Machine Translated by Google

Revista de Educación Internacional, 2007, 8(1), 194­204.

ISSN 1443­1475 © 2007 Shannon Research Press.
http://iej.com.au 194

Medición de las evaluaciones de los cursos de los estudiantes: el uso

de un modelo loglineal
Cosa Hay Ting
Escuela de Negocios, Universidad de Monash, Malasia [email protected]

Mireya Sosa Abella North

University, Malasia [email protected]

En este trabajo, los investigadores intentan incorporar la teoría del marketing (específicamente el modelo
de calidad del servicio) al sistema educativo. Las medidas de calidad del servicio se han empleado para
investigar su aplicabilidad en el entorno educativo. La mayoría de los estudios previos emplean el
análisis basado en regresión para probar la efectividad de las evaluaciones y la enseñanza del curso.
En términos econométricos, el uso de análisis de regresión contiene algunos sesgos. Esto se debe a que
no captura los términos complejos y de interacción de las variables en estudio. En este artículo, los
autores intentan comparar el uso de un modelo loglineal versus los análisis de regresión normal
ampliamente utilizados para evaluar las evaluaciones de los cursos de español de los estudiantes en la
Universiti Utara Malaysia. Se ha empleado el modelo SERVQUAL para examinar la utilidad del modelo
en estudio. Los hallazgos del estudio muestran que el modelo loglineal proporciona un mejor
procedimiento analítico para la evaluación del curso de los estudiantes, ya que puede explicar una mayor
variación en el modelo bajo estudio.

SERVQUAL, análisis de regresión, clases de español, evaluación de cursos, modelo loglineal

INTRODUCCIÓN

En el mundo académico, es importante evaluar la efectividad de los cursos realizados desde la perspectiva de los
estudiantes. Por lo tanto, el uso de una buena herramienta analítica es importante para capturar la varianza explicada
por las variables independientes en el modelo bajo estudio. Estudios previos han utilizado ampliamente los modelos
basados en regresión para explicar el comportamiento del objeto de estudio. Estos estudios observaron solo la relación
lineal entre la variable dependiente y la(s) variable(s) independiente(s). Sin embargo, esos estudios no pudieron
capturar las variaciones fundamentales involucradas en el estudio. Esto se debe a que el uso del análisis basado en
regresión no puede capturar todos los términos de interacción entre las variables, y es crucial usar herramientas
analíticas que puedan capturar los efectos de interacción entre las variables, ya que los términos de interacción
pueden explicar las variaciones involucradas en el modelo con mayor detalle. Por lo tanto, este estudio se emplea
para evaluar la aplicabilidad del modelo loglineal en un entorno académico, específicamente en los cursos de español
en la Universiti Utara Malaysia (UUM). Los cursos de español se utilizaron como punto focal del estudio porque es un
curso de idiomas; por lo tanto, era necesario tener interacciones adicionales entre el instructor y los estudiantes y
también un mejor medio para impartir el curso.

El objetivo del estudio es comparar el uso de un modelo loglineal versus el análisis de regresión normal ampliamente
utilizado para investigar las evaluaciones de los cursos de los estudiantes en las clases de español en la Universiti
Utara Malaysia (UUM). Las variables independientes utilizadas en este estudio provienen básicamente de las medidas
de calidad del servicio (SERVQUAL), mientras que la variable dependiente utilizada involucra el nivel de satisfacción
general de los estudiantes que toman las clases de español.
Machine Translated by Google

ting y abella 195

REVISIÓN DE LITERATURA

Los bienes son objetos. Un servicio es un acto y una ejecución. Cuando se compran bienes, se adquiere algo tangible.
Berry et al. (1988) argumentó que debido a la intangibilidad de los servicios, los clientes evalúan la calidad del servicio
en función del entorno tangible. Le Blanc et al. (1988) y Zeithaml et al., (1985) afirmaron que el problema de evaluar
la calidad del servicio era más difícil y complicado en comparación con la calidad del producto debido a su intangibilidad.
Dado que los servicios eran de naturaleza intangible y la inseparabilidad de la producción y el consumo, sería difícil
para los clientes realizar una evaluación previa de los servicios de una empresa; por lo tanto, la confiabilidad, la
credibilidad y la credibilidad del proveedor de servicios fueron determinantes cruciales del patrocinio (Malhotra et. al.
1994). La forma en que se realizó un servicio afectaría la percepción de los clientes sobre la calidad de los servicios
prestados.

