedentes sociodemográficos y de
resultados de retención. El análisis de los datos se hizo a través de modelamiento de
ecuaciones estructurales con variables latentes.
La evidencia que se halló, sugiere la existencia de diferencias entre estudiantes
retenidos y no retenidos en tres de los elementos considerados en la investigación. En
específico, se encontró que los estudiantes retenidos tenían concepciones cohesionadas
sobre las matemáticas, concebían la carga de trabajo académica más adecuada y tenían
mejor preparación académica previa que los estudiantes no retenidos. Junto con estos
hallazgos, el desarrollo de la investigación proporciona aportes en otras direcciones que
son importantes de relevar: las distinciones conceptuales revisadas sobre retención y
experiencia de aprendizaje; el modelo teórico utilizado; la metodología estadística
empleada; el área disciplinaria investigada; además, este trabajo presenta importantes
desafíos para la práctica, para el diseño de políticas públicas e investigaciones futuras.
Palabras Claves: educación superior, retención, experiencia de aprendizaje, estudiantes
de ingeniería, primer año.
xii
ABSTRACT
The purpose of this research was to advance knowledge about the relationship
among retention and variables associated with the learning experience of students. The
model "3P teaching and learning" proposed by Biggs was used as a frame of reference.
The learning experience of students was conceived in three areas: conceptions of
mathematics, approaches to learning, and course experiences. The methodology was
quantitative in nature, using a non-experimental retrospective longitudinal design. Three
questionnaires were administered to 208 students, and sociodemographic information
was gathered along with retention data. The analytic approach was structural equation
modeling with latent variables.
The evidence suggests that retained and non-retained students are different
regarding three elements considered in the investigation. Specifically, retained students
held more cohesive conceptions about mathematics, considered the academic workload
was more appropriate, and had better academic preparation than non-retained students.
Along with these findings, this study contributes in other manners that are worthy of
mentioning: a revised conceptual framework about retention and the learning
experience, the theoretical model proposed, the statistical methodology used, and the
subject area investigated. Aditionally, this work identifies major challenges for practice
for policymaking and future research.
Keywords: higher education, retention, learning experience, engineering student, firstyear.
xiii
I.
INTRODUCCIÓN
En este capítulo se presentan los antecedentes que configuran el problema de
investigación, la metodología utilizada, el contexto en el cual se trabajó y, por último,
una reseña de los capítulos que componen la tesis.
1.1
Antecedentes
El campo de investigación sobre la retención universitaria ha estado orientado a
buscar respuestas para la pregunta ¿por qué hay estudiantes que persisten y terminan sus
estudios universitarios y hay otros que los abandonan antes de terminar? (Braxton, 2000;
Tinto, 2001, 2007a; Yorke, 2004). Las respuestas a esta pregunta han provenido de
distintas disciplinas y con distintas conceptualizaciones y solo dan cuenta de una parte
del fenómeno.
La preocupación por la retención como campo de investigación se desarrolló
inicialmente en los Estados Unidos hace más de cuarenta años y en la actualidad es una
preocupación que se extiende en muchos países entre los cuales está incluido Chile
(Donoso, 2010; L. E. González & Uribe, 2002; Thomas & Quinn, 2007; Tinto, 2007a;
Yorke, 2004; Zepke & Leach, 2007).
Dentro de las justificaciones que se aprecian en la literatura sobre la
preocupación por la retención universitaria se encuentran los cambios en la educación
superior en los últimos años, en lo que se refiere a: ampliación de la cobertura, es decir
más jóvenes entre 18 y 25 años van a la universidad; aumento de la participación de
jóvenes que pertenecen a sectores de menores ingresos; incremento de los estudiantes
que son la primera generación de estudiantes universitarios de sus familias (L. E.
González, 2005; Thomas & Quinn, 2007; Yorke, 2004). En Chile, las cifras que
muestran estos procesos de transformación de la educación superior corresponden a:
aumento de la matrícula universitaria en promedio de un 21% anual entre 1994 y 2011;
es decir, de 132.691 estudiantes ha aumentado a 602.492 entre esos años (Consejo
Nacional de Educación, 2012); incremento de la participación de estudiantes de grupos
de ingresos menores, es así como del primer quintil de ingresos. En el año 1990 había un
4.4% de estudiantes, en el año 2009 había un 22.7%; del segundo quintil, en 1990 la
participación era de 7.7% y en 2009 era de 29.1%, mientras que la participación de
1
estudiantes provenientes del tercer quintil era en 1990 de 12.4% y en 2009 de 34.4%
(CASEN, 2009); aumento de la participación de estudiantes que son primera generación
de profesionales en sus familias, aproximadamente el 70% de los estudiantes que
ingresan a la educación superior corresponde a esta categoría (Castillo & Cabezas, 2010;
Meneses, Rolando, Valenzuela, & Vega, 2010).
Las cifras sobre retención han originado preocupación a nivel del Ministerio de
Educación chileno y se han realizado diversos estudios que han cuantificado el problema
a través de la estimación de indicadores que permiten caracterizar el fenómeno para
distintas variables. Como por ejemplo, del total de los estudiantes que ingresan, año a
año permanecen en la universidad un 80% en el primer año; un 69% en segundo año y
un 62% en tercer; Llegando al quinto año aproximadamente un 54% de los estudiantes
(Consejo Nacional de Educación, 2010). Las carreras del área de salud tienen las tasas
de retención más altas que las carreras de ingeniería civil y arquitectura, las cuales
muestran los niveles de retención más bajos (Consejo Nacional de Educación, 2010).
Los jóvenes que provienen de establecimientos Particulares Pagados tienen tasas de
retención más altas que los estudiantes que provienen de establecimientos Particulares
Subvencionados y Municipales; en relación a los antecedentes académicos previos, los
estudiantes que tienen un puntaje de la Prueba de Selección Universitaria (PSU) más alto
tienen mejor resultado de retención, así como también quienes tienen Notas de
Enseñanza Media (NEM) mejores tienen mejores resultados en retención al primer año
(Rolando, Lara, & Salamanca, 2012; Rolando & Salamanca, 2010).
No obstante existe preocupación por cuantificar la retención, la investigación en
Chile sobre retención universitaria es escasa. En particular, se han encontrado trabajos,
además de los estudios estadísticos realizados en el Ministerio de Educación y señalados
anteriormente, recopilaciones bibliográficas de modelos teóricos (Donoso &
Schiefelbein, 2007; Himmel, 2002); sobre costos de la retención (L. E. González &
Uribe, 2002); sobre causas (Canales & De Los Rios, 2006, 2009; Microdatos, 2008), y
acerca de recopilación de estrategias exitosas (Donoso, 2010). En contraste, la literatura
internacional sobre el tema es abundante y de larga data (Spady, 1970; Tinto, 1975),
mostrando modelos, enfoques, explicaciones y comprensiones diversas (Pascarella &
Terenzini, 2005). No obstante este gran desarrollo, aún no existe un único modelo que
2
permita dar cuenta del fenómeno en su totalidad y los mismos investigadores consideran
esta búsqueda como un puzzle aún sin resolver (Braxton, Brier, & Steele, 2007),
sugiriendo que los retos que plantea el estudio de la retención se orientan a considerar el
proceso académico, como por ejemplo el clima de la sala de clases, el papel que
desempeña el profesor, la experiencia de los estudiantes, el tipo de enseñanza, entre
otros. En este sentido, se han encontrado investigaciones que muestran que la
experiencia de aprendizaje está relacionada con la retención (Braxton, Milem, &
Sullivan, 2000; Tinto, 2007a; Yorke, 2004; Zepke, Leach, & Prebble, 2006). Según estos
estudios, el aprendizaje es un elemento que tiene repercusiones en la retención, y tiene
ciertas características que van más allá de aspectos relativos solo al estudiante que
aprende, porque también cuenta el ambiente y los profesores. Esta visión de docencia se
ajusta con la visión denominada, por otros investigadores, como una visión relacional
del proceso académico y que desarrolla en profundidad la línea de investigación
“student learning research” (Biggs, 2006; Trigwell & Prosser, 1991).
Esta línea se origina como un intento por mejorar la docencia universitaria en el
contexto de masificación de la educación terciaria (Biggs, 2006; Marton & Booth, 1997;
Prosser & Trigwell, 1999). De esta manera, los resultados de la enseñanza y el
aprendizaje se consideran como un sistema interrelacionado que depende de las
características de los estudiantes, de los profesores, de la naturaleza específica de la
materia a aprender y de la percepción del ambiente de enseñanza y aprendizaje que se
vivencia (Entwistle, 2007). Esta línea proporciona un cuerpo teórico y empírico acerca
de cómo entregar un proceso académico de calidad para los nuevos estudiantes. Concibe
los resultados académicos como un sistema en el que intervienen el estudiante, los
profesores y el contexto de enseñanza, proporcionando un modelo que los relaciona en
tres fases denominadas: Pronóstico, Proceso y Producto. En la primera fase –Pronósticose consideran características previas de los estudiantes, de los profesores y del contexto
académico. En la segunda fase -Proceso- se consideran aspectos relacionados con la
experiencia de enseñanza y aprendizaje, como son las concepciones, las formas de
abordar la enseñanza y el aprendizaje, además de la percepción del curso. En la tercera
fase -Producto- se consideran los resultados del proceso académico, como las
calificaciones y los resultados del aprendizaje (Biggs, 2006).
3
Teniendo en cuenta tanto la literatura asociada a la retención como esta última
línea de investigación, esta tesis plantea que la retención tiene relación con la
experiencia de aprendizaje de los estudiantes y que es uno de los resultados posibles del
proceso académico concebido de manera relacional. En específico se intentó responder
la pregunta: ¿Los estudiantes retenidos y no retenidos de la carrera de ingeniería difieren
en su experiencia de aprendizaje en el primer año? La experiencia de aprendizaje en este
estudio en particular se exploró a través de las concepciones sobre las matemáticas, las
formas de abordar el aprendizaje y la experiencia del curso.
1.2
Contexto de la investigación
La investigación se realizó con estudiantes de la carrera de ingeniería civil, en un
curso de matemática de primer año de una universidad estatal chilena con ingreso
selectivo. Se consideró de interés investigar en la carrera de ingeniería civil, por varias
razones. En primer lugar, porque es una carrera que tiene una baja tasa de retención y los
estudiantes que acceden tienen un perfil de buen estudiante, si se consideran los
resultados de la Prueba de Selección Universitaria (PSU) y las Notas de Enseñanza
Media (NEM) (Rolando et al., 2012). En segundo lugar, la carrera de ingeniería, ha
estado puesta en discusión a nivel mundial por la importancia en el desarrollo de los
países, porque existe una baja tasa de graduados y porque la formación no se ajustaría a
los requerimientos de las naciones (OECD, 2011; UNESCO, 2009). Chile, acorde con la
preocupación mundial, ha tomado algunas acciones para mejorar la formación de
ingenieros y está fomentando planes estratégicos para preparar un “ingeniero de clase
mundial (SYN Iniciativa Ingeniería 2030, 2011).
Se examinaron los cursos de matemática del primer año, puesto que
corresponden a cursos que conforman la base de la formación en ciencias básicas de la
carrera y son considerados filtros para el avance de los estudiantes e inciden en la
retención o abandono más allá del primer año de estudios (Fulton, 2008; Institucional,
2009; Marra, Rodgers, Shen, & Bogue, 2012; Seymour & Hewitt, 1997). Finalmente, la
investigación se realizó en una universidad estatal con ingreso selectivo; cuya población
estudiantil es cercana a los 20.000 estudiantes; realiza docencia, investigación y
extensión; sus estudiantes, principalmente, provienen de educación pública y
4
subvencionada. Esto es, un 20% de estudiantes proviene de la educación municipal, un
70% de educación particular subvencionada y un 10% de educación privada; los cuales
ingresan vía Prueba de Selección Universitaria (PSU) y en promedio lo hacen con un
puntaje superior a los 620 puntos (de un máximo de 850 puntos) y con notas de
enseñanza media (NEM) en promedio de 6,1 (de un máximo de 7), (Institucional, 2009).
La tasa de retención de la carrera en esta institución varía según los años de
formación siguiendo la tendencia del sistema nacional. Es decir, los primeros tres años
tienen una menor retención, y al tercer año, en promedio, la mitad de los estudiantes que
ingresaron ya no están en ella. Al sexto año, el porcentaje que es factible de terminar su
carrera sólo corresponde al 38% de los estudiantes que ingresaron (Informe
Institucional, 2009). Por lo tanto, indagar la relación entre la retención y la experiencia
de aprendizaje en este contexto universitario parece completamente pertinente y
necesario, por cuanto se encontraran evidencias sobre una población estudiantil que
representa a los nuevos estudiantes de la educación superior (CINDA, 2007).
1.3
Metodología
La metodología que se usó en este estudio fue cuantitativa, con un diseño no
experimental y longitudinal retrospectivo (Johnson & Christensen, 2010). Se aplicaron
tres cuestionarios que indagaban acerca de las concepciones sobre las matemáticas, la
forma de abordar el aprendizaje y la percepción de la experiencia del curso que tenían
los estudiantes, lo que constituye, para este estudio, la experiencia de aprendizaje de los
estudiantes en el primer año (Marton & Booth, 1997). Además se solicitaron datos
sociodemográficos y de resultados de retención de los estudiantes que contestaron los
tres cuestionarios. Todos los datos fueron analizados a través del Modelamiento de
Ecuaciones Estructurales con variables latentes, técnica que permite abordar el estudio
de variables que no son medibles directamente, como lo son frecuentemente las
variables que se investigan en Educación, de ahí su nombre de variable “latente”. En
específico, se utilizó el Análisis Confirmatorio de Factores con Covariante Retención
(Hancock, 2004).
5
1.4
Estructura de la tesis
La tesis se estructura en seis capítulos más un apartado de referencias
bibliográficas y otro de anexos. A continuación se presenta una breve descripción de los
contenidos de cada uno de ellos.
En el capítulo 2, se presenta la revisión de la literatura sobre investigación en
retención universitaria y en experiencia de aprendizaje tanto a nivel nacional como
internacional. Además, se incorpora una visión integrada de estas dos líneas, que asocia
la retención con la experiencia de aprendizaje a través de un modelo relacional de
docencia universitaria, que resulta ser el modelo conceptual que enmarca el trabajo.
En el capítulo 3, se desarrolla el marco metodológico utilizado en la
investigación. Se presentan las preguntas que han guiado el trabajo, el enfoque utilizado,
el tipo de diseño, los participantes, las técnicas de recolección de datos y los análisis
realizados. Además, se informa sobre los criterios de rigor científico y los resguardos
éticos seguidos en el estudio.
En el capítulo 4, se presentan los resultados obtenidos de acuerdo a la
metodología presentada en el capítulo 3.Finaliza el capítulo con las respuestas a las
preguntas de investigación formuladas.
El capítulo 5 aborda la discusión de los resultados obtenidos, se hace allí una
interpretación de los hallazgos encontrados poniéndolos en relación con hallazgos de
investigaciones anteriores. Finaliza el capítulo con una discusión sobre las limitaciones
del trabajo, así como con sus posibles repercusiones para la práctica y la investigación
futura.
Por último, el capítulo 6 contiene las conclusiones de la investigación
desarrollada. Se presentan las respuestas a las preguntas planteadas inicialmente y
también los hallazgos que emergieron producto del trabajo investigativo.
6
II.
MARCO TEÓRICO
En este capítulo se presenta una síntesis de la revisión de la literatura sobre el
campo de investigación de la retención y de la experiencia de aprendizaje de estudiantes
universitarios. El capítulo se ha articulado en el siguiente orden. En primer lugar, se
presentan las razones que justifican una visión integrada de retención y experiencia de
aprendizaje; posteriormente se describe la literatura asociada a retención y luego la
asociada a experiencia de aprendizaje, centrándose en los siguientes elementos:
distinciones conceptuales, modelos teóricos, metodologías, tipos de objetos de
investigación y el estado de la investigación en Chile. Finalmente, el capítulo concluye
con un modelo teórico integrado de retención y experiencia de aprendizaje, que es el
modelo que se utiliza en la presente investigación.
2.1
Retención y Experiencia de Aprendizaje
El aprendizaje tendría repercusiones en la retención de los estudiantes, según la
evidencia que muestran los hallazgos de algunos investigadores, (Braxton et al., 2000;
Severiens & Schmidt, 2008; Tinto, 1997a, 2003; Zepke et al., 2006). El abordaje que
han utilizado para explorar el vínculo entre aprendizaje y retención ha consistido en
investigar los modos de experimentar y abordar las situaciones de aprendizaje que
tendrían los estudiantes. Sus resultados sugieren que la calidad de la experiencia
académica es importante en la persistencia estudiantil. Los hallazgos encontrados
apuntan a que estar centrados en el alumno, que los estudiantes sientan que pertenecen a
una cultura institucional donde la experiencia en la enseñanza es de buena calidad y
tengan apoyo en su aprendizaje mejora la retención (Braxton et al., 2000; Braxton, 2000;
Yorke & Thomas, 2003). De esta forma, el enfoque tomado por una institución puede
ser fundamental para dar o no soporte a los estudiantes (Yorke, 2004). Después de una
revisión de treinta años, Pascarella y Terenzini (2005), concluyen que operan múltiples
fuerzas que influencian el aprendizaje y la retención.
Dentro de las distintas investigaciones que han abordado la vinculación con el
aprendizaje (Tinto, 1997b) exploró el carácter educacional de la persistencia relacionado
con el ambiente de la sala de clases y las actividades académicas en las cuales los
estudiantes se vinculaban; encontrando a través de la aplicación de cuestionarios que los
7
estudiantes persistían si la calidad del aprendizaje era buena, lográndolo a través de
comunidades de aprendizaje y de trabajo con los pares. Por otro lado, desde el discurso
de la adaptación, (Zepke et al., 2006) explora cómo las instituciones pueden dirigir el
abandono temprano estudiantil. Encuentran que el aprendizaje centrado en el estudiante
tiene un mejoramiento en la retención. Braxton, (Braxton et al., 2000) exploró el vínculo
entre retención y aprendizaje activo, siendo sus hallazgos, de alguna manera
coincidentes con los anteriores, en el sentido que el aprendizaje centrado en los
estudiantes favorece mejores resultados académicos y de esta manera la persistencia de
los estudiantes en la universidad aumenta. De acuerdo con estos trabajos es muy
importante el tipo de actividad que realicen los estudiantes para aprender y la forma de
abordar la enseñanza que tenga el profesor.
De tal manera que los estudiantes persisten en sus estudios si la experiencia de
aprendizaje es significativa, participativa y pertinente para sus vidas. En cambio, los
estudiantes desperdician las oportunidades cuando las instituciones diseñan modelos y
estructuras organizativas sin una atención similar concedida, tanto a la enseñanza como
al aprendizaje. Desde esta perspectiva, los profesores son considerados como una
coyuntura crítica en la retención de los estudiantes (Stevenson, Buchanan & Sharpe,
2006; Vogt, 2008).
Según la evidencia descrita anteriormente, puede argumentarse que el
aprendizaje es un elemento que tiene repercusiones en la retención, y que este
aprendizaje tiene ciertas características que van más allá de aspectos relativos solo al
estudiante que aprende, porque también cuenta el ambiente y los profesores. Esta visión
del proceso académico ha sido denominado una visión relacional de la docencia
universitaria y otros investigadores la abordan en profundidad a través de la línea de
investigación “student learning research” (Biggs, 2006; Trigwell & Prosser, 1991).
El foco de esta línea de investigación es la experiencia de aprendizaje de los
estudiantes. Se origina como un intento por mejorar la docencia universitaria en el
contexto de masificación de la educación terciaria (Biggs, 2006; Marton & Booth, 1997;
Prosser & Trigwell, 1999). De esta manera, los resultados de la enseñanza y el
aprendizaje se consideran como un sistema interrelacionado que depende de las
8
características de los estudiantes, de los profesores, de la naturaleza específica de la
materia a aprender y de la percepción del ambiente de enseñanza y aprendizaje que se
vivencia (Entwistle, 2007).
Teniendo en cuenta tanto la literatura asociada a la retención como a la de
experiencia de aprendizaje, esta tesis plantea que la retención tiene relación con la
experiencia de aprendizaje de los estudiantes y que es uno de los resultados posibles del
proceso académico concebido de manera relacional.
En la revisión de la literatura, que se presenta a continuación, se muestran los
elementos que dan cuenta y permiten la integración de la retención y experiencia de
aprendizaje en un modelo único. El análisis se ha centrado en cinco categorías:
distinciones conceptuales, modelos teóricos, metodologías, unidades de análisis.
Además se presenta la situación de la investigación sobre retención y experiencia de
aprendizaje en Chile.
2.2
Revisión de la literatura asociada a retención
En este apartado se presenta la revisión de la literatura asociada a retención en
los elementos mencionados más arriba, es decir, distinciones conceptuales, modelos
teóricos, metodologías de investigación, tipos de objetos de investigación y la situación
de la investigación en Chile.
2.2.1
Distinciones conceptuales sobre retención
La literatura ha asociado con distintos conceptos la salida prematura de los
estudiantes universitarios: retención, persistencia, éxito, deserción, abandono, fracaso
(Braxton et al., 2007; Tinto, 1975; Yorke, 2004; Zepke, 2005). De estos conceptos,
algunos están asociados a la permanencia y otros a la salida de los estudiantes. Así por
ejemplo, el concepto “retención” está referido a los estudiantes que permanecen y
terminan sus estudios universitarios, y se asocia por lo tanto con “la persistencia” y el
“éxito”; en cambio, el concepto “deserción” está referido a los estudiantes que
abandonan antes de terminar y se relaciona así con “el abandono” y el “fracaso”.
Si bien pareciera que retención y deserción son las caras opuestas de una misma
moneda porque una reducción en la tasa de retención es un aumento en la tasa de
9
deserción (Braxton et al., 2007), su significación, investigación e intervención tienen
matices particulares que es necesario distinguir. La deserción se vincula a un proceso
individual de los estudiantes; en este sentido, son ellos quienes abandonan sus estudios
(Pantages & Creedon, 1978). Desde el ingreso hasta el egreso existen diversos tipos de
deserción o abandono. La literatura hace la distinción entre abandono temporal y
abandono definitivo (Tinto, 1975). Se habla de deserción temporal, cuando los
estudiantes suspenden sus estudios y pueden continuar en un tiempo posterior la misma
carrera u otra. Si es en otra carrera se habla de transferencia y puede ser dentro de la
misma institución o en una distinta (J. Engelbrecht, Harding, & Preez, 2007;
Hovdhaugen, 2009). Si ha pasado un tiempo y no vuelven a matricularse se habla de
deserción definitiva (L. Cabrera, Tomás, Alvarez, & González, 2006; Canales & De Los
Rios, 2006). Luego de deserciones temporales (no permanentes), los estudiantes pueden
concluir en una deserción permanente; asimismo, ésta puede tener un carácter voluntario
o no voluntario. El abandono voluntario ocurre cuando el estudiante pone fin a sus
estudios por decisión personal. En cambio, cuando la institución, según sus normas y
reglamentos, detiene la continuidad del estudiante en la carrera, se habla de abandono no
voluntario (Tinto, 1975).
Por otro lado, la retención es concebida como un fenómeno organizacional donde
intervienen más actores y no solo el estudiante (Reason, 2009). En este sentido, se
considera un fenómeno social complejo relacionado con la capacidad de la institución
educativa para agregar ventajas al trayecto histórico del estudiante a fin de garantizar
que culmine su carrera universitaria exitosamente (Donoso y Schiefelbein, 2007). La
retención tiene una connotación positiva que permite a la institución intervenir de alguna
manera (Fernández de Morgado, 2009).
En resumen, cuando se habla de deserción se está hablando de un fenómeno
individual, focalizado en el estudiante; en cambio, cuando se habla de retención, el
fenómeno es organizacional y la institución desempeña un papel importante, dado que es
la que “retiene” al estudiante. ¿Cuál es el vínculo entre deserción y retención? La
literatura, (veáse Braxton et al., 2007; Pascarella & Terenzini, 2005; Tinto, 2007a),
indica que “dejar” no es la imagen espejo de “permanecer”. En este sentido, saber por
qué los estudiantes abandonan no dice por qué los estudiantes persisten y no le dice a las
10
instituciones qué pueden hacer para ayudar a que los estudiantes permanezcan y tengan
éxito (Tinto, 2007a).
2.2.2
Modelos teóricos sobre retención
La revisión de la literatura muestra que existen varias formas de acercarse al
fenómeno del abandono universitario (Braxton, 2000; Donoso & Schiefelbein, 2007;
Yorke, 2004). Una de las más recurrentes, es hacerlo a través de los diversos modelos
que distintas disciplinas proponen y otra, menos recurrente, es describir las unidades de
análisis que los modelos utilizan. En esta investigación se describen de manera breve los
modelos, puesto que existen trabajos anteriores que los abarcan de manera detallada
(Donoso & Schiefelbein, 2007; Himmel, 2002); y por considerarlo más atingente al tema
del estudio se ha privilegiado el análisis más detallado de las distintas unidades de
análisis.
Desde distintas disciplinas. Diversas disciplinas han propuesto modelos que
relacionan conceptualmente ciertos elementos con los resultados de deserción,
persistencia o retención. También existen modelos que mezclan constructos de distintas
disciplinas en uno solo. Los modelos corresponden a la sociología, la sicología, la
economía, la administración o una mezcla de ellas. A continuación se presenta de
manera breve una descripción de cada uno de ellos.
Modelos sociológicos. La perspectiva sociológica explica el problema del
abandono desde la identificación de factores externos que afectan al estudiante y que
favorecerían su retiro, tales como el nivel socioeconómico, los conocimientos previos, el
capital cultural, la educación de los padres, entre otros (Noble & Davies, 2009; Robbins,
1993; Walpole, 2003).
Modelos sicológicos. La decisión de abandonar puede ser entendida no solo en
términos sociológicos sino también en términos de teorías y procesos sicológicos (Eaton
& Bean, 1995). A partir de la contribución de diversos autores, se incorporan algunos
conceptos como la motivación, la autoeficacia y los procesos cognitivos (Braxton,
2000).
11
Los modelos consideran características de entrada de los estudiantes como la
personalidad, autoeficacia, atribuciones, creencias, estrategias, motivación, habilidades.
Luego, de acuerdo con las interacciones ambientales -según sean las características de
entrada de los estudiantes y según el resultado de esa interacción-, vendrá la decisión de
permanecer o abandonar. De esta manera, el comportamiento está influido por las
creencias y actitudes de los estudiantes y la decisión de deserción se ve influenciada por
las percepciones y análisis que hacen los estudiantes de su vida universitaria después del
ingreso (Bean & Metzner, 1985; Braxton, 2000; Eaton & Bean, 1995).
