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