Los servicios entregados son difíciles de evaluar porque son entregados a personas por personas y no se pueden
estandarizar debido a su naturaleza heterogénea (Gupta et al., 1988; LeBlance et al., 1988; Rushton et al., 1989;
Zeithaml et al., 1985). La misma persona de contacto no puede brindar el mismo nivel de servicios a otro cliente
aunque esté atendiendo al próximo cliente de inmediato. Además, diferentes proveedores tienen diferentes métodos
para prestar servicios y el nivel de servicio también difiere de vez en cuando.

Muchos académicos dan diferentes definiciones de calidad. Las expectativas de los clientes son el verdadero estándar
para juzgar la calidad del servicio y no la política del banco o la administración del banco (Berry et al., 1988).
Parasuraman et al. (1991) señalaron que los clientes esperaban que las empresas de servicios hicieran lo que se
suponía que debían hacer (fundamentos), no fantasía; desempeño y no promesas vacías. Por lo tanto, definir las
necesidades del cliente en las industrias de servicios es más complejo en comparación con las industrias
manufactureras porque los clientes están involucrados en el proceso de producción.

Berry et al (1988) argumentaron que los clientes evaluaban la calidad del servicio comparando lo que querían o
esperaban con lo que estaban recibiendo. Los clientes crearían expectativas de servicios basadas en experiencias
anteriores, comunicación, imagen, boca a boca y la necesidad de los clientes (Holmlund et al., 1996). La calidad era
cómo la oferta del banco ganaba singularidad y valor a los ojos de los clientes y era tanto el acto de diferenciar la
oferta como su evaluación por parte de los clientes (Christopher et. al., 1994). Los clientes serían los jueces para
determinar el éxito de los servicios prestados.

Westbrook (1980) definió la satisfacción como la subjetividad de las evaluaciones individuales. Mientras Bearden et
al. (1983) definieron la satisfacción como el resultado final positivo al utilizar los recursos escasos. A partir de las
definiciones anteriores, la satisfacción se relacionó con la evaluación emocional subjetiva (Andreassen, 2000).

Según Yuksel et al. (1998), determinar la satisfacción del cliente era fundamental para brindar servicios efectivos. El
compromiso con la satisfacción del cliente debe ser un proceso continuo porque, independientemente de qué tan bien
se brinde el servicio, los clientes siempre presionarán para alcanzar niveles más altos (Murray, 1991).

MÉTODO DE ANÁLISIS

Este estudio emplea la medida SERVQUAL introducida por Parasuraman et al., (1988, 1994) (ver Apéndice) para
medir la calidad del servicio y el nivel de satisfacción de los estudiantes en las clases de español en la UUM.
SERVQUAL es la abreviatura de calidad de servicio. SERVQUAL está representado por cinco dimensiones
(Parasuraman et al. 1988); tangibles, confiabilidad, capacidad de respuesta, empatía y seguridad y se mide utilizando
las diferencias entre las escalas de percepciones y expectativas. Las percepciones se definen como las creencias de
los clientes sobre los servicios recibidos.
Machine Translated by Google

196 Medición de las evaluaciones de los cursos de los estudiantes: el uso de un modelo loglineal

(Parasuraman et al., 1988). Mientras que las expectativas se ven como predicciones hechas por los clientes sobre lo que es probable
que suceda durante ciertos encuentros (Parasuraman et al., 1988), es decir, no representan predicciones sobre lo que los
proveedores de servicios "ofrecerían", sino lo que deberían .
oferta (Tes, 1993). Este modelo se ha utilizado ampliamente en Occidente, pero la mayoría de los investigadores han utilizado el
análisis normal basado en regresión. En este estudio, se ha empleado otro enfoque para estudiar la relación entre las evaluaciones
del curso de los estudiantes y la calidad del servicio utilizando el modelo loglineal que es capaz de capturar los términos de
interacción.

Los estudiantes de los cursos de español Nivel I a Nivel III fueron elegidos como encuestados. Este estudio incluyó a todos los
encuestados que tomaban los cursos de español, ya que el número de estudiantes que tomaban los cursos era limitado.