Modelos económicos. Los modelos económicos han abordado la retención
investigando cómo la asistencia financiera permite oportunidades equitativas a aquellos
estudiantes que lo requieren; no obstante, las causas financieras no son los únicos
factores por los cuales los estudiantes persisten, por lo tanto, algunos investigadores han
propuesto modelos que explican cómo las finanzas interactúan con otros factores que
influyen sobre la persistencia. Esta línea ha construido un modelo más completo con el
objetivo de comprender de mejor manera el “puzzle del abandono” (Braxton, 2000;
Alberto Cabrera, Nora, & Castaneda, 1993). Adicionalmente, en este tipo de modelo, se
concibe el abandono como la elección por parte del estudiante de una forma alternativa
de invertir el tiempo, la energía y los recursos, que podrían producirle en el futuro
beneficios mayores respecto a los costos de permanencia en la universidad.
Modelos organizacionales. Los modelos organizacionales son modelos en los
cuales se considera al estudiante y a la institución de educación superior en interacción.
Consideran variables que provienen de distintas disciplinas, como por ejemplo la
motivación, los ingresos económicos, etc. Dentro de estos modelos, existe un modelo
que por su impacto se abordará de manera más detallada más adelante. Se trata del
modelo de Tinto (Tinto, 1975).
No obstante, estos modelos, que si bien provienen de distintas disciplinas, tienen
elementos comunes como son las unidades de análisis en los cuales focalizan su
atención. En la siguiente sección, se presenta un análisis de estas unidades de análisis y
sus implicancias.
12
Desde la unidad de análisis en la que se focalizan. La investigación sobre el
abandono universitario ha tenido una evolución asociada al uso del concepto principal,
esto es, desde la “deserción” hacia la “retención”, según uno de los investigadores más
reconocidos del área (Tinto, 2007a). De acuerdo con esto, se pueden diferenciar tres
grupos de desarrollo de la investigación. El primero de ellos está constituido por
aquellas investigaciones anteriores a 1975, cuando el centro de la investigación residía
principalmente en la búsqueda de aquellas características individuales de los estudiantes
que no permitían que terminaran sus estudios, como por ejemplo, habilidades y
motivación; período que se ha denominado “culpabilización de la víctima” (Tinto,
2007a). El segundo grupo, desde 1975 hasta 2000, se asocia con el modelo de Tinto
(Tinto, 1975), en el cual el estudiante es reconocido en interacción con su entorno, y
cuyo concepto central es la “integración del estudiante”. Finalmente, un tercer grupo,
que hace una crítica a los logros obtenidos con el desarrollo anterior y habla de
“adaptación de la institución” a los nuevos estudiantes, en un contexto de masividad de
la educación superior. En los próximos puntos se desarrolla cada uno de estos grupos en
profundidad.
La
investigación
centrada
solo
en
características
del
estudiante:
“Culpabilización de la víctima”. El desarrollo inicial de la investigación se realizó
respondiendo la pregunta ¿por qué los estudiantes se van de la universidad y no terminan
sus estudios? desde distintas perspectivas que se concentraban especialmente en
atributos personales de los estudiantes, tales como habilidades y motivación. Por lo
tanto, quienes dejaban en la universidad se concebían como menos capaces, menos
motivados y menos dispuestos a posponer los beneficios que se creía que la titulación en
la universidad podría otorgar (Braxton, 2000; Tinto, 2007b).
En esta fase se investigaron variables como hábitos de estudio, origen
socioeconómico, sexo, etnia, género, entre otras (Pantages & Creedon, 1978),
obteniéndose resultados parciales que explicarían la decisión de abandonar de los
estudiantes. La crítica que se hace a esta fase es la consideración de características solo
del estudiante, es decir, fallan los estudiantes, no las instituciones. Es lo que hoy se ha
llamado culpar a la víctima (Pantages & Creedon, 1978; Tinto, 2007a).
13
Tinto (2007) sostiene que este punto de vista comienza a cambiar en los años 70.
Por una parte, porque se entendió la relación entre el individuo y la sociedad, o la visión
de la retención de los estudiantes cambió al considerar el papel que desempeña el
ambiente, en particular la institución, en la decisión de quedarse o abandonar.
Esta fase de investigación centrada exclusivamente en el estudiante se focaliza en
la deserción, de acuerdo a como fue conceptualizada en el primer punto de este capítulo.
La investigación vinculando al estudiante y su entorno: “Integración”. Este
período se inicia con el trabajo de Tinto (Tinto, 1975), quien desarrolla un modelo
denominado “interaccionista” y que muchos autores consideran “paradigmático” dentro
del área (Braxton et al., 2007; Pascarella & Terenzini, 2005), en el sentido de ser un
modelo que muchas investigaciones y trabajos han utilizado y también han
transformado.
El modelo de Tinto se sustenta en el trabajo anterior de Spady (1970), quien
construye su trabajo a partir de un concepto fundamental de Durkheim, “el suicidio”
(Durkheim, 2004). El modelo explicita las conexiones entre el ambiente -en este caso el
sistema académico y social de la institución- y los individuos, los cuales forman esos
sistemas. Central a este modelo es el concepto de integración y la forma de integración
entre el estudiante y otros miembros de la institución. El modelo incorpora cuatro áreas
de constructos: características previas y experiencias, contexto organizacional, ambiente
de pares y experiencia individual. De una manera amplia, hipotetiza que el estudiante
llega con una variedad de características personales, académicas y sociales, las cuales
interaccionan con los pares y los profesores en un ambiente institucional, y el grado en
que este estudiante se integre posibilitará su permanencia o su abandono.
Considera el abandono como un proceso, el cual se inicia reconociendo la
“experiencia previa del estudiante” y continúa en la institución, donde existen dos
procesos relevantes: un primer proceso llamado de “integración académica”, que
contempla las variables de rendimiento académico y de desarrollo intelectual; y un
segundo proceso que se denomina de “integración social”, que abarca el desarrollo y la
frecuencia de las interacciones positivas con pares y docentes (oportunidad de
interactuar) y, también, la participación en actividades extracurriculares. Mientras más
14
se consolide el compromiso del estudiante con la obtención de su grado o título y con la
institución, y al mismo tiempo, mientras mejor sea su rendimiento académico e
integración social, menos probable es que el estudiante deserte. Un esquema del modelo
se muestra en la Figura II.1.
Figura II.1 Modelo de Tinto, 1987
En esta fase, si bien se considera la institución, aún recae la focalización en el
estudiante y en su capacidad de integración, por lo tanto, se puede establecer que el
concepto utilizado es la deserción. No obstante, esta época de investigación, denominada
"la edad del involucramiento", según Tinto (2007) sirvió para reforzar la importancia del
contacto y la participación de los estudiantes, demostrándose que la contribución de las
materias académicas es un aspecto crítico durante el primer año de la universidad. Como
cualquier cuerpo de principios de trabajo, el estudio de la retención de los estudiantes
carecía de la complejidad y el detalle necesarios. Gran parte del trabajo fue elaborado a
partir de los estudios cuantitativos de las universidades. No se focalizó en diferencias
entre los estudiantes, como por ejemplo la experiencia de los estudiantes en otro tipo de
15
instituciones, o de los estudiantes pertenecientes a género, etnia o ingresos diferentes
(Tinto, 2007a).
Por otra parte, Braxton (2000) manifiesta que no existe una teoría que aglutine
todas las perspectivas, por lo que considera el tema como “un puzzle que aún no tiene
solución” y que se debe seguir avanzando. Sugiere que la investigación ha derivado
hacia la comprensión del fenómeno desde otras perspectivas, dentro de las cuales se
encuentra la experiencia de aprendizaje y las representaciones que tienen tanto
académicos como estudiantes sobre la retención.
La investigación que vincula al estudiante y la institución desde la adaptación:
“una visión relacional”. Continuando con el trabajo de investigación en retención y
para entender los hallazgos del área, (Zepke, 2005) clasificó la investigación
desarrollada de acuerdo con la perspectiva conceptual de los modelos de retención
utilizados. Agrupó los modelos en dos grandes categorías: aquellos en los cuales la
institución integra a los estudiantes dentro de la existencia institucional y las normas
pedagógicas, los valores y las prácticas, y aquellos en los cuales la institución intenta
reconocer, valorar y aceptar la diversidad cultural de los aprendices adaptando sus
procesos al reconocimiento de las necesidades diversas de los estudiantes.
La universidad en un modelo planteado desde la integración, considera el fracaso
como una consecuencia que depende solo del estudiante y no asume su responsabilidad
sobre los resultados académicos; esta posición es coincidente con otros autores, quienes
hablan de “privatizar” el fracaso (Donoso & Schiefelbein, 2007) o como diría Tinto
(2007) “culpabilizar a la víctima”. En el caso opuesto, la universidad, asumiendo una
visión de adaptación, reconoce a este estudiante diverso y es capaz entonces de acogerlo
y lograr que se convierta en profesional.
El desarrollo en el período anterior puso en discusión los modelos, así como
también la brecha existente entre investigación y práctica. Por esta razón, los
investigadores instan a centrarse en “lo que funciona”. ¿Qué sería aquello que funciona?
La experiencia y la investigación sugieren que tanto la indagación sobre el aprendizaje
como las acciones de los profesores en especial en la sala de clases son la clave para los
esfuerzos institucionales por mejorar la retención estudiantil (Kim & Sax, 2009; Tinto,
16
2007a; Vogt, 2008). De acuerdo con sus hallazgos, la retención de los estudiantes es
responsabilidad de todos; no obstante, en este período resulta evidente que debe ser el
objetivo de los profesores en particular, puesto que su participación en los esfuerzos de
retención institucional es a menudo crucial para el éxito. Sin embargo, se considera que
lamentablemente la participación de los profesores es aún limitada. Desafortunadamente,
la mayoría de las instituciones aún no han sido capaces de traducir lo que se sabe sobre
la retención de estudiantes bajo las formas de acción que llevan a un mejoramiento
sustancial en la persistencia de los estudiantes y la graduación (Tinto, 2007a).
2.2.3
Metodologías sobre retención
Desde un punto de vista metodológico, las investigaciones en retención han
utilizado diseños longitudinales y transversales y éstos han utilizado a su vez métodos
cuantitativos, cualitativos y mixtos.
Dentro de los métodos cuantitativos se encuentra el análisis de datos para
identificar correlaciones de distintas variables con la conducta de persistir o no por parte
del estudiante. La segunda forma consiste en la prueba de modelos teóricos, los cuales
son frecuentemente más complejos y combinan resultados a partir de cuestionarios
estandarizados y otras medidas experimentales con datos demográficos (Alexander Astin
& Denson, 2009; A. Cabrera & Nasa, 2001; Díaz, 2008; Eagan, Sharkness, Hurtado,
Mosqueda & Chang, 2011; Hall, Cabrera & Milem, 2010; Microdatos, 2008). Particular
relevancia tiene mencionar los tipos de análisis estadísticos utilizados, porque debe
existir coherencia y ajuste entre el modelo teórico y las posibilidades efectivas de trabajo
estadístico, siendo muchas veces difícil encontrar esa coherencia (Astin & Antonio,
2012; Astin & Denson, 2009; Alberto Cabrera, 1994; Dey & Astin, 1993). Los
resultados que muestran estas investigaciones dependen de muchas consideraciones que
incluyen la muestra de estudiantes, la validez y confiabilidad de los instrumentos y los
tipos de análisis estadísticos realizados. Algunos análisis complejos que usan un grupo
de variables independientes pueden explicar solo una baja proporción de la varianza de
la variable dependiente: la retención. Esto sugiere que la persistencia y retención son un
constructo mucho más complejo de lo que el modelo de investigación y los análisis
pueden capturar (Yorke, 2004).
17
En el caso de los enfoques cualitativos, las metodologías se han orientado hacia
la comprensión del fenómeno del abandono, la persistencia y el éxito, utilizando
entrevistas en profundidad y focus groups (Canales & De Los Ríos, 2006; Longden,
2004; Sherwin, 2007).
2.2.4
Tipos de objetos/sujetos de investigación en retención
La investigación inicial fue desarrollada en los Estados Unidos, y los modelos
más influyentes en las primeras etapas corresponden a autores de esa nacionalidad. Por
lo tanto, las investigaciones y los sujetos han estado vinculados con problemáticas
pertinentes a ellos. Dentro de los objetos de investigación se encuentran los tipos de
instituciones, por ejemplo colleges o universidades (Astin, 1997); la duración de los
programas, de tres, cuatro o más años de estudio; los tipos de programa, tiempo
completo o tiempo parcial; los tipos de estudiantes según género, etnia, ingresos
económicos, capital cultural, entre otros (Alberto Cabrera & Nasa, 2001; Kim & Sax,
2009; Oseguera & Rhee, 2009).
La literatura muestra una gran variedad de objetos de investigación, no obstante,
en particular en este trabajo, la búsqueda de la literatura se focalizó en la investigación
sobre la retención asociada con algunas características específicas como son: los
ingresos económicos de los estudiantes, la primera generación de la familia en asistir a la
universidad, la variación a lo largo del período de duración de las carreras y las
disciplinas académicas. El trabajo se centró en estas variables puesto que son
características que aparecen analizadas en estudios chilenos sobre retención (Consejo
Nacional de Educación, 2010; Rolando et al., 2012; Rolando & Salamanca, 2010).
Retención e ingresos económicos. Las tasas de retención de los estudiantes
provenientes de sectores de bajos ingresos económicos, una vez que están dentro del
sistema, no son distintas a las de estudiantes provenientes de sectores más acomodados
(Thomas & Quinn, 2007). Profundizando en el análisis, algunos autores señalan que se
debe diferenciar entre el “acceso” y el “éxito académico o la permanencia” de los
estudiantes (Thomas & Quinn, 2007). Los estudiantes que ingresan a la educación
superior a través de algún proceso selectivo (por ejemplo, PSU) han debido pasar varias
barreras para llegar a la universidad (Manzi, 2006). Esto sugiere la necesidad de explorar
18
aspectos de la experiencia de los estudiantes en educación superior, cómo esto se
relaciona con el acceso a capital social, cultural y financiero y cómo el sistema de
educación superior y las instituciones pueden facilitar el éxito de estudiantes
provenientes de sectores que no suelen acceder a la enseñanza superior (Thomas &
Quinn, 2007, pág. 47). Asimismo, se sugiere que el éxito en retención de grupos de
bajos ingresos requiere de un fuerte compromiso de las políticas de acceso, respaldadas
por acciones prácticas de las instituciones (Yorke & Thomas, 2003).
Retención y primera generación. Los hallazgos sobre el comportamiento de la
primera generación de estudiantes que ingresa a la educación superior (Thomas &
Quinn, 2007), muestran que no necesariamente los estudiantes que son los primeros de
su familia en incorporarse a la educación superior tienen las tasas más bajas de
retención. En cambio, otros autores indican que existe diferencia en el “rol de
estudiante”, entre quienes son primera generación y los que no lo son. Quienes son
primera generación tendrían más dificultad para desarrollar el rol que quienes tienen
padres con formación superior (Collier & Morgan, 2007). En un estudio longitudinal
sobre la conducta de los estudiantes de primera generación se encontró que estos
estudiantes tienen un mayor riesgo de abandonar que los estudiantes que no lo son, sin
embargo, esos efectos se pueden alterar dependiendo de otras características, como los
atributos académicos previos durante la formación secundaria. De esta manera, entre
quienes tenían al ingreso más habilidades académicas, aunque fueran primera generación
de estudiantes universitarios, disminuían el riesgo de abandono en comparación con
quienes no tenían esas habilidades (Ishitani, 2006).
Retención a través de los años de formación. Las investigaciones sobre la
variación de la retención a través de los años de formación universitaria se focalizan en
diversos aspectos. En primer lugar, el número de estudiantes que continúan los estudios
de un año a otro varía, los hallazgos sugieren que una menor cantidad de estudiantes
permanecen entre el primer y tercer año de la carrera y que la permanencia tiende a ser
más estable hacia el final de la carrera. En la persistencia de los estudiantes es crítico el
primer año de vida universitaria (Daempfle, 2003; Ishitani, 2006; Yorke & Thomas,
2003). En segundo lugar, existen investigaciones que analizan los tres primeros años de
manera independiente con el fin de identificar cuáles serían los factores que influyen en
19
que los estudiantes se vayan en cada uno de los períodos, encontrando que efectivamente
las razones son distintas dependiendo del año en se encuentre el estudiante.
Así, en el primer año, los hallazgos indican la existencia de factores asociados a
nivel personal y a nivel académico. A nivel personal, destaca un bajo compromiso con la
institución, escaso compromiso con una carrera específica, inadecuada supervisión sobre
las opciones de matrícula y escasa vinculación social con la universidad. A nivel
académico se presentan elementos asociados con la sensación de contar con una
preparación académica deficiente, con la falla de los profesores en la creación de
experiencias de aprendizaje claras en contenidos, con la no correspondencia con las
expectativas iniciales, y además con el grado de compromiso, ayuda y retroalimentación
oportuna de parte de los profesores.
En el segundo año, de manera similar, existen factores personales y de carácter
institucional, como por ejemplo el compromiso institucional, la accesibilidad a los
profesores y la utilidad de la retroalimentación. Mientras que en el tercer año, los
factores que priman se relacionan con lo que esperan los estudiantes respecto de la
enseñanza y el aprendizaje.
Los distintos énfasis de los factores que incidirían a través de los años de estudio
permiten disponer de información para que las universidades puedan ajustar más
adecuadamente sus estrategias (Willcoxson, 2010). Investigaciones preocupadas por
encontrar predictores en el primer año sobre los resultados que obtienen los estudiantes
muestran que la preparación académica previa ha sido el predictor más fuerte para
explicar el logro en el primer año (Soares, Guisande, Almeida & Paramo, 2008;
Terenzini, Reason & Domingo, 2007).
Retención y disciplinas. La investigación muestra que existen diferencias entre
las disciplinas respecto de la cantidad de estudiantes que permanecen en cada año
académico. Uno de los campos de investigación entre las distintas disciplinas ha sido el
de las ciencias en general, y específicamente la ingeniería, donde es importante
encontrar respuestas a la pregunta ¿por qué son bajas las tasas de retención en estas
carreras? Algunas de las respuestas sugieren que es un mito común entre los profesores
de ingeniería la explicación del abandono por causa de las debilidades de los estudiantes,
20
pero la investigación ha demostrado que el perfil académico es indistinguible de
aquellos estudiantes que se quedan, y muchos estudiantes bien calificados abandonan
por causa de una insatisfacción con la calidad de la enseñanza que reciben (Felder,
2011). Otros hallazgos sugieren que la relación que tengan los profesores con sus
alumnos es fundamental para mejorar la tasa de retención en ingeniería (Vogt, 2008).
En comparación con otras carreras, algunos estudios encuentran que los alumnos de
ingeniería perciben el ambiente de la clase como más frío y a los profesores menos
cercanos, a diferencia de opiniones de alumnos de otras disciplinas (Seymour & Hewitt,
1997). También la literatura muestra una preocupación por la baja participación de las
mujeres en ingeniería y en ciencia en general, y ello ocurre en diferentes roles: como
estudiantes, profesoras y profesionales de la carrera (Chesler & Chesler, 2002; Hawks &
Spade, 1998; Sonnert & Fox, 2012).
2.2.5
Situación de la investigación en Chile sobre retención
Dada la importancia del fenómeno de la retención en Chile, se ha estimado
necesario contrastar los hallazgos de la bibliografía internacional con el desarrollo que
se ha observado en el país en estas materias. En primer lugar, es necesario indicar que la
preocupación por este problema no tiene más de 10 años de antigüedad. En segundo
lugar, que dentro de los estudios realizados en Chile, se han abordado diferentes
aspectos, dentro de los cuales se tienen: recopilaciones bibliográficas sobre modelos
(Donoso & Schiefelbein, 2007; Himmel, 2002); cuantificación y costos de la retención
(L. E. González & Uribe, 2002); relación entre la retención y estudiantes vulnerables
(Canales & De Los Rios, 2006, 2009); causas de la deserción (Microdatos, 2008);
cuantificación de la retención en diferentes tipos de estudiantes (Consejo Nacional de
Educación, 2010; Rolando et al., 2012); recopilaciones sobre estrategias exitosas en
otros países (Donoso, 2010). Además. Dentro de esta revisión se encontró un estudio,
que si bien su nombre indicaba que estudiaba la retención o la deserción y su relación
con las estrategias de aprendizaje, haciendo uso de metodologías cuantitativas, al revisar
su contenido se observó que no abordaron directamente la retención sino que parte de las
conclusiones más bien se especuló en torno a su relación con las estrategias de
aprendizaje indagadas a través de un cuestionario (Fernández, Martínez-Conde &
21
Araneda, 2009). Finalmente, no se encontraron investigaciones nacionales que hayan
abordado otras características, tales como estudiantes de tiempo completo y de tiempo
parcial, género, disciplinas, grupos minoritarios, etnias, tipos de instituciones, etc.
Los modelos de análisis que han sido utilizados se podrían asignar a la etapa
“culpabilización de la víctima”, que Donoso (2007) recrea en su trabajo y lo denomina
“privatizar el fracaso”.
2.3
Revisión de la literatura asociada a experiencia de aprendizaje
En este apartado se presenta la revisión de la literatura asociada a experiencia de
aprendizaje en los elementos mencionados más arriba, es decir, distinciones
conceptuales, modelos teóricos, metodologías de investigación, unidades de análisis y la
situación de la investigación en Chile.
2.3.1
Distinciones conceptuales sobre la experiencia de aprendizaje
La línea de investigación “student learning research” es una línea de
investigación cuyos fundamentos se sustentan en el trabajo previo realizado por Perry en
los inicios de los años 70. Perry fue uno de los primeros autores que investigó sobre la
experiencia de aprendizaje de los estudiantes en educación superior (Perry, 1999). Sus
hallazgos sugieren que los estudiantes sostienen concepciones sobre el conocimiento que
se desarrollan progresivamente a través de la experiencia educativa (Entwistle &
Peterson, 2004; Hofer & Pintrich, 1997; Perry, 1999; Schommer, 1994).
Uno de los aportes teóricos más importantes del trabajo de Perry es el
reconocimiento de que el proceso de desarrollo involucra una expansión de la conciencia
de la naturaleza del conocimiento, producto de una concepción de aprendizaje más
amplia que integra la concepción anterior en un todo más significativo (Entwistle &
Peterson, 2004).
Para comprender qué se entiende por experiencia de aprendizaje desde esta
perspectiva, se ha considerado oportuno revisar algunas de las distintas maneras en que
el aprendizaje ha sido conceptualizado: como asociación, como reestructuración y como
experiencia (Marton & Booth, 1997; Pozo, 1997).
22
En el primer caso, el aprendizaje como asociación, postula que “el conocimiento
aprendido es una copia de la estructura real del mundo, es un aprendizaje basado en la
extracción de regularidades en el entorno, aprendiendo qué cosas tienden a ocurrir juntas
y que consecuencias suelen seguir a ciertas conductas” (Pozo, 2006). Dentro de esta
categoría se ubican las teorías conductistas y de procesamiento de la información
(Schunk, 1991).
En el segundo caso, el aprendizaje como reestructuración, la interpretación y
elaboración por parte del aprendiz son el eje central. En esta categoría se encuentra la
Teoría Genética de Piaget y la Teoría Sociocultural de Vigostki (Pozo, 1997). Tanto en
el aprendizaje por asociación como en el aprendizaje por reestructuración o construcción
existe una relación dualística entre sujeto y objeto (Marton & Booth, 1997).
En el tercer caso, el aprendizaje como experiencia, es concebido como vivencia
de mundo (Marton & Booth, 1997), y ubica tanto al sujeto como al objeto en una misma
relación (Marton & Booth, 1997; Pozo, 1997, 2003; Prosser & Trigwell, 1999). Se
caracteriza por tres conceptos: “las concepciones”, “la conciencia” y “la variación”. Las
concepciones son estructuras de conciencia sobre un objeto (Marton & Booth, 1997);
son las comprensiones personales que tiene un individuo sobre un concepto (Entwistle &
Peterson, 2004). En las investigaciones iniciales (Marton & Saljo, 1976) encontraron
que los estudiantes pueden concebir el aprendizaje de cinco maneras distintas, las cuales
oscilan desde una manera cuantitativa de concebir el aprendizaje hasta una manera
cualitativa. Esas maneras cualitativamente distintas de comprender el aprendizaje darían
cuenta de la “variación”. Los distintos tipos de concepciones configuran la variación de
las concepciones y ese tipo de variación es lo que se asocia con “la conciencia”. Los
sujetos tienden a ampliar su conciencia al disponer de un repertorio más variado de
posibles concepciones. Uno de los objetivos del proceso académico es ayudar a que los
estudiantes avancen hacia concepciones más complejas y sofisticadas sobre el
conocimiento, la enseñanza y el aprendizaje (Entwistle, 2007).
Por otra parte, la experiencia de aprendizaje se compone de un aspecto
estructural y un aspecto referencial (Marton & Booth, 1997). El aspecto estructural se
refiere al “qué” es para un aprendiz el aprendizaje de “algo”. Como se mencionó antes,
23
es lo que Marton y Saljo (1976) encontraron en sus investigaciones bajo la forma de
concepciones cualitativamente diferentes sobre lo que es el aprendizaje.
El “cómo”, se refiere a la forma de abordar ese aprendizaje, y según las
investigaciones habría dos maneras cualitativamente diferentes de abordar el
aprendizaje: de manera profunda o de manera superficial. En la Figura II.2 se muestran
de forma esquemática estas relaciones. En la modalidad de abordar el aprendizaje de
manera profunda, los estudiantes intentan comprender ideas y buscar su significado. Se
involucran con la tarea, tratando de relacionar nuevos conocimientos con aquellos que
conocen. En contraste, en la forma de abordar el aprendizaje de manera superficial, los
estudiantes ven la tarea impuesta por otros y tienen la intención de abordar esos
requerimientos. Los estudiantes aparecerían involucrados en un estudio sin reflexión en
cuanto a propósito o estrategia. La estructura de la conciencia de los estudiantes que
adoptan una forma profunda es más amplia e inclusiva que la de los estudiantes que
adoptan una forma superficial. Podría decirse que es más completa y que incluye un
amplio rango de aspectos interconectados de comprensión (Marton & Booth, 1997).
Estas significaciones implican que las concepciones que tengan los estudiantes
son sobre algo en particular, por lo tanto, no es una cualidad intrínseca del sujeto que
aprende sino que está en relación al contexto en el cual se da ese aprendizaje, de ahí
entonces que se habla de experiencia de aprendizaje (Ramsden, 2007).
