Paper Orlando Ucsur
Paper Orlando Ucsur
Paper Orlando Ucsur
net/publication/332114185
CITATIONS READS
5 264
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Análisis psicométrico de la Escala de Percepción de Rendimiento Académico en estudiantes universitarios View project
All content following this page was uploaded by Orlando Tipismana Neyra on 10 April 2019.
Introducción
Objetivar lo percibido e interpretarlo exige analizar críticamente la realidad académica en
pleno siglo XXI (Banco Mundial, 2014). Una sociedad global, la irrupción de las nuevas
tecnologías, la introducción de nuevos paradigmas ha permitido comprender las
incertidumbres en la educación superior. Estos nuevos retos plantean en el estudiante
universitario y sistema educativo el estudio de los modelos mentales que rigen la dinámica
del aprendizaje en los contextos universitarios. Haber comprendido que el estudiante es
la razón de ser de su aprendizaje se plantea el propósito global de hallar los constructos
que mejor expliquen cómo funciona la mente humana en etapa formativa universitaria
general, como de las carreras involucradas en ellas.
En este panorama global, la introducción de constructos como resiliencia y afrontamiento
académico y su impacto en el rendimiento académico como proceso (percibido) y su
resultado (el promedio ponderado) implica necesariamente realizar diagnósticos rigurosos
respecto del tipo de perfil personal de los nuevos estudiantes con el objeto de evaluar per
se, cómo perciben sus potencialidades, desarrollan o aprenden estrategias y, como impacta
en la vida académica, personal social y laboral futura.
De las revisiones efectuadas en el campo educativo, rescatamos dos teorías claves en ese
proceso de diagnósticas y evaluar el rol de la resiliencia y el afrontamiento como predictor
del rendimiento académico. La teoría sociocognitiva que plantea como fundamento que las
personas aprenden observando la realidad a través de cómo los demás aprenden a
desarrollar sus potencialidades, crear nuevos recursos, facilitar herramientas para
comprender la naturaleza física y social en la que interactúa. Este patrón realidad-mente
y viceversa, crea condiciones para modelar los patrones atencionales, motivacionales, de
reproducción y de retención de esas realidades, en este caso, se hace referencia a realidades
académicas. En otras palabras, los estudiantes desarrollan un sistema de supuestos,
opiniones, imaginaciones de cómo es el sistema universitario y el rol que ellos
desempeñarían allí. La teoría social cognitiva entonces, se sustenta en el núcleo de
creencias y expectativas que es proporcionada por su contexto social, para aprender a
interactuar en la vida académica. El estilo de cómo la aprenden y desarrollan sus
estrategias, dependerá de tipo de ambiente enriquecido o no para estructurar un perfil
personal que los apoye en ese proceso de desempeño académico en la universidad
(Tadayon, 2012).
En cambio, la teoría de la autoeficacia se fundamenta en los juicios que se van creando a
partir de esa realidad académica que aprenden antes de ingresar a la universidad y de la
manera cómo incorporan las experiencias de la universidad a ese sistema de creencias y
expectativas creadas. Es decir, los estudiantes aprenden a tener control de sí mismo,
desarrollar un patrón social, estructurar una personalidad y desarrollar una estructura de
pensamiento que orientará toda su vida a la búsqueda de logros de metas. Dependiendo
de las habilidades y destrezas que desarrolle en su sistema cognitivo (pensamientos,
atención, memoria, reproducción), implantará un sistema de creencias y expectativas
basadas en juicios de valor, motivaciones, actitudes, valoraciones, control emocional,
patrones evitativos, espiritualidad entre otros. A estos patrones o desarrollos de metas y
logros, se estructurará un patrón mental eficaz o no.
La teoría social cognitiva del aprendizaje vendría a ser el punto de partida de aprendizajes
sociales modelados y moldeados por la cultura familiar, social, escolar y universitaria para
148
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
ser autoeficaz o no. En ese marco de reflexión es que los patrones cognitivos se convierten
en la estructura visible del pensamiento del estudiante y, los patrones no cognitivos
(creencias y expectativas) en la estructura no visible y necesaria de diagnosticar y evaluar
para poder perfilar el tipo de estudiante que la universidad tendrá en el futuro próximo.
La universidad, al fomentar la búsqueda de perfiles de estudiantes con potencialidades y
estrategias para interactuar en un contexto académico de alta complejidad, requiere
identificarlas y diseñar estrategias que al brindar sus servicios puedan garantizar la
formación del estudiante, conociendo previamente ese patrón de creencias y expectativas
para transformarlas o, moldearlas con el objeto de obtener recursos humanos altamente
competentes. Y que, los servicios que brinden sean sostenibles en el tiempo, no solo
durante la vida académica, sino que, trascienda a la vida laboral (Comisión Europea, 2015;
OCDE, 2013; Sucre y Garre, 2016).
En consecuencia, estos rasgos que definen las creencias y expectativas pueden ser
explicadas por los constructos de resiliencia y afrontamiento académicos. Ello demanda
predecir de manera objetiva y confiable si los rasgos identificados en el perfil del
estudiante pueden asegurar que su aprendizaje estará orientado a adecuarse, adaptarse y
lograr las metas esperadas por él como por la universidad.
Los modelos predictivos entonces, trazan una nueva línea de investigación en la
universidad. Estos puedan diseñar y desarrollar programas académicos que identifiquen y
valoren los atributos que tiene un estudiante para que sus creencias y expectativas de
logro sean satisfechas (Cabanach et al., 2010; Limonero et al., 2012; Piemontesi y Heredia,
2009).
1. Revisión de la literatura
Desde este marco explicativo de la manera como los estudiantes aprenden de su entorno,
desarrollan creencias y expectativas de logro, es importante analizar los tres constructos
para identificar esos factores inherentes y que impactan en la vida académica universitaria.
1.1. Resiliencia académica
Se entiende por resiliencia académica al desarrollo de recursos potenciales que emplea el
estudiante universitario para resolver problemas y tomar decisiones en situaciones típicas
de la vida universitaria (Yan Lee, Cheung y Man Kwong, 2012). También este aprendizaje
implica procesos y resultados. Que se expresen de manera eficiente tanto en sus aspectos
cognitivos como no cognitivos.
La resiliencia, por consiguiente, perfila el alcance de metas y logros, plantea exigencias
para la construcción de nuevos recursos, permite al estudiante utilizarlos con regularidad
en diversas situaciones y contextos donde interactúe. Esta interacción será eficaz, en la
medida que sus expectativas de logro sean consistentes, congruentes y pertinentes. En
otras palabras, aprender a percibir la tenencia de recursos impulsará su aprendizaje y
facilitará del manejo de las incertidumbres y la búsqueda de certezas para tener el control
de la situación. El propósito es, poder autorregularse de manera continua a través del
tiempo, así como sostenible cognitiva y emocionalmente (Becoña, 2006; Datu y Yuen,
2018).
Una manera de corroborar este presupuesto de creencias y expectativas de logro para
percibir si se es o no eficaz, tiene que ver con el uso de las nuevas herramientas
149
O. Tipismana
150
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
151
O. Tipismana
152
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
153
O. Tipismana
2. Método
El objetivo central de esta investigación es establecer si los factores de resiliencia y
afrontamiento predicen el rendimiento académico en estudiantes universitarios
Objetivos específicos
• Identificar si los factores psicosociales (funcionamiento familiar, factores de
protección, riesgo y, afrontamiento pasivo y activo), predicen el rendimiento
académico
• Identificar el factor sexo y especialidad académica, predicen la percepción de
rendimiento académico
Hipótesis de trabajo
• Los factores de resiliencia y afrontamiento predicen positiva y
significativamente el rendimiento académico en estudiantes universitarios
• Los factores psicosociales como el factor familiar, el factor de protección y
afrontamiento activo, predicen el rendimiento académico en estudiantes
universitarios.