VARIABLES DE ESTUDIO

Existe evidencia que sugiere que la evaluación de la satisfacción debería involucrar una forma curvilínea o de orden superior, así
como también un efecto de interacción (Taylor y Baker, 1997; Ting, 2004). Esto fue confirmado por Oliva, Oliver y MacMillan (1992)
quienes afirmaron que la función de satisfacción no debe tener forma lineal. Un estudio de Basadur y Head (2001) sugirió que podría
existir una relación no lineal para la satisfacción cuando observaran la eficacia del trabajo en equipo en relación con el éxito de la
organización. Por lo tanto, estos hallazgos falsificaron más o menos los métodos utilizados en estudios de investigación anteriores,
que eran los análisis normales basados en la regresión.

Desde el punto de vista académico, las valoraciones de los estudiantes sobre los profesores y los cursos y las interpretaciones de
los análisis estadísticos utilizados en investigaciones pasadas han interesado durante mucho tiempo a muchos educadores
(Mehdizadeh, 1990). Un problema importante con los trabajos anteriores fue la técnica de análisis, a saber, el análisis de regresión
ampliamente utilizado. Estudios más recientes en educación han tomado en consideración las deficiencias de la regresión normal o
los modelos de mínimos cuadrados ordinarios y han empleado los modelos logit. En comparación con los modelos loglineales, los
modelos logit son más fáciles de formular, pero no incorporan los términos de interacción más generales entre las variables
independientes. En cierto sentido, los modelos logit ignoran las complejas relaciones estructurales que pueden existir entre las
variables independientes. De ahí que Mehdizadeh (1990) haya introducido la utilidad de los modelos loglineales para analizar las
evaluaciones de los cursos por parte de los estudiantes.

Ha habido muchos estudios sobre los posibles factores que influyen en la evaluación de la eficacia de la enseñanza por parte de los
estudiantes (Dilts, 1980; Seiver, 1983) y las evaluaciones de los cursos por parte de los estudiantes (Kelly, 1972).
Según Seiver (1983), la calificación esperada en el último día de clase podría ser un buen indicador de la evaluación del curso por
parte de los estudiantes. Fizel y Johnson (1986) afirmaron que el GPA actual serviría como un indicador de la actitud y el rendimiento
académico de un estudiante y se esperaba que tuviera un efecto positivo en la actitud del estudiante. Además de eso, el modelo
SERVQUAL también se incluyó como se discutió en la revisión de la literatura.

Cada una de las variables se incluyó porque ya se habían establecido sus efectos esperados sobre la evaluación del curso por parte
de los estudiantes (Mehdizadeh, 1991). Esto ayudaría a validar el uso de modelos loglineales.

CUESTIONARIOS

Un conjunto de cuestionarios desarrollados por Parasuraman et al. (1988, 1994) se utilizó para llevar a cabo la investigación. El
cuestionario empleado constaba de cuatro partes de la siguiente manera: 5 preguntas sobre los

Parte A: antecedentes de los encuestados 22 preguntas sobre las

Parte B: expectativas 22 preguntas sobre el
Parte C: desempeño 2 preguntas abiertas
D­compartir:
Machine Translated by Google

ting y abella 197

ANTECEDENTES DE LOS ENCUESTADOS

La Tabla 1 a continuación muestra los antecedentes de los encuestados en este estudio. El número total de encuestados
que participaron en este estudio fue de 71 estudiantes.

Tabla 1. Antecedentes de los encuestados

Frecuencia Porcentaje
Sexo Masculino 12 16.9
Femenino 59 83.1
Carrera malayo 25 35,2
Chino 29 40,9
indios 13 18.3
Otros 4 5.6
Semestre 1 1 1.4
2 2 2.8
3 10 14.1
4 1 1.4
5 46 64.8
6 3 4.2
7 8 11.3
Clase Obtenida* Primera clase 2 2.8

Superior de segunda clase 41 57.8

Segunda clase inferior 28 39.4

Entrada Matriculación 8 11.3

STPM 62 87.3

Diploma 1 1.4
Total 71 100.00
* La clase obtenida es el CGPA del semestre anterior donde 3.67 – 4.00 cae en primera clase, 3.00 – 3.66 cae
en segunda clase superior y 2.99 y menos cae en segunda clase inferior.

La mayoría de los encuestados son mujeres estudiantes. Este escenario corresponde a la situación de la UUM donde la
mayoría de los estudiantes son mujeres. Comprenden el 83 por ciento del total de encuestados, mientras que los
encuestados masculinos son solo el 17 por ciento. La mayoría de los encuestados son chinos (41 %), seguidos de malayos
(35 %), indios (18 %) y otros (6 %).