APRENDIZAJE
QUÉ
CÓMO
Formas de abordar
Concepciones
Cuantitativas
Cualitativas
Superficial
Profunda
Figura II.2 Conceptualización de la experiencia de aprendizaje
24
2.3.2
Modelos teóricos sobre la experiencia de aprendizaje
Los distintos hallazgos de esta línea de investigación han dado origen a una
propuesta que concibe el proceso formativo de manera relacional, esto es, el resultado es
producto de la interacción de varios factores y no sólo del estudiante (Prosser &
Trigwell, 1999; Ramsden, 2007). En esta línea, Biggs (1999, 2007) propone una visión
sistémica del proceso académico, esto es, un modelo de docencia universitaria
denominado “3P”, compuesto por tres fases relacionadas: la primera llamada
“Pronóstico” (llamada también “Presagio” en traducciones al español); la segunda,
“Proceso”, donde se aborda la interacción entre el estudiante y la institución, y una
tercera fase correspondiente al resultado, que se ha llamado “Producto”.
Como se observa en la Figura II.3, el modelo está constituido por tres etapas
interrelacionadas, las que para efectos de análisis se muestran secuenciales, pero que en
la práctica no lo son (Biggs, 2006). La fase inicial, denominada Pronóstico, la componen
características de los estudiantes, de los profesores y del contexto de aprendizaje. En la
fase siguiente, llamada Proceso, se distinguen las percepciones sobre el contexto que
tienen tanto profesores como estudiantes y las formas de abordar el aprendizaje y
enseñanza que sostendrían respectivamente. Por último, encontramos la etapa de
Producto, que corresponde a los resultados de aprendizaje como el producto de las
interacciones de los elementos anteriores.
25
Modelo 3P, de enseñanza y aprendizaje
PRONOSTICO
Características
del estudiante
PROCESO
Percepciones
estudiantes
del Contexto
Formas de
abordar el
aprendizaje
PRODUCTO
Resultados del
Aprendizaje
Contexto de
Aprendizaje
Percepciones
sobre contexto
Formas de
abordar la
docencia
Características
del profesor
Figura II.3 Modelo 3P, Pronóstico, Proceso, Producto (Biggs, 2006)
El modelo 3P reconoce tres elementos que pueden influir en el resultado del
aprendizaje: un efecto directo de los factores dependientes del estudiante, un efecto
directo de los factores dependientes del profesor o de la enseñanza, y un efecto
interactivo del sistema en su conjunto. Para Biggs, cada una de las formas de determinar
el aprendizaje constituiría una teoría del modo de operar de la enseñanza. Así, este autor
caracteriza el aprendizaje de tres maneras: el aprendizaje en función de las diferencias
individuales entre los estudiantes; el aprendizaje en función de la enseñanza; el
aprendizaje como el resultado de las actividades que realizan los estudiantes a
consecuencia de sus percepciones y adquisiciones y del contexto total de la enseñanza
(Biggs, 2006).
Biggs ordena cada una de estas teorías en niveles según su complejidad y
sofisticación, desde el nivel 1 o menos complejo hasta el nivel 3 o más complejo. De
esta manera se tiene: en el nivel 1, una enseñanza y aprendizaje cuantitativo. Esto
significa que existen unidades correctas o incorrectas, que miden la capacidad de
aprendizaje de los estudiantes. Por lo tanto, indica Biggs, esta forma de pensar la
26
enseñanza y el aprendizaje es una teoría de la enseñanza “culpabilizadora” del
estudiante, porque se basa en su propio déficit. Cuando los estudiantes no aprenden, no
se dice que la enseñanza fracasa, sino que se debe a algo que los estudiantes no tienen.
La culpabilización del estudiante es una teoría de la enseñanza cómoda. Si los
estudiantes no aprenden no es porque la enseñanza sea mala en algún sentido, sino
porque son incapaces, no están motivados o no hacen lo que tienen que hacer. El
profesor no tiene responsabilidad de corregir el presunto déficit (Biggs, 2006).
En el nivel 2, dice Biggs, el centro de atención está en lo que hace el profesor. En
este nivel, la enseñanza sigue basándose en la trasmisión, es importante lo que hace el
profesor y no lo que aprenden los estudiantes. El aprendizaje es una función de lo que
hace el profesor más que del tipo de estudiante que se encuentre en el aula. Este profesor
trabaja para hacerse con un arsenal de técnicas de enseñanza. El material que hay que
trasmitir incluye ideas complejas, lo que exige más que tiza y charla. Este nivel es
también un modelo de déficit, la culpa es del profesor en este caso y también tiene
características cuantitativas.
Por último, el nivel 3 está referido a lo que hace el estudiante. Ve la enseñanza
como medio de apoyo al aprendizaje. No se puede seguir diciendo “yo les enseño, pero
no aprenden”. La enseñanza experta supone el dominio de diversas técnicas docentes,
pero si no se produce el aprendizaje esto es irrelevante. Lo principal es lo que hace el
estudiante, el progreso en el aprendizaje o su falta de avance. Implica una visión de la
enseñanza que no se limita a los datos, los conceptos y los principios que hay que cubrir
y comprender. Por lo tanto, este modelo ayuda a describir y comprender las formas de
aprendizaje y enseñanza experimentados. Biggs dice que no es un modelo fácil, sino que
es una ayuda para el análisis de un fenómeno muy complejo. A través de este modelo se
presenta la relación existente entre la enseñanza y el aprendizaje. Una buena enseñanza
está definida en términos de facilitar el aprendizaje de los estudiantes. El aprendizaje
necesita ser el foco de atención de la buena enseñanza (Biggs, 2006).
2.3.3
Metodologías para investigar la experiencia de aprendizaje
La investigación en esta área ha utilizado enfoques cualitativos, cuantitativos y
mixtos. En el caso cualitativo, se busca encontrar a través de entrevistas, las distintas
27
variaciones sobre las concepciones de enseñanza, aprendizaje, etc. que tendrían los
sujetos. Este tipo de estudios se enmarca en el enfoque y método fenomenográfico
(Entwistle, 1997; Marton & Booth, 1997; Svensson, 1997).
Desde esta base
epistemológica, los métodos cualitativos seguidos han sido el análisis de respuestas por
escrito a preguntas y entrevistas formuladas por los investigadores (Kathryn Crawford,
1998). Por otro lado, en el método cuantitativo, se han aplicado cuestionarios que han
surgido de investigaciones cualitativas previas, los cuales se han analizado a través de
análisis de conglomerado y regresión lineal, así como también a través de modelos de
ecuaciones estructurales de variables latentes (Biggs, Kember, & Leung, 2001; K.
Crawford, Gordon, Nicholas, & Prosser, 1998). Los métodos mixtos usados, utilizan
tanto entrevistas como análisis de cuestionarios.
2.3.4
Tipos de objetos/sujetos de investigación de experiencia de aprendizaje
Teniendo como referencia el modelo 3P, la literatura muestra una gran variedad
de unidades de análisis y sujetos de investigación en esta área, como estudiantes,
profesores y distintos contextos académicos. En este apartado se reportan los hallazgos
focalizados en los estudiantes, específicamente en los siguientes aspectos: las
concepciones sobre el aprendizaje, las formas de abordar el aprendizaje y la experiencia
del curso. De manera análoga, se ha investigado sobre las concepciones, formas de
abordar la docencia y las percepciones del ejercicio de las funciones de los profesores y
sobre las relaciones entre profesores y estudiantes.
A continuación se presentan los hallazgos más relevantes de esta área, que se han
considerado pertinentes para esta investigación.
Las concepciones de los estudiantes sobre el aprendizaje. Para los
investigadores de esta línea, las concepciones sobre el aprendizaje constituyen la unidad
central de descripción de experiencia de los sujetos (Harris, 2011). Desde las
investigaciones iniciales de Marton y Saljo (1976) a la fecha, se han investigado
distintas unidades de aprendizaje asociadas a los estudiantes, como por ejemplo
concepciones de los estudiantes sobre física, sistemas computacionales y de
información, teología, bioquímica, diseño, salud, fisiología, estadística, teoría del color,
matemática, etc. (Harris, 2011). Ello se ha dado en distintos momentos del proceso
28
académico, siendo el primer año de vida universitaria objeto recurrente de investigación
(Booth & Ingerman, 2002).
Dentro de los objetos de aprendizaje investigados, se han abordado
específicamente las concepciones sobre las matemáticas en educación superior
(Crawford, Gordon, Nicholas & Prosser, 1994, 1998; Crawford, 1998). Esta
investigación comenzó con el estudio cualitativo de las concepciones sobre las
matemáticas en educación. Los resultados encontrados en esa investigación permitieron
distinguir los aspectos referenciales y estructurales de las concepciones, tal como lo
sugiere el marco teórico. Dentro de los aspectos referenciales, es decir, aquellos aspectos
en los cuales se focalizan los estudiantes cuando se les pregunta por lo que ellos creen
que son las matemáticas, aparecen las matemáticas como números, reglas y formas que
pueden ser aplicados para resolver problemas; también como un sistema lógico complejo
en tanto forma de pensamiento; o bien como un sistema lógico complejo que puede ser
usado para resolver problemas complejos y proveer de nuevos puntos de vista para
comprender el mundo.
A partir de este trabajo, se desarrolló un instrumento de carácter cuantitativo con
los mismos fines, donde se presentan a los estudiantes 19 ítems o indicadores que serían
los aspectos referenciales de las concepciones, para luego categorizarlas según los
aspectos estructurales, esto es, los dos grupos de concepciones sobre las matemáticas:
cohesionadas y fragmentadas.
Aquellos estudiantes que sostienen concepciones fragmentadas, también tienen
formas de abordar el aprendizaje más superficiales; al contrario, quienes tienen
concepciones más cohesionadas, abordan la matemática de manera más profunda.
Además los hallazgos sugieren que la concepción y la forma de abordar son
internamente fenómenos relacionados, es decir, no se constituyen de forma
independiente, sino que se relacionan de forma dinámica. Es decir, las concepciones
sobre las matemáticas forman sus métodos de aprendizaje y éstos a su vez también
forman las concepciones. Ni la concepción ni la forma de aprendizaje deben ser
consideradas una antes que la otra. Por lo tanto, centrando la atención de los estudiantes
en la concepción o la forma de abordar el aprendizaje existe la esperanza de que los
29
cambios en una provoquen cambios en la otra. (K. Crawford et al., 1998). Por otra parte,
la misma investigación indica que los profesores universitarios deben tener en cuenta no
sólo el contenido de su curso, sino también cómo los estudiantes conciben lo que el
contenido es y cómo ven su aprendizaje. Hay una necesidad de abordar de manera
explícita la relación entre el alumno y el contexto de aprendizaje. Es decir, si los
estudiantes perciben que la carga de trabajo es demasiado grande, o creen que la
evaluación mide la reproducción, entonces es más probable que adopten concepciones
de bajo nivel y enfoques de superficie para el aprendizaje como su mejor estrategia para
el éxito.
Formas de abordar el aprendizaje. A partir de las distintas categorías de
concepciones sobre el aprendizaje, la investigación sobre aprendizaje universitario
distinguiría formas diferenciadas de abordar el aprendizaje; de este modo, los
estudiantes que tienen concepciones más cuantitativas se enfocarían de una manera más
superficial; por el contrario, los estudiantes con concepciones más cualitativas tendrían
un enfoque profundo (K. Crawford et al., 1998).
Para investigar específicamente las formas de abordar el aprendizaje, se diseñó el
cuestionario “Study Process Questionnaire” (Biggs et al., 2001), y posteriormente fue
ajustado (Kember, Biggs, & Leung, 2004). Las preguntas asociadas a este instrumento
tienen dos niveles. Un primer nivel que considera el aprendizaje con dos dimensiones:
profundo y superficial. Un segundo nivel, donde cada una de las dimensiones anteriores
se divide en motivación y estrategia.
La percepción de la experiencia del curso. Por otro lado, algunas
investigaciones han mostrado que la experiencia del estudiante se relaciona con la
percepción de la situación de enseñanza que se sostenga. Hay investigaciones que
muestran que quienes tienen una buena percepción de su contexto de aprendizaje son
aquellos que sostienen formas profundas de abordar el aprendizaje y concepciones más
sofisticadas (Trigwell & Prosser, 1991).
Para medir la percepción sobre la situación de enseñanza se han diseñado y
aplicado cuestionarios específicos que miden las percepciones que tienen los estudiantes
sobre la docencia, la carga de trabajo, la evaluación y las metas y objetivos. Algunos
30
hallazgos sugieren que la percepción del curso tiene relación con las formas de abordar
el aprendizaje (Webster, Chan, Prosser & Watkins, 2009) .
Adicionalmente, se han realizado investigaciones en contextos disciplinarios
diversos, y los resultados sugieren que las áreas asociadas a las ciencias sociales y las
humanidades tienen una mejor percepción de la situación de aprendizaje que las áreas de
las ciencias catalogadas como duras o de tecnología (Fanghanel & Trowler, 2008;
González, Montenegro, López, Munita & Collao, 2011).
2.3.5
Situación de la investigación en Chile sobre experiencia de aprendizaje
En Chile, la investigación en esta línea es muy reciente. Se han encontrado
resultados sobre estudios relacionados con estudiantes, profesores y asociaciones entre
los estudiantes y los docentes en disciplinas distintas, los cuales abordan las
concepciones sobre el aprendizaje; formas de abordar el aprendizaje, formas de abordar
la enseñanza, percepciones sobre la experiencia del curso y sobre la experiencia de la
docencia. (C. González, Montenegro, Lopez, & Munita, 2012; C. González et al., 2011;
López, 2010). Una de las características interesantes de los hallazgos que se reportan a
través de estas investigaciones es que los resultados están en la línea de los resultados
que tienen investigadores con más trayectoria en esta área. Por lo tanto, resulta una
importante manera de conceptualizar la docencia universitaria chilena.
2.4
Modelo integrado de retención y experiencia de aprendizaje
La revisión de la literatura asociada a la retención y la experiencia de aprendizaje
proporcionan importantes claves sobre los alcances que implican unas y otras
distinciones conceptuales. En el caso de la literatura asociada a retención, el elemento
principal que se destaca y que tiene relación con este trabajo es la distinción sobre la
salida prematura de la universidad como un resultado que incorpora a la institución. En
el caso de la experiencia de aprendizaje, la literatura muestra el proceso académico como
un sistema, en el que participan distintos actores. Uno de los aspectos más potentes de
esta última línea de investigación es que emerge en relación a la masificación de la
educación superior y que para lograr aprendizajes de calidad a todos los estudiantes es
necesario mejorar la docencia. Se propone, transitar desde una docencia centrada en el
profesor a una docencia centrada en los estudiantes. De tal manera que ambos conceptos
31
presentan distinciones referidas a la interacción de varios factores que permiten obtener
ciertos resultados. En especial hacen referencia a la universidad, como un elemento que
tiene un rol muy importante en el resultado de la retención y de la experiencia de
aprendizaje, más allá de cualidades sólo del estudiante.
La revisión de la literatura sobre los modelos teóricos con los cuales se ha
abordado la retención pone de manifiesto la necesidad de considerar el problema del
abandono universitario desde una perspectiva de retención, es decir, desde un enfoque
que considera a la institución universitaria y sus particularidades en relación a los
estudiantes. En este sentido, considerar el aprendizaje dentro de las variables a vincular
con la retención es sugerido por distintos investigadores. Así como también, una
concepción de aprendizaje centrada en los estudiantes y que considera al profesor y el
contexto académico en el cual se sitúa ese aprendizaje.
Comprender de este modo la retención y la experiencia de aprendizaje, permite
superar la fase “culpabilización de la víctima” y posicionar el problema desde una
perspectiva de adaptación de la institución a los nuevos estudiantes. En particular si se
analizan los tres estadios del desarrollo teórico de los modelos sobre la retención, es
decir, “culpabilización de la víctima”, “integración” y “adaptación”, cada uno de ellos se
asocia a los tres niveles sobre las concepciones de aprendizaje y enseñanza que plantea
Biggs en su modelo 3P . En el primer caso, en la fase de “culpabilización de la víctima”,
donde los resultados son solo responsabilidad del estudiante, existe una concepción
sobre el proceso de enseñanza y aprendizaje que se ubica en la categoría de aprendizaje
de nivel 1, (Biggs, 2006). Posteriormente, concebir la retención como un proceso más
complejo donde el estudiante se integra a la institución, se puede asociar al nivel 2 y
finalmente la retención en relación a características de estudiantes y profesores
interaccionando en contextos académicos, se puede asociar al nivel 3.
Por lo tanto, se puede sostener que los distintos modelos de investigación sobre
la retención están asociados con la concepción de la enseñanza y el aprendizaje
existente. Como se muestra en la Figura II.4, ambas líneas de investigación consideran
que cuando recae la responsabilidad del éxito académico solamente en características del
estudiante, estamos frente a un modelo de “culpabilización de la víctima”, en este caso
32
el estudiante. En la situación intermedia, en ambas líneas de investigación se presentan
modelos que si bien incorporan a la institución o al profesor, aún no es una
conceptualización dinámica. Finalmente, en los modelos de la tercera fase, se identifican
otros factores que inciden en la retención, como son los estudiantes, los profesores y el
contexto académico. Esta visión es completamente coincidente con la visión relacional
de la línea de experiencia de aprendizaje. Por lo tanto, existe una convergencia entre las
dos líneas de investigación.
RETENCIÓN
EXPERIENCIA DE
APRENDIZAJE
ELEMENTOS
CONVERGENTES
Características
Estudiante
Solo estudiante
Culpabilización
de la víctima
(estudiante)
Adaptación
Relacional
Interacción entre
estudiante,
profesores y
contexto
EVOLUCION CONCEPTUAL
Figura II.4 Elementos convergentes entre retención y experiencia de aprendizaje.
El abandono universitario puede abordarse desde una visión integrada de
retención y experiencia de aprendizaje a partir del modelo 3P. En particular con este
modelo se pueden observar distintos tipos de estudiantes, en distintas disciplinas, con
diferentes profesores; sobre los cuales indagar las concepciones de aprendizaje, las
formas de abordar los procesos de enseñanza y aprendizaje, las experiencias sobre el
curso o docencia (si son los estudiantes o los profesores) y los resultados obtenidos en
33
relación a retención. El análisis se puede hacer con distintas metodologías, no obstante
un punto relevante y diferenciador de otros modelos de retención, es que este modelo
subyace bajos los postulados de la “student learning research” ¿Qué quiere decir esto?
Que el conocimiento tiene una naturaleza relacional y holística, que las concepciones
son la forma central del conocimiento, que el conocimiento científico sobre las
concepciones se basa en la exploración de los significados, conceptualizaciones y
delimitaciones de los objetos de manera global (Svensson, 1997).
Así, el modelo 3P se ajusta como se muestra en la Figura II.5 y da origen al
modelo 3P-R. De esta manera la retención dentro de un enfoque relacional de la
docencia permite considerar focos de atención sobre los cuales la universidad y en
particular los académicos pueden intervenir. Se supera la fase de “culpabilización de la
víctima” (Tinto, 2007a) o de “privatización del fracaso” (Donoso & Schiefelbein, 2007),
centrándose en “lo que funciona” (Braxton et al., 2007; Tinto, 2007a).
Modelo 3P con retención (3P-R)
PRONOSTICO
Características
del estudiante
PROCESO
Percepciones
estudiantes
del Contexto
Formas de
abordar el
aprendizaje
PRODUCTO
Resultados del
Aprendizaje
Contexto de
Aprendizaje
Percepciones
sobre contexto
Formas de
abordar la
docencia
Retención
Características
del profesor
Figura II.5 Modelo 3P con Retención (3P-R)
34
III.
MARCO METODOLÓGICO
Este capítulo describe la metodología utilizada en el estudio. En primer lugar, se
presenta el propósito y las preguntas que guían el trabajo, el enfoque y el tipo de diseño.
En seguida, se describe la muestra, los procedimientos de recolección de datos, los
instrumentos, la descripción de las variables y los tipos de análisis realizados. Por
último, se exponen los criterios de rigor científico y las consideraciones éticas que se
han tenido en cuenta en la realización de este trabajo.
3.1
Propósito y preguntas de investigación
De acuerdo con la revisión de la literatura presentada en el capítulo anterior
sobre retención universitaria y experiencia de aprendizaje, el propósito de esta
investigación es avanzar en el conocimiento sobre el vínculo de la retención con
variables de proceso asociadas a la experiencia de aprendizaje de los estudiantes,
teniendo como referencia el modelo 3P, el que se muestra en la Figura III.1(Biggs, 2006;
Prosser & Trigwell, 1999). El análisis se centrará en estudiantes solamente, dado el
carácter exploratorio del vínculo entre la retención y la experiencia de aprendizaje,
posponiendo para otras investigaciones la incorporación de profesores y contextos
académicos diversos. De este modo, los recuadros remarcados en color rojo
corresponden a las variables consideradas en este estudio. Los otros elementos del
modelo, en esta investigación permanecieron constantes y no fueron objeto de análisis,
como son el contexto y los profesores.
35
Modelo 3P con retención (3P-R)
PROCESO
PRONOSTICO
Características
del estudiante
Percepciones
estudiantes
del Contexto
Formas de
abordar el
aprendizaje
PRODUCTO
Resultados del
Aprendizaje
Contexto de
Aprendizaje
Percepciones
sobre contexto
Formas de
abordar la
docencia
Retención
Características
del profesor
Figura III.1 Modelo Conceptual 3P con retención (3P-R) con las variables del estudio remarcadas
De tal manera que la hipótesis que guió la presente investigación fue: “Los
estudiantes retenidos tienen una mejor experiencia de aprendizaje en el primer año de
universidad que los estudiantes no retenidos” y la pregunta principal que guió el trabajo
fue: ¿Los estudiantes retenidos y no retenidos de la carrera de ingeniería difieren en su
experiencia de aprendizaje en el primer año? Si difieren, ¿En qué áreas de su experiencia
lo hacen?
Para dar respuesta a estas interrogantes, se debieron responder las siguientes
preguntas específicas:
Pregunta 1: ¿Cuáles variables de Pronóstico tienen diferencias entre los
estudiantes retenidos y no retenidos?
Preguntas 2: ¿Cuáles son las concepciones sobre las matemáticas que tienen los
estudiantes de primer año de ingeniería?
Pregunta 3: ¿Cuáles son las formas de abordar el aprendizaje que tienen los
estudiantes de primer año de ingeniería?
36
Pregunta 4: ¿Cómo perciben los estudiantes de ingeniería de primer año su
experiencia en los cursos de matemática?
3.2
Enfoque y diseño de la investigación
En esta investigación se utilizó un enfoque cuantitativo con un diseño no
experimental de tipo longitudinal retrospectivo (Johnson & Christensen, 2010). La
literatura especializada en abandono universitario denomina estudio longitudinal
retrospectivo a los estudios que investigan y que relacionan variables obtenidas en
tiempos distintos. De acuerdo con esta definición, esta investigación corresponde a uno
de este tipo, puesto que, se relacionaron datos de los mismos sujetos referidos a tres
momentos distintos: el primero, asociado a todas aquellas variables de Pronóstico, como
las notas de enseñanza media, el promedio de la PSU, etc. Luego, el segundo
corresponde a las variables medidas en el primer año de universidad a través de la
aplicación de los cuestionarios asociados a la experiencia de aprendizaje, y un tercer
momento vinculado a la retención.
3.3
Muestra
La muestra de participantes correspondió a 208 estudiantes de primer año de la
carrera de ingeniería de una universidad estatal chilena con ingreso selectivo, es decir,
una muestra intencionada no probabilística (Johnson & Christensen, 2010). En el diseño
de la investigación se cauteló mantener constante el contexto académico, tanto
disciplinar como institucional (Johnson & Christensen, 2010), puesto que podría incidir
en las variables a indagar (Biggs, 2006; Entwistle & Peterson, 2004; Perry, 1999). No
obstante, a nivel del curso, si bien los 208 estudiantes pertenecían a un mismo curso de
matemática de primer año, con un programa y evaluaciones comunes, estaban en
secciones distintas con profesores diferentes.
Los 208 estudiantes de la muestra tenían una media de 19 de años de edad, de los
cuales un 76.4% eran hombres y un 23.6% mujeres. A la primera generación de
profesionales de sus familias correspondía un 65.9%. Un 40.4% provenía de colegios
municipales, un 48.6% de colegios particulares subvencionados y un 11.1% de colegios
particulares. En la Tabla III.1 Características sociodemográficas de los participantes se
muestran todos estos valores.
37
Tabla III.1 Características sociodemográficas de los participantes
Variables
Género
Primera Generación
Frecuencia
%
Hombres
159
76.4%
Mujeres
49
23.6%
Si
137
65.9%
No
71
34.1%
84
40.4%
Particular
Subvencionada
101
48.6%
Particular
23
11.1%
Tipo de enseñanza media Municipal
Por otro lado, los participantes tenían un promedio de notas de enseñanza media
(NEM) de 6.2 y un promedio de puntaje de selección universitaria (PSU) de 665.23, tal
como se muestra en la Tabla III.1.
Tabla III.2 Características Académicas Previas de los participantes
Variables
Desviación
estándar
Valor Mínimo
Valor Máximo
Notas
enseñanza 6.19
media (NEM)
0.29
5.4
6.90
Puntaje
(PSU)
31.68
589.50
780.00
3.4
Media
promedio 665.23
Procedimiento de recolección de datos
La recopilación de datos de esta investigación comprendió tres fases, la primera
denominada “entrada al campo”; la segunda, “definición y aplicación de cuestionarios”,
y la tercera, “obtención de información sociodemográfica y de resultados de retención”.
En la primera fase, se presentó la investigación a las autoridades de la institución donde
se llevó a cabo el estudio. En la segunda fase, se definieron los cuestionarios a utilizar en
la investigación y se aplicaron a la muestra de estudiantes. En la tercera fase, se solicitó
38
a la oficina de registro académico de la universidad antecedentes sobre la retención y
datos sociodemográficos de los estudiantes que habían contestado los cuestionarios en la
fase anterior.
El procedimiento seguido para obtener la información relevante requerida en esta
investigación se presenta esquemáticamente en la Figura III.2.
Figura III.2 Fases de la recopilación de información
3.5
Instrumentos
Los datos recogidos fueron de distinta naturaleza y se recogieron según se indicó
en el punto anterior. Los antecedentes asociados a la etapa de Pronóstico y de Producto
fueron solicitados a la institución, quien los reportó en una hoja de cálculo del programa
Excel. Los datos sobre Proceso, fueron explorados a través de la aplicación de tres
cuestionarios: “Concepciones sobre las matemáticas” de Crawford et al. (1998);
“Estudio del proceso (SPQ)” de Biggs (1987), Biggs, Kember & Leung (2001) y
“Experiencia del curso (CEQ)” de Webster et al. (2009). El primer cuestionario se
utilizó para investigar las concepciones sobre las matemáticas y tenía asociados dos
factores: Concepciones Cohesionadas y Concepciones Fragmentadas. El segundo
cuestionario se utilizó para explorar las formas de abordar el aprendizaje de los
estudiantes y tenía asociados dos factores: Aprendizaje Profundo y Aprendizaje
39
Superficial. El tercer cuestionario se utilizó para indagar sobre la percepción de la
situación de enseñanza o experiencia del curso de los estudiantes de matemática durante
el primer año, y los factores que lo conformaron fueron cuatro: Docencia, Carga de
trabajo, Evaluación apropiada y Metas y objetivos claros. De este modo, la experiencia
de aprendizaje se indagó a través de tres cuestionarios que conforman ocho variables y
45 indicadores (preguntas asociadas).