• El sexo y la especialidad académica impactan positiva y significativamente en el
rendimiento académico en estudiantes universitarios
154
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Enfoque metodológico
Esta investigación cuantitativa, de corte transversal, comparativo y explicativo en su
análisis, buscó establecer si los constructos de resiliencia y afrontamiento predicen el
rendimiento académico en estudiantes de ciencias de la salud comparado con estudiantes
de ciencias empresariales de dos universidades privadas de Lima, Perú, en el periodo
lectivo 2017-I. Es pertinente precisar, que, al ser un estudio transversal, las predicciones
de los constructos se orientaron a desarrollar modelos teóricos de tipo estadístico, basado
en la teoría sociocognitiva. Para establecer este patrón predictivo, se buscó identificar la
influencia directa, indirecta y correlacional de los factores de resiliencia, afrontamiento y
el rendimiento académico (Bernal, 2012; Escobedo et al., 2016).
Variables
Las variables explicativas, son los factores de resiliencia y afrontamiento para establecer
si predice el rendimiento académico consideradas como variable criterio (percepción de
rendimiento) y el promedio ponderado. En variables de control, se buscó identificar
factores psicosociales como: funcionamiento familiar; factores protectores y de riesgo;
factores de afrontamiento activo y pasivo. En variables sociodemográficas: sexo y
especialidad académica.
Muestra y muestreo
Estudiantes de Ciencias de Salud (Medicina, Enfermería y Tecnología) [n = 465] y
Ciencias Empresariales (Ingeniería de Sistemas Empresariales, Ingeniería Económica,
Administración de Negocios Internacionales) [n = 131] de dos universidades privadas de
Lima Metropolitana. Las muestras, se obtuvieron mediante muestreo probabilístico
estratificado; nivel de confianza para CC.SS de 5% y de 7% para CC.EE. Para los criterios de
selección, se tuvo en cuenta solo a estudiantes matriculados regulares (mayor de 18
créditos) en el semestre académico 2017-I, que conserven la misma condición durante el
semestre académico 2017-II, de los ciclos lectivos II al X, para poder obtener el promedio
ponderado semestral. Las edades, se distribuyeron en dos grupos de 16 a 21 años y de 22-
27 años, sexo masculino y femenino.
Instrumentos de obtención de información
Escala de Resiliencia Académica: (RESI-M), con 43 ítems, distribuidos en cinco
dimensiones. Dimensión 1: Fortaleza y Confianza en Sí mismo18 ítems; Dimensión 2:
Competencia Social, 8 ítems; Dimensión 3: Apoyo Familiar, 5 ítems; Apoyo Social: 4 ítems;
Dimensión 5: Estructura Personal, 5 ítems. El autor toma como referencia el CD-RISC de
Connor y Davidson (1999); RSA de Friborg y otros (2001), citado por Palomar y Gómez-
Valdez (2010). Cuenta con cinco opciones de respuesta en escala Likert de 1 a 4. Se
modificó a una escala de 1 a 5. 1 (nunca) hasta 5 (casi siempre). Un índice de validez de
contenido aceptables 0,79. La varianza extraída total es de 58,71%.
Cuestionario de Afrontamiento al Estrés (CAE). Sandín y Chorot (2003, construyen el
instrumento con 42 ítems; una escala Likert de 1 a 5, distribuidas en 7 factores con seis
ítems cada uno. Factor 1: Focalizado en la solución del problema (FSP) 6; Factor 2:
Autofocalización negativa (AFN); Factor 3: Reevaluación Positiva (REP); Factor 4:
Exposición emocional abierta (EEA); Factor 5: Estilo de evitación (EVIT); Factor 6:
Búsqueda de Apoyo Social (BAS); Factor 7 Espiritualidad (ESP). Los coeficientes Alfa de
155
O. Tipismana
0,77 a 0,84 en los 7 factores; el índice de validez de contenido aceptables 0,80. La varianza
total extraída fue 58,3%
Escala de Funcionamiento Familiar de Smilkstein, es una escala con una sola dimensión
abreviada de 5 ítems, con valoraciones en una escala Lickert de 1 a 5 (adaptada de Castilla
et al., 2014). El coeficiente alfa de Cronbach presenta valores alfa 0,80. El índice de validez
de contenidos aceptables, 56,4%; y la varianza total extraída de 56,4%.
Escala de Rendimiento Académico. Se integró dos instrumentos distribuidas en 3 factores
con 28 ítems en total, utilizando una escala Likert de 1 a 4 puntos. La Dimensión 1:
Expectativa de Logro (8 ítems); Dimensión 2: Aprendizaje Percibido (10 ítems);
Dimensión 3: Satisfacción global 8 ítems. La Confiabilidad global 0,86 y para los
coeficientes alfa oscila entre 0,81 a 0,86 para cada dimensión. El índice de contenido
aceptables 59,1%; una varianza total extraída de 59,1%.
La adaptación de todos los instrumentos se realizó, con una prueba piloto de 190
estudiantes en Ciencias de la Salud y Ciencias Empresariales de dos universidades
privadas de Lima, Perú. Se siguió un procedimiento de aplicación mixto (heteroaplicada y
auto aplicada). Los estudiantes, accedieron voluntariamente responder al cuadernillo
utilizado, previa a la presentación de la carta de consentimiento informado.
En importante precisar, que las escalas de Likert pueden variar en su carácter escalar. Si
bien, la mayoría de los autores utilizan escalas ordinales de 1 a 5 o más; otros autores,
consideran valores de 0 a 4/1 a 4, lo que no compromete la equidistancia en el valor ordinal
de los datos (Palomar y Gómez Valdez, 2010; Rodríguez, Oñate y Mesurado, 2017; Sandín
y Chorot, 2003). De igual manera, los autores originales de los instrumentos adaptados
utilizaron varianza acumulada extraída con valores obtenidos parecidos a este estudio. No
obstante, es conveniente especificar que las diferencias entre los estudios para adaptación
de instrumentos; pueden diferir de estudios que requieren validez psicométrica. Claro está,
que debe cumplirse con el parámetro pertinente para estudios en psicología, educación y
ciencias sociales. Estas varianzas, debe ser mayor al 65%. En este trabajo de investigación,
se buscó adaptar ambos instrumentos y en base a esos valores obtenidos, desarrollar a
futuro estudios de validez psicométrica de los tres instrumentos relacionados con:
Rendimiento Académico, Resi-M y CAE.
Trabajo de campo
Se siguieron los siguientes pasos:
Paso 1. A través del director de la Escuela de Ingeniería de Sistemas empresariales de la
Facultad de CC.EE, se solicitó aula por aula y mediante consentimiento informado que los
estudiantes, responden al cuadernillo de cuestionarios seleccionados. El proceso duró 3
días para la prueba piloto y 15 días para recolectar la información con la ayuda de dos
estudiantes de la Asignatura de Seminario de Tesis y Gestión por Competencias. De las 5
escuelas, se seleccionaron 3 para conciliar los criterios de ajuste de selección de
estudiantes. Se eligieron a estudiantes del II a X. Estos fueron: Ingeniería de Sistemas
Empresariales, Ingeniería Económica y Administración de Negocios Internacionales.
Paso 2. En la Facultad de CC.SS de otra universidad privada, se contó con el apoyo de la
directora de la Escuela de Ciencias Médicas y Fisioterapia, quien ayudó de intermediaria
para acceder a todos los estudiantes de: Medicina, Enfermería y Tecnología Médica.
156
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Paso 3. Se revisaron los instrumentos para verificar la idoneidad del llenado de los ítems
y datos generales. De 147 estudiantes de una población de 630 estudiantes con un nivel
de confianza de p. 5%, fue reajustada a 7% por la eliminación de 16 estudiantes; los datos
eran incompletos en tres escuelas de CC.EE. En CC.SS, se obtuvo una muestra de 465
estudiantes mediante el muestreo probabilístico estratificado, de una población de 1,807
estudiantes; el nivel de confianza para esta muestra es de p. 5%
Paso 4. Se eligieron 12 jueces entre docentes de medicina 5; psicología 4; y de ingeniería
3. A cada juez, se remitió el certificado de validación de jueces. Datos que se presentan en
la sección de resultados en la modalidad de CVI global y aceptables y, varianza extraída.
Paso 5. Posteriormente, se elaboraron la base de datos en una hoja Excel, para identificar
las puntuaciones y codificar las dimensiones de cada instrumento.
Paso 6. Se trabajó con el software libre R con la librería lavan. En este paquete estadístico
se utilizaron estimadores específicos, para análisis SEM. Los modelos de ecuaciones
estructurales se construyeron el semPlot del R comander.