La mayoría de los estudiantes están en su quinto semestre que es el 65 por ciento del total de los encuestados. Le siguen
los encuestados del Semestre 3 (14%). El número más bajo de encuestados que participaron en este estudio son los
encuestados del Semestre 1 (1%).

Se pidió a los encuestados que indicaran la clase que obtuvieron durante el semestre anterior. Aunque aún no se habían
graduado, la clase que obtuvieron fue importante ya que se usó como una de las variables en este estudio. La mayoría de
los encuestados obtuvo segunda clase superior (58%), mientras que un gran número logró obtener segunda clase inferior
(39%). Solo dos encuestados obtuvieron un título de primera clase.

La calificación de ingreso de los encuestados fue de STPM (87%) y Matriculación (11%). Sólo hubo un encuestado con
un diploma.

PRUEBAS EMPÍRICAS UTILIZANDO ANÁLISIS DE REGRESIÓN

El primer paso en este análisis es probar la utilidad del análisis de regresión normal sobre las variables en estudio. En
términos generales, a partir de los datos recopilados, se realiza una regresión de la evaluación general del curso sobre las
variables independientes (clase, tangible, confiabilidad, capacidad de respuesta, seguridad y empatía). La Tabla 2 reporta
los resultados obtenidos.

De la Tabla 2, solo dos de los seis parámetros (incluido el término constante) son significativos a un nivel de p < 0,01,
mientras que el resto no es significativo. El R2 obtenido es solo 0.399 lo que demuestra que
Machine Translated by Google

198 Medición de las evaluaciones de los cursos de los estudiantes: el uso de un modelo loglineal

solo el 40 por ciento de la varianza de la evaluación general del curso puede explicarse por las variables independientes
(tangibles, confiabilidad, capacidad de respuesta, seguridad y empatía), mientras que el modelo no explica el 60 por
2
ciento. El valor de R obtenido es solo 0.396 después de tomar en consideración el número de parámetros en estudio.
Por lo tanto, los resultados del análisis de regresión normal muestran que el modelo no es muy útil para explicar la
evaluación general del curso de los estudiantes.

Tabla 2. Resultados empíricos del análisis de regresión

2
b Estándar Error R2 R
(Constante) 2,58** 0,95 0.399 0.396
Clase ­0.25 0.22

Tangible ­0.01 0.15

Fiabilidad 0.02 0.24

Sensibilidad ­0.19 0.26

Garantía 0,76** 0.21

Empatía ** 0.02 0.13

significativa a un nivel de p < 0,01

Luego, los datos se transformaron en variables categóricas para poder realizar el análisis de regresión loglineal.

TRANSFORMAR LAS VARIABLES EN VARIABLES CATEGÓRICAS

Para realizar el modelo loglineal, todas las variables se transformaron en variables categóricas como se ve en la Tabla
3 que se denota con valor 1 y valor 2 respectivamente. Dado que la escala de Likert va de 1 a 7, las respuestas se
condensaron en promedio o por debajo (escalas que iban de 1 a 4) y por encima del promedio (escalas que iban de 5
a 7).

Tabla 3. Colapso de las categorías en clases condensadas Frecuencia

Valor Por ciento
Y En general
promedio o por debajo 1.0 16 22,54
Por encima del promedio 2.0 55 77,46
X1 Clase
Segunda clase inferior 1.0 29 40.85
Primero de segunda clase superior 2.0 42 59.15
x2 Tangible
promedio o por debajo 1.0 13 18,31
Por encima del promedio 2.0 58 81,69
X3 Fiabilidad
promedio o por debajo 1.0 9,86
Por encima del promedio 2.0 7 64 90,14
X4 Sensibilidad
promedio o por debajo 1.0 5 7,04
Por encima del promedio 2.0 66 92,96
X5 Garantía
promedio o por debajo 1.0 12,68
Por encima del promedio 2.0 9 62 87,32
X6 Empatía
promedio o por debajo 1.0 12,68
Por encima del promedio 2.0 9 87,32
Total 71 62 71 100,00

De la tabla anterior, una gran mayoría de los encuestados estuvo de acuerdo en que los cursos de español realizados
fueron buenos. Esto se debió a que la mayoría de ellos dijo que el valor porcentual más bajo fue del 55 por ciento y el
valor porcentual más alto fue del 66 por ciento y que los cursos realizados estaban por encima del promedio.
Machine Translated by Google

ting y abella 199

MODELO LOGLINEAL

El análisis loglineal de datos categóricos no es una técnica nueva en el análisis de datos Mehdizadeh (1990).
No se usa comúnmente en comparación con el análisis de regresión normal. En un modelo loglineal, el número de
modelos jerárquicos que se pueden ajustar en el modelo aumenta a medida que aumenta el número de variables
independientes. Por lo tanto, esto hace que la identificación de un modelo no saturado que se ajuste bien sea más
difícil (un modelo no saturado contiene menos de todas las posibles interacciones de las variables dependientes).