Los cuestionarios Concepciones sobre las matemáticas y Experiencia del curso
estaban en inglés y fueron traducidos al español siguiendo los siguientes pasos: 1)
Traducción de los cuestionarios al español por un experto. 2) Traducción al inglés de la
versión preliminar del instrumento en español por una persona de habla nativa de un país
anglosajón, según la técnica “back translation” (Brislin, 1986). 3) Comparación de las
dos versiones en inglés, la original y la realizada por la persona nativa a partir de la
traducción en español, encontrando similitud entre ambas versiones. 4) Análisis de juicio
de tres expertos sobre la validez de contenido de los instrumentos. Estos cuestionarios
fueron validados previamente en una muestra de 325 estudiantes universitarios chilenos
(C. González & López, 2012; Lopez, González, & Montenegro, 2010). En el caso del
Cuestionario Formas de abordar el aprendizaje, se usó una versión disponible en español
(Recio & Cabero, 2005).
A continuación, se presenta una breve descripción de cada uno de estos
instrumentos utilizados.
Cuestionario “Concepciones sobre las matemáticas” (K. Crawford et al., 1998).
Este cuestionario fue desarrollado y diseñado para proveer un indicador de las
concepciones de los estudiantes sobre un tema específico que estuvieran estudiando. Su
origen se encuentra en trabajos de carácter cualitativo con estudiantes de primer año de
la Universidad de Sidney acerca de las concepciones sobre las matemáticas y su relación
con las formas de abordar el aprendizaje (K. Crawford et al., 1998; Kathryn Crawford et
al., 1994; Kathryn Crawford, 1998).
El cuestionario aplicado en este trabajo es una versión en español que se obtuvo
a partir de la versión en inglés, traducida según técnica back traslation, la que fue
explicada en el punto anterior. Consta de dos escalas: Concepciones Fragmentadas de las
40
Matemáticas y Concepciones Cohesionadas de las Matemáticas. Tiene 19 afirmaciones
sobre las cuales los estudiantes deben responder su grado de acuerdo, esto es, escala
Likert, graduadas de 1 a 5, donde 1 es muy en desacuerdo y 5 muy de acuerdo.
Se consideró apropiado utilizar este cuestionario para la investigación en curso,
puesto que permitía disponer de antecedentes sobre las concepciones de las matemáticas
de un grupo de estudiantes de ingeniería en un contexto específico de docencia
universitaria. Además, con la versión en español que se obtuvo, se puso a disposición de
la comunidad académica un instrumento que puede aportar nuevos antecedentes al
desempeño estudiantil en esta área.
Cuestionario “Formas de abordar el aprendizaje” (SPQ) (Biggs, 1987, Biggs,
Kember & Leung 2001). Este cuestionario, denominado en inglés “Study Process
Questionnaire” (SPQ), desarrollado por Biggs (1987, 2001), está asociado a la línea de
trabajo de “student learning research”, permitiendo diferenciar las formas de abordar el
aprendizaje de los estudiantes, esto es, aprendizaje profundo versus aprendizaje
superficial. De acuerdo a las referencias teóricas que fundamentan esta línea de
investigación, la forma en que los estudiantes abordan el aprendizaje no es una
característica distintiva de los estudiantes sino que es una respuesta específica a un
contexto de aprendizaje y depende de otros elementos que interactúan simultáneamente,
de acuerdo al modelo de docencia relacional desde el cual se enfoca la investigación.
En específico, el cuestionario aplicado en esta investigación tiene 20 reactivos,
con respuestas escala Likert graduadas de 1 a 5, donde 1 es muy en desacuerdo y 5 muy
de acuerdo. Tiene dos escalas: Aprendizaje Profundo y Aprendizaje Superficial.
Cuestionario “Experiencia del curso” (CEQ) (Webster et al., 2009). Este
cuestionario está orientado a pesquisar cuál es la opinión de los estudiantes respecto de
su experiencia del curso. La aplicación de este cuestionario ha tenido diferentes usos,
tales como investigación sobre la calidad de la docencia, diagnóstico de estudiantes y
evidencia de procesos de aseguramiento de la calidad (Nair, Patil & Mertova, 2011). En
específico, el cuestionario que finalmente fue aplicado corresponde a la versión de
Webster et al. (2009), que tiene 17 reactivos distribuidos en cuatro factores. De manera
41
similar a los otros cuestionarios utilizados, se usa una escala Likert, graduada de 1 a 5,
donde 1 es muy en desacuerdo y 5 muy de acuerdo.
3.6
Variables del estudio
De acuerdo con el modelo 3P con Retención (3P-R), que sirve de referencia, en la Tabla
III.3, Tabla III.4 y Tabla III.5 se muestra un detalle de las variables de Pronóstico,
Proceso y Producto consideradas en la investigación. En cada tabla se muestran las
variables, una breve descripción, el tipo de variable y los rangos de los valores o
categorías respectivos.
Tabla III.3 Variables de Pronóstico de la investigación
Nombre
Variable
Breve Descripción
Tipo de Variable
Género
Variable que registra el sexo de los Categórica
estudiantes
Valores/Categorías
Hombre
Mujer
Primera
Variable que indica si el estudiante es el Nominal
generación de primer miembro de su familia en ingresar a la
estudiantes
universidad.
universitarios
Si/No
Tipo
de Proporciona información sobre el tipo de Nominal
enseñanza
establecimiento donde cursó la enseñanza
media
media y está de alguna manera asociada a los
ingresos de las familias.
Municipal/
Promedio
NEM
Es el promedio de los cuatro años de Continua
enseñanza media.
1-7
Promedio
PSU
Puntaje de ingreso a la carrera promedio de Continua
todas las pruebas rendidas por el estudiante.
500-800
Part. Subv.
Particular
42
Tabla III.4. Variables de Proceso de la investigación
Cuestionarios Nombre Variable Breve Descripción
Tipo
de Valores/
Variable
Categorías
Concepciones Concepciones
sobre
las Cohesionadas
matemáticas sobre
las
matemáticas
Es un tipo de nivel de comprensión que Ordinal
tienen los estudiantes sobre las matemáticas
como área de aprendizaje y que se asocia
con una visión comprensiva de las
matemáticas.
1-5
Concepciones
Fragmentadas
sobre
las
matemáticas
Es un tipo de nivel de comprensión que Ordinal
tienen los estudiantes sobre las matemáticas
como área de aprendizaje y que se asocia
con una visión cuantitativa de las
matemáticas.
1-5
Formas
de Aprendizaje
Abordar
el Profundo
Aprendizaje
Es una forma que pueden tener los Ordinal
estudiantes de abordar el aprendizaje y que
se caracteriza porque generan un alto
compromiso con su proceso de aprendizaje.
1-5
Aprendizaje
Superficial
Es una forma que pueden tener los Ordinal
estudiantes de abordar el aprendizaje y que
se caracteriza porque generan un bajo
compromiso con su proceso de aprendizaje.
1-5
Buena Docencia
Es la percepción que tienen los estudiantes Ordinal
de la experiencia del curso sobre el tipo de
docencia recibido por ellos.
1-5
Carga de Trabajo Percepción de los estudiantes sobre el nivel Ordinal
Adecuada
de actividades académicas del curso y su
dedicación.
1-5
Evaluación
Apropiada
Percepción de los estudiantes sobre el tipo Ordinal
de evaluación que tienen en el curso.
1-5
Metas
y Percepción que tienen los estudiantes sobre Ordinal
Objetivos Claros los objetivos que persigue el curso.
1-5
Experiencia
del Curso
43
Tabla III.5. Variables de Producto de la investigación
Nombre Variable
Breve Descripción
Tipo de Variable
Retención
Corresponde a la situación Categórica
de permanencia o no de los
estudiantes en la carrera, en
diversos
períodos
académicos
Valores/Categorías
Si/No
3.7 Análisis de los datos
En este punto se informa sobre los tipos de análisis realizados para responder las
preguntas de investigación. En primer lugar, se presentan los procedimientos seguidos
en la preparación de los datos; en segundo lugar, se describe el método principal
utilizado, y finalmente los pasos realizados para responder las preguntas de
investigación.
3.7.1
Preparación de los datos
Una vez aplicados los cuestionarios, los datos fueron ingresados a una base de
datos del programa SPSS, versión 17; posteriormente, se hizo una revisión general de
contenido; se verificaron los supuestos de normalidad y la correspondencia de los
valores de los datos con el rango adecuado al tipo de dato, según fuera necesario. A
continuación, se ingresaron los datos proporcionados por la institución sobre variables
sociodemográficas de los estudiantes y su situación de retención. Los datos perdidos
fueron imputados según método de máxima verosimilitud, utilizando el software
LISREL 8.8 (Hancock & Mueller, 2006).
3.7.2
Técnica de análisis
Con el objetivo de indagar si existían diferencias entre los estudiantes retenidos y
no retenidos de la carrera de ingeniería respecto de la experiencia de aprendizaje que
sostuvieron en el primer año, se utilizó el modelamiento de ecuaciones estructurales
(abreviado como SEM en inglés) y el software LISREL 9.1. SEM es una metodología
estadística confirmatoria de análisis multivariado que sirve para analizar teorías
estructurales, es decir, de relaciones entre variables, acerca de algún fenómeno (Byrne,
44
1998). Esta técnica evalúa si la teoría hipotetizada sobre las relaciones entre las variables
en estudio se ajustan a los datos obtenidos. Para ello, esta técnica compara la
correlación, la varianza y covarianza y en algunas ocasiones las medias (Hancock &
Mueller, 2006).
Esta perspectiva de análisis distingue dos tipos de variables, las observadas y las
latentes. Las variables observadas o indicadores corresponden a aquellas variables que
son medibles directamente; en este estudio son, por ejemplo, la retención, la edad, el tipo
de enseñanza media. En cambio, las variables latentes o factores son aquellas que no son
factibles de medir directamente y que utilizan, por ejemplo, cuestionarios para medirlas
(Byrne, 1998). En este trabajo, son variables latentes las Concepciones Cohesionadas,
las Concepciones Fragmentadas y el Aprendizaje Profundo.
En la Figura III.3 se muestra a través de un esquema, la relación entre las
variables medidas (llamadas también observadas o indicadores), las variables latentes y
el error asociado.
Figura III.3 Relación entre variables medida u observada, variable latente y error (Byrne, 1998)
Un modelo de ecuaciones estructurales tiene dos partes: un modelo de medida y
un modelo estructural. El modelo de medida establece relaciones entre una variable
latente y variables observadas o indicadores, que han sido diseñados para medir de
forma indirecta dicha variable latente. Por esta razón, la varianza compartida por los
indicadores es explicada por la variable latente y la varianza que es única para cada
indicador está dada por el error de medición. En cambio el modelo estructural relaciona
variables latentes (Brown, 2006; Byrne, 1998).
La gran ventaja de la técnica de modelamiento de ecuaciones estructurales es que
permite estimar el error de medición asociado a los indicadores, lo cual es apropiado en
45
el contexto de la investigación en ciencias sociales, donde usualmente los datos se
obtienen a través de la aplicación de cuestionarios (Hancock, 2004), como es el caso de
esta investigación.
La Figura III.4 muestra un path diagram de un modelo de ecuaciones
estructurales con los componentes de medición y estructural señalados.
Figura III.4 Modelo de ecuaciones estructurales con sus dos componentes demarcados (Byrne, 1998)
Donde:
ξ (Ksi) corresponde a las variables latentes exógenas. En el path diagram se
reconocen como aquellas variables en círculos o elipses que no tienen una flecha
apuntando hacia ellas.
X son las variables observadas que dependen de Ksi-variables.
δ (delta) son las medidas del error de las X-variables. En el path diagram están
representadas por una flecha en el lado izquierdo.
η (eta). Son las variables dependientes latentes. Todas las variables latentes, que
aparecen al lado izquierdo del signo igual en las ecuaciones son Eta-variables. En el path
diagram, están dibujadas en círculos o elipses que tienen una flecha unidireccional hacia
ellas.
46
Y. Son las variables observadas que dependen de Eta-variables.
ζ (zeta) Representan el error de las ecuaciones estructurales, es decir, el error de
las variables latentes η1, η2.
ε (épsilon). Son las medidas de los errores en las Y-variables. En el path
diagram están representadas por una flecha unidireccional en el lado derecho.
Los modelos de ecuaciones estructurales configuran un conjunto de ecuaciones
para cada una de las relaciones expresadas en el path diagram, y la solución a estas
ecuaciones son los parámetros que se deben estimar, como los coeficientes de
regresiones (λji) y las varianzas y covarianzas de las variables independientes o variables
latentes exógenas (Byrne, 1998). Las ecuaciones que corresponden al path diagram son
las siguientes:
X₁ = λx₁₁ ξ₁ + δ₁
X₂ = λx21 ξ₁ + δ₂
X₃ = λx₃₁ξ₁ + δ₃
η1 = ξ₁ + ζ1
Y1 = λy1₁ η1+ ε1
Y2 = λy2₁ η1+ ε1
Los parámetros a estimar son:
Λx representa la matriz de los coeficientes de regresión relacionados con las
variables latentes exógenas o factores (ξ).
Φ (phi) representa la matriz de varianza-covarianza entre variables latentes
exógenas (ksi ξ).
Θδ (theta-delta) representa la matriz de varianza-covarianza entre los errores de
los indicadores de las variables observadas exógenas.
Λy representa la matriz de los coeficientes de regresión relacionados con las
variables latentes exógenas o factores (η).
47
Ψ (psi) representa la matriz de varianza-covarianza entre variables latentes
endógenas.
Θε (theta-épsilon) representa la matriz de varianza-covarianza entre los errores
de los indicadores de las variables observadas endógenas.
3.7.3
Indicadores de ajuste de los modelos
Los modelos obtenidos a través de las ecuaciones estructurales tienen diversos
índices que muestran el grado de ajuste que existe entre los datos y el modelo teórico.
Estos índices se pueden reunir en tres grupos: 1) índices absolutos, 2) índices
parsimoniosos y 3) índices incrementales. Los índices absolutos evalúan la discrepancia
total entre los valores observados y la matriz de covarianza; dentro de éstos se
encuentran la raíz cuadrada media residual estandarizada (SRMR) y la prueba de chicuadrado. Los índices parsimoniosos evalúan la discrepancia total entre las matrices de
covarianza observadas e implicadas por el modelo teórico, teniendo en cuenta la
complejidad del modelo; por ejemplo, la raíz del error cuadrático medio de
aproximación (RMSEA) con su intervalo de confianza asociado. Los índices
incrementales evalúan en forma absoluta o relativa la parsimonia de un modelo de
referencia, generalmente el modelo nulo (un modelo que especifica ninguna relación
entre las variables medidas); por ejemplo, el índice de ajuste comparativo (CFI)
(Hancock & Mueller, 2006).
Este trabajo tuvo en consideración las sugerencias de Hu y Bentler (1999) sobre
los límites en los cuales los índices debieran situarse para considerar que un modelo se
ajusta a la teoría que subyace (Hu & Bentler, 1999). En la Tabla III.6 se muestra la
combinación de índices y sus valores referenciales.
3.7.4
Modelo utilizado para analizar diferencia de medias latentes.
Dentro de la metodología SEM existen dos modelos para analizar las diferencias
entre grupos: el modelo estructural de medias latentes (SMM) y el modelo de Grupo
Codificado o Análisis de Factores Confirmatorio con covariantes. El primero requiere de
tamaños de muestra similares en los grupos a comparar. El segundo, puede realizarse sin
esa restricción. Ambos modelos suponen verificar el supuesto de invarianza, esto es, que
48
no exista diferencia entre los grupos respecto a las relaciones estructurales (Brown,
2006; Hancock, 2004b; Thomson & Green, 2006). Como en este estudio los grupos de
estudiantes retenidos y no retenidos eran de tamaños relativos diferentes (179 y 29,
respectivamente), se optó por un modelo de análisis confirmatorio con covariante. El
detalle de este modelo se explicará más adelante.
Tabla III.6 Combinación de indicadores de bondad de ajuste.
Combinación de índices
Regla de combinación
NNFI (TLI) y SRMR
NNFI >= 0.96 y SRMR <=0.09
RMSEA y SRMR
RMSEA <= 0.06 y SRMR
<=0.09
CFI y SRMR
CFI >=0 .96
SRMR <=0.09
Nota: Fuente:(Hu & Bentler, 1999)
Para obtener el modelo que permitió analizar las diferencias entre los grupos de
estudiantes retenidos y no retenidos fue necesario realizar
previamente varios
procedimientos metodológicos que se organizaron en tres pasos para una mayor
comprensión del trabajo y que se relacionan con las preguntas específicas de
investigación de este trabajo, las cuales se muestran en la Tabla III.7
.
49
Tabla III.7 Relación entre los pasos metodológicos y las preguntas de investigación
Pasos metodológicos
Preguntas de investigación
Paso1: Determinar qué variables de Pregunta 1: ¿Cuáles variables de Pronóstico son diferentes
Pronóstico deberían estar presentes en el en los estudiantes retenidos y no retenidos?
modelo.
Paso 2: Realizar Análisis Confirmatorio Pregunta 2: ¿Cuáles son las concepciones sobre las
de Factores para cada uno de los matemáticas que tienen los estudiantes de primer año de
cuestionarios
ingeniería?
Pregunta 3: ¿Cuáles son las formas de abordar el
aprendizaje que tienen los estudiantes de primer año de
ingeniería?
Pregunta 4: ¿Cómo perciben los estudiantes de ingeniería de
primer año su experiencia en los cursos de matemática?
Paso 3: Estimación de la diferencia entre
los estudiantes retenidos y no retenidos a
través de un modelo de Análisis
Confirmatorio de Factores con covariante
retención.
¿Los estudiantes retenidos y no retenidos de la carrera de
ingeniería difieren en su experiencia de aprendizaje en el
primer año?
Si difieren, ¿En qué áreas de su experiencia lo hacen?
A continuación se describen cada uno de los pasos metodológicos.
Paso 1: Selección de Variables de Pronóstico. Se estimó necesario incorporar al
modelo algunas variables de Pronóstico como variables de control, y como no era
posible incluirlas a todas, puesto que el número factible de parámetros a estimar se
relaciona con el tamaño de la muestra, fue necesario hacer un procedimiento estadístico
para seleccionarlas. Se hizo un contraste de medias y de proporciones, según la
naturaleza de las variables, continuas o numéricas y categóricas o nominales, de
manera de incorporar al modelo aquellas variables que reportaran diferencias
estadísticamente significativas entre los grupos de estudiantes
“retenidos” y “no
retenidos” a un nivel de 5%.
50
Para el caso de variables continuas o numéricas como las “notas de enseñanza
media”, “promedio PSU” y las “notas curso de matemática” se utilizó la prueba tstudent, porque es una prueba que permite comparar dos muestras independientes
respecto a variables continuas, que pueden tener tamaños muestrales distintos (Johnson
& Christensen, 2010).
En el caso de variables categóricas o nominales, se aplicó la prueba Chicuadrado para evaluar las diferencias entre los dos grupos de estudiantes en las variables
de Pronóstico: “género”, “primera generación de estudiantes universitarios” y “tipo de
enseñanza media”. La prueba Chi-cuadrado es una prueba no paramétrica para muestras
independientes, con una distribución normal, cuyos criterios de aplicabilidad fueron
evaluados para su pertinencia en este estudio, en especial, que ninguna categoría tuviera
una frecuencia menor a 5. (Johnson & Christensen, 2010). De tal manera que como
resultado de este paso se tiene la variable de Pronóstico que se incorporará al modelo
final.
Paso 2: Análisis confirmatorio de factores para cada uno de los cuestionarios. El
análisis confirmatorio de factores (sigla CFA en inglés) se realizó para verificar que los
datos de la muestra se ajustaran a la teoría que sustenta los factores (Brown, 2006;
Hancock & Mueller, 2006). Este análisis se hizo para cada uno de los cuestionarios por
separado, siguiendo para cada uno de ellos el modelo teórico que subyace en los
cuestionarios.
Posteriormente se estimaron los parámetros y los indicadores de bondad de ajuste
para cada modelo. De esta forma se verificó el ajuste entre los modelos teóricos
representados en los cuestionarios y los datos obtenidos.
Paso 3: Análisis confirmatorio de factores con covariante retención. Con el fin
de determinar si existe diferencia en las concepciones sobre las matemáticas, las formas
de abordar la docencia y la experiencia del curso entre los estudiantes que son retenidos
y los que no lo son, se realizó Análisis Confirmatorio de Factores con covariante
(Brown, 2006). Este método se utiliza generalmente para determinar si la media de uno
o más factores varía entre grupos. Para ello, se incorpora al modelo confirmatorio una
variable que indique pertenencia al grupo. Cuando el efecto de esta variable de grupo
51
sobre el factor es significativo, esto implica que la media de factor es diferente entre los
grupos, es decir, que el factor varía de acuerdo a la pertenencia al grupo.
La variable de grupo debe ser una variable nominal. Cuando la variable es
binaria, lo usual es asignar valor 1 al grupo de interés y valor 0 al grupo de referencia
con el cual se está comparando dicho grupo de interés. El coeficiente asociado a la
variable de grupo o covariante se interpreta como la diferencia de medias del factor entre
grupos. Un valor positivo de dicho coeficiente indica una diferencia a favor del grupo
codificado con el valor 1. De lo contrario, el coeficiente indica que el grupo de
referencia tiene, en promedio, más cantidad del factor.
Estimación de la invarianza. Antes de especificar un modelo de este tipo, es
necesario comprobar que la estructura de relaciones (varianza/covarianza) entre los
indicadores y los factores sea la misma para los dos grupos. De esta forma, la diferencia
de medias obtenida, podrá ser atribuida a que los grupos difieren respecto a las medias
del factor, y no a potenciales diferencias entre grupos asociadas a la estructura de
relaciones entre indicadores y factores (Brown, 2006; Hancock, 2004). Por lo tanto, se
comprobó la invarianza de los modelos asociados a cada uno de los tres instrumentos
utilizados en este estudio, para lo cual se estimó la estructura de relaciones para los
grupos de estudiantes retenidos y se comparó con los resultados de la muestra total.
El modelo conceptual que representa la investigación en estudio se muestra en la
Figura III.5, donde la variable dummy es la Retención, es decir, el covariante. Se
codificó con valor 1 al grupo de estudiantes retenidos y con valor 0 al grupo de
estudiantes no retenidos. Las variables latentes o factores aparecen en círculos (óvalos) y
sus indicadores se han representado de manera genérica en una sola figura
correspondiente a un cuadrado.
52
Figura III.5 Modelo Conceptual
El resultado de este modelo es la diferencia de medias latentes entre ambos
grupos, y una manera de graficar esa diferencia se muestra en la Figura III.6, donde la
diferencia (d) es la diferencia en promedio de un factor cualquiera (Yi) entre los grupos
de estudiantes retenidos y no retenidos en unidades de desviaciones estándar.
Figura III.6 Gráfico que muestra la diferencia en promedio de un factor (Y i) para los grupos de
estudiantes retenidos y no retenidos
53
Para estimar la diferencia “d”, se encontraron los parámetros de las ecuaciones
estructurales y se verificó que los indicadores de ajuste estuvieran en los valores
referenciales que se indicaron anteriormente. Por otra parte, como todos los valores
estaban estandarizados, el tamaño del efecto corresponde al valor “d”, el que fue
interpretado según las categorías propuestas por Cohen (Cohen, 1992). Donde d=0.20,
0.50 y 0.80 corresponden a un efecto pequeño, mediano y grande, respectivamente.
3.8
Validez y confiabilidad de la investigación
De acuerdo con el diseño no experimental de esta investigación, los criterios de
validez y confiabilidad estuvieron dados por las siguientes consideraciones.
3.8.1
Validez interna
La validez interna se refiere al grado en que la investigación refleja y explica la
situación analizada y la relación entre las variables en estudio (Hernández, FernándezCollado & Baptista, 2008; Johnson & Christensen, 2010). En esta investigación se
cauteló la validez interna a través de la revisión de la literatura, de la discusión de los
resultados obtenidos con resultados de investigaciones previas y a través de la consulta y
discusión con investigadores especializados en estos temas 1.
3.8.2
Validez externa
La validez externa se refiere a la posibilidad de generalización de las
conclusiones del estudio (Hernández et al., 2008; Johnson & Christensen, 2010). Dadas
las características de la investigación, las consideraciones teóricas y los tipos de análisis
realizados, las conclusiones tienen limitaciones respecto de su generalización, puesto
que la muestra era no probabilística y no representa a la población en estudio.
3.8.3
Confiabilidad
La confiabilidad de la investigación se refiere a la posibilidad de que otros
investigadores puedan replicar la investigación realizada y llegar a conclusiones
similares (Hernández et al., 2008; Johnson & Christensen, 2010). En ese sentido, en el
1
Esta investigación fue discutida en reuniones de trabajo con el profesor Alberto Cabrera en la
Universidad de Maryland en enero de 2013
54
presente documento se han dejado por escrito los procedimientos utilizados en la
obtención de los datos, los cuestionarios aplicados, los análisis realizados y las
referencias bibliográficas. Un elemento central en el trabajo con LISREL, que es uno de
los programas utilizados en el modelamiento con ecuaciones estructurales, es la
programación de las instrucciones para obtener los modelos: la sintaxis. En esta
investigación se adjuntan todas las sintaxis empleadas para ese efecto. Por otra parte, los
análisis estadísticos se realizaron bajo la asesoría y supervisión de otro investigador,
quien es experto en este tipo de análisis2. Además, los modelos conceptuales y los
análisis se discutieron con el profesor Gregory Hancock3.