Análisis de datos
Las pruebas de normalidad para cada instrumento. Los valores 0,010 < 0,05, indican que
ambas muestras son poblaciones no normales. La prueba de Kolmogorov-Smirnov (K-S)
fue el estadístico de elección.
Los datos descriptivos, fueron planteados bajo el supuesto de puntos de corte automático
mediante el método de datos categorizados en SPSS. Además de frecuencias y porcentajes,
se realizaron análisis descriptivo, medidas de tendencia central, desviación estándar y
prueba de significancia de U Mann-Whitney.
El tratamiento de los datos para los modelos SEM se realizó con el Método de Mínimos
cuadrados ponderados diagonales mixtos (PLS) y los estimadores DWLS y GLS.
Para la fiabilidad de los instrumentos, se utilizó el Coeficiente alfa de Cronbach. Para
validez de contenido por criterio de jueces, se usó la Validez de Contenido Global y
específico de Lawshe. Para obtener el AFE, fue conveniente utilizar la prueba KMO; la
prueba de ji cuadrado, la prueba de esfericidad de Bartlett y la varianza acumulada según
el método de Moriyama. Procedimientos combinados, para garantizar la adaptación
confiable y robusta de los cuestionarios y poder aplicarse en los estudiantes de carreras
elegidas.
El AFC, se utilizaron los indicadores de bondad de ajuste: Absoluto, incremental y de
parsimonia. Además, las matrices de variables latentes, covarianzas y varianzas; análisis
de regresión lineal para obtener los ß y la t y nivel de significación (p-valor). Sin embargo,
era importante, realizar una post prueba confirmatoria para disminuir sesgos estadísticos.
Por tal razón, se utilizaron la prueba de fiabilidad compuesta y la varianza extraída
promedio para obtener la validez convergente.
El Contraste de hipótesis de los objetivos generales y específicos, se eligió la matriz de
regresiones lineales y el contraste de hipótesis para evaluar los ß estandarizados y, el valor
de t, y significancia estadística (p-valor 0.000 ≤ 0,05). La prueba de Bootstrapping para el
análisis de mediación directa, indirecta, de efecto y proporcional (Antal y Tillé, 2011). La
invarianza métrica, fue usada para establecer la percepción respecto de sexo y especialidad
académica. Por último, se presentan los diagramas de senderos (SemPlot) modificados
para objetivos generales y específicos y tablas de bondad de ajuste y contraste de hipótesis.
157
O. Tipismana
3. Resultados
Según los objetivos e hipótesis planteadas, se presentan los resultados del análisis de
confiabilidad y validez de los instrumentos para adaptarlos al contexto de estudio (AFE,
AFC, Bondad de Ajuste, Análisis de variables latentes, covarianzas, y un análisis post
confirmatorio para estabilizar la adaptación de los instrumentos usados en este caso). Se
describen los datos, con puntajes por punto de corte automático categorizados. El
desarrollo del modelo teórico es descrito, y se presentan los datos de análisis de:
predicciones de los factores resiliencia y afrontamiento en la percepción de rendimiento
académico y promedio ponderado; la prueba de sensibilidad del efecto directo, indirecto y
mediacional (Bootstrapping). Se analizan el papel de los factores psicosociales
(funcionamiento familiar, factores protectores de protección, riesgo; factores de
afrontamiento activo y pasivo). Así como el rol de los factores sociodemográficos como
sexo y especialidad académica del estudiante para valorar la percepción respecto de los
constructos y su impacto en el rendimiento académico.
3.1. Análisis de confiabilidad y validez de los instrumentos
Análisis factorial exploratorio
La medida de adecuación al muestreo (KMO) presenta valores de 0,80 hasta 0,94 [IC 95%
0,80-0,99] (cuadro 1) y, la prueba de esfericidad de Barlett, confirma la adaptación de los
instrumentos utilizados. Este valor significativo, corrobora la aplicabilidad de los
cuestionarios a ambas muestras y que, provienen de la población de estudiantes en CC.SS
y CC.EE (0,000 ≤ 0,05). Al cumplir el propósito de adaptación de los instrumentos, se hizo
posible realizar, la prueba AFE.
Cuadro 1. Prueba de KMO y Bartlett
PRUEBA DE BARTLETT
KMO
X2 gl Sig.
Resiliencia 0,94 6526,163 903 0,000 ≤ 0,05
Afrontamiento 0,85 2722,553 861 0,000 ≤ 0,05
Funcionamiento familiar 0,80 632,020 10 0,000 ≤ 0,05
Rendimiento académico 0,92 2469,347 378 0,000 ≤ 0,05
Nota: KMO Prueba de Kaplan Meyer y Olkin; X Chi cuadrado; gl Grados de Libertad; Sig. Nivel
2
de significación.
Fuente: Elaboración propia.
El análisis factorial exploratorio (AFE) (cuadro 2). Los coeficientes alfas en la prueba piloto
(n = 190 estudiantes de CC.SS (60,5%) y CC.EE (44,7%); por dimensiones oscilan de 0,72 a
0,91 [IC% 0,70-0,95]; los coeficientes alfas globales de 0,77 a 0,87 [IC 95% 0,75-0,90]; y,
con el factor rotado Varimax promediados de 0,75 a 0,87 [IC 95% 0,70-0,90], demuestran
la pertinencia de los instrumentos. Es decir, se toman en cuenta el número de ítems;
garantizan la pertinencia de un intervalo mínimo apropiado, apoyado por la prueba KMO;
se asegura una muestra estratificada conveniente; cumplen con la prueba de esfericidad y,
un p-valor altamente significativo (Frías-Navarro y Soler, 2012). El juicio de expertos
demuestra por otro lado, que los coeficientes de validez de contenido global y aceptables
de Lawshe (1975) modificado por Tristán (2007, citado en Tristán-López y Molgado-
Ramos, 2007) son aceptables. Valores de 0,71 a 0,80 [IC 95% 0,67-0,85], aseguran la
validez de contenido. Los valores del test de Moriyama en relación con la varianza
158
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
acumulada va de 56,4% a 62,6%; éstos son datos cercanos a los valores de los autores
originales de cada instrumento (Castilla, Caycho, Shimabukuro y Valdivia, 2014; Gargallo
López et al., 2009; Olivas y Barraza, 2016; Sandín y Chorot 2003). Quizás, esta diferencia
menor a 65% permitido para ciencias sociales, puede afectar la robustez estadística; sin
embargo, se encuentra en diferentes estudios (como los citados), que es común el uso de
estos valores. Es necesario precisar, que, en este caso, no se realiza un estudio de análisis
psicométrico; solo se están adaptando los instrumentos originales.
Cuadro 2. Coeficientes alfa; factores rotados promedio; CVI y varianza acumulada
F. CVI CVI * VAR.
F CA CAG
RVXP. GLOBAL ACEPTABLES ACUM
CESM 0,91
CS 0,74
Resiliencia AF 0,86 0,83 0,84 0,56 0,78 62,6%
AS 0,81
EP 0,86
FSP 0,84
AFN 0,79
REP 0,72
Afrontamiento EEA 0,77 0,77 0,85 0,61 0,80 58,3%
EVIT 0,71
BAS 0,78
ESP 0,81
FUFA 0,80 0,75 0,43 0,71 56,4%
EXL 0,86
RA AP 0,87 0,86 0,87 0,52 0,76 59,1%
SG 0,86
Nota: AFE: Análisis Factorial Exploratorio; F: Factores; CA: Coeficiente alfa; F. RVXG: Factor con
rotación Varimax promediado; CVI (global y aceptables) Índices de Validez de Contenido con el
método Lawshe; Var Acum.: Varianza acumulada.
Fuente: Elaboración propia a partir de los datos obtenidos de la prueba piloto.
159
O. Tipismana
Obtener datos robustos, para adaptar los instrumentos y disminuir posibles sesgos en la
obtención de información estadística, fue coherente en el presente estudio. El cuadro 4,
demuestra que las cargas factoriales de covarianzas/varianzas, los valores van de 0,590 a
0,89 [IC 95% 0,50-0,95] y son significativas (p. ≤ 0,000), para todas las dimensiones de
cada instrumento en CC.SS. En CC.EE, los valores, se distribuyen en un rango de 0,55 a
0,90 [IC 95% 0,45-0,97] y son significativos (p. ≤ 0,000).