Los conceptos de modelado loglineal se pueden introducir de una manera más sistemática. El modelo más simple
es una tabla de contingencia bidimensional de Y a X1. En un modelo loglineal de y a x1, el número de casos en
cada celda se puede expresar como la función de Y, X1 y los términos de interacción de Y*X1. Para obtener el
modelo loglineal se utilizan los logaritmos naturales de las frecuencias de celda estimadas. En general, la expresión
de un modelo loglineal es la siguiente:
*
y X xy
Ln fij = 11uhh
+++
i j
*
desde el

Los modelos loglineales permiten a los investigadores investigar la interrelación entre muchas variables con
estructuras complejas mediante el uso de la independencia condicional. Por lo tanto, se revelan todos los efectos de
la variable independiente sobre una variable de respuesta en lugar de solo el efecto marginal de cada variable
independiente.

Las pruebas t se utilizan para probar el valor significativo de las lambdas. Si la prueba de interdependencia de Y y
X1 es de interés, entonces se puede examinar el modelo de independencia Ln fijtodos
y y
=yo +u +.j El
El modelo no incorpora el término de interacción, donde fij ya no es la frecuencia observada en la (i, j)ésima celda
sino la frecuencia esperada basada en el modelo. Se utiliza un algoritmo iterativo para obtener las estimaciones de
los parámetros lambda.

Para obtener un modelo lineal, se utilizan los logaritmos naturales de las frecuencias esperadas estimadas en lugar
de los recuentos reales. Las frecuencias observadas y las frecuencias esperadas estimadas para ajustar el modelo
de independencia a la clasificación cruzada de las evaluaciones de curso de los estudiantes y sus calificaciones
esperadas y los logaritmos naturales de las frecuencias de celda esperadas estimadas se muestran en la Tabla 4.

Se ha examinado la tabla marginal bidimensional (Tabla 4) con una clasificación cruzada bidimensional.

A partir de la Tabla 4, se calcularon los valores obtenidos para encontrar los parámetros λ estimados para las
evaluaciones generales del curso de los estudiantes y la clase obtenida.

La Tabla 5 contiene las estimaciones de los parámetros λ para los efectos principales y sus interacciones para todas
las celdas de la Tabla 5. Las interpretaciones de los valores de λ obtenidos son simples y similares a las
interpretaciones de los efectos principales y los efectos de interacción en un análisis habitual. .

Para examinar si el modelo loglineal (los efectos de interacción) juega un papel importante, los efectos de interacción
y los efectos principales se comparan como en la Tabla 5. Dado que, en general, los efectos de interacción son
mayores que los efectos principales, por lo tanto, es necesario realizar un análisis más profundo. realizado.

Se llevó a cabo un análisis adicional para estimar el chi­cuadrado de Pearson y los estadísticos chi­cuadrado de
razón de verosimilitud para cada modelo (Tabla 6). El primer modelo es el modelo más simple sin interacciones. El
segundo modelo incluye la interacción entre y y x0 porque las evaluaciones generales de la calidad del servicio de
un estudiante y su calificación esperada parecen estar interrelacionadas­ (Y) (X0)
(X1) (X2) (X3) (X4) (X5) (YX0). Todos los modelos parecen ser significativos a p < 0,001.
Machine Translated by Google

200 Medición de las evaluaciones de los cursos de los estudiantes: el uso de un modelo loglineal

Tabla 4. Frecuencias observadas, frecuencias esperadas estimadas y logaritmos naturales de las frecuencias de celda estimadas
para el modelo de independencia de las evaluaciones generales del curso y la clase de los estudiantes