3.8.4
Validez y confiabilidad de los instrumentos
Los instrumentos utilizados fueron evaluados respecto de su validez y
confiabilidad utilizando distintos procedimientos. Para conocer el grado de validez de
los factores o variables latentes, es decir, la habilidad para representar el constructo que
hipotéticamente representa, se estimó el índice “Varianza Extraída”, que corresponde al
promedio al cuadrado de las cargas de los indicadores del factor. Un valor sobre 0.5 se
estima adecuado (Mueller & Hancock, 2006). Para la estimación de la confiabilidad de
los instrumentos, esto es, la habilidad para replicar con nuevos conjuntos de datos, se
calculó el “Coeficiente H”, el cual representa la proporción de varianza del constructo
que está explicada por las variables observadas o indicadores. Los límites están entre 0 y
1, no están afectados por el signo de las cargas, no decrecen con indicadores adicionales
y siempre son más grandes que (o iguales) a la confiabilidad del indicador más fuerte,
(es decir máximo de (li2)). Valores por sobre 0.70 son considerados deseables para
establecer la estabilidad de cada factor hipotetizado. En la Figura III.7 se muestra la
fórmula para su estimación, donde “l” es la carga estandarizada (Mueller & Hancock,
2006).
2
3
Dra. Paulina Pérez, profesora visitante de la Universidad de Maryland
Dr. Gregory Hancock, profesor y director del programa “Medición, Estadística y Evaluación” de la
Universidad de Maryland y Director del Centro de Investigación en Variables Latentes Integradas de la
misma universidad.
55
Figura III.7 Coeficiente H para la confiabilidad del constructo
3.9
Consideraciones éticas del estudio
En atención a que es un punto muy importante en el trabajo con personas
informar a los participantes del estudio cuáles son sus objetivos, alcances y el tipo de
participación requerida (Hernández et al., 2008; Johnson & Christensen, 2010), en este
trabajo cada uno de los participantes recibió una carta de consentimiento informado. En
ese documento se señalaba el proyecto de investigación y el grado de participación que
se requería, reconociendo el grado de anonimato, además de la posibilidad de retirarse
cuando lo estimaren necesario.
Por otro lado, los archivos con la información que ha sido procesada se han
mantenido con carácter confidencial. Los análisis y resultados se refieren a aspectos
globales y en ningún apartado se presenta el nombre de los estudiantes ni los resultados
de manera individualizada.
56
IV.
RESULTADOS
En este capítulo se reportan los resultados obtenidos en el estudio. Éstos se
presentan de acuerdo al orden de los pasos metodológicos descritos en el capítulo
anterior. Finalmente, con estos hallazgos se responden las preguntas de investigación
formuladas.
4.1
Paso 1: Selección de variables de Pronóstico
Para seleccionar cuáles variables de Pronóstico se debían incorporar en el
modelo, se realizó el siguiente procedimiento: 1) Obtención de la situación de retención
de cada estudiante que había respondido los cuestionarios. 2) Análisis por separado de
cada variable de Pronóstico en relación a la situación de retención y 3) Selección de la
variable con diferencias estadísticamente significativas al 5%. A continuación se
describe cada uno de estos puntos.
4.1.1
Obtención de la situación de retención de los estudiantes
A partir de la identificación de los estudiantes que habían respondido los
cuestionarios al finalizar el primer año de la carrera, se solicitó a la institución la
situación de retención de cada uno de ellos al inicio del segundo año. Obteniéndose un
89.1%, tal como se muestra en la Tabla IV.1.
Tabla IV.1. Retención de estudiantes al primer año
Período
Retenidos
Al inicio segundo 179
año
89.1%
No retenidos
Total
29
208
13.9%
100%
Fuente: Elaboración propia a partir de información institucional
4.1.2
Comparación de variables entre grupos
Posteriormente, cada uno de estos grupos de estudiantes, esto es, el grupo
“estudiantes retenidos” y el grupo “estudiantes no retenidos”, fueron caracterizados
según algunas variables de entrada o previas a la carrera, denominadas variables de
“Pronóstico” en el modelo 3P. Dentro de estas variables fueron consideradas: género, si
eran o no primera generación, tipo de colegio de enseñanza media, notas de la enseñanza
57
media, y promedio del puntaje de la Prueba de Selección Universitaria (PSU). Luego, se
indagó por la asociación entre estas variables y la retención a través de la aplicación de
pruebas estadísticas de contraste de proporción o de medias, según correspondiera. En la
Tabla IV.2, se muestra para las variables “género”, “primera generación” y “tipo de
enseñanza media” el porcentaje de estudiantes que corresponden a cada uno de los dos
grupos en estudio. Se estimó el estadígrafo “chi-cuadrado” para evaluar si existían
diferencias estadísticamente significativas entre ambos grupos respecto de las variables
en estudio. Cabe hacer notar que para la evaluación de esta prueba estadística se tuvo en
consideración que cada una de las celdas no tuviera una frecuencia esperada menor a 5.
Como en el caso de la variable “tipo de enseñanza media”, este requisito no se cumplía,
se aplicó el test bajo la modalidad “Exacto” y entonces, el valor que se registró es el
correspondiente a esa medición (Morales, 2008).
Los resultados muestran que para la variable “género”, los hombres son retenidos
en un 88.1% y las mujeres en un 79.6%. De acuerdo con la prueba chi-cuadrado
aplicada, esta diferencia de proporción no es estadísticamente significativa (χ2=2.234 y
p=0.135).
Los estudiantes que son primera generación de universitarios en sus familias son
retenidos en un 88.3% y estudiantes que no son primera generación son retenidos en
81.7%. De acuerdo con estos resultados, si bien existen diferencias entre los grupos,
éstas no son estadísticamente significativas (X2=1.714 y p=0.190).
La variable “tipo de enseñanza media” muestra que los estudiantes provenientes
de colegios municipales son retenidos en un 79.8%, de los colegios particulares
subvencionados un 91.1% y de los colegios particulares un 87.0%. La diferencia no es
estadísticamente significativa a un nivel de significancia del 5% (X2=4.921 y p=0.083),
no obstante, si se baja el nivel de significancia al 10%, se observa que si son
significativas las diferencias entre las proporciones de cada categoría.
58
Tabla IV.2 Caracterización de los estudiantes retenidos y no retenidos según género, primera generación y
tipo de enseñanza media
Género
Primera
Generación
Tipo
enseñanza
media
Retenidos
No retenidos
Chi-cuadrado
(n=179)
(n=29)
X2(p)
Hombres (159)
88.1% (140)
11.9%(19)
2.234(0.135)
Mujeres (49)
79.6%(39)
20.4%(10)
Si (137)
88.3%(121)
11.7%(16)
No (71)
81.7%(58)
18.3%(13)
79.8%(67)
20.2%(17)
Part. Subv.(101)
91.1%(92)
8.9% (9)
Particular (23)
87.0%(20)
13.0%(3)
de Municipal(84)
1.714(0.190)
4.925(0.083)
*p<0.05, nivel de significancia estadística
Además de la caracterización según las variables mostradas en la tabla anterior,
se evaluaron otras variables como son: el promedio de las notas de enseñanza media
(NEM) y el Puntaje Promedio PSU. En la Tabla IV.3, se muestran los resultados de este
análisis para cada uno de los dos grupos de estudiantes investigados; se incluye la
prueba de diferencia estadística “t-test” para evaluar si existían diferencias
estadísticamente significativas entre las medias de cada una de las variables por grupo.
Tabla IV.3 Caracterización de los estudiantes según NEM, PSU
Retenidos
No Retenidos
t-test
Media
Desviación
Estándar
Media
Desviación
Estándar
Notas Enseñanza Media
6.203
0.2876
6.076
0.2862
2.216(0.028)*
Puntaje Promedio PSU
665.83
31.078
661.52
35.493
0.679(0.498)
*nivel de significancia p<0.05
59
Para la variable “notas de enseñanza media”, la diferencia entre las medias de los
grupos retenidos y no retenidos es estadísticamente significativa, observándose un valor
de promedio mayor para los retenidos que para los no retenidos (t=2.216, p=0.028). En
el caso del “puntaje promedio de PSU”, se observa un promedio más alto en quienes son
retenidos que en los estudiantes que no son retenidos y esa diferencia no es
estadísticamente significativa (t=0.679 y p=0.498).
4.1.3
Selección de variable
De los análisis realizados y mostrados en el punto anterior, la variable de
Pronóstico que presenta diferencias estadísticamente significativa a un nivel del 5%
corresponde a la variable Notas de Enseñanza Media (NEM), por lo tanto esta variable
fue incorporada al modelo final de Análisis Factorial de medias latentes con covariante
Retención como variable de control.
4.2
Paso 2: Análisis Confirmatorio de Factores
A continuación se presenta el Análisis Confirmatorio de Factores (sigla CFA en
inglés) realizado a los tres cuestionarios. Para cada cuestionario se presenta un resumen
de los resultados, el gráfico del modelo, los parámetros asociados y los indicadores de
bondad de ajuste respectivos. Los resultados descriptivos de cada uno de los
cuestionarios se muestran en Anexo.
4.2.1
Concepciones sobre las matemáticas
De acuerdo con la teoría que sustenta el Cuestionario Concepciones sobre las
Matemáticas (K. Crawford et al., 1998; Kathryn Crawford et al., 1994; Kathryn
Crawford, 1998) se especificó un modelo con dos factores, Concepciones Cohesionadas
(CONCOHE) y Concepciones Fragmentadas (CONFRAG) como se muestra en la
Figura IV.1. Cada uno de estos factores tenía asociado indicadores que corresponden a
las preguntas del cuestionario cuyas respuestas son escalas tipo Likert, con valores del 1
al 5.
Las variables que tenían cargas cruzadas se eliminaron, como la pregunta
número 15 (M15), por lo tanto el modelo de medida no contiene indicadores con cargas
cruzadas. Los factores latentes de Concepciones Cohesionadas y Fragmentadas se
60
dejaron correlacionar como muestra la evidencia de estudios previos (K. Crawford et al.,
1998).
La matriz de varianza-covarianza de la muestra fue analizada utilizando LISREL
9.1 con el estimador de máxima verosimilitud. Los parámetros estimados estandarizados
se presentan en la Tabla IV.4. Todos estos parámetros fueron estadísticamente
significativos (p<0.05). El coeficiente de confiabilidad “coeficiente H”, muestra para
Concepciones Cohesionadas un valor de 0.86 y para Concepciones Fragmentadas un
valor de 0.84, los cuales muestran una buena confiabilidad de constructo (Hancock,
2013). La Varianza Extraída para Concepciones Cohesionadas fue de 0.42 y para
Concepciones Fragmentadas fue de 0.37. Por otra parte, la correlación entre los factores
resultó ser no significativa.
La bondad de ajuste fue evaluada usando “raíz cuadrada media estandarizada
residual” (SRMR), “la raíz del error cuadrático medio de aproximación” (RMSEA), y el
“índice de ajuste comparativo” (CFI). Nos guiamos por la sugerencias proporcionadas
por Hu y Bentler (1999), consideradas como aceptables para el ajuste del modelo, las
cuales sugieren que: RMSEA (<= 0.6); SRMR (<=0.08), CFI (>=.95). Estos indicadores,
que se muestran en la Tabla IV.5, sugieren que el modelo de dos factores se ajusta bien a
los datos χ² (82)=68.35, p=0.86. SRMR=0.056, RMSEA=0.00. CFI=1.00. Por último en
la Tabla IV.6, se muestra la matriz de correlaciones policóricas de todos los ítems del
cuestionario.
61
Figura IV.1 Modelo de medida Concepciones sobre las Matemáticas
62
Tabla IV.4 Parámetros estandarizados del modelo
Theta-Delta
(Error)
R2
Al usar las matemáticas podemos 0.53*
generar nuevo conocimiento
0.72
0.28
M6
Las matemáticas son un conjunto de 0.61*
sistemas lógicos que
se han
desarrollado para explicar el mundo y
las relaciones en él
0.63
0.37
M8
Pienso
que
las
matemáticas 0.54*
proporcionan una mirada a las
complejidades de nuestra realidad
0.71
0.29
M10
Las matemáticas son un marco teórico 0.71*
el cual describe la realidad con el fin de
ayudarnos a entender el mundo
0.50
0.50
M11
Las matemáticas son como un lenguaje 0.64*
universal que permite a la gente
comunicarse y comprender el universo
0.59
0.41
M14
Las matemáticas usan estructuras 0.74*
lógicas para resolver y explicar
problemas de la vida real
0.45
0.55
M17
Las matemáticas son un sistema lógico 0.72*
que ayuda a explicar las cosas que nos
rodean
0.49
0.51
M19
Las matemáticas son modelos que han 0.63*
sido articulados a través de los años
para explicar, resolver e investigar
aspectos del mundo
0.60
0.40
M1
Para mí, las matemáticas son el estudio 0.44*
de los números
0.81
0.19
M2
Las matemáticas son sólo una gran 0.38*
cantidad de reglas y ecuaciones
0.85
0.15
M5
Las matemáticas se relacionan con 0.49*
hacer cálculos
0.76
0.24
M9
La matemática es resolver problemas 0.66*
usando números
0.67
0.43
Factor
Indicador
Descripción
Concepciones
Cohesionadas
M3
Concepciones
Fragmentadas
Lambda X
63
Factor
Theta-Delta
(Error)
R2
El contenido de las matemáticas trata 0.72*
de números, figuras y fórmulas
0.49
0.51
M13
Las matemáticas se relacionan con 0.74*
manipular
números
y
resolver
problemas numéricos
0.45
0.55
M16
Las matemáticas son una materia en la 0.69*
que manipulas números para resolver
problemas
0.45
0.55
M18
Las matemáticas son el estudio del 0.62*
sistema numérico y la resolución de
problemas numéricos
0.61
0.39
Indicador
Descripción
M12
Lambda X
*p<0.05
Tabla IV.5 Indicadores de bondad de ajuste Cuestionario Concepciones sobre las matemáticas
Chicuadrado
Df
P
RMSEA
(<=0.06)
Concepciones
Matemáticas
68.35
82
0.86
0.00
Intervalo
90%
Confianza
CFI
SRMR
(>=0.95)
(<=0.08)
(0.0-0.0)
1.00
0.056
64
Tabla IV.6 Matriz de correlaciones policóricas entre ítems del cuestionario Concepciones sobre las matemáticas.
Concepciones Fragmentadas
Concepciones Fragmentadas
Concepciones Cohesionadas
Preguntas Eliminadas
MM2
MM1
MM1
1.00
MM5
MM2
0.38
1.00
MM5
0.31
0.14
1.00
MM9
MM12
MM13
0.31
0.41
0.32
0.33
0.31
0.35
MM16
MM18
0.28
0.26
MM3
Concepciones Cohesionadas
MM9
MM12
MM13
MM16
MM18
0.30
0.37
0.44
1.00
0.49
0.53
1.00
0.57
1.00
0.26
0.10
0.36
0.26
0.70
0.54
0.53
0.50
0.07
-0.16
0.11
0.00
MM6
MM8
0.09
0.04
-0.21
-0.16
0.02
-0.06
MM10
MM11
MM14
0.05
0.01
-0.04
-0.17
-0.22
-0.24
MM17
MM19
MM4
-0.09
0.09
0.16
MM7
MM15
0.38
0.21
MM3
MM6
MM8
0.57
0.47
1.00
0.55
1.00
0.10
-0.03
0.05
0.18
1.00
0.00
0.07
-0.03
-0.01
0.03
-0.17
0.00
0.08
0.10
0.08
-0.09
-0.11
-0.09
0.11
-0.01
0.04
-0.05
-0.03
-0.06
-0.06
0.17
-0.06
0.10
0.02
0.08
-0.23
-0.28
0.44
-0.13
0.01
0.15
0.07
-0.07
0.26
-0.10
0.00
0.33
-0.06
-0.08
0.21
0.12
0.07
0.35
0.03
0.50
0.32
0.32
0.25
0.35
0.19
MM10
MM11
MM14
0.38
0.39
1.00
0.45
1.00
0.15
-0.03
0.05
0.44
0.38
0.49
0.50
0.44
0.57
0.02
0.03
0.20
0.09
0.09
0.16
0.43
0.46
-0.42
0.47
0.42
0.38
0.26
0.18
0.21
MM17
MM19
0.47
0.45
0.46
1.00
0.54
0.46
1.00
0.47
1.00
0.52
0.44
-0.20
0.44
0.39
-0.22
0.62
0.50
-0.15
0.51
0.57
-0.13
0.58
0.58
-0.31
1.00
0.59
-0.26
1.00
-0.33
0.26
0.32
0.34
0.33
0.23
0.36
0.08
0.36
0.31
0.46
0.17
0.38
0.33
0.37
4.2.2
Formas de abordar el aprendizaje
De acuerdo con la teoría que sustenta el cuestionario “Formas de abordar el
aprendizaje”, se estimó un modelo de dos factores, Aprendizaje Profundo (DEEPAPP)
y Aprendizaje Superficial (SURFAPP) como se muestra en la Figura IV.2. Cada uno de
estos factores tenía asociados indicadores que correspondían a las preguntas del
cuestionario, cuyas respuestas eran escalas tipo Likert, con valores del 1 al 5.
Se eliminaron los indicadores que mostraban cargas cruzadas o que tenían una
baja carga (<0.3). Los factores latentes de Aprendizaje Profundo y Aprendizaje
Superficial se dejaron correlacionar como muestra la evidencia de estudios previos
(Biggs et al., 2001; C. González et al., 2011).
Todos los parámetros estimados fueron estadísticamente significativos (p<0.05)
como se muestra en la Tabla IV.7. La carga de los factores latentes es consistente con la
posición de las escalas del cuestionario “Formas de abordar el aprendizaje”. Por otra
parte, la correlación entre los factores indica una correlación negativa de -0.38. El valor
del coeficiente H para Aprendizaje Profundo corresponde a 0.79 y para Aprendizaje
Superficial corresponde a 0.77, lo que significa un buen indicador de la confiabilidad
del factor. La Varianza Extraída para Aprendizaje Profundo fue de 0.37 y para
Aprendizaje Superficial de 0.39. Lo que indica que más del 30% de la varianza está
explicada por cada uno de estos constructos. La bondad de ajuste fue evaluada usando
diversos indicadores, como se muestra en la Tabla IV.8, los cuales sugieren que el
modelo de dos factores ajusta bien a los datos. χ² (32)=11.53, p=0.99, SRMR=0.23,
RMSEA=0.0; CFI=1.0. Por último en la Tabla IV.9, se muestra la matriz de
correlaciones policóricas de todos los ítems del cuestionario.
66
Figura IV.2 Modelo Cuestionario Formas de Abordar el Aprendizaje
67
Tabla IV.7 Parámetros del modelo Formas de abordar el aprendizaje
Lambda X
Theta-Delta
(Error)
R2
0.67*
0.55
0.452
0.62*
0.61
0.39
0.52*
0.73
0.269
0.72*
0.48
0.517
0.54*
0.71
0.29
13
Trabajo duro en mis estudios cuando 0.45*
creo que el material es interesante.
0.80
0.205
12
Generalmente me limito a estudiar
sólo lo que se establece, porque creo
que es innecesario hacer cosas extra.
Creo que no es útil estudiar los temas
en profundidad. Eso sólo confunde y
hace perder el tiempo, cuando lo
único
que
se
necesita
es
familiarizarse con los temas para
aprobarlos.
Me parece que los profesores no
deben esperar que los alumnos pasen
mucho tiempo estudiando materiales
que se sabe que no van a entrar en el
examen.
No tiene sentido estudiar el material
que probablemente no va a entrar en
el examen
Me parece que la mejor forma de
aprobar un examen es tratar de
memorizar respuestas a preguntas
que probablemente entren en él.
0.66*
0.57
0.435
0.72*
0.48
0.519
0.61*
0.62
0.377
0.74*
0.45
0.551
0.65*
0.58
0.418
Factor
Indicador
Aprendizaje
Profundo
1
5
6
9
10
Aprendizaje
Superficial
15
16
19
20
Descripción del Indicador
En ocasiones el estudio me
proporciona un sentimiento de
profunda satisfacción personal.
Siento que realmente cualquier tema
puede ser interesante una vez que me
pongo a trabajar en él.
La mayoría de los temas nuevos me
parecen
interesantes
y
frecuentemente paso tiempo extra
tratando de obtener más información
acerca de ellos.
Me parece que estudiar temas
académicos puede ser en ocasiones
tan emocionante como una buena
novela o película.
Me autoevalúo en temas importantes
hasta que los entiendo por completo.
*P<=0.05
68
Tabla IV.8. Indicadores de bondad de ajuste Formas de abordar el aprendizaje
Chicuadrado
Formas de abordar
el aprendizaje
11.65
Df
32
P
0.99
RMSEA
Intervalo
(<=0.06)
90%
(>=0.95)
Intervalo de
confianza
0.00
(0.0-0.0)
CFI
1.00
SRMR
(<=0.08)
0.023
69
Tabla IV.9 Matriz de correlaciones policóricas de ítems del Cuestionario Formas de abordar el
aprendizaje.
P1
Aprendizaje
Profundo
P1
.00
P5
.42
P6
.39
P9
.53
P10 .43
Aprendizaje
Superficial
P13 .48
P
12 0.09
P15 0.21
P16 0.14
P19 0.18
Preguntas
Eliminadas
P20 0.23
P
2
.38
P
3
0.16
P
4
0.18
P
7
0.13
P
8
0.08
P
11 0.04
P
14 .28
P
17 .07
P
18 .32
Aprendizaje Profundo
P
P
P
P
P5
P6
P9
P10
1
0
.00
0
.34
0
.41
0
.41
0
.46
.02
0.23
0.12
0.23
0.14
0
.18
0.02
0.13
0.06
.03
0.02
0
.19
0
.07
0
.35
P
P13
Aprendizaje Superficial
P
P
P
P
P12 P15 P16 P19
P
P20
P
1
0
.00
0
.41
0
.38
0
.40
0
0.11
0.08
0.13
0.19
0.15
0
.30
0.13
0.32
0.11
0
.02
.13
0
.59
0
.25
0
.35
1
0
.00
0
.41
0
.40
0.03
0.17
0.10
0.26
0.18
0
.18
0.11
0.12
0.10
0
0.09
0
0.02
0
.43
0
.12
0
.18
1
0
.00
0
.37
0.11
0.17
0.08
0.17
0.18
0
.14
0.07
0.13
0.12
0.16
0.04
0
.32
0
.10
0
.29
1
0
.00
0.17
0.23
0.14
0.16
0.24
0
.30
0.14
0.15
0.09
.06
0.10
0
0.24
0
.21
0
.48
1
.00
.43
.30
.34
.36
0
0.08
.25
.33
.17
0
.33
.36
0.19
0
0.08
0
0.24
1
0
.00
0
.48
0
.48
0
.50
0.14
0
.20
0
.29
0
.10
0
.38
0
.44
0.15
.09
0.14
1
0
.00
0
.53
0
.46
0.01
0
.21
0
.21
0
.16
0
.30
0
.26
0.16
0
0.09
0.25
1
0
.00
0
.48
0.07
0
.27
0
.41
0
.15
0
.33
0
.23
0.18
0.05
0.30
1
0
.00
0.15
0
.18
0
.24
0
.01
0
.42
0
.53
0.18
0.21
0.33
70
1
0
0
0
0
0
-
4.2.3
Experiencia del curso
De acuerdo con la teoría que sustenta el cuestionario sobre la “Experiencia del
curso” (Webster et al., 2009), se especificó un modelo con cuatro factores, Buena
Docencia (BUENADOC), Carga de Trabajo (CARGTRAB), Evaluación Apropiada
(EVALAPRO), Metas y Objetivos Adecuados (METOBJ) según se muestra en la
Figura IV.3.Cada uno de estos factores tenía asociados indicadores que correspondían a
las preguntas del cuestionario cuyas respuestas eran escalas tipo Likert, con valores del
1 al 5.
Los parámetros estimados fueron estadísticamente significativos (p<0.05), tal
como se observan en la Tabla IV.10. El coeficiente de confiabilidad “coeficiente H”,
muestra para Buena Docencia, un valor de 0.90; para Evaluación Apropiada 0.86; Carga
de Trabajo 0.96, Metas y Objetivos Claros 0.70. Estos valores muestran una buena
confiabilidad del constructo. La Varianza Extraída para Buena Docencia fue de 0.61;
para Evaluación Apropiada 0.45; Carga de Trabajo 0.68; Metas y Objetivos Claros 0.35.
Los indicadores de bondad de ajuste, que se muestran en la Tabla.IV.11, sugieren que el
modelo de cuatro factores ajusta bien a los datos. χ² (80)=115.30. p=0.006,
SRMR=0.052, RMSEA=0.043, CFI=0.98. Por último en la Tabla.IV.12, se muestra la
matriz de correlaciones policóricas de todos los ítems del cuestionario.
71
Figura IV.3 Modelo Cuestionario Experiencia del Curso
72
Tabla IV.10 Parámetros Cuestionario Experiencia del curso
Factor
Buena
Docencia
Indicador
E4
E20
E22
E23
E25
Evaluación
Apropiada
E10R
E17R
E26R
Carga de
Trabajo
E5R
E27R
E19
Metas y
Objetivos
Claros
E1
E8
E18R
E35
Descripción
El profesor de este curso me motiva a
hacer mi mejor trabajo.
El profesor hace un esfuerzo real para
tratar de entender las dificultades que
pudiera estar teniendo con mi trabajo.
El profesor normalmente me da
retroalimentación útil sobre como lo
estoy haciendo.
El profesor es muy bueno explicando la
materia.
El profesor trabaja duro para hacer
interesante la materia.
Para hacerlo bien en este curso todo lo
que necesitas es tener buena memoria.
El profesor parece más interesado en
evaluar lo que he memorizado que lo que
he comprendido.
El profesor sólo me hace preguntas
literales de la materia.
La carga de trabajo es muy pesada.
Hay una gran presión sobre mí como
estudiante en este curso.
Generalmente, me dan el tiempo
suficiente para comprender las cosas que
tengo que aprender.
Siempre es fácil conocer las exigencias
del trabajo esperado en este curso.
En este curso, usualmente he tenido una
idea clara hacia dónde vamos y que se
espera de mí.
A menudo ha sido difícil descubrir que se
espera de mí en este curso.
Desde el inicio del curso el profesor dejó
en claro qué se esperaba de los
estudiantes.
0.77*
ThetaDelta
(Error)
0.40
0.81*
0.34
0.66
0.69*
0.52
0.48
0.88*
0.22
0.78
0.74*
0.45
0.55
0.49*
0.76
0.24
0.92*
0.15
0.85
0.50*
0.75
0.25
0.59*
0.67*
0.66
0.46
0.34
0.49
0.30*
1.01
0.083
0.49*
0.76
0.24
0.71*
0.50
0.50
0.52*
0.77
0.27
0.62*
0.62
0.38
Lambda X
R2
0.60
73
Tabla.IV.11. Indicadores de ajuste de modelo Experiencia del curso.