Cuadro 4. AFC: Estimación de Cargas factoriales
VARIABLES
ESTIMACIÓN STD.ERR Z-VAL. P(>│Z│) STD.LV STD.ALL
LATENTES
CC.SS Estimación de cargas factoriales
Resi =~
F1CESM 1,00 10,39 0,87
F2CS 0,49 0,02 17,28 0,000 5,18 0,86
F3AF 0,41 0,02 17,65 0,000 4,26 0,89
F4AS 0,46 0,02 17,45 0,000 4,85 0,86
F5EP 0,34 0,03 17,25 0,000 3,54 0,88
Afro =~
F1FSP 1,000 3,781 0,89
F2AFNEG 0,83 0,04 19,70 0,000 3,16 0,65
F3REVPOS 0,96 0,05 21,06 0,000 3,62 0,86
F4EEA 0,77 0,04 18,96 0,000 2,93 0,59
F5EEV 0,97 0,04 21,26 0,000 3,69 0.87
160
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
En el cuadro 5 se presentan los datos del análisis post confirmatorio. El objeto, es, buscar
un equilibrio estadístico entre los indicadores de bondad de ajuste del AFC. Para tal efecto,
se identificó la fiabilidad compuesta (CF) y el AVE o validez convergente (también
denominada varianza extraída promedio). Los parámetros estadísticos evaluados plantean
que la confiabilidad compuesta debe ser > 0,07 y la varianza extraída promedio (AVE) >
0,05 (Aldás y Uriel, 2017).
161
O. Tipismana
162
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
La figura 1, presenta el modelo explicativo de tipo estadístico que busca evidenciar cómo
la resiliencia afecta al rendimiento académico (H1); el afrontamiento afecta directamente
el rendimiento académico (H2), la correlación entre la resiliencia y afrontamiento (H3), si
afecta la resiliencia afecta el promedio ponderado (H4); el afrontamiento influye
directamente en el promedio ponderado (H5) y la influencia directa de rendimiento
académico en el promedio ponderado (H6). Se proponen otros modelos específicos.
Identificar si los factores psicosociales y sociodemográficos predicen la percepción de
rendimiento académico (H7 a H16). Los factores relevantes como funcionamiento familiar,
factores de protección y riesgo; factores de afrontamiento activo y pasivo; factores como
edad, y especialidad académica también predicen el RA y promedio ponderado (Álvarez y
Vernazza, 2017).
Objetivo general: Modelo predictivo general
En el cuadro 7, el modelo ajustado absoluto en CC.SS es X2 397,483; ajuste de parsimonia
X2/gl 0,417/97 los valores son menor de 3 en el parámetro de centralidad. Los indicadores
de bondad de ajuste incremental se confirma la predicción de ambos constructos en la
percepción de rendimiento académico (CFI 0,095; TLI 0,95; RMSEA 0,08 [IC 95% 0,04-0,09]
y un SRMR 0,953 [IC 95% 0,800-0,100].
163
O. Tipismana
164
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
indicadores de ajuste, se observa que los valores son aceptables en CC.SS; sin embargo, en
CC.EE, el modelo es mediocre por el valor de SRMR 0,13, cuando lo esperado es hasta 0,10.
De acuerdo con estos datos, las diferencias en los indicadores parsimonioso, incrementales
y medidas absolutas, tienen valores aceptables y otros variables mediocres, el efecto del
tamaño de la muestra condiciona el tipo de resultado.
El cuadro 8, el análisis de regresión confirma el efecto indirecto de la resiliencia hacia el
afrontamiento como predictor de rendimiento académico. El valor ß 0,48 es adecuado y la
significación (0,000 ≤ 0,05) confirman que estos constructos predicen la percepción de
rendimiento académico. Es importante destacar que el factor confianza en sí mismo
covaría adecuadamente con la capacidad social. Y, los factores de afrontamiento como el
apoyo familiar, exposición emocional abierta, espiritualidad y apoyo social covarían
adecuadamente para una mejor percepción de sus expectativas de logro, aprendizaje
percibido y satisfacción global. En relación con el promedio ponderado no hay
significancia y sus ß son negativas En estudiantes de CC.EE un ß 0,44 en afrontamiento y
ß 0,49 en resiliencia; al ser significativas (0,000 ≤ 0,05) indican la predicción de ambas en
el rendimiento académico. No obstante, los factores de confianza en sí mismo, capacidad
social (resiliencia) y la autofocalización emocional abierta con autofocalización negativa
covarían con ß 0,48 y ß 0,67 (significativas p. 0,000 ≤ 0,05). Se demuestra la importancia
de los factores de ambos constructos en la percepción de rendimiento académico; sin
embargo, no se observa significatividad con relación al promedio ponderado.
Cuadro 8. Objetivo general: Análisis de regresión
ANÁLISIS DE
ESTIMACIÓN STD.ERR Z-VAL. P(>│Z│) STD.LV STD.ALL
REGRESIÓN
CC.SS
PROM~AFRO -0,01 0,01 -1,09 0,27 -0,04 -0,04
AFRO~RESI 0,18 0,01 14,30 0,000 0,48 0,48
PROM~RESI -0,00 0,00 -0,03 0,98 -0,00 -0,00
RA~RESI 0,22 0,02 10,16 0,000 0,49 0,49
AFRO 0,33 0,04 7,83 0,000 0,28 0,28
PROM~RA 0,05 0,02 2,48 0,001 0,17 0,17
CC.EE
PROM~AFRO 0,01 0,02 0,47 0,640 0,03 0,03
AFRO~RESI 0,22 0,03 6,69 0,000 0,44 0,44
PROM~RESI -0,01 0,02 -0,47 0,632 -0,07 -0,07
RA~RESI 0,34 0,06 5,79 0,000 0,61 0,61
AFRO 0,11 0,08 1,40 0,162 0,10 0,10
PROM~RA 0,05 0,04 1,16 0,245 0,15 0,15
Nota: β (STD.ALL), Beta; t (Z-VAL:); Sig. (P(>│z│)
Fuente: Elaboración propia.
La figura 1, se muestra el modelo representativo del análisis de sendero, con el objetivo
de graficar cómo los vectores que indican la dirección directa, indirecta y relacional,
demuestran la propuesta de estudio relacionada con la predicción del rendimiento
académico. Tanto en CC.SS de la salud como en CC.EE, la observancia de los constructos,
las estimaciones de la estructura del modelo teórico planteado advierten que existe
suficientes evidencias que precisan el patrón predictivo. Es conveniente precisar que si los
valores ß no están por encima de 0,60 la probabilidad de mejora en el uso de los
instrumentos adaptados mediante una validación psicométrica para este escenario
incrementaría la significancia de los datos (Rodríguez et al., 2011).
165
O. Tipismana
166
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
167
O. Tipismana
Objetivos específicos
En el Cuadro 11, se presentan los indicadores de bondad tanto para Factores de Riesgo y
Protección (FP/FR); Factores de Afrontamiento Activo y Pasivo (AFAC/AFPAS) y
Funcionamiento Familiar (FUFA); (nótese que se utilizaron el estimador DWLS y GLS,
según sea el caso). Se observa además que, en ambos casos, los valores varían, pero no
alteran la naturaleza de los datos. En tanto que, expliquen si los modelos son óptimos,
satisfactorios (aceptables) o, mediocres (poco satisfactorio).
Por esa razón, las bondades de ajuste absoluto de factores de protección y riesgo;
indicadores incrementales están dentro de los parámetros aceptados en factor de
protección, considerándose un modelo satisfactorio en la muestra de CC.SS. Indicadores
relacionados con el factor de riesgo son satisfactorios; por ese motivo, aun cuando los
indicadores incrementales mejoran el modelo reespecificado, es importante resaltar, que
estas diferencias, aun así, pueden afectar el efecto en la percepción de rendimiento
académico como en el promedio ponderado. En CC.EE, los indicadores usando el estimador
GLS explica adecuadamente el modelo.