Estudiantes en general Clase Total

Evaluaciones del curso segundo inferior Primera y Segunda superior 6 (3,6) (Promedios)
10a (6.4)b 1,7918
≤ promedio 16 (1.5686) y
2,3026 (1,8563) 18c (1,2809) 36 (32,40)
(21,6)d 3,5835
> promedio 54 (3.2754)
2,8904 (3,0727) 28 (3,4782) 42 (2,3796)
Total
70 (2.4220)
(Promedios) (2,4645) y
a
Las frecuencias observadas
b
Las frecuencias estimadas bajo el modelo de independencia
C
Los logaritmos naturales de las frecuencias observadas
d
Los logaritmos naturales de las frecuencias estimadas
Es
Los promedios de los logaritmos naturales de las frecuencias estimadas
Nota: Para estimar la frecuencia esperada de cada celda bajo el modelo de independencia de variables fila y columna y bajo el modelo de
proporciones binomiales (homogeneidad de proporciones) en las tablas bidimensionales, se puede utilizar la siguiente fórmula:

ˆ xx
= idiota
mi = 2,1 jandidonde = 2,1
ij
norte

metro

donde xit y xtj son las sumas de las frecuencias de fila y columna, N es el tamaño de la muestra en la tabla y la frecuencia es el
esperada estimada de la celda según el modelo de independencia.

Tabla 5. Estimación de los parámetros λ para las evaluaciones generales del curso de los estudiantes y su clase

yoy = 1,5686 – 2,4220 = ­0,8534

1

yoy = 3,2754 – 2,4220 = 0,8534

2

yo x1
_
= 2,4645 – 2,4220 = 0,0425
1

yo x2
_
= 2,3796 – 2,4220 = ­0,0424
1
*
yo xy 1
= 2,3026 – (2,4220 – 0,8534 + 0,0425) = 0,6915 = 2,8904 –
1*1
*
yo xy 1
(2,4220 + 0,8534 + 0,0425) = ­0,4275 = 1,7918 – (2,4220 – 0,8534
1*2
*
yo xy 1
­ 0,0424) = 0,265 6 = 3,5835 – (2,4220 + 0,8534 ­ 0,0424) =
2*1
*
yo xy 1
0,3505
2*2

Para probar la diferencia en el G2 cuando se incluyen nuevos términos de interacción, se produce la tabla final (Tabla 6).

En base a los resultados finales obtenidos en la Tabla 7, el mejor modelo es:

(Y)(YX0)(YX1)(YX2)(YX3)(YX4)(YX5)(X0X1), donde G2 es 0,727.

Aunque el G2 sigue aumentando después de la inclusión de otros términos de interacción, el cambio significativo mostró un valor no
significativo en p < 0,05 después de eso. Además, el G2
el cambio es demasiado pequeño (solo difiere en 0,015 de su modelo posterior) y no vale la pena incluir más términos en el modelo,
ya que se puede omitir la contribución adicional. A partir de la comparación entre los análisis basados en regresión normal como en
la Tabla 2, la variación explicada para el análisis de regresión normal fue solo del 40 por ciento en comparación con el 73 por ciento
usando el modelo loglineal. Por lo tanto, este estudio respalda la afirmación de que el modelo logarítmico lineal es superior al análisis
de regresión de base normal.
Machine Translated by Google