Chicuadrado
Experiencia del 115.86
curso
df
P
RMSEA
(<=0.06)
80
0.0054
0.046
Intervalo
90%
confianza
CFI
SRMR
(>=0.95)
(<=0.08)
(0.0260.064)
0.98
0.052
74
Tabla.IV.12. Matriz de correlaciones policóricas Cuestionario Experiencia del curso
METAS Y OBJETIVOS (MO)
E1
MO
E8
E35
E18R
NA DOCENCIA (BD)
E4
E19
E20
E22
E23
E25
EVALUACION
ADECUADA (EA)
E10R E17R E26R
CARGA DE
TRABAJO (CT)
E5R
E27R E36R
E1
1,00
MO
E8
0,42
1,00
MO
E35
0,34
0,42
1,00
MO
E18R
0,29
0,39
0,21
1,00
B
E4
0,35
0,42
0,38
0,29
1,00
B
E19
0,17
0,24
0,29
0,11
0,37
1,00
B
E20
0,25
0,48
0,49
0,34
0,64
0,33
1,00
B
E22
0,25
0,40
0,39
0,21
0,59
0,35
0,64
1,00
B
E23
0,28
0,59
0,45
0,27
0,75
0,21
0,62
0,65
1,00
B
E25
0,23
0,42
0,43
0,21
0,61
0,35
0,62
0,58
0,73
1,00
EA
E10R
0,06
0,16
0,11
0,27
0,22
0,04
0,19
0,16
0,23
0,13
1,00
EA
E17R
0,29
0,39
0,31
0,31
0,45
0,02
0,48
0,37
0,50
0,39
0,50
1,00
EA
E26R
0,25
0,21
0,12
0,15
0,25
0,01
0,24
0,19
0,26
0,24
0,35
0,51
1,00
CT
E5R
0,03
0,04
-0,02
0,10
-0,10
0,25
0,06
-0,02
-0,06
-0,05
-0,04
0,09
0,09
1,00
CT
E27R
0,06
0,07
0,15
0,22
0,09
0,15
0,19
0,13
0,06
0,15
0,14
0,22
0,31
0,48
1,00
CT
E36R
0,06
0,17
-0,07
0,19
0,06
0,17
0,01
0,05
0,16
0,03
0,13
0,04
0,10
0,21
0,10
1,00
75
4.2.4
Resumen de los análisis confirmatorios de factores
Los análisis confirmatorios realizados a los tres cuestionarios muestran que los
datos se ajustan a las teorías que los sustentan, de acuerdo a los valores de los
indicadores de bondad de ajuste estimados, los cuales se muestran en la Tabla IV.13.
Por lo tanto, estos resultados permiten proseguir con el Paso 3, en donde se
incorporarán simultáneamente en un solo modelo las variables asociadas a los tres
cuestionarios y la variable de control seleccionada en el Paso1.
Respecto de la confiabilidad y validez de los instrumentos utilizados, en la Tabla
Tabla IV.14 se muestra un resumen de la varianza extraída y del Coeficiente H para
todos los factores latentes asociados al modelo. En general, todos los factores en
promedio tienen un 46% de varianza extraída, el factor “metas y objetivos” tiene menos
varianza extraída entre sus indicadores, correspondiendo un 35%. En sentido contrario,
el factor “carga de trabajo”, tiene un 68%.
Respecto del Coeficiente H, el cual indica el grado de confiabilidad de los
instrumentos, el valor menor lo tiene “metas y objetivos” con 0.70 y el valor mayor
“carga de trabajo” con 0.96. El valor medio para todos los factores es de 0.84.
Tabla IV.13. Resumen de los indicadores de bondad de ajuste de los modelos parciales
Chi-cuadrado df
Concepciones
Matemáticas
P
RMSEA
SRMR
(<=0.06)
Intervalo 90% CFI
de confianza
(>=0.95)
(<=0.08)
68.35
82
0.86
0.00
(0.0-0.0)
1.00
0.056
Formas de abordar 11.53
el aprendizaje
32
0.99
0.00
(0.0-0.0)
1.00
0.023
Experiencia
Curso
80
0.00
0.043
(0.033-0.07)
0.98
0.052
del 115.30
76
Tabla IV.14. Resumen de la varianza extraída y Coeficiente H para todos los factores o variables latentes
Factor
Varianza Extraída
Coeficiente H
Concepciones Cohesionadas
0.42
0.86
Concepciones Fragmentadas
0.37
0.84
Aprendizaje Profundo
0.37
0.79
Aprendizaje Superficial
0.39
0.77
Buena Docencia
0.61
0.90
Carga de Trabajo
0.68
0.96
Metas y Objetivos
0.35
0.70
Evaluación Apropiada
0.45
0.86
Media
0.46
0.84
4.3
Paso 3: Análisis Confirmatorio de Factores con Covariante Retención
4.3.1
Estimación de invarianza
Este paso se realizó para comprobar si en los dos grupos a comparar, los
instrumentos se comportan de la misma manera y si las diferencias que pudieran existir
entre los grupos se deben las características de los sujetos que componen cada uno de
los grupos. En este caso se compararon los modelos para los estudiantes de la muestra
total obtenidos en el punto anterior y para los estudiantes retenidos, puesto que el
número de sujetos del grupo no retenidos era menor que el número que la teoría
estadística asociada exige (Thomson & Green, 2006).
La Tabla IV.15 muestra los indicadores de ajuste para cada uno de los
cuestionarios en el análisis confirmatorio de factores realizados a la muestra
“retenidos”. A su vez, la Tabla IV.16 muestra los indicadores de ajuste para toda la
muestra.
77
Tabla IV.15 Resumen de indicadores de bondad de ajuste para muestra "retenidos"
Chicuadrado
df
73.31
82
Formas
de 17.69
abordar
el
aprendizaje
Experiencia
del Curso
Concepciones
Matemáticas
125
P
RMSEA
SRMR
(<=0.06)
Intervalo 90% de CFI
confianza
(>=0.95)
0.75
0.000
(0.0-0.0)
1.00
0.061
32
0.98
0.0
(0.0.0.0)
1.00
0.030
80
0.00
0.052
(0.03-0.06)
0.97
0.082
(<=0.08)
Tabla IV.16. Resumen de los indicadores de bondad de ajuste de los modelos con la muestra total
Chicuadrado
Df
P
RMSEA
SRMR
(<=0.06)
Intervalo 90% de CFI
confianza
(>=0.95)
(<=0.08)
Concepciones 68.35
matemáticas
82
0.86
0.00
(0.0-0.0)
1.00
0.056
Formas
de 11.53
abordar
el
aprendizaje
32
0.99
0.00
(0.0-0.0)
1.00
0.023
Experiencia
del Curso
80
0.00
0.043
(0.033-0.07)
0.98
0.052
115.30
Como se observa en la Tabla IV.15 y la Tabla IV.16, ambos modelos, el de la
muestra total y el del grupo “retenidos”, son plausibles. Se confirmó además que la
muestra de estudiantes “retenidos” tiene la misma estructura de relaciones que la
muestra total, por lo tanto, se puede inferir que las diferencias de medias del factor entre
los grupos están dadas exclusivamente por la pertenencia a un grupo, y no por la
estructura de relaciones propias de cada grupo (Brown, 2006).
78
Figura IV.4 Modelo de diferencia de medias con covariante “retención”.
4.3.2
Estimación de diferencia de medias latentes
Una vez comprobada la invarianza, se estimó la diferencia de medias entre los
dos grupos en estudio. El grupo de referencia fue el grupo de estudiantes “retenidos”, es
decir, el grupo en el cual la variable dummy “retención” tomó el valor 1. En el otro
grupo, el grupo de estudiantes “no retenidos”, la variable dummy “retención” tomó el
valor 0.
79
Tabla IV.17
Resumen de resultados del Análisis de diferencia de medias latentes
Factor
Diferencia de Tamaño
del
medias
efecto
(Cohen,2002)
Concepciones Cohesionadas
0.08*
Concepciones Fragmentadas
-0.05
Aprendizaje Profundo
-0.09
Aprendizaje Superficial
0.04
Buena Docencia
-0.05
Evaluación Apropiada
0.08
Carga de Trabajo
0.17*
Metas y Objetivos Claros
-0.03
Preparación Académica Previa
0.15*
Pequeño
Pequeño
Pequeño
En la Tabla IV.17, se muestran los parámetros obtenidos en el modelo de
diferencia de medias con covariante “retención”. Las cargas que aparecen con *
corresponden a la diferencia estadística entre los grupos de estudiantes retenidos y no
retenidos. De esta tabla se observa que el factor “concepciones cohesionadas” tiene
diferencias entre los grupos, así como la “carga de trabajo” y la “preparación académica
previa”.
De acuerdo a estos resultados, las diferencias estadísticamente significativas
muestran que los estudiantes retenidos tienen en promedio un 8% de desviación
estándar más de la variable latente “concepciones cohesionadas” que los estudiantes no
retenidos al segundo año. Tienen en promedio 17% más de “carga de trabajo adecuada”
y 15% más de “preparación académica previa”. Los otros factores considerados no
muestran diferencias estadísticamente significativas, como se registra en la Figura IV.5.
80
Figura IV.5 Diferencia de medias latentes del factor “concepciones cohesionadas”
Figura IV.6 Diferencia de medias del factor “carga de trabajo”
81
Figura IV.7 Diferencia de medias del factor “preparación académica previa”.
En la Figura IV.5, Figura IV.6, y Figura IV.7 se muestran los gráficos que
representan la diferencia de medias de los factores “concepciones cohesionadas”, “carga
de trabajo” y “preparación académica previa” entre los grupos de estudiantes retenidos
y no retenidos.
4.3.3
Indicadores de ajuste del modelo
Los indicadores de bondad de ajuste, que se muestran en la Tabla IV.18,
sugieren que el modelo ajusta los datos con un χ² (896)=1207.426, p=0.00.
SRMR=0.095, RMSEA=0.041, CFI=0.959.
82
Tabla IV.18. Indicadores de bondad de ajuste de retención y experiencia de aprendizaje
Chi-cuadrado df
P
RMSEA
(<=0.06)
Experiencia
de 1207
aprendizaje en los
grupos retenidos y
no retenidos.
4.4
896
0.00
0.041
90%
CFI
Intervalo de
(>=0.95)
Confianza
para RMSEA
SRMR
(0.0368
0.0482)
0.095
; 0.959
(<=0.08)
Respuesta a las preguntas principales de investigación
Los hallazgos encontrados en esta investigación que permiten dar respuesta a la
pregunta principal de investigación: ¿Los estudiantes retenidos y no retenidos de la
carrera de ingeniería difieren en su experiencia de aprendizaje en el primer año? Si
difieren, ¿en qué áreas de su experiencia lo hacen? sugieren que existe diferencia entre
los estudiantes retenidos y no retenidos en la experiencia de aprendizaje que tienen en el
primer año de la carrera de ingeniería en alguna de las áreas investigadas. En específico,
se encontraron diferencias estadísticamente significativas en las áreas de concepciones
cohesionadas sobre las matemáticas, en la apreciación sobre la carga de trabajo y en la
preparación académica previa. Las diferencias están en la dirección que los estudiantes
retenidos tenían más de los factores mencionados. Las otras variables que se
investigaron si bien no muestran diferencias estadísticamente significativas, el sentido
de la diferencia que presentan pueden sugerir ciertas inclinaciones. En la
Tabla IV.19 se muestran todos los resultados para cada grupo de estudiantes. El grupo
de estudiantes retenidos tiene más de los factores: preparación académica previa,
concepciones cohesionadas, aprendizaje superficial, evaluación apropiada y carga de
trabajo adecuada. En cambio, el grupo de estudiantes no retenidos tiene más de los
factores: concepciones fragmentadas, aprendizaje profundo, buena docencia, metas y
objetivos claros.
83
Tabla IV.19. Resultado de cada factor para los grupos de estudiantes retenidos y no retenidos
Estudiantes retenidos
Estudiantes no retenidos
Preparación académica previa*
Concepciones Cohesionadas*
Concepciones Fragmentadas
Aprendizaje Profundo
Aprendizaje Superficial
Buena docencia
Carga de trabajo*
Metas y objetivos claros
Evaluación apropiada
*nivel de significancia p<0.05
En el capítulo siguiente se discuten estos hallazgos a la luz de la literatura
previa, su significado e implicancias tanto para la práctica como para las
investigaciones futuras.
84
V.
DISCUSIÓN
En este capítulo se presenta la discusión sobre los hallazgos encontrados en el
estudio. La organización se ha estructurado siguiendo los tres pasos de construcción del
modelo. En primer lugar, se presenta la discusión asociada a las variables de Pronóstico.
En segundo lugar, se presenta la discusión asociada a las variables de Proceso y
finalmente la discusión se centra en los resultados asociados en la relación de la
retención con la experiencia de aprendizaje. Posteriormente, se presentan las
limitaciones del trabajo y por último, las repercusiones tanto para la práctica, como para
futuras investigaciones, que estos hallazgos tienen.
5.1
Discusión del Paso 1: Selección de las variables de Pronóstico
En este punto la discusión se centró en el análisis de los resultados asociados a
las variables de Pronóstico a incorporar en el modelo de análisis. Dentro de las variables
consideradas a incorporar al modelo estaban: el género, si eran o no primera generación,
el tipo de colegio de enseñanza media, las notas de la enseñanza media (NEM), y el
promedio del puntaje de la Prueba de Selección Universitaria (PSU). Los resultados
mostraron que las notas de enseñanza media (NEM) fue única la variable de Pronóstico
que mostró diferencias estadísticamente significativas entre los estudiantes retenidos y
no retenidos. Este resultado es coincidente con la investigación llevada a cabo desde
hace mucho años por el profesor Francisco Javier Gil, quien postula que las notas de
enseñanza media son un mejor predictor de éxito académico que la PSU y ha buscado
que tengan un peso mayor en el puntaje de ingreso a la universidad a través del ranking
de notas (Gil & Bachs, 2010).
Si bien las otras variables de Pronóstico no presentaron diferencias
estadísticamente significativas entre estudiantes retenidos y no retenidos, se ha
considerado importante discutir esos resultados a la luz de la literatura asociada sobre
retención.
Los resultados de este estudio muestran los hombres son retenidos en un 88.1%
y las mujeres en un 79.6%, lo que quiere decir que los hombres son retenidos en mayor
85
porcentaje que las mujeres. Esta diferencia, en este estudio no fue estadísticamente
significativa, no obstante, en el área ingeniería existe una preocupación por la tendencia
que sugiere que hay una menor participación de las mujeres en esta área (Walther,
Kellam, & Sochacka, 2011).
Por otro lado, los estudiantes que son primera generación de universitarios en
sus familias son retenidos en un 88.3% y estudiantes que no son primera generación son
retenidos en un 81.7%. La bibliografía muestra situaciones similares; (Collier &
Morgan, 2007; Ishitani, 2006; Martin, Yu, Waight, & Sha, 2008) por ejemplo, en un
estudio longitudinal (Ishitani, 2006) sobre la conducta de los estudiantes de primera
generación, se encontró que estos estudiantes tienen un mayor riesgo de abandonar que
los estudiantes que no lo son. Sin embargo, esos efectos se pueden alterar dependiendo
de otras características, como son los atributos académicos previos que tenían en la
formación secundaria. De esta manera, quienes tenían al ingreso más habilidades
académicas aunque fueran primera generación de estudiantes disminuían su riesgo de
abandono frente a quienes no tenían esas habilidades, situación que se asemeja al
contexto de esta investigación, por cuanto los estudiantes en promedio en este estudio
tienen notas de enseñanza media de 6.2 (de un máximo de 7).
Los resultados asociados a la variable “tipo de enseñanza media” muestra que
los estudiantes provenientes de colegios municipales son retenidos en un 79.8%, los de
colegios particulares subvencionados en un 91.1%, y los de colegios particulares en un
87.0%. La diferencia no es estadísticamente significativa a un nivel de significancia del
5%, no obstante, si se baja el nivel de significancia al 10%, se observa que sí son
significativas las diferencias entre las proporciones de cada categoría. Las tres
categorías de dependencia se pueden asociar a niveles de ingresos de las familias, así,
quienes estuvieron en colegios municipales tendrían un nivel de ingresos inferior a
quienes estudiaron en colegios particulares subvencionados e inferior a quienes
provienen de colegios particulares (Planificación, 2009). Por lo tanto, en este estudio, en
un nivel de significancia del 10% se encuentran diferencias entre los estudiantes según
86
ingresos económicos. Estudiantes de ingresos inferiores son retenidos en menor
proporción que estudiantes con ingresos económicos superiores.
Por lo tanto, los resultados obtenidos en esta investigación, respecto de las
características previas de los estudiantes, están en la línea que algunas investigaciones
anteriores sugieren. La importancia de estos hallazgos radica en que nos permiten
ampliar las comprensiones sobre los distintos tipos de estudiantes y el desempeño que
tienen en la educación superior, y de esta manera focalizar más adecuadamente las
políticas públicas.
5.2
Discusión del Paso 2: Análisis Factorial de los Cuestionarios
En este punto de la discusión se abordan los resultados obtenidos en la
aplicación de los tres cuestionarios: “Concepciones sobre las matemáticas”, “Formas de
abordar el aprendizaje” y “Experiencia del curso”. La discusión se ha organizado en
torno a los siguientes ejes: validez y confiabilidad de los factores, indicadores de
bondad de ajuste obtenidos y relaciones entre los factores.
5.2.1
Discusión de resultados de “concepciones sobre las matemáticas”
En esta investigación los resultados del análisis confirmatorio de factores para
las “Concepciones sobre las matemáticas”, muestran que el valor de la varianza extraída
para
las
variables
latentes
“concepciones
cohesionadas”
y
“concepciones
fragmentadas”, fue de 0.42 y 0.37 respectivamente. Estos valores son más altos que los
resultados de estudios anteriores, puesto que en una muestra de 300 estudiantes de
primer año de un curso de matemática en una universidad australiana, para
“concepciones cohesionadas” se obtuvo en un pretest 0.22 y en un post test 0.27; y para
“concepciones fragmentadas” en el pretest el resultado fue de 0.19 y en el post test de
0.23 (K. Crawford et al., 1998). Además, la investigación anterior reporta que el
indicador M15 tiene carga cruzada, y en esta aplicación fue similar, por lo tanto, se
eliminó del análisis final.
87
Por otra parte, este estudio muestra que los dos factores, “concepciones
cohesionadas” y “concepciones fragmentadas”, tienen una correlación negativa no
significativa cercana a cero. El estudio mencionado anteriormente (K. Crawford et al.,
1998) mostraba que la correlación entre los factores era negativa, pequeña y
significativa. En concordancia, esto resultados sugieren que las dos escalas son
relativamente independientes (ortogonales) entre sí y que miden dos concepciones
cualitativamente diferentes. Según Crawford (K. Crawford et al., 1998), esto podría
parecer una inconsistencia con la teoría que indica que las concepciones están
jerárquicamente relacionadas, sin embargo, podría dar luces de la existencia de un
quiebre importante entre las dos primeras concepciones (agrupadas en las
“concepciones fragmentadas”) y las tres últimas (agrupadas en la escala de las
“concepciones cohesionadas”). Otra interpretación del valor cercano a cero de la
correlación entre los dos tipos de concepciones es que la relación no es lineal, no
obstante, no se podría decir que no existe relación, porque podría tener otro tipo de
relación, como por ejemplo cuadrática (Mueller & Hancock, 2006).
Como indicador de confiabilidad, de acuerdo con sugerencias de Hancock
(Hancock, 2013) se estimó el Coeficiente H, obteniéndose valores de 0.86 para
“concepciones cohesionadas” y 0.84 para “concepciones fragmentadas”. Estos valores
muestran que los constructos latentes y sus indicadores son confiables. En los estudios
previos, los análisis de confiabilidad se hicieron usando el Alfa de Cronbach, por lo
tanto, no se pueden comparar los resultados. No obstante, ese indicador muestra un
valor de 0.79 y de 0.85 en el pre-test y de 0.85 y 0.88 para el post-test, valores que
indican que las escalas, según ese indicador, son confiables.
Además, no se encontraron otros estudios que utilizaran como técnica de análisis
ecuaciones estructurales con variables latentes, por lo tanto, no hay referentes para
comparar los resultados obtenidos en los indicadores de ajuste del modelo de este
estudio. No obstante, los valores obtenidos en la presente investigación, por sí mismos,
muestran, según la literatura de referencia (Hu & Bentler, 1999), que los datos se
88
ajustan a la teoría que sustenta el modelo, puesto que los indicadores: absoluto,
parsimonioso e incremental están dentro de los límites sugeridos por la literatura.
Respecto de la matriz de correlaciones policóricas entre los ítems del
cuestionario Concepciones sobre las matemáticas, los resultados muestran que los ítems
correlacionan en relación al constructo latente sugerido por la literatura. De esta manera
aquellos ítems que dan cuenta de un constructo tienen correlaciones más altas, que
aquellos ítems que no son parte de ese constructo. No obstante, también se puede
apreciar que la fuerza de la correlación entre los ítems de los constructos son más bien
regulares que buenas (Mueller & Hancock, 2006), por lo tanto, estos resultados sugieren
que en próximas investigaciones, los instrumentos podrían mejorar sus ítems.
5.2.2
Discusión de resultados de “formas de abordar el aprendizaje”
Los resultados de este estudio muestran que la varianza extraída de los factores
“aprendizaje profundo” y “aprendizaje superficial” corresponde a 0.37 y 0.39,
respectivamente. Es decir, estos valores indican que la varianza está explicada en un
37% y 39% por los factores considerados.
Sobre el Coeficiente H, los resultados arrojan valores de 0.77 y 0.79, lo que de
acuerdo a la literatura asociada (Hancock, 2013) indica un buen resultado de
confiabilidad. Otros estudios, pese a usar análisis de factores latentes, para la
confiabilidad estiman el Alfa de Cronbach, y los resultados que se obtienen en este
indicador muestran 0.82 para “aprendizaje profundo” y 0.71 para “aprendizaje
superficial” (Kember et al., 2004). Como son indicadores distintos no se pueden
comparar, no obstante, se puede decir que, medida la confiabilidad de distinta manera,
sus resultados indican que el instrumento es confiable.
Los factores “aprendizaje profundo” y “aprendizaje superficial” covarían
negativamente con un valor de -0.38. Este resultado muestra una relación negativa entre
los factores, es decir, en la medida que aumenta el aprendizaje profundo, disminuye el
aprendizaje superficial. Estudios anteriores muestran resultados de -0.23 en esta
relación (Biggs et al., 2001). Por otro lado, el uso de las técnicas de ecuaciones
89
estructurales pone de manifiesto que algunos indicadores se correlacionan, lo que podría
dar cuenta de otros constructos latentes que no han sido considerados en el modelo.
Los indicadores de bondad de ajuste obtenidos, χ² (80)=115.30. p=0.006,
SRMR=0.052, RMSEA=0.043, CFI=0.98, dan cuenta que para esta muestra, los datos
se ajustan a la propuesta teórica.
Por otro lado, la matriz de correlaciones policóricas entre los ítems del
Cuestionado de Formas de abordar el aprendizaje, muestra que los ítems correlacionan
en relación al constructo latente sugerido por la literatura. De esta manera aquellos
ítems que dan cuenta de un constructo tienen correlaciones más altas, que aquellos
ítems que no son parte de ese constructo. No obstante, también se puede apreciar que la
fuerza de la correlación entre los ítems de los constructos son más bien regulares que
buenas (Mueller & Hancock, 2006), por lo tanto, estos resultados sugieren que en
próximas investigaciones, los instrumentos podrían mejorar sus ítems.
5.2.3
Discusión de resultados de “experiencia del curso”
Los resultados de los factores asociados al cuestionario sobre la “Experiencia
del curso” muestran una varianza extraída para buena docencia de 0.61; para carga de
trabajo de 0.68; para metas y objetivos de 0.35; para evaluación apropiada de 0.45. Son
resultados que muestran que la variable carga de trabajo está explicada en un 68% por
los indicadores considerados. En cambio, la variable metas y objetivos comparte un
35%. Estos valores indican que los distintos indicadores asociados a los respectivos
factores son disímiles en la varianza que comparten. La literatura no muestra otros
resultados que puedan compararse.
Sobre el Coeficiente H, los resultados fueron para buena docencia, evaluación
apropiada, carga de trabajo y metas y objetivos de 0.90; 0.96; 0.70; 0.86,
respectivamente. Valores que de acuerdo a sugerencias de Hancock, indican que los
factores son confiables. Al igual que los otros cuestionarios, el valor de Coeficiente H
es de uso reciente, y por lo tanto, no se puede comparar con el Alfa de Cronbach, que es
el indicador que se estima usualmente.
90
Por otro lado, la matriz de correlaciones policóricas muestra los ítems del
Cuestionario Experiencia del curso, los resultados muestran que los ítems correlacionan
en relación al constructo latente sugerido por la literatura. De esta manera aquellos
ítems que dan cuenta de un constructo tienen correlaciones más altas, que aquellos
ítems que no son parte de ese constructo. No obstante, también se puede apreciar que la
fuerza de la correlación entre los ítems de los constructos son más bien regulares que
buenas (Mueller & Hancock, 2006). Además, se observa que algunos constructos tienen
una alta correlación entre sí, lo que estaría dando cuenta, de que los ítems no están
siendo elementos diferenciadores, sino que más bien, corresponden a variables latentes
no identificadas. Por lo tanto, estos resultados sugieren que en próximas
investigaciones, los instrumentos podrían mejorar sus ítems y así las variables latentes
asociadas.
5.3
Discusión del Paso 3: Análisis Confirmatorio con covariante Retención
La discusión se centró en primer lugar, en las diferencias estadísticamente
significativas entre los dos grupos de estudiantes, retenidos y no retenidos. En segundo
lugar, se analizaron los resultados que no tienen diferencias estadísticamente
significativas, no obstante sugieren ciertas tendencias que será necesario explorar en
otras investigaciones. Los resultados obtenidos para cada uno de los grupos se muestran
en la Tabla V.1.
El grupo de estudiantes retenidos muestra resultados estadísticamente
significativos en las variables “concepciones cohesionadas”, “carga de trabajo”, y en la
variable de control “preparación académica previa”. Los otros factores, si bien muestran
diferencias, éstas no son estadísticamente significativas, como es el caso de
“aprendizaje superficial” y “evaluación apropiada”. Por otro lado, el grupo de
estudiantes no retenidos muestra una diferencia mayor (aunque no estadísticamente
significativa) en los factores: “concepciones fragmentadas”, “aprendizaje profundo”,
“buena docencia” y “metas y objetivos claros”.
91
Tabla V.1 Resultados del Análisis Confirmatorio de Factores con covariante Retención
Estudiantes retenidos
Estudiantes no retenidos
Preparación académica previa*
Concepciones Cohesionadas*
Concepciones Fragmentadas
Aprendizaje Profundo
Aprendizaje Superficial
Buena docencia
Carga de trabajo*
Metas y objetivos claros
Evaluación apropiada
Nivel de significancia p>0.05
Para iniciar la discusión, es necesario recordar que las concepciones
cohesionadas, se refieren a aquellas comprensiones que sostienen los estudiantes sobre
las matemáticas, que estudios previos (K. Crawford et al., 1998) han registrado como:
•
Matemática como un sistema lógico de formas de pensamiento.