168
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Medida de ajuste
184,094þ Aceptable
absoluto
P. de no centralidad 0,198 (0,000) 59 Aceptable
CFI >0,95 0,96 Aceptable
TLI >0,90 0,95 Aceptable
RMSEA < 0,05 0,09 [IC 95% 0,08-0,10] Aceptable
SRMR >0,90 0,07 Óptimo
CC.EE
Medida de ajuste
136,058þ Aceptable
absoluto
P. de no centralidad 0,198 (0,000) 59 Aceptable
CFI >0,95 0,96 Aceptable
TLI >0,90 0,96 Aceptable
RMSEA < 0,05 0,06 [IC 95% 0,05 -0,08] Aceptable
SRMR >0,90 0,9 Satisfactorio
CC.SS
Indicadores de Bondad de ajuste del Funcionamiento Familiar
Medida de ajuste
265,544¥ Aceptable
absoluto
P. de no centralidad 0,480 (0,000) 94 Aceptable
CFI >0,95 0,94 Aceptable
TLI >0,90 0,94 Aceptable
RMSEA < 0,05 0,07 [IC 95% 0,06-0,08] Aceptable
SRMR >0,90 0,7 Satisfactorio
CC.EE.
Medida de ajuste
163,218¥ Aceptable
absoluto
P. de no centralidad 0,623 (0,000) 94 Aceptable
CFI >0,95 0,90 Aceptable
TLI >0,90 0,90 Aceptable
RMSEA < 0,05 0,09 [IC 95% 0,80-0,10] Aceptable
SRMR >0,90 0,18 Poco satisf.
Nota: * Diferencias de puntuaciones por uso de estimador DWLS (¥) y GLS (þ). Según la variable
psicosocial FP/FR y FUFA; En AFAC/AFPAS el estimador GLS (þ) para ambas muestras (CC.SS y
CC.EE).
Fuente: Elaboración propia.
En la figura 2, los ß 0,47 del funcionamiento familiar tiene efecto indirecto a través de la
resiliencia con el rendimiento académico en CC.SS; el mismo resultado se observa en CC.EE
0,40. En ambos casos es significativo el efecto (p. 0,000 ≤ 0,05). El afrontamiento activo
en CC.SS el efecto directo es altamente significativo ß 0,72. En estudiantes de CC.EE, su
efecto es bajo, aunque significativo (0,000 ≤ 0,05). El efecto de los factores de protección
como de riesgo los ß -8,29 en CC.SS y en CC.EE, ß -1,23 no son significativos en ambos
casos. Estos datos adquieren relevancia, es decir, el significado de los factores protectores
como: la capacidad social y estructura personal (resiliencia) afectarán a un grupo
significativo de la muestra. El cuadro 6, la certeza de disfunción familiar es alta. Tanto en
estudiantes de CC.SS (74,4%) y CC.EE (74,9%). La misma proporción de estudiantes de
ambos grupos probablemente estarían afectados por los factores de riesgo, ya sea por la
falta de apoyo familiar y apoyo social.
169
O. Tipismana
El cuadro 12 corrobora que un ß 0,72 (0,000 ≤ 0,05) que los factores como reevaluación
positiva y focalización en la solución de problemas (afrontamiento activo) son los factores
claves para dinamizar la eficiencia de los factores protectores como estrategias para
afrontar las demandas internas y externas del sistema universitario en grupos de
170
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
4. Discusión y conclusiones
Las investigaciones de la resiliencia y afrontamiento tradicionalmente se han relacionado
con factores psicosociales, sociodemográfica, infraestructura, académicos y de procesos
académicos, didáctica universitaria y su evaluación con las calificaciones semestrales o
finales de un periodo lectivo anual. Sin embargo, establecer si estos factores tienen
relevancia en la percepción del rendimiento y su repercusión en el resultado de ese
proceso, es casi escaso en la comunidad universitaria peruana (Aquino Guillen, 2016;
Pizarro Cherre, 2017).
La necesidad de realizar estudios predictivos que observen influencias o efectos directos,
indirectos, mediacionales y relacionales entre estos constructos (resiliencia y
afrontamiento) con la percepción de rendimiento académico como parte del proceso de
enseñanza-aprendizaje y su enlace con la nota promedio (entendida como resultado),
demandó la necesidad de un objetivo central, establecer si los factores de ambos
constructos son predictores del rendimiento académico en el proceso (percepción de
171
O. Tipismana
172
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
173
O. Tipismana
Además, se infiere que los perfiles personales, podrían influir en sus patrones no cognitivos
y cognitivos.
Según los resultados obtenidos, la adecuación de las muestras a la población y la
adaptación (parcial) de los instrumentos para medir los constructos, nos permitió describir
un modelo teórico estadístico general y específico (figuras 1 y 2), en la que se proponen
hipótesis de trabajo centrales. La resiliencia predice de manera directa e indirecta el
rendimiento académico en ambas muestras de estudiantes universitarios; el afrontamiento
tiene una influencia directa sobre el rendimiento académico y cundo se correlaciona con la
resiliencia resulta ser significativa. Por otro lado, tanto la resiliencia como el
afrontamiento tiene influencia mínima o inexistente con el promedio ponderado. Tal como
se observa en el cuadro 7, los indicadores de bondad de ajuste absoluto, incremental y de
parsimonia (RMSEA 0,08 [IC 95% 0,07-0,09], el SRMR es 0,07 en CC.SS.
Los estudiantes de CC.EE, también es satisfactorio el RMSEA 0,09 [IC 95% 0,07-0,09], el
SRMR 0,09. Estos datos, son considerados por algunos autores como modelos
satisfactorios, al observarse valores de 0,10. En cambio, otros consideran óptimo un
RMSEA inferior a 0,05. (Collado Agudo, 2016; Cupani, 2012; Piemontesi, Heredia y Furlán,
2012). Estas diferencias en la forma de interpretación requieren de un análisis más
exhaustivo para consensuar criterios de valoración para futuros estudios.
Si evaluamos los resultados en el mismo cuadro 7, la relación entre ambas variables, los
valores hallados van de un RMSEA 0,08 [IC % 0,07-0,09] y SRMR 0,07 en CC.SS., y un
RMSEA 0,08 [IC 95% 0,07-0,09] SRMR 0,09 en CC.EE. Por consiguiente, se establece que,
para este estudio, la resiliencia si predice la percepción de rendimiento académico. Al
relacionar ambos constructos también, predece el rendimiento académico. Lo que si queda
claramente demostrados es que no existen valores significativos para el promedio
ponderado como se observará en la figura 1 del modelo predictivo.
Para consolidar la afirmación de estos datos encontrados, los indicadores de bondad de
ajuste en el cuadro 8, muestran que los valores del análisis de regresión confirman que, la
resiliencia a través del afrontamiento predice la percepción de rendimiento académico. El
efecto de la resiliencia es positivo y significativo en resiliencia y afrontamiento (vía
indirecta); 0,48 (0,000 ≤ 0,05); 0,49 (0,000 ≤ 0,05); vía directa; afrontamiento vía directa
con el RA es positivo 0,28 y significativo (0,000 ≤ 0,05). Un valor positivo y significativo
entre RA y PROM 0,17 (0,000 ≤ 0,05) confirma los datos de algunos autores, que existe en
algunos casos un mínimo efecto (Rodríguez Ayán y Ruíz Díaz, 2011).
Es obvio que en otros casos se han encontrado que la relación con los valores de resiliencia
y afrontamiento con el promedio ponderado, son valores negativos y no significativos.
Estos hallazgos corroboran que la resiliencia y afrontamiento predicen el rendimiento
académico como un proceso; más no, como un resultado -promedio ponderado- (Gaxiola
et al., 2012; López-Cortón, 2015; Torrecillas et al., 2016).
La figura 1, se observa que los valores citados son mejores en sus cargas, para RESI-RA ß
0,58 y significativo en CC. SS; ß 0,63 significativo. En CC.EE, al correlacionar RESI y AFRO
RA ß 0,54 y ß 0,34, es significativo, estos datos confirman la misma tendencia.
Es obvio que cuando se analiza la vía directa e indirecta de RESI-AFRO con rendimiento
académico, ß 0,65 y ß 0,60 en ambas muestras no hay efecto sobre el promedio ponderado.
Pero, los ß 0,17 y 0,12 son significativos entre rendimiento académico y promedio
ponderado (cuadro 9). Este hallazgo confirma de alguna manera la existencia de alguna
174
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
influencia de los constructos (RESI y AFRO) pero es muy débil. En el contraste de hipótesis
se confirma la tendencia de los datos con otros estudios en culturas distintas (Limonero
et al., 2012; Minulescu, 2015; So-Hee y Sang-Sook, 2016).
