Modelo explicativo del rendimiento académico en matemática en estudiantes de educación secundaria
Resumen
El objetivo general fue establecer un modelo explicativo del rendimiento académico en matemática en estudiantes mujeres de Educación Secundaria; los objetivos específicos determinaron las relaciones y la explicación de la contribución del componente cognitivo y afectivo de las actitudes, las competencias funcionales y comportamentales del desempeño laboral, y las actividades en el aula, frente al rendimiento académico. La investigación es explicativa con diseño no experimental transeccional del tipo correlacional-causal; el muestreo fue no probabilístico intencional; el grupo muestral estuvo constituido por 792 estudiantes divididos en 24 secciones de cinco grados. Los instrumentos utilizados fueron; una encuesta de opinión del alumnado sobre la actuación docente del profesorado, la escala de actitudes hacia la matemática en las enseñanzas medias y universitarias, la evaluación anual del desempeño laboral docente, el Test de Stallings, y las actas oficiales de evaluación. En la investigación se determinaron las correlaciones entre las variables de estudio, sus factores, dimensiones y componentes; además se hallaron once modelos predictores y un modelo de ecuaciones estructurales de las covariaciones que contribuyen a la explicación del rendimiento académico. Estos resultados señalan que los predictores de la opinión son: las obligaciones en clase, la valoración, el programa, la relación profesor-alumno y la evaluación, que en conjunto explican el 90%; la ansiedad el 50 %, la confianza el 44 %, la motivación el 37 % y el agrado explica el 70 % de la variabilidad de las actitudes.
Citas
Auzmendi, E. (1993). Las actitudes hacia la matemática-estadística en las enseñanzas medias y universitarias. Características y medición. Bilbao: ICE de la Universidad de Deusto. Ediciones Mensajero.
Barret, P. (1998). Evaluation of cognitive-behavioral groups treatments for Childhood Anxiety Disorders. Journal of Clinical Child Psychology, 27.
Batista, J. y Coenders, G. (2000). Modelos de Ecuaciones Estructurales. Cuadernos de Estadística 6. Madrid: La Muralla.
Bentler, M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 1990.
Browne, M., Cudeck, R. (1993). Alternative Ways of Assessing Model Fit. Testing Structural Equation Models. Newbury Park, CA: Sage.
Centra, J. y Potter, D.A. (1980). School and teacher effects: an interrelational model. Review of Educational Research, 2, 273-291.
Consejo Nacional de Educación. (2007). CNE: Proyecto Educativo Nacional al 2021. Lima: Autor.
Diseño Curricular Nacional (2009). Lima: Ministerio de Educación.
Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An Introduction to Theory and Research. Reading, MA: Addison-Wesley.
Frank, M. y Richard, K. (1988). Anxiety about Research: An Initial Examination of Multidimentional Concept. Psychology of the Scientis, LVIII.
Glasman & Biniamov (1981). An Empirical Test of an Inventory Model of Student Study Time. The Journal Economic Education, (vol. 19). Autumm, 1998.
Hernández, S., Fernández, C., & Baptista, Z. (2010). Metodología de la Investigación. (5ª ed.). México: Mc Graw Hill.
Ministerio de Educación Nacional (2008). Guía metodológica: Evaluación Anual de Desempeño laboral. Bogotá: Revolución educativa Colombia Aprende.
Mullis, I., Martin, M., Gonzalez, E., & Chrostowski, S. (2004). Findings from IEA’s Trends in International Mathematics and Science Study at the Fourth and Eighth Grades. Chestnut Hill, MA: TIMSS & PIRLS International Study Center. Boston College. (Disponible en http://timss.bc.edu/timss2003i/mathD.html).
Organismo de Estados Americanos. (2008). Eficacia Escolar y Factores Asociados en América Latina y el Caribe. OREAL/UNESCO: LLECE Laboratorio Latinoamericano de Evaluación de la Calidad de la Educación. Santiago de Chile. (Disponible en www.oei.es).
Program for International Student Assessment. (2003). PISA: Aprender para el mundo del mañana. New York: Autor. (Disponible en www.oecd.org/pisa/39732493.pdf).
Program for International Student Assessment. (2012). PISA: Pisa in focus. New York: Autor. (Disponible en www.oecd.org/pisa/pisainfocus).
Reyes, Y. (2003). Relación entre el rendimiento académico, la ansiedad ante los exámenes, los rasgos de personalidad, el autoconcepto y la asertividad en estudiantes del primer año de psicología de la UNMSM. (Tesis de maestría). UNMSM. Lima.
Rodríguez, R. (2010). Habilidades docentes para la enseñanza de las matemáticas a nivel primaria bajo el enfoque por competencias. Memoria del 3er. Congreso Virtual Internacional de Psicólogos navegantes, vol. 6. 337 - 345.
Tanaka, J. y Huba, G. (1985). A fit index for covariance structure models under arbitrary GLS estimation. British Journal of Mathematical and Statistical Psychology. Recuperado de www. http://onlinelibrary.wiley.com/journal/
The World Bank (1999). Peru education at the crossroads. Challenges and opportunities for the 21st. Century, Report Nº 19066-PE. Washington: The World Bank.
Trends in International Mathematics and Science Study & Progress in International Reading Literacy Study. (2011). TIMSS & PIRLS: International Study Center. Marcos de la evaluación: TIMMS Assessment Frameworks-Peru. Lynch School. Boston. Autor.
Unidad de Medición de la Calidad Educativa. (2011). UMC: Efecto de la escuela en el rendimiento en lógico-matemática en cuarto grado de primaria, 1. Boletín de la Unidad de Medición de la Calidad Educativa (UMC) y el Grupo de Análisis para el Desarrollo (GRADE). Nº 8. Lima: Ministerio de Educación.
Zabala, A. (2003). La práctica educativa. Cómo enseñar. 9ª. Barcelona: Editorial Graó.