•
Matemática como un sistema lógico complejo que puede ser usado para
explorar y resolver problemas.
•
Matemática como un sistema lógico complejo que puede ser usado para
resolver problemas y proporcionar información para comprender el mundo.
Los resultados obtenidos en los estudiantes retenidos, muestran que tienen más
del factor concepciones cohesionadas que los estudiantes no retenidos. Esto quiere decir
que el primer grupo comprende las matemáticas como un sistema más complejo que los
estudiantes del segundo grupo. Así como también, el factor carga de trabajo es
considerado más adecuado por los jóvenes retenidos que por los estudiantes no
92
retenidos. Estos resultados están en la línea de investigaciones previas, las cuales
sugieren que los estudiantes que perciben la carga de trabajo demasiado grande, o creen
que la evaluación mide la reproducción, entonces es más probable que adopten
concepciones de bajo nivel y enfoques de superficie para el aprendizaje como su mejor
estrategia para el éxito (Kathryn Crawford et al., 1994).
Otro factor importante que se menciona en investigaciones previas es lo que
constituye cómo se presenta el objeto de estudio de las matemáticas en los primeros
años universitarios (Entwistle & Marton, 1994). Es frecuente que la presentación de las
matemáticas en la universidad sea a través de clases expositivas como un producto
acabado y pulido. En general, las condiciones de aprendizaje de las matemáticas a nivel
universitario ubican al estudiante en una posición en la que las estrategias
instrumentales a corto plazo son, de hecho, un medio conveniente para el éxito. Si bien
este trabajo se ha centrado en el aprendizaje de los estudiantes en el primer año,
investigaciones que han abordado las concepciones de la enseñanza y el aprendizaje y
enfoques de la enseñanza de los profesores (Trigwell, Prosser, & Taylor, 1994) han
demostrado que un número importante de profesores de primer año universitario en los
cursos de ciencias físicas sostienen concepciones del aprendizaje que son de
reproducción, por lo tanto, creen que el aprendizaje reproductivo es lo que es apropiado
en ese nivel, situación que podría ser similar en el caso de las matemáticas. Estos
hallazgos, evidencian la necesidad de un cambio en la atención de la enseñanza y el
aprendizaje como actividades independientes hacia un análisis más sistemático de las
relaciones entre las dos actividades y el contexto en que se producen (Kathryn Crawford
et al., 1994).
Los hallazgos encontrados en esta investigación muestran que en el primer año,
algunas variables de proceso pueden incidir en la retención de los estudiantes de la
carrera de ingeniería. Estos resultados están alineados con hallazgos previos, los cuales
indican la existencia de factores asociados a nivel personal y a nivel académico que
repercuten en la retención en el primer año. A nivel personal, se destaca un bajo
compromiso con la institución, escaso compromiso con una carrera específica,
93
inadecuada supervisión sobre las opciones de matrícula y escasa vinculación social con
la universidad. A nivel académico se presentan elementos asociados con la sensación de
contar con una preparación académica deficiente, con la falla de los profesores en la
creación de experiencias de aprendizaje claras en contenidos, con la no correspondencia
con las expectativas iniciales, y además con el grado de compromiso, ayuda y
retroalimentación oportuna de parte de los profesores (Daempfle, 2003; Ishitani, 2006;
Yorke & Thomas, 2003).
Los resultados encontrados en esta investigación respecto de la variable de
control preparación académica previa, están en línea con hallazgos de otras
investigaciones, como por ejemplo, esta variable ha sido el predictor más fuerte para
explicar el logro en el primer año (Soares, Guisande, Almeida & Paramo, 2008;
Terenzini, Reason & Domingo, 2007) y otras investigaciones realizadas en Estados
Unidos también están en la misma línea que los resultados encontrados en este trabajo
(Alberto; Cabrera & Burkum, 2001). En el mismo sentido, están estos hallazgos con la
línea de la investigación de varias décadas del Dr. Francisco Javier Gil, sobre la
importancia del desempeño en la formación media para el éxito universitario
posteriormente (Gil & Bachs, 2010).
Sobre aquellos constructos latentes que no tienen diferencias estadísticamente
significativas, no obstante, presentan una diferencia hacia uno de los dos grupos, se ha
considerado interesante explorar algunas interpretaciones a la luz de la literatura
asociada a la educación en ingeniería. En las formas de abordar el aprendizaje, el
constructo “aprendizaje superficial” carga en el grupo de estudiantes retenidos; en
cambio, “aprendizaje profundo” carga en el grupo de estudiantes no retenidos. Estos
resultados podrían parecen contradictorios, pero ¿Qué podría significar esto? Una
explicación, la podemos encontrar en los resultados de investigaciones previas referidas
al ámbito de la ingeniería. Algunas de estas investigaciones han demostrado que
muchos estudiantes bien calificados abandonan por causa de una insatisfacción con la
calidad de la enseñanza que viven (Felder, 2011). Otros hallazgos sugieren que la
relación que tengan los profesores con sus alumnos es crítica para mejorar la tasa de
94
retención en ingeniería (Vogt, 2008). En comparación con otras carreras, algunos
estudios encuentran que los alumnos de ingeniería perciben el ambiente de la clase
como más frío que estudiantes de otras disciplinas, así como los profesores menos
cercanos (Seymour & Hewitt, 1997). Otras investigaciones muestran que los estudiantes
de ingeniería presentan aprendizajes más superficiales que estudiantes de otras áreas
disciplinarias (Fanghanel & Trowler, 2008; C. González et al., 2011). Otros
antecedentes que se pueden tener en cuenta, se encuentran en estudios tanto a nivel
internacional como local sobre los problemas que tiene la educación en ingeniería y que
aluden principalmente a las teorías sobre el aprendizaje que subyacen en las prácticas
docentes y sobre las cuales se quiere avanzar en su mejoramiento (Eliot & Turns, 2011;
Johann Engelbrecht, Bergsten, & Kageste, 2012; Ingeniería, 2012; OECD, 2010). En la
misma línea, se encuentra investigaciones que indagan sobre las prácticas de enseñanza
en ingeniería(A. F. Cabrera, Colbeck, & Terenzini, 1999). Por lo tanto, si bien
inicialmente parecen contradictorios algunos de los resultados obtenidos en esta
investigación, en el ámbito de la educación en ingeniería no lo son tanto, como se ha
mostrado en esta discusión.
En relación a los constructos asociados a la Experiencia del curso, la “buena
docencia” y las “metas y objetivos” aparecen con una alta correlación (0.73) lo que
indica que no son constructos distintos, sino que comparten varianza. Por lo tanto, no es
raro que aparezcan juntos cargando en los estudiantes no retenidos, por las razones
expuestas anteriormente.
Finalmente, los hallazgos encontrados en esta investigación sobre la retención y
la experiencia de aprendizaje permiten compartir las reflexiones de otros investigadores
sobre que el esfuerzo en mejorar la calidad de la docencia en pro del mejoramiento del
aprendizaje puede obtener mejores resultados en la retención (Yorke, 2004; Zepke et
al., 2006).
95
5.4
Discusión del modelo de retención y experiencia de aprendizaje (3P-R)
El modelo teórico utilizado, “3P-R”, que relaciona la retención con la
experiencia de aprendizaje de los estudiantes, posiciona la retención como uno de los
resultados posibles del proceso académico, donde los resultados obtenidos son producto
de la interacción de varios factores, dentro de los cuales se consideran a los estudiantes,
profesores y contexto académico. En ese sentido, los hallazgos que esta investigación
proporciona, desde un punto de vista estadístico, podrían considerarse limitados; no
obstante, desde un punto de vista teórico son muy potentes, por cuanto, posiciona la
retención dentro de una perspectiva que no había sido considerada en otros modelos, tal
como se presentó de manera intensiva en el capítulo 2. Si bien, la misma revisión de la
literatura muestra resultados asociados a la retención y el aprendizaje, el tipo de vínculo
indagado es desde una perspectiva del estudiante y no muestra el impacto que pudiera
tener el contexto académico y las formas de abordar la docencia de los profesores
(Tinto, 1997b). Si bien en esta investigación fueron consideradas sólo variables
asociadas a los estudiantes, la visión de docencia universitaria que subyace en el
modelo, es una docencia relacional, que centra sus esfuerzos en el aprendizaje de los
estudiantes.
Por otra parte, es importante destacar el rol que le asigna el modelo propuesto al
contexto académico. La experiencia de aprendizaje pudiera ser distinta para estudiantes
con características iniciales semejantes, de ahí podría explicarse las diferencias en
retención entre carreras, como es el caso de ingeniería y medicina (Consejo Nacional de
Educación, 2010).
Por último, asociar la retención con la experiencia de aprendizaje a través de un
modelo teórico como el que se ha planteado en este trabajo es un aporte a la discusión
teórica sobre retención de una manera original.
96
5.5
Limitaciones del estudio
En este punto se presentan las limitaciones del trabajo, dentro de las cuales se
consideran aspectos asociados a la muestra, a los instrumentos, a las técnicas empleadas
y al enfoque utilizado.
Dentro de los aspectos asociados a la muestra se encuentra el tipo de estudiantes,
la institución, el área disciplinaria y la cantidad de participantes de la muestra. Este
estudio estuvo constituido principalmente por estudiantes de un sector socioeconómico,
perteneciente a un área disciplinaria específica y a una sola universidad. Por lo tanto, los
resultados no se pueden generalizar a todos los estudiantes de ingeniería de la
institución o a otras universidades y disciplinas. Además, el tamaño de la muestra
restringió el tipo de análisis posibles de realizar, como por ejemplo, análisis de
diferencias de medias latentes, puesto que se requieren muestras mayores para operar
con estas técnicas y programas asociados.
Sobre los instrumentos utilizados, si bien se logró obtener indicadores de bondad
de ajuste dentro de los límites que la literatura recomienda como adecuados, en alguno
de los modelos, como en las concepciones sobre las matemáticas, la correlación de los
indicadores muestra que habría otros factores latentes no considerados en el estudio que
debieran dar cuenta de la varianza no explicada con el modelo aquí planteado. Por otra
parte, existe una discusión actual sobre las capacidades que tendría el tipo de
instrumentos utilizados en este estudio para medir efectivamente aspectos tan complejos
como el aprendizaje profundo y su relación con otras variables del proceso universitario
(Laird, Seifert, Pascarella, Mayhew, & Blaich, 2011;Porter, 2012;Campbell & Cabrera,
2012).
5.6
Implicancias
5.6.1
Implicancias para la práctica
Los hallazgos reportados en este estudio, tal como lo recomienda la literatura
asociada, sugieren que las instituciones deben avanzar en concebir el problema del
abandono universitario, como un resultado producto de interacciones de diversos
97
factores. Los esfuerzos por mejorar la retención deben estar orientados en varias
direcciones: por una parte, en reconocer las características de los estudiantes, como
también de los profesores y el contexto en el cual se desarrolla el proceso universitario;
y por otra, las instituciones, desde un punto de vista estructural, debieran comenzar a
concebir de manera integral tanto, los esfuerzos que hacen en relación a mejorar la
retención de los estudiantes en las universidades, como los esfuerzos que hacen en
innovación curricular, puesto que es frecuente encontrarlos de manera separada. Es
decir, vincular las políticas que se diseñan para los estudiantes con las que se diseñan
para la innovación curricular. De tal manera de avanzar en concebir de manera compleja
un problema complejo, como lo es la salida prematura de los estudiantes (Ashby, 1999).
5.6.2
Implicancias para las políticas públicas
Los hallazgos de esta investigación pueden tener implicancias en las políticas
públicas en varias de sus fases y con distintos actores. En primer lugar, en la fase de
diseño de políticas, las distinciones conceptuales asociadas a retención, pueden
contribuir a que se incorporen mayores precisiones en el tipo de intervención que se
quiere realizar. En segundo lugar, en la fase de implementación de las políticas, tanto
las distinciones conceptuales como el modelo teórico 3P-R, pueden contribuir a
entender la retención de otra manera y superar la fase de “culpabilización de la
víctima”. Por último, en la fase de evaluación de políticas, los resultados de este trabajo,
pueden permitir contextualizar los resultados obtenidos a través de la aplicación de una
política pública en particular.
Al respecto, es posible ilustrar las implicancias de los resultados de esta tesis, en
una actividad concreta que se está realizando en la actualidad, en relación a las políticas
públicas. Se está llevando a cabo un estudio para el Consejo de Rectores de las
Universidades Chilenas (CRUCH), cuyo objetivo es analizar las políticas sobre Equidad
y Retención que se han impulsado en los últimos cinco años en Chile, donde se han
usado las distinciones conceptuales aquí desarrolladas.
98
5.6.3
Implicancias para futuras investigaciones
Los resultados reportados en esta investigación sobre la retención y la
experiencia de aprendizaje, desde la perspectiva de “student learning research”, tienen
diversas repercusiones para próximas investigaciones. En primer lugar, estos hallazgos
sugieren seguir investigando los otros elementos del modelo 3P-R, es decir, relacionar
los resultados de retención con diversos tipos de estudiantes, de contextos universitarios
y de profesores. De tal manera, de disponer de evidencia empírica que muestre cómo se
ajustan diferentes datos con el modelo teórico. En segundo lugar, continuar avanzando
en utilizar metodologías apropiadas a los tipos de variables utilizadas, como por
ejemplo, variables ordinales y latentes. En esta investigación se usó el modelamiento de
ecuaciones estructurales con variables latentes en una fase de medida. En próximas
investigaciones, con un número mayor de sujetos, se podría avanzar en modelos
estructurales que relacionen variables latentes entre sí. En tercer lugar, los hallazgos de
esta investigación sugieren mejorar los instrumentos con los cuales se miden los
constructos latentes del modelo teórico. En este sentido, próximos estudios debieran
enfocarse a disminuir la correlación entre los errores y entre los constructos latentes. En
cuarto lugar, en el caso específico de ingeniería es necesario continuar explorando
aquellas variables que en un primer momento parecen contradictorias que los
estudiantes no retenidos muestren con mayor valor, como por ejemplo el “aprendizaje
profundo”, la “buena docencia” y las “metas y objetivos adecuados”.
99
VI.
CONCLUSIONES
Este apartado está dedicado a las conclusiones del estudio desarrollado. Para
iniciar esta exposición es necesario considerar el propósito planteado en la
investigación, el cual era avanzar en el conocimiento sobre el vínculo de la retención
con aquellas variables asociadas a la experiencia de aprendizaje de los estudiantes. De
acuerdo a las sugerencias de la literatura, se trataba de un camino muy importante de
explorar. A partir de este hecho, se consideraron los aportes realizados por otros
investigadores cuyos hallazgos mostraban, por una parte, que la retención se vinculaba
con el proceso de aprendizaje; y por otra, que los resultados del proceso académico son
producto de varios factores, dentro de los cuales están los estudiantes, los profesores y
el contexto. Se planteó que la retención tiene relación con la experiencia de aprendizaje
de los estudiantes y que es uno de los resultados posibles del proceso académico
concebido de manera relacional. Para ello, se hizo uso del modelo 3P al que se le
incorporó la retención, dando origen al modelo 3P-R. En particular, en este estudio se
exploró la relación existente entre la retención y la experiencia de aprendizaje que
tenían estudiantes de la carrera de ingeniería de una universidad estatal chilena. Se
intentó responder la pregunta ¿existe diferencia entre los estudiantes retenidos y no
retenidos en las concepciones sobre las matemáticas, en las formas de abordar el
aprendizaje y en la experiencia del curso?
La respuesta que se encontró a esta pregunta, con todas las limitaciones
discutidas en la sección anterior, sugiere que existen diferencias en alguno de los
elementos considerados en la investigación. En específico, se encontraron diferencias en
las concepciones cohesionadas sobre las matemáticas, en la percepción de la
experiencia del curso acerca del factor carga de trabajo y en la variable de control
preparación
académica
previa.
En
cambio,
en
los
factores
“concepciones
fragmentadas”, “aprendizaje profundo”, “aprendizaje superficial”, “buena docencia”,
“metas y objetivos claros” y “evaluación adecuada”, no se encontraron diferencias
estadísticamente significativas. Las diferencias encontradas en los dos grupos de
estudiantes, si bien presentan un efecto estadísticamente significativo pequeño, desde un
100
punto de vista teórico son muy potentes, por cuanto sugieren que la retención está
asociada con la experiencia de aprendizaje que tengan los estudiantes durante su primer
año de vida universitaria. En particular, en la carrera de ingeniería esto es muy
importante, puesto que una de las preocupaciones que se tienen a nivel país, es la baja
tasa de retención de estos estudiantes, especialmente en el primer año. Los hallazgos
reportados pueden orientar la solución de la salida prematura de los estudiantes, desde
la culpabilización de la víctima hacia la experiencia de aprendizaje que tengan quienes
ingresan a la universidad. De tal manera que la búsqueda de mejoramiento involucre a
la institución como un factor dentro del problema, principalmente en lo que respecta al
proceso académico; donde intervienen además de los propios estudiantes, los profesores
y el contexto.
Junto con estos hallazgos, este estudio hace contribuciones en otras direcciones
que son importantes de relevar. En primer lugar, las distinciones conceptuales
analizadas sobre retención y experiencia de aprendizaje avanzan en proponer
comprensiones y relaciones entre esos constructos de manera relacional, lo que implica,
que un determinado resultado, es producto del efecto de características de estudiantes,
de profesores y contexto. Esas características interaccionan durante el proceso
académico e impactan en las percepciones sobre el contexto que tienen profesores y
estudiantes, además en las formas de abordar el aprendizaje y la enseñanza;
obteniéndose como Producto, resultados diversos, dentro de los cuales, la retención es
uno de ellos. En segundo lugar, el modelo teórico utilizado, sustentado en el desarrollo
de la “student learning research”, el modelo 3P-R, proporciona un marco de referencia
para una comprensión más compleja del proceso académico. En tercer lugar, esta
investigación avanza en utilizar metodologías estadísticas que están a la vanguardia de
lo que se está usando a nivel mundial en el análisis de datos obtenidos a través de
cuestionarios con escala Likert, es decir, análisis de variables latentes. Con todo lo
anterior, es posible afirmar que este trabajo hace importantes aportes al conocimiento de
la investigación en Educación Superior en Chile en un tema relevante para el avance de
la calidad y equidad del sistema en su conjunto.
101
VII.
REFERENCIAS BIBLIOGRÁFICAS
Ashby, R. (1999). An Introduction to Cybernetics. London: Chapman & Hall. Retrieved
from http://pcp.vub.ac.be/books/IntroCyb.pdf
Astin, A. (1997). What Matters in College: Four Critical Years Revisited (First Edit., p.
512). New York: Jossey-Bass.
Astin, A., & Antonio, A. (2012). Assesment for excellence: the philosophy and practice
of assessment and evaluation in higher education (Second.). Maryland: Rowman
& Littlefield Publishers, Inc.
Astin, A., & Denson, N. (2009). Multi-Campus Studies of College Impact: Which
Statistical Method is Appropriate? Research in Higher Education, 50(4), 354–
367. doi:10.1007/s11162-009-9121-3
Bean, J., & Metzner, B. (1985). A Conceptual Model of Nontraditional Student
Attrition Undergraduate. Educational Research, 55(4), 485–540.
Biggs, J. (2006). Calidad del Aprendizaje Universitario (Teaching for Quality Learning
at University) (Segunda.). Madrid: Narcea, S.A. de Ediciones.
Biggs, J., Kember, D., & Leung, D. Y. (2001). The revised two-factor Study Process
Questionnaire: R-SPQ-2F. The British journal of educational psychology, 71(Pt
1), 133–49. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/11307705
Booth, S., & Ingerman, A. (2002). Making sense of Physics in the first year of study.
Learning and Instruction, (213), 493–507.
Braxton, J. (Ed.). (2000). Reworking the Student Departure Puzzle (First.). Nashville:
Vanderbilt University Press.
Braxton, J., Brier, E., & Steele, S. (2007). Shaping Retention from Research to Practice.
Journal of College Student Retention: Research, Theory and Practice, 9(3), 377–
399. doi:10.2190/CS.9.3.g
102
Braxton, J., Milem, J. F., & Sullivan, A. S. (2000). The influence of active learning on
the college student departure. The Journal of Higher Education, 71.
Brislin, R. (1986). The wording and traslation of research instruments. In W. Lonner &
J. Berry (Eds.), Field methods in cross-cultural research (pp. 137–164). Beverly
Hills: SAGE.
Brown, T. A. (2006). Confirmatory Factor Analysis for applied research. New York:
Guilford Press.
Byrne, B. (1998). Structural Equation Modeling with LISREL, PRELIS, and SIMPLIS:
Basic Concepts, Applications, and Programming (p. 432). Psycology Press.
Cabrera, A. F., Colbeck, C. L., & Terenzini, P. T. (1999). Cabrera, A. F., Colbeck, C. L.
& Terenzini, P. T. (1999). Desarrollo de indicadores de rendimiento para
evaluar las practicas de enseñanza en el aula: El caso de ingeniería. Javier Vidal.
(ed.)., 105–128.
Cabrera, A. (1994). Logistic regression analysis in Higher Education: An applied
perspective. In J. Smart (Ed.), Higher Education: Handbook of Theory and
Reseacrch (pp. 225–256). New York: Agathon Press.
Cabrera, A., & Nasa, S. (2001). On the path to college: Three Critical Tasks Facing
America`s Disadvantaged. Research in Higher Education, 42(2).
Cabrera, A., Nora, A., & Castaneda, M. (1993). College Persistence: Structural
Equations Modeling Test of an Integrated Model of Student Retention. The
Journal of Higher Education, 64(2), 123–139.
Cabrera, A., & Burkum, K. (2001). College Admission Criteria in the United States :
An Overview Balance del sistema de acceso a la universidad ( selectividad y
modelos alternativos ). Cátedra UNESCO de Gestión y Política Universitaria .
Universidad Politécnica de Madrid . Madrid , España.
103
Cabrera, L., Tomás, J., Alvarez, P., & González, M. (2006). El problema del abandono
de los
estudios
universitarios.
Relieve, 12(2), 171. Retrieved
from
http://dialnet.unirioja.es/servlet/articulo?codigo=2388882
Canales, A., & De Los Rios, D. (2006). Factores explicativos de la deserción
universitaria. Revista Calidad de la la Educación, 173–201.
Canales, A., & De Los Rios, D. (2009). Retención de estudiantes vulnerables en la
educación universitaria chilena. Revista Calidad en la Educación, 30, 50–83.
Castillo, J., & Cabezas, G. (2010). Caracterización de Jóvenes Primera Generación en
Edcuación Superior.Nuevas Trayectorias Hacia la Equidad Educativa. Revista
Calidad en la Educación, 2(32), 44–76.
Chesler, N., & Chesler, M. (2002). Gender-Informed Mentoring Strategies for Women
Engineering Scholars: On Establishing a Caring Community. Journal of
Engineering Education, 91(1), 49–55.
Cheung, G. W., & Rensvold, R. B. (2002). Evaluating Goodness-of- Fit Indexes for
Testing
Measurement
Invariance.
Structural
Equation
Modeling:
A
Multidisciplinary Journal, 9(2), 233–255.
CINDA. (2007). Informe Educacion Superior en Iberoamerica. Santiago: RIL: Editores.
Cohen, J. (1992). A power primer. Psychological Bulletin, 112, 155–159.
Collier, P. J., & Morgan, D. L. (2007). “Is that paper really due today?”: differences in
first-generation and traditional college students’ understandings of faculty
expectations. Higher Education, 55(4), 425–446. doi:10.1007/s10734-007-90655
Consejo Nacional de Educación. (2010). Retención en la Educación Superior. Estudio
de Cohortes 2010.
Consejo Nacional de Educación. (2012). Retención en la Educación Superior.
104
Crawford, K., Gordon, S., Nicholas, J., & Prosser, M. (1998). University mathematics
students’ conceptions of mathematics. Studies in Higher Education, 23(1), 87–
94. doi:10.1080/03075079812331380512
Crawford, Kathryn. (1998). Qualitatively different experiences of learning mathematics
at university. Learning and Instruction, 8(5), 455–468. doi:10.1016/S09594752(98)00005-X
Crawford, Kathryn, Gordon, S., Nicholas, J., & Prosser, M. (1994). Conceptions of
mathematics and how it is learned: The perspectives of students entering
university. Learning and Instruction, 4(4), 331–345. doi:10.1016/09594752(94)90005-1
Daempfle, P. (2003). An analysis of the high attrition rates among first year college
science, math, and engineering majors. Journal of College Student Retention:
Research,
Theory
and
Practice,
5(1),
37–52.
Retrieved
from
http://baywood.metapress.com/index/DWQTTYA4T20WRCWH.pdf
Dey, E. L., & Astin, A. (1993). Statistical alternatives for studying college student
retention: A comparative analysis of logit, probit, and linear regression.
Research in Higher Education, 34(5), 569–581. doi:10.1007/BF00991920
Díaz, C. (2008). Modelo Conceptual para la Deserción Estudiantil Universitaria
Chilena. Estudios Pedagógicos, XXXIV (2), 65–86.
Donoso, S. (2010). Iniciativas de retención de estudiantes en educación superior.
Revista Calidad de la Educación, 16–61.
Donoso, S., & Schiefelbein, E. (2007). Análisis de los Modelos Explicativos de
Retención de Estudiantes en la Universidad: Una visión desde la desigualdad
social.
Estudios
pedagógicos,
33(1),
7–27.
doi:10.4067/S0718-
07052007000100001
Durkheim, E. (2004). El suicidio (Primera Ed.). Buenos Aires: Editorial Gorla.
105
Eagan, K., Sharkness, J., Hurtado, S., Mosqueda, C. M., & Chang, M. J. (2011).
Engaging Undergraduates in Science Research: Not Just About Faculty
Willingness.
Research
in
Higher
Education,
52(2),
151–177.
doi:10.1007/s11162-010-9189-9
Eaton, S. B., & Bean, J. (1995). An approach/avoidance behavioral model of college
student
attrition.
Research
in
Higher
Education,
36(6),
617–645.
doi:10.1007/BF02208248
Eliot, M., & Turns, J. (2011). Constructing Professional Portfolios : Sense-Making and
Professional Identity Development for Engineering Undergraduates. Journal of
Engineering Education, 100(4), 630–654.
Engelbrecht, J., Harding, a., & Preez, J. Du. (2007). Long-term retention of basic
mathematical knowledge and skills with engineering students. European Journal
of Engineering Education, 32(6), 735–744. doi:10.1080/03043790701520792
Engelbrecht, Johann, Bergsten, C., & Kageste, O. (2012). Conceptual and Procedural
Approaches to Mathematics in the Engineering Curriculum: Student
Conceptions and Perfomance. Journal of Engineering Education, 101(1), 138–
162.