Finalmente, para probar nuestro modelo general de influencia directa, indirecta
(mediacional) y relacional, se realizó una prueba de Bootstrapping (o análisis de medición)
(cuadro 10). La confirmación de la predicción es valiosa. Los valores son positivos y
significativos, confirmándose la alta probabilidad que hay predicción de constructos de en
el rendimiento académico, pero como proceso (percepción). Y, es mínima o inexistente, en
el promedio ponderado. Además, esta prueba, nos indica que es posible generalizar los
datos alcanzados en ambas poblaciones de las dos universidades privadas estudiadas.
Ahora, cuando se intenta evaluar los factores predictores de la resiliencia y el
afrontamiento con la percepción de rendimiento académico y promedio ponderado, en el
cuadro 11, los hallazgos en este estudio revelan que los indicadores de los factores
protectores y factores de riesgo; los indicadores de bondad de ajuste con satisfactorios en
CC.SS, RMSEA 0,06 [IC 95% 0,05-0,07] y SRMR 0,08. El RMSEA 0,06 [IC 95% 0,05-0,07]
es apoyado por el SRMR 0,13 > a 0,05 en CC.EE, resulta un modelo poco satisfactorio a
diferencia de la muestra de estudiantes de CC.SS. Respecto de los factores de Afrontamiento
activo y Afrontamiento pasivo, las bondades de ajuste absoluto, incremental y parsimonia
son aceptables, así como el RMSEA 0,09 [IC 95% 0,08-0,10] y SRMR 0,09 son satisfactorios
para CC.SS y un RMSEA 0,08 [IC 95% 0,07-0,09] también se considera satisfactorios. En
Funcionamiento Familiar los indicadores de bondad de ajuste aceptables y RMSEA 0,08
[IC 95% 0,07-0,09], SRMR 0,09 para CC.SS; RMSEA 0,07 [IC 95% 0,06-0,08] y un SRMR
0,09 es satisfactorio. Pero los indicadores de bondad de ajuste al ser aceptables para CC.EE,
el RMSEA 0,09 [IC 95% 0,08-0,10]; pero el SRMR es de 0,18 > 0,10, datos que no garantizan
lo satisfactorio del modelo aun cuando los indicadores reflejan ciertos valores aceptables.
La figura 2, demuestra que los valores de Funcionamiento familiar por vía indirecta
(resiliencia) hacia el RA, un ß 0,47 y ß 0,40 positivos y significativos (tanto para CC.SS y
CC.EE) prueba que el factor familiar es cardinal para la vida académica universitaria.
Particularmente en la percepción de rendimiento académico, y si, relacionamos la
disfunción familiar de ambas muestras ratifica la baja sostenibilidad de los recursos a pesar
de haber indicadores satisfactorios y óptimos tanto en el objetivo general como los
específicos.
Estos datos pueden explican problemas futuros para un adecuado desempeño académico
de calidad. El cuadro 12, valores ß -7,77 y -1,23 (CC.SS y CC.EE respectivamente), los
factores protectores, no garantizan que los estudiantes estén empleando todas sus
potencialidades en diario quehacer universitario. Respecto de los factores de riesgo la
tendencia de un ß no positivo (-8,28 y -0,61), y no significativo (p. 0,36 > 0,05), no tienen
valor predictivo para la percepción de rendimiento académico y el Promedio Ponderado.
No obstante, en afrontamiento activo ß 0,72 en CC.SS y, en CC.EE, ß 0,70 al ser positivos y
significativos (p. 0,000 < 0,05), ajustarían la capacidad adaptativa para dinamizar los
factores de protección. No obstante, la presencia de disfunción familiar en ambos grupos
de estudiantes no permite la sostenibilidad de estas estrategias para manejar y
autorregular adecuadamente las actividades diarias de la vida académica universitaria.
Factores de, confianza en sí mismo y calidad personal como la estructura personal pueden
predecir una mejor percepción de rendimiento académico cuando el factor familiar emplea
una vía indirecta (o mediadora) a través de la resiliencia y mejorar la percepción de
175
O. Tipismana
rendimiento académico (Díaz y Arancibia, 2002). Por otro lado, factores de reevaluación
positiva, focalización en la solución de problemas, son factores significativos en la vida
académica más en estudiantes de ciencias de la salud que en estudiantes de ciencias
empresariales. Observaciones en distintos estudios la autoevaluación, reevaluación de sus
recursos, búsqueda de apoyo social, búsqueda del sentido del humor y satisfacción,
espiritualidad (Adebisi Fayombo, 2011; Álvarez y Vernazza, 2013; Becerra y Morales
Ballesteros, 2015; Cassaretto y Martínez, 2009; Hernández y Roviera Millán, 2016),
constituyen recursos alternativos para evitar una de las principales causas de deserción
universitaria.
Los reportes de varias investigaciones concluyen que, problemas familiares, síntomas
depresivos, problemas de atención, pensamientos y creencias negativas recurrentes,
agudizan la baja eficiencia en el empleo de recursos y la creación de nuevos estilos
sostenibles para afrontar adecuadamente los acontecimientos propios de la actividad
académica (Lugo-Márquez et al., 2016). Por este motivo es que el afrontamiento activo,
sostiene mejor la habilidad de los estudiantes para afrontar situaciones de conflicto; estás
habilidades se apoyan también en los factores de focalización en la solución de problemas
y reevaluación positiva de las emociones (Gayles, 2003; Villalta Paúcar, 2010)
En relación con los factores sociodemográficos, la invarianza métrica (cuadro 13), se
observa que las mujeres, tienen una diferencia de percepción leve con relación a sus
potencialidades y talentos que los varones. No se encuentra influencia determinante de la
especialidad académica. Estos datos se confirman cuando los estudiantes, al desarrollar
confianza en sí mismo, utilizar estrategias de autofocalización negativa y conductas
evitativas, búsqueda de la calidad del apoyo social no garantizan la eficiencia cognitiva y
se refleja en sus acciones académicas y personales (Gómez-Collado, 2012; Sanz Oro, 2010).
También, los factores de capacidad social, confianza en sí mismo, sentirse motivados para
aprender estrategias de autoeficacia (Luthar, Cicchetti y Becker, 2000), con subsidiarias
de una mayor demanda del sistema universitario para mejorar la estructura personal de
los futuros ingresantes, mediante perfiles de ingreso y durante toda la vida formativa. Ello
garantiza las expectativas de logro y perciban mejor su aprendizaje, desarrollando
políticas educativas proactivas. Los estudiantes, aprenden de alguna manera u otra a
manejar adecuadamente el estrés (Gonzáles y Landero, 2007). La confianza en que estos
factores al ser promovidos adecuadamente por los programas académicos definitivamente
mejoraran el patrón emocional de los estudiantes y su impacto en sus procesos cognitivos
y no cognitivos para un desarrollo académico (Becerra y Morales Ballesteros, 2015;
Canales y De los Ríos, 2007).
En consecuencia, el logro académico de los estudiantes de ciencias de la salud y en alguna
medida de los estudiantes de ciencias empresariales; a lo largo de este estudio genera
certidumbre en que, la capacidad de logro académico puede motivar la mejora de
resultados de proceso (percepción de rendimiento académico) y, contribuir a mejores
resultados cuantitativos con el promedio ponderado semestral o anual (Lamas, 2015;
Medrano, 2011).
Por otro lado, la necesidad de evaluar a los estudiantes respecto de estos factores no
cognitivos planteados estaría enfocados a impactar en el estudiante tanto en el
perfilamiento personal emocional, social, como cognitivo (Cano García y Fernández
Ferrer, 2015). Además, de la posibilidad de crear vínculos de trabajo integrado, desarrollar
acciones de colaboración y cooperación para el trabajo en equipo, influenciar en el
176
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
estudiante a vincularse mejor con la universidad para “despertar” sus potencialidades que
muchas veces (por la experiencia docente) no son convenientemente exploradas por el
sistema universitario (Alvaréz Botello et al., 2015; Martin y Marsh, 2009; Rovira-Collado,
2016). Modelar dominios orientados a desarrollar perfiles de estudiantes para mejorar y
asegurar la calidad de la vida académica universitaria es pertinente es una necesidad en
las actuales circunstancias, productos de los profundos cambios en el contexto
universitario (Monacis et al., 2014).