ting y abella 201

Tabla 6. Valores de las estadísticas de bondad de ajuste de chi cuadrado, χ2 y G2 para varios modelos
loglineales con respecto a las evaluaciones generales del curso de los estudiantes
Modelo 57 x2 G2
p p
(Y) (X0) (X1) (X2) (X3) (X4) (X5) 594.848 0,000 83.605 0,000
(YX0) 124 762.593 0,000 302.242 0,000
(YX1) 124 271.587 0,000 494.380 0,000
(YX2) 124 476.881 0,000 257.526 0,000
(YX3) 124 463.748 0,000 249.040 0,000
(YX4) 124 495.087 0,000 260.545 0,000
(YX5) 124 459.840 0,000 259.994 0,000
(X5X0) 124 587.515 0.000 277.798 0.000
(X5X1) 124 372.905 0.000 243.883 0.000
(X5X2) 124 362.848 0.000 227.202 0.000
(X5X3) 124 356.738 0.000 212.430 0.000
(X5X4) 124 369.948 0.000 233.020 0.000
(X4X0) 124 624.000 0.000 282.542 0.000
(X4X1) 124 400.912 0.000 243.858 0.000
(X4X2) 124 372.134 0.000 217.353 0.000
(X4X3) 124 370.842 0.000 218.087 0.000
(X3X0) 124 585.094 0.000 265.361 0.000
(X3X1) 124 382.814 0.000 234.979 0.000
(X3X2) 124 360.549 0.000 211.931 0.000
(X2X0) 124 597.564 0.000 272.449 0.000
(X2X1) 124 377.868 0.000 234.426 0.000
(X1X0) 124 639.279 0.000 291.007 0.000
(YX5X4) 120 285.083 0,000 208.960 0,000
(YX5X3) 120 264.902 0,000 193.452 0,000
(YX5X2) 120 281.883 0,000 207.600 0,000
(YX5X1) 120 279.200 0,000 219.478 0,000
(YX5X0) 120 438.254 0,000 253.887 0,000
(YX4X3) 120 283.555 0,000 198.069 0,000
(YX4X2) 120 273.055 0,000 194.593 0,000
(YX4X1) 120 298.768 0,000 215.473 0,000
(YX4X0) 120 461.182 0,000 196.212 0,000
(YX3X2) 120 286.600 0,000 196.212 0,000
(YX3X1) 120 291.390 0.000 211.964 0.000
(YX3X0) 120 448.058 0.000 245.330 0.000
(YX2X1) 120 291.473 0.000 213.791 0.000
(YX2X0) 120 442.825 0.000 248.883 0.000
(YX1X0) 120 471.495 0.000 264.327 0.000
Nota: G2 es la razón de verosimilitud de chi­cuadrado.
y = Evaluaciones generales del curso de los estudiantes;
X0 = clase; X1 = tangible; X2 = confiabilidad; X3 = sensible; X4 = seguridad; X5 = empatía

LIMITACIONES

La primera limitación aparece cuando diferentes individuos prevén cualidades desde diferentes aspectos.
Esto se debe a que las cualidades del servicio son muy subjetivas. Lo que un individuo percibe como de buena
calidad puede no serlo para otro.

La segunda limitación es que otros estudiantes que han cursado la materia anteriormente pueden influir en las
percepciones de la calidad del servicio y la satisfacción de los estudiantes actuales. Esto se debe a que
algunos estudiantes tienen la tendencia de preguntar a sus superiores sobre el tema o curso y la información
proporcionada por ellos puede tener un impacto significativo en sus percepciones.
Machine Translated by Google

202 Medición de las evaluaciones de los cursos de los estudiantes: el uso de un modelo loglineal

Tabla7. Partición de las estadísticas de la razón de verosimilitud para la prueba de asociación parcial

Modelo G2 ΔG2 Decir.

(YX0) 0,352 0,352 0,000

(YX0)(YX1) 0,563 0,210 0,000
(YX0)(YX1)(YX2) 0,602 0,039 0,013
(YX0)(YX1)(YX2)(YX3) 0,652 0,050 0,003
(YX0)(YX1)(YX2)(YX3)(YX4) 0,653 0,002 0,591
(YX0)(YX1)(YX2)(YX3)(YX4)(YX5) 0.655 0.002 0.570
(YX0)(YX1)(YX2)(YX3)(YX4)(YX5)(X0X1) 0,727 0,072 0,000
(YX0)(YX1)(YX2)(YX3)(YX4)(YX5)(X0X1)(X0X2) 0,742 0,015 0,061
(YX0)(YX1)(YX2)(YX3)(YX4)(YX5)(X0X1)(X0X2)(X0X3) 0,754 0,012 0,084
(X0X3)(YX1)(YX5)(YX2)(YX0)(YX3)(YX4)(X0X1)(X0X2)(X0X4) 0,757 0,003 0,462
(X0X3)(YX1)(YX5)(YX2)(YX0)(YX3)(YX4)(X0X1)(X0X2)(X0X4)(X0X5) 0,762 0,002 0,462
(X0X3)(YX1)(YX5)(YX2)(YX0)(YX3)(YX4)(X0X1)(X0X2)(X0X4)(X0X5)(X1X2) 0,762 0,000 0,787
(X0X3)(YX1)(YX5)(YX2)(YX0)(YX3)(YX4)(X0X1)(X0X2)(X0X4)(X0X5)(X1X2)(X1X3) 0.762 0.000 0.734
0.764
(X0X3)(YX1)(YX5)(YX2)(YX0)(YX3)(YX4)(X0X1)(X0X2)(X0X4)(X0X5)(X1X2)(X1X3)(X1X4) 0,002 (X0X3)(YX1)( YX5)(YX2)(YX0)(YX3)(YX4)(X0X1) 0.500
(X0X2)(X0X4)(X0X5)(X1X2)(X1X3)(X1X4)(X1X5) 0,765 (X1X5)(X0X3)(YX4)(YX5) )(YX1)(X0X2)(X0X5)(YX0)(X1X2)(X0X1)(X1X4)(X1X3)(X0X4) 0.001 0,731
(YX3)(YX2)(X2X3) 0,775 (X1X5)(X0X3)(YX4)(YX5) (YX1)(X0X2)(X0X5)(YX0)(X1X2)(X0X1)(X1X4)(X1X3)(X0X4)(YX3)(YX2)(X2X3)(X2X5) 0,786 0.012 0,090
0,009 (X1X5)(X0X3)(YX4) (YX5)(YX1)(X0X2)(X0X5)(YX0)(X1X2)(X0X1)(X1X4)(X1X3)(X0X4)(YX3)(YX2)(X2X3)(X2X5)(X3X4) 0.788 0.144
0.002 0.456

Y = Evaluación general del curso de los estudiantes

X0 = Clase Obtenida
X1 = tangibles
X2 = Confiabilidad
X3 = Sensible
X4 = Garantía
X5 = Empatía
Machine Translated by Google

ting y abella 203

DIRECCIÓN PARA LA INVESTIGACIÓN FUTURA

En este análisis de investigación, existe la opinión de que el modelo loglineal puede proporcionar un mayor poder
predictivo para los datos en estudio en comparación con el análisis basado en regresión.
Por lo tanto, es necesario realizar más estudios para respaldar este punto de vista y los hallazgos en otros
entornos.

Además, los estudios de investigación futuros también deben buscar otros factores que puedan contribuir a las
variaciones en las evaluaciones del curso, como la duración del contacto, la calidad del libro de texto utilizado, las
tareas relacionadas con el curso y la aplicabilidad de los contenidos del curso. el curso en estudio.

CONCLUSIONES

Este artículo muestra la utilidad de los modelos loglineales para analizar variables categóricas en comparación
con el análisis de regresión normal. El enfoque implica ajustar un modelo jerárquico general a un conjunto de
datos extraído de las evaluaciones generales del curso de los estudiantes. Los hallazgos de este análisis muestran
que la clase, los elementos tangibles, la confiabilidad, la capacidad de respuesta, la seguridad y la empatía de
los estudiantes tienden a interactuar entre sí, lo que contribuye a un valor G2 más alto. Por lo tanto, se puede
decir que el uso del modelo loglineal que captura los términos de interacción explica la evaluación del curso de
los estudiantes mejor que el análisis de regresión ordinario. A través de esta investigación, se espera que se
puedan recopilar nuevos conocimientos para servir mejor a los estudiantes en los próximos semestres y las áreas
en las que deben enfocarse, mientras se imparten las clases de español en la UUM.

REFERENCIAS
Andreassen, TW (2000). Antecedentes de la satisfacción con la recuperación del servicio. revista europea
de Marketing, 34 (1/2), 156­175.
Basadur, M. y Head, M. (2001). Desempeño y satisfacción del equipo: un vínculo con el estilo cognitivo dentro de
un marco de proceso. Revista de Comportamiento Creativo, 34 (4), 227­248.
Bearden, WD y Teel, JE (1983). Determinantes seleccionados de la satisfacción del cliente e informes de quejas.
Journal of Marketing Research, 20 (noviembre), 21 ­ 28.
Berry, LL, Parasuraman, A. y Zeithaml, VA (1988). The Service­Quality Puzzle, Business Horizons, (septiembre­
octubre), 35­43.
Christopher, M., Payne, A. y Ballantyne D. (1994). Marketing relacional: uniendo calidad, servicio al cliente y
marketing. Butterworth Heinemann.
Dilts, DA (1980). Una interpretación estadística de la retroalimentación de los estudiantes. Diario de Economía
Educación, 11 (Primavera), 10­15.
Fizel, JL y Johnson, JD (1986). El efecto de la secuenciación de macro/micro cursos en el aprendizaje y las
actitudes en los principios de la economía. Journal of Economic Education, 17 (primavera), 87­98.
Gupta, Yash P. y Torkzadeh, G. (1988). Rediseñar los sistemas de servicios bancarios para lograr
marketing. Planificación a largo plazo, 21 (6), 38­43.
Holmlund, M. y Kock, S. (1996). Marketing relacional: la importancia de la calidad de servicio percibida por el
cliente en la banca minorista. The Service Industries Journal, 16 (3), 287­