Entwistle, N. (1997). Introduction: Phenomenography in Higher Education. Higher
Education
Research
&
Development,
16(2),
127–134.
doi:10.1080/0729436970160202
Entwistle, N. (2007). Research into student learning and university teaching. The
British Psychological Society, 1–18. doi:10.1348/000709906X166772
Entwistle, N., & Marton, F. (1994). Knowledge objects: Understandings academic
study. British Journal of Educational Psychology, 64, 161–178.
Entwistle, N., & Peterson, E. (2004). Conceptions of learning and knowledge in higher
education: Relationships with study behaviour and influences of learning
106
environments. International Journal of Educational Research, 41(6), 407–428.
doi:10.1016/j.ijer.2005.08.009
Fanghanel, J., & Trowler, P. (2008). Exploring Academic Identities and Practices in a
Competitive Enhancement Context: a UK-based case study. European Journal of
Education, 43(3).
Felder, R. M. (2011). Engineering Instructional Development: Programs, Best Practices
, and Recommendations. Journal of Engineering Education, 100(1), 89–122.
Fernández de Morgado, N. (2009). Retención y Persistencia Estudiantil en Instituciones
de Educación Superior: una revisión de la literatura. Paradígma, 30(2), 39–61.
Fernández, O., Martínez-Conde, M., & Araneda, R. (2009). Estrategias de aprendizaje y
autoestima. su relacion con la permanencia y desercion universitaria. Estudios
Pedagógicos, 1, 27–45.
Fulton, I. A. (2008). Factors Associated with Persistence in Science and Engineering
Majors: An Exploratory Study. Journal of Engineering Education, 97(1).
Gil, F. J., & Bachs, J. (Eds.). (2010). Una experiencia exitosa por una educación
superior más inclusiva. Usach;Unesco, Fundación Equitas.
González, C., & López, L. (2012). Análisis de confiabilidad y de validez del
instrumento Course Experience Questionnaire ( CEQ ). Educación y
Educadores, 15(1), 63–78.
González, C., Montenegro, H., Lopez, L., & Munita, I. (2012). Aprendizaje
Universitario y percepciones de los estudiantes sobre el contexto educativo. In
Tercer Congreso de Investigación en Educación Superior. Santiago.
González, C., Montenegro, H., López, L., Munita, I., & Collao, P. (2011). Relación
entre la experiencia de aprendizaje de estudiantes universitarios y la docencia de
sus profesores. Revista Calidad en la Educación, 35, 21–49.
González, L. E. (2005). Estudio sobre la repitencia y deserción en la educación superior
chilena.
107
González, L. E., & Uribe, D. (2002). Estimaciones sobre la repitencia y deserción en la
educación superior chilena. Consideraciones sobre sus implicancias. Revista
Calidad en la Educación, 17(2), 75–90.
Hall, W., Cabrera, A., & Milem, J. (2010). A Tale of Two Groups: Differences Between
Minority Students and Non-Minority Students in their Predispositions to and
Engagement with Diverse Peers at a Predominantly White Institution. Research
in Higher Education, 52(4), 420–439. doi:10.1007/s11162-010-9201-4
Hancock, G. (2004). Experimental, quasi-experimental design and analysis with latent
variables. In The SAGE Handbook of Qualititative Methodology for the Social
Sciences (pp. 317–334). California: Sage Publications.
Hancock, G. (2013). Introduction to Structural Equation Modeling. Center for
Integrated Latent Variable Research, University of Maryland, College Park.
Hancock, G., & Mueller, R. (Eds.). (2006). Structural Equation Modeling: a second
course. Greenwich, Connecticut: Information Age Publishing.
Harris, L. R. (2011). Phenomenographic perspectives on the structure of conceptions:
The origins, purposes, strengths, and limitations of the what/how and
referential/structural frameworks. Educational Research Review, 6(2), 109–124.
doi:10.1016/j.edurev.2011.01.002
Hawks, B., & Spade, J. (1998). Women and Men Engineering Students: Anticipation of
Family and Work Roles. Journal of Engineering Education, 249–256.
Hernández, R., Fernández-Collado, C., & Baptista, P. (2008). Metodología de la
Investigación (p. 850). México D.F.: McGraw-Hill/Interamerica Editores.
Himmel, E. (2002). Modelos de Análisis de la Deserción Estudiantil en la Educación
Superior. Revista Calidad de la Educación, 91–108.
Hofer, B., & Pintrich, P. (1997). The Development of Epistemological Theories: Beliefs
about Knoledge and Knowing and Their Relation to Learning. Review of
Educational Research, 67(1), 88–140.
108
Hovdhaugen, E. (2009). Transfer and dropout: different forms of student departure in
Norway. Studies in Higher Education, 34(1), 1–17. Retrieved from
http://www.informaworld.com/openurl?genre=article&doi=10.1080/030750708
02457009&magic=crossref||D404A21C5BB053405B1A640AFFD44AE3
Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure
analysis: Conventional criteria versus new alternatives. Structural Equation
Modeling: A Multidisciplinary Journal, 6(1), 1–55.
Ingeniería, S. I. (2012). Informe 3: Síntesis Diagnóstica General de las Facultades de
Ingeniería Chilenas.
Institucional, I. (2009). Informe Institucional.
Ishitani, T. T. (2006). Studying Attrition and Degree Completion Behavior among FirstGeneration College Students in the United States. The Journal of Higher
Education, 77(5).
Johnson, B., & Christensen, L. (2010). Educational Research. Quantitative, Qualitative,
and Mixed Approaches (Fourth.). California: Sage Publications.
Kaplan, D. (Ed.). (2004). The SAGE Handbook of Quantitative Methodology for the
Social Sciences (p. 511). California.
Kember, D., Biggs, J., & Leung, D. Y. P. (2004). Examining the multidimensionality of
approaches to learning through the development of a revised version of the
Learning Process Questionnaire. The British Journal of Educational Psychology,
74, 261–79. doi:10.1348/000709904773839879
Kim, Y. K., & Sax, L. J. (2009). Student–Faculty Interaction in Research Universities:
Differences by Student Gender, Race, Social Class, and First-Generation Status.
Research in Higher Education, 50(5), 437–459. doi:10.1007/s11162-009-9127-x
Laird, T. F. N., Seifert, T., Pascarella, E., Mayhew, M., & Blaich, C. (2011). Deeply
Effecting First-Year Students`Thinking:The Effects of Deep Approaches to
109
Learning on Three Outcomes. In Annual Meeting of the Association for the
Study of Higher Education (pp. 1–40). Charlotte, NC.
Longden, B. (2004). Interpreting student early departure from higher education through
the lens of cultural capital. Tertiary Education and Management, 10(2), 121–
138. doi:10.1080/13583883.2004.9967122
López, L. (2010). Concepciones sobre las matemáticas y enfoques de aprendizaje en
estudiantes de ingeniería de primer año. In XXIV Congreso Chileno de
Educación en Ingeneniería SOCHEDI 2010.
López, L., González, C., & Montenegro, H. (2010). Concepciones sobre las
matemáticas y enfoques de aprendizaje en estudiantes de ingeniería de primer
año. In XXIV Congreso Chileno de Educación en Ingeneiería, SOCHEDI.
Manzi, J. (2006). El acceso segmentado a la educación superior. In P. Díaz-Romero
(Ed.), Caminos para la Inclusión en la Educación Superior (pp. 187–204).
Santiago: Fundación Equitas.
Marra, R., Rodgers, K., Shen, D., & Bogue, B. (2012). Leaving Engineering: A MultiYear Single Institution study. Journal of Engineering Education, 101(1), 6–27.
Martin, J., Yu, S., Waight, C., & Sha, T.-L. (2008). The Relations of Ethnicity to
Female Engineering Students ’ Educational Experiences and College and Career
Plans in an Ethnically Diverse. Journal of Engineering Education, (October).
Marton, F., & Booth, S. (1997). Learning and Awareness. New Jersey: Lawrence
Erlbaum Associates.
Marton, F., & Saljo, R. (1976). On qualitative differences in learning, outcome and
process. British Journal of Educational Psychology, 46, 4–11.
Meneses, F., Rolando, R., Valenzuela, M., & Vega, A. (2010). Ingreso a la Educación
Superior: La Experiencia de la Cohorte de Egreso 2005.
Microdatos, C. De. (2008). Estudio sobre causas de la deserción universitaria. Santiago.
110
Morales, P. (2008). El contraste de medias. In Estadística Aplicada a las Ciencias
Sociales. Madrid: Universidad Ponficia Comillas.
Mueller, R. O., & Hancock, G. R. (2006). Structural Equation Modeling. In Structural
Equation Modeling: A second course.
Nair, C. S., Patil, A., & Mertova, P. (2011). Enhancing the quality of engineering
education by utilising student feedback. European Journal of Engineering
Education, 36(1), 3–12. doi:10.1080/03043797.2010.518231
Noble, J., & Davies, P. (2009). Cultural capital as an explanation of variation in
participation in higher education. British Journal of Sociology of Education,
30(5), 591–605. doi:10.1080/01425690903101098
OECD. (2010). Institutional Management in Higher Education Governing Board (pp.1–
4).
OECD. (2011). AHELO, Assessment of Higher Education Learning Outcomes.
Oseguera, L., & Rhee, B. S. (2009). The Influence of Institutional Retention Climates
on Student Persistence to Degree Completion: A Multilevel Approach. Research
in Higher Education, 50(6), 546–569. doi:10.1007/s11162-009-9134-y
Pantages, T. J., & Creedon, C. F. (1978). Studies of College Attrition: 1950-1975.
Review of Educational Research, 48(1), 49–101.
Pascarella, E., & Terenzini, P. T. (2005). How College Affects Students (pp. 1–827).
San Francisco: Jossey-Bass.
Perry, W. (1999). Forms of Ethical and Intellectual Development in the College Years.
A Scheme. (First Edit.). San Francisco: Jossey-Bass.
Planificación, M. de. (2009). Encuesta de Caracterización Socioconómica Nacional.
Porter, S. R. (2012). Self-Reported Learning Gains: A Theory and Test of College
Student Survey Response. Research in Higher Education, 54(2), 201–226.
doi:10.1007/s11162-012-9277-0
111
Pozo, J. I. (1997). Teorías cognitivas del aprendizaje. Madrid: Ediciones Morata.
Pozo, J. I. (2003). Adquisición de Conocimiento. Madrid: Ediciones Morata.
Pozo, J. I. (2006). Aprendices y Maestros. La nueva cultura del aprendizaje (Alianza., p.
383). Madrid.
Prosser, M., & Trigwell, K. (1999). Understanding Learning and Teaching (2001st ed.).
Buckingham: SRHE and Open University Press.
Ramsden, P. (2007). Learning to Teach in Higher Education (Second.). London:
RoutledgeFalmer.
Reason, R. (2009). An Examination of Persistence Research Through the Lens of a
Comprehensive
Conceptual
Framework.
Journal
of
College
Student
Development, 50(6), 659–682. doi:10.1353/csd.0.0098
Recio, M., & Cabero, J. (2005). Enfoques de Aprendizaje, rendimiento académico y
satisfacción de los alumnos en formación en entornos virtuales. Pixel-Bit.
Revista de Medios y Educación, 93–115.
Robbins, D. (1993). The practical importance of Bourdieu’s analyses of higher
education.
Studies
in
Higher
Education,
18(2),
151–163.
doi:10.1080/03075079312331382339
Rolando, R., Lara, A., & Salamanca, J. (2012). Retención de Primer Año en Educación
Superior. Carreras de Pregrado (pp. 1–41). Santiago.
Rolando, R., & Salamanca, J. (2010). Retención de Primer Año en el Pregrado:
Descripción y Análisis de la cohorte de ingreso 2007. Santiago.
Schommer, M. (1994). Synthesizing epistemological belief research: Tentative
understandings and provocative confusions. Educational Psychology Review, 6
(4),
293–319.
Retrieved
from
http://
www.springerlink.com/index
/U06809350N4428M0.pdf
112
Schunk, D. H. (1991). Learning theories: An educational perspective. . NY, (1991). xi
402 pp (p. 402). New York,: England: Macmillan Publishing Co, Inc.
Severiens, S. E., & Schmidt, H. G. (2008). Academic and social integration and study
progress in problem based learning. Higher Education, 58(1), 59–69.
doi:10.1007/s10734-008-9181-x
Seymour, E., & Hewitt, N. (1997). Talking about leaving: Why undergraduates leave
the sciences. Colorado: Westview Press.
Sherwin, S. (2007). Holding the Doors Open: Faculty Perspectives of Their Roles in
The Retention of American Indian Students. University of Nebraska.
Soares, A. P., Guisande, A., Almeida, L., & Paramo, F. (2008). Academic achievement
in first-year Portuguese college students: The role of academic preparation and
learning strategies. International Journal of Psychology, 44(3), 204–212.
doi:10.1080/00207590701700545
Sonnert, G., & Fox, M. F. (2012). Women, Men, and Academic Performance in Science
and Engineering: The Gender Difference in Undergraduate Grade Point
Averages.
The
Journal
of
Higher
Education,
83(1),
73–101.
doi:10.1353/jhe.2012.0004
Spady, W. (1970). Dropouts from higher education: An interdisciplinary review and
synthesis. , 1, 64-85. Interchange, 1, 64–85.
Stevenson, J. M., Buchanan, D. a., & Sharpe, A. (2006). Commentary: the Pivotal Role
of the Faculty in Propelling Student Persistence and Progress Toward Degree
Completion. Journal of College Student Retention: Research, Theory and
Practice, 8(2), 141–148. doi:10.2190/1XPY-HUT3-1W8L-DCDU
Svensson, L. (1997). Theoretical Foundations of Phenomenography. Higher Education
Research & Development, 16(2), 159–171. doi:10.1080/0729436970160204
SYN Inciativa Ingeniería 2030. (2011). Informe No 1: Factores y Tendencias Claves de
la Ingeniería a Nivel Internacional.
113
Terenzini, P. T., Reason, R. D., & Domingo, R. J. (2007). Developing Social and
Personal Competence in the First Year of College. The Review of Higher
Education, 30(3), 271–299. doi:10.1353/rhe.2007.0012
Thomas, L., & Quinn, J. (2007). First Generation Entry into Higher Education (First
publ., p. 160). Maidenhead: Open University Press.
Thomson, M., & Green, S. (2006). Evaluating Between - Group Differences in Latent
Means. In G. Hancock & R. Mueller (Eds.), Structural Equation Modeling: A
second course (pp. 119–169). Conneticut: Information Age Publishing.
Tinto, V. (1975). Dropout from Higher Education: A theoretical synthesis of recent
research. Review of Educational Research, 45(1), pp89–125.
Tinto, V. (1997). Classrooms as Communities: Exploring the Educational Character of
Student Persistence.
The Journal
of Higher Education, 68(6),
599.
doi:10.2307/2959965
Tinto, V. (2001). Rethinking the first year of college. Higher Education Monograph
Series,
Syracuse,
1–8.
Retrieved
from
http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Rethinking+t
he+First+Year+of+College#1
Tinto, V. (2003). Learning Better Together: The Impact of Learning Communities on
Student Success ∗. Higher Education, 1–8.
Tinto, V. (2007a). Research and Practice of Student Retention: What Next? Journal of
College Student Retention, 8(1), 1–19.
Tinto, V. (2007b). Access without Support is not Opportunity. October, (315).
Trigwell, K., & Prosser, M. (1991). Improving the Quality of Student Learning: The
Influence of Learning Context and Student Approaches to Learning on Learning
Outcomes. Environment, 22(3), 251–266.
114
Trigwell, K., Prosser, M., & Taylor, P. (1994). Qualitative differences in approaches to
teaching first year university science. Higher Education, 27(1), 75–84.
UNESCO. (2009). Engineering : Issues and Challenges for Development.
Vogt, C. (2008). Faculty as a Critical Juncture in Student Retention and Performance in
Engineering Programs. Journal of Engineering Education, 97(1), 27. Retrieved
from
http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Faculty+as+a
+Critical+Juncture+in+Student+Retention+and+Performance+in+Engineering+
Programs#0
Walpole, M. (2003). Socioeconomic Status and College: How SES Affects College
Experiences and Outcomes. The Review of Higher Education, 27(1), 45–73.
doi:10.1353/rhe.2003.0044
Walther, J., Kellam, N., & Sochacka, N. (2011). Engineering Competence ? An
Interpretive Investigation of Engineering Students ’ Professional Formation.
Journal of Engineering Education, 100(4), 703–740.
Webster, B., Chan, W., Prosser, M., & Watkins, D. (2009). Undergraduates’ learning
experience and learning process: quantitative evidence from the East. Higher
Education, 58(3), 375–386. doi:10.1007/s10734-009-9200-6
Willcoxson, L. (2010). Factors affecting intention to leave in the first, second and third
year of university studies: a semester-by-semester investigation. Higher
Education
Research
&
Development,
29(6),
623–639.
doi:10.1080/07294360.2010.501071
Yorke, M. (2004). Retention, persistence and success in on-campus higher education,
and their enhancement in open and distance learning. Open Learning, 19(1), 19–
32. doi:10.1080/0268051042000177827
115
Yorke, M., & Thomas, L. (2003). Improving the Retention of Students from Lower
Socio-economic Groups. Journal of Higher Education Policy and Management,
25(1), 63–74. doi:10.1080/13600800305737
Zepke, N. (2005). Integration and adaptation: Approaches to the student retention and
achievement puzzle. Active Learning in Higher Education, 6(1), 46–59.
doi:10.1177/1469787405049946
Zepke, N., & Leach, L. (2007). Improving student outcomes in higher education: New
Zealand teachers’ views on teaching students from diverse backgrounds.
Teaching
in
Higher
Education,
12(5),
655–668.
doi:
10.1080/
13562510701596190
Zepke, N., Leach, L., & Prebble, T. (2006). Being learner centred: One way to improve
student retention. Studies in Higher Education, 31no, 587–600.
116
VIII. ANEXOS
En este apartado se presenta una copia de la carta de consentimiento informado
entregada a los participantes, los tres cuestionarios aplicados, los resultados de los
estadísticos descriptivos de la aplicación de los cuestionarios y las diferentes sintaxis
del procesamiento en el programa LISREL.
117
8.1 Consentimiento Informado
118
119
8.2 Cuestionarios
120
121
122
8.3 Análisis Descriptivos
En este punto se presentan de manera detallada los resultados de los análisis
descriptivos de las variables en estudio. En primer lugar, se muestran los resultados para
el Cuestionario sobre las matemáticas, luego el Cuestionario sobre las Formas de
abordar el aprendizaje y finalmente el Cuestionario sobre la Experiencia del curso.
Tabla VIII.1.Estadísticos descriptivos para Concepciones Cohesionadas
Porcentaje de respuestas (%)
Ítem
Promedio
Desviación
Estándar
En
desacuerdo
Neutral
De
acuerdo
Al usar las matemáticas podemos 4.39
generar nuevo conocimiento
.733
2.5
4.4
93.1
Las matemáticas son un conjunto 4.22
de sistemas lógicos que se han
desarrollado para explicar el
mundo y las relaciones en él
.769
2.9
10.6
86.5
Pienso que las matemáticas 3.86
proporcionan una mirada a las
complejidades de nuestra realidad
.937
6.3
27.1
66.7
Las matemáticas son un marco 3.78
teórico el cual describe la realidad
con el fin de ayudarnos a entender
el mundo
.798
5.8
27.5
66.7
Las matemáticas son como un 3.86
lenguaje universal que permite a la
gente comunicarse y comprender
el universo
.906
5.8
28.2
66.0
Las matemáticas usan estructuras 4.06
lógicas para resolver y explicar
problemas de la vida real
.748
3.4
13.5
83.1
Las matemáticas son un conjunto 3.62
de fórmulas y su aplicación a
situaciones de la vida cotidiana
.879
10.7
28.2
61.2
Las matemáticas son un sistema 3.83
lógico que ayuda a explicar las
cosas que nos rodean
.806
5.3
24.8
69.9
Promedio Total
0.822
5.34
20.54
74.15
3.95
123
Tabla.VIII.2 Estadísticos descriptivos para Concepciones Fragmentadas
Porcentaje de respuestas (%)
Ítem
Promedio
Desviación
Estándar
En
desacuerdo
Neutral
De acuerdo
Para mí, las matemáticas son el 2.99
estudio de los números
1.019
33.2
33.2
33.7
Las matemáticas son solo una gran 2.30
cantidad de reglas y ecuaciones
.970
61.2
28.2
10.7
Las matemáticas son simplemente 1.59
hacer más complicadas la suma y
la resta
.872
88.3
8.3
3.4
Las matemáticas se relacionan con 3.37
hacer cálculos
1.018
17.6
28.8
53.7
Las matemáticas buscan encontrar 3.87
respuestas a través de números y
fórmulas
.799
5.8
20.3
73.9
La
matemática
es
resolver 2.97
problemas usando números
.999
29.1
39.8
31.1
El contenido de las matemáticas 3.07
trata de números, figuras y
fórmulas
.900
22.8
45.1
32.0
Las matemáticas se relacionan con 3.12
manipular números y resolver
problemas numéricos
.917
24.6
36.7
38.6
Las matemáticas son una materia 3.24
en la que manipulas números para
resolver problemas
.928
17.9
40.6
41.5
Las matemáticas son el estudio del 3.30
sistema numérico y la resolución
de problemas numéricos
.892
16.5
38.3
45.1
Promedio Total
.931
31.7
31.93
36.37
2.98
124
Tabla VIII.3.Estadísticos Descriptivos para Aprendizaje Profundo
Escala Aprendizaje Profundo
Media
Estándar
En
Ni
en En
desacuerdo desacuerdo
acuerdo
(%)
ni de acuerdo
(%)
(%)
Asisto a la mayoría de las clases con 3.01
preguntas en mente de las cuales busco
respuesta.
1.227
33.0
31.5
35.5
Dedico gran parte de mi tiempo libre a 2.43
recopilar más información sobre temas
interesantes ya tratados.
1.116
56.2
24.6
19.2
En ocasiones el estudio me proporciona 3.41
un sentimiento de profunda satisfacción
personal.
1.194
21.6
25.5
52.9
La mayoría de los temas nuevos me 2.60
parecen interesantes y frecuentemente
paso tiempo extra tratando de obtener
más información acerca de ellos.
1.138
50.0
29.7
20.3
Me autoevalúo en temas importantes 3.13
hasta que los entiendo por completo.
1.116
26.1
35.0
38.9
Me parece que estudiar temas 2.78
académicos puede ser en ocasiones tan
emocionante como una buena novela o
película.
1.185
38.2
31.9
29.9
Para mí sí tiene sentido revisar la 3.11
mayoría de las lecturas recomendadas
para cada clase.
1.113
27.6
36.0
36.5
Siento que realmente cualquier tema 3.54
puede ser interesante una vez que me
pongo a trabajar en él.
1.049
16.3
29.1
54.7
Tengo que trabajar bastante en un tema 3.73
para poder formarme mis propias
conclusiones; sólo así me siento
satisfecho.
.954
9.8
23.0
67.2
Trabajo duro en mis estudios cuando 3.86
creo que el material es interesante.
.973
9.4
19.3
71.3
Promedio Total
1.107
28.82
28.56
42.64
3.16
Desviación
125
Tabla .VIII.4. Estadísticos descriptivos para Aprendizaje Superficial
Escala
Superficial
Aprendizaje Media
Desviación
Estándar
En desacuerdo Ni en desacuerdo En
(%)
ni de acuerdo (%) acuerdo(%)
A menudo ha sido difícil 2.94
descubrir que se espera de
mí en este curso.
.844
29.3
46.3
24.4
Aprendo algunas cosas 2.84
mecánicamente
repasándolas una y otra
vez hasta que las sé de
memoria, aunque no las
comprenda.
1.211
39.2
27.9
32.8
Creo que no es útil 2.47
estudiar los temas en
profundidad. Eso sólo
confunde y hace perder el
tiempo, cuando lo único
que se necesita es
familiarizarse con los
temas para aprobarlos.
1.111
52.0
31.7
16.3
Cuando no encuentro un 2.94
curso interesante, me
esfuerzo lo mínimo.
1.166
35.6
34.2
30.2
Generalmente me limito a 2.92
estudiar sólo lo que se
establece, porque creo
que es innecesario hacer
cosas extra.
1.073
33.8
36.3
29.9
Me parece que la mejor 2.37
forma de aprobar un
examen es tratar de
memorizar respuestas a
preguntas
que
probablemente entren en
él.
1.250
58.3
23.5
18.1
Me parece que los 3.06
profesores
no
deben
esperar que los alumnos
pasen mucho tiempo
estudiando materiales que
se sabe que no van a
entrar en el examen.
1.178
28.6
39.9
31.5
126
Mi objetivo es aprobar el 2.91
curso haciendo el menor
trabajo posible.
1.285
37.8
30.3
31.8
No tiene sentido estudiar 3.21
el
material
que
probablemente no va a
entrar en el examen.
1.206
27.0
31.9
41.2
Puedo aprobar la mayoría 2.33
de
los
exámenes
memorizando partes clave
de los temas, y no
intentando comprenderlos
creo que es innecesario
hacer cosas extra.
1.119
58.6
26.6
14.8
Promedio Total
1.144
40.02
32.86
27.1
2.8
127
Tabla VIII.5. Resumen estadígrafos descriptivos de todos los cuestionarios
Porcentaje de respuestas (%)
Escalas
Promedio
Desviación
Estándar
En
desacuerdo
Neutral
De
acuerdo
Concepción fragmentada
2.98
0.931
31.7
31.93
36.37
Concepción cohesionada
3.95
0.822
5.34
20.54
74.15
Aprendizaje profundo
3.16
1.11
28.82
28.56
42.64
Aprendizaje superficial
2.8
1.14
40.02
32.86
27.1
Buena Docencia
3.26
1.06
22.27
32.4
45.3
Carga de trabajo adecuada
2.01
0.98
41.95
33.25
24.83
Evaluación apropiada
2.46
1.13
19.33
25.73
54.97
Metas y objetivos claros
3.36
1.01
18
36.47
45.57
Concepciones
matemáticas
sobre
las
Formas de abordar el aprendizaje
Experiencia del curso
128
8.4 Síntaxis Lisrel
En este apartado se adjuntan cada una de las programaciones en LISREL 9.1
para los modelos desarrollados en el trabajo.
8.4.1 Concepciones sobre las matemáticas
129
8.4.2 Formas de Abordar el Aprendizaje
130
8.4.3 Experiencia del Curso
131
8.4.4 Análisis Confirmatorio con covariante Retención
132
133