En conclusión, La resiliencia de manera directa y a través del afrontamiento (indirecta o
mediacional), predicen la percepción de rendimiento académico. También, el
afrontamiento tiene un impacto directo en el rendimiento académico y cuando se
correlacionan entre la resiliencia y el afrontamiento se consolidan los supuestos previos
de identificar el valor de los factores de ambos constructos. El impacto predictivo en el
promedio ponderado no es significativo; por lo que, se hace necesario asociar nuevas
variables para un análisis más profundo del problema. Además, en los modelos
psicosociales como es el funcionamiento familiar y los factores protectores y
afrontamiento activo y pasivo, se encuentra que el funcionamiento familiar, es un buen
predictor del rendimiento académico. Sobre todo, cuando se asocia a factores resilientes
como confianza en sí mismo, calidad social y una buena estructura personal.
Los factores protectores y de riesgo, no tienen un efecto directo e indirecto en el
rendimiento académico, aun cuando otros estudios consideran que el rol de los factores
protectores (confianza en sí mismo, calidad social, estructura personal) son relevantes para
el desarrollo académico del estudiante. Factores de afrontamiento activo (focalización en
la solución de problemas, la reevaluación positiva de la situación personal y del entorno),
son factores de garantía para la resiliencia y el afrontamiento en la predicción del
rendimiento académico por procesos (percepción de rendimiento). Aun así, es conveniente
realizar nuevos estudios que incorporaren variables como el ambiente académico, la
infraestructura, la dinámica docente entre otros factores, para mejorar la predicción de
estos constructos.
Limitaciones del estudio y proyecciones futuras
Una de las limitaciones del presente estudio está ligada al tipo de muestreo complejo como
es el estratificado. Esta complejidad, implica definir convenientemente reglas de muestreo,
es decir, la homogenización y ponderación muestral para cada estrato seleccionado. Es
propicio, que el tamaño de la muestra en general debe estar ligado al número de ítems de
cada dimensión o factor, los ratios de observaciones adecuadas al objetivo de la
investigación y, la relación a la definición esencial de los constructos o modelo teórico
elegido. Otra limitación sobresaliente, es el correlato entre estos muestreos complejos y
la adopción de los instrumentos. Si tenemos en cuenta el número de ítems y el tamaño de
la muestra debe ser suficiente.
Por tal motivo sus dimensiones o factores deben estar convenientemente asociados con la
fiabilidad compuesta. El objeto es, poder realizar análisis completos y no parciales de los
valores obtenidos. También, es inevitable tener en cuenta la validez convergente con el
propósito de correlacionar fuertemente los ítems a las dimensiones de análisis no
comprometiendo el valor de cada indicador del instrumento (Álvarez y Vernazza, 2017;
Frías-Navarro y Soler, 2012). El tener una correspondencia adecuada en el control del
grado de correlación con las hipótesis planteadas, las variables latentes y su conexión
estructural, es clave en estos estudios con SEM. Con esta acción, se evitaría inducción a
177
O. Tipismana
Agradecimientos
Agradecer el apoyo de la Enfermera Marina del C. Menchola, Ingenieros: Alberto
Victoria, Helga y Valeria Tipismana; además de la motivación y guía de los Mg. Fernando
Muñoz, Master on Art, Health Education Fernando Runzer Colmenares y al Dr. Juan
Torres, para llevar un estudio poco realizado en universidades peruanas, a pesar de su
enorme necesidad para garantizar el aseguramiento de la calidad educativa. Además, de la
enorme satisfacción de desarrollar un estudio, que cumpla con los rigores de una maestría
en educación superior con mención en docencia e investigación universitaria.
Referencias
Adebisi Fayombo, G. (2011). Student-related variables as predictors of academic achievement
among some undergraduate psychology students in Barbados. US-China Education Review,
23, 280-289.
Aldás, J. y Uriel, E. (2017). Análisis multivariante aplicado con R. Madrid: Ediciones Paraninfo.
178
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Álvarez Botello, J., Chaparro Salinas, E. y Reyes Pérez, D. (2015). Estudio de la satisfacción de los
estudiantes con los servicios educativos brindados por instituciones de educación superior
del Valle de Toluca. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en
Educación, 13(2), 5-26.
Álvarez, R. y Vernazza, E. (2013). Aplicación de los modelos de ecuaciones estructurales para el estudio
de la satisfacción estudiantil en los cursos superiores de FCCEEyA. Montevideo: Instituto de
Estadística.
Álvarez, R. y Vernazza, E. (2017). Evaluación de un instrumento de medición del nivel de
satisfacción estudiantil a través de la aplicación de modelos de ecuaciones estructurales.
Cuadernos del CIMBAGE, 19, 1-25.
Antal, E. y Tillé, Y. (2011). A direct bootstrap method for complex sampling designs from a finite
population. Journal of the American Statistical Association, 106(494), 534-543.
https://doi.org/10.1198/jasa.2011.tm09767
Aquino Guillen, J. (2016). Adaptación a la vida universitaria y resiliencia en becarios. Lima: PUCP.
Banco Mundial. (2014). Panorama general mente, sociedad y conducta. París: Banco Mundial.
Bandura, A. (1989). Human agency in social cognitive theory. American Psychologist, 44(9), 1175-
1184. https://doi.org/10.1037/0003-066X.44.9.1175
Becerra, C. y Morales Ballesteros, M. (2015). Validación de la escala de motivación de logro escolar
en estudiantes de bachillerato en México. Innovación Educativa, 15(68), 135-152.
Becoña, E. (2006). Resiliencia: Definición, características y utilidad del concepto. Revista de
Psicopatología y Psicología Clínica, 11(3), 125-146.
Bernal, C. A. (2012). Metodología de la investigación. Ciudad de México: Pearson.
Cabanach, R. G., Valle, A., Rodríguez, S., Piñeiro, I. y Gonzales, P. (2010). Las creencias
motivacionales como factor protector del estrés en estudiantes universitarios. European
Journal of Education and Psychology, 3(1), 75-87. https://doi.org/10.30552/ejep.v3i1.49
Cabello, E. y Chirinos, J. L. (2012). Validación y aplicabilidad de encuestas SERVQUAL
modificadas para medir la satisfacción de usuarios externos en servicios de salud. Revista
Médica Herediana, 23(2), 88-95. https://doi.org/10.20453/rmh.v23i2.1037
Campo Vásquez, R., Granados Ospina, L., Muñoz Ortega, L., Rodríguez Arenas, M. y Trujillo
García, S. (2012). Caracterización del avance teórico, investigativo y/o de intervención en
resiliencia desde el ámbito de las universidades en Colombia. Universitas Psychologica, 11(2),
545-557.
Campos, Iraurgui, J., Páez, D. y Velasco, C. (2004). Afrontamiento y regulación emocional de
hechos estresantes un meta-análisis de 13 estudios. Boletín de Psicología, 82, 25-44.
Canales, A. y De los Ríos, D. (2007). Informe final factores explicativos de la deserción universitaria.
Santiago de Chile: Universidad Santiago de Chile.
Cano García, E. y Fernández Ferrer, M. (2015). La visión de los estudiantes de origen extranjero
sobre factores y competencias clave para el acceso a la universidad. Pedagogía Social. Revista
Interuniversitaria, 26, 263-284. https://doi.org/10.7179/PSRI_2015.26.10
Cassaretto, B. M. y Martínez U. P. (2009). Validación de la escala del sentido del humor en
estudiantes universitarios. Revista de Psicología, 27(2), 287-309.
Castilla, H., Caycho, T., Shimabukuro, M. y Valdivia, A. (2014). Percepción del funcionamiento
familiar: Análisis psicométrico de la escala APGAR-familiar en adolescentes de Lima.
Propósitos y Representaciones, 2(1), 49-78. https://doi.org/10.20511/pyr2014.v2n1.53
179
O. Tipismana
Collado Agudo, J. (2016, junio). Modelos de ecuaciones estructurales (SEM) para la investigación
en contabilidad y auditoría. Conferencia impartida en la I Reunión Internacional de
Investigación en Contabilidad y Auditoría (RIICA). Universidad de Cantabria.
Comisión Europea. (2015). Nuevas medidas para impulsar las competencias clave, las capacidades
digitales y la dimensión europea de la educación. Bruselas: Comisión Europea.
Coschiza, C. C., Fernández, J. M., Redcozub, G. G., Nievas, M. E. y Ruiz, H. E. (2016).
Características socioeconómicas y rendimiento académico. El caso de una universidad
argentina. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 14(3),
51-76.
Crowther, S. y Lau, A. (2019). Migrant polish women overcoming communication challenges in
Scottish maternity services: A qualitative descriptive study. Midwifery, 72, 30-38.
https://doi.org/10.1016/j.midw.2019.02.004
Cupani, M. (2012). Análisis de ecuaciones estructurales: Conceptos, etapas de desarrollo y un
ejemplo de aplicación. Revista Tesis, 2, 186-199.
Cheng, W., Ickes, W. y Verhofstadt, L. (2012). How is family support related to students' GPA
scores? A longitudinal study. High Education,64, 399-420.
https://doi.org/10.1007/s10734-011-9501-4
Datu, J. y Yuen, M. (2018). Predictors and consequences of academic buoyancy: A review of
literature with implications for educational psychological. Contemporary School Psychology,
22(3), 207-212. https://doi.org/10.1007/s40688-018-0185-y
Díaz, R. y Arancibia, V. H. (2002). El enfoque de las competencias laborales: Historia, definiciones
y generación de un modelo de competencias para las organizaciones y las personas. Psykhe,
11(2), 207-214.
Escobedo, M. T., Hernández Gómez, J. A., Estebane Ortega, V. y Martínez Moreno, G. (2016).
Modelos de ecuaciones estructurales: Características, fases, construcción, aplicación y
resultados. Ciencia & Trabajo, 55, 16-22.
https://doi.org/10.4067/S0718-24492016000100004
Farnos Miró, J. (2013). Paradigmas en la investigación educativa. Recuperado de
https://juandomingofarnos.wordpress.com/2010/04/07/
Farnos Miró, J. (2010). Aprendizaje permanente y disruptivo, los nuevos ejes de la sociedad. Recuperado
de https://juandomingofarnos.wordpress.com/2013/05/18/
Frías-Navarro, D. y Pascual Soler, M. (2012). Prácticas del análisis factorial exploratorio en la
investigación sobre conducta del consumidor y marketing. Suma Psicológica, 19(1), 47-58.
Gan, Y. y Shang, J. (2007). Coping flexibility and locus of control as predictors of burnout among
Chinese college students. Social Behavior and Personality, 35(8), 1087-1098.
https://doi.org/10.2224/sbp.2007.35.8.1087
Garbanzo Vargas, G. M. (2013). Factores asociados al rendimiento académico en estudiantes
universitarios desde el nivel socioeconómico: Un estudio en la Universidad de Costa Rica.
Revista Electrónica Educare, 17(3), 57-87.
Gargallo López, B., Garfella Esteban, P. R., Sánchez Peris, F., Ros, R. C. y Serra, C. B. (2009). La
influencia del autoconcepto en el rendimiento académico en estudiantes universitarios.
Revista Española de Orientación y Psicopedagogía, 20(1), 16-28.
Gaxiola, J., González Lugo, S., Contreras Hernández, Z. y Gaxiola Villa, E. (2012). Predictores del
rendimiento académico en adolescentes con disposiciones resilientes y no resilientes. Revista
de Psicología, 30(1), 47-74.
180
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Gayles, J. (2005). Playing the game and paying the price: Academic resilience among three high-
achieving African American males. Anthropology and Education Quarterly, 36(3), 250-264.
https://doi.org/10.1525/aeq.2005.36.3.250
Giannuzzo, A. N. (2010). Los estudios sobre el ambiente y la ciencia ambiental. Scientle & Studia,
8(1), 129-56. https://doi.org/10.1590/S1678-31662010000100006
Girardo, C., Martínez Pellegrini, S., Salgado Locela, L. H. y Costamagna, P. (2016). Desarrollo de
capacidades individuales y colectivas en estudios de posgrado y su incidencia en los
territorios. Territorios, 34, 215-236. https://doi.org/10.12804/territ34.2016.09
181
O. Tipismana
182
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Panziera, J. (2014). Estilos de pensamiento y optimismo disposicional en estudiantes de psicología. Mar del
Plata: Universidad Nacional de La Plata.
Peralta Díaz, S. C., Ramírez Giraldo, A. F. y Castaño Buitrago, H. (2006). Factores resilientes
asociados al rendimiento académico en estudiantes. Psicología desde el Caribe, 17, 196-219.
Piemontesi, S. E. y Heredia, D. E. (2009). Afrontamiento ante exámenes: Desarrollos de los
principales modelos teóricos para su definición y medición. Anales de Psicología, 25(1), 102-
111.
Piemontesi, S. E., Heredia, D. E. y Furlan, L. A. (2012). Propiedades psicométricas de la versión en
español revisada del inventario alemán de ansiedad ante exámenes (GTAI-AR) en
universitarios argentinos. Universitas Psychologica, 11(1), 177-186.
Pizarro Cherre, E. (2017). Relación entre autoestima, resiliencia y rendimiento académico en estudiantes
del Centro Preuniversitario de la Universidad Nacional Mayor de San Marcos
(CEPREUNMSM). Tesis doctoral. Universidad Nacional Mayor de San Marcos, Perú.
Porto Noronha, A. y Alves Lamas, K. (2014). Preditores do comprometimento com a carreira e sua
relacão com o desempenho em universitários. Pensamiento Psicológico, 12(2), 65-78.
Prieto Navarro, L., (2006) Aprendizaje activo en el aula universitaria: El caso del projecto basado
en problemas. Miscelánea Comillas, 64(124), 173-196.
Rahimi, B., Baetz, M., Bowen, R. y Balbuena, L. (2014). Resilience, stress, and coping among
canadian medical students. Canadian Medical Education Journal, 5(1), 5-12
Rebotier, J., López, J. y Pigeon, P. (2013). Las paradojas de la resiliencia: Miradas cruzadas entre
Colombia y Francia. Territorios, 28, 127-145.
Rivas, S., Ordoñez, J., Mejía, M. A. y Poveda, J. M. (2017). Resiliencia en estudiantes de medicina
de la Universidad de Los Andes. Fermentum, 27(79), 433-442.
Rodríguez Ayán, M. N. y Ruíz Díaz, M. (2011). Indicadores de rendimiento de estudiantes
universitarios: Calificaciones versus créditos acumulados. Revista de Educación, 355, 467-492.
Rodríguez, L., Oñate, M. y Mesurado, B. (2017). Revisión del cuestionario de emociones positivas
para adolescentes. Propiedades psicométricas de la nueva versión abreviada. Universitas
Psychologica, 16(3), 1-23. https://doi.org/10.11144/Javeriana.upsy16-3.rcep
Rovira Collado, J. (2016). Redes sociales en la universidad: Profesionales, académicas y de lectura.
Álabe, 13, 33-51. https://doi.org/10.15645/Alabe2016.13.4
Sandín, B. y Chorot, P. (2003). Cuestionario de afrontamiento del estrés (CAE): Desarrollo y
validación preliminar. Revista de Psicopatología y Psicología Clínica, 8(1), 39-54.
https://doi.org/10.5944/rppc.vol.8.num.1.2003.3941
Sanz Oro, R. (2010). El profesor como tutor: Un reto a consolidar en el ejercicio profesional de la
orientación. REOP: Revista Española de Orientación y Psicopedagogía, 21(2), 346-357.
https://doi.org/10.5944/reop.vol.21.num.2.2010.11537
Sineace. (2016). Modelo de acreditación para programas de estudios de educación superior universitaria.
Recuperado de www.sineace.gob.pe
So-Hee, L. y Sang-Sook, H. (2016). A predictive model on north Korean refugees' adaptation to
south Korean society: Resilience in response to psychological trauma. Asian Nursing
Research, 10, 164-172. https://doi.org/10.1016/j.anr.2016.04.003
Sola Martínez, T., Aznar Díaz, I., Romero Rodríguez, J. y Rodríguez-García, A. M. (2019). Eficacia
del método flipped clasroom en la universidad: Metaanálisis de la producción científica de
impacto. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en la Educación, 17(1),
25-38. https://doi.org/10.15366/reice2019.17.1.002
183
O. Tipismana
184
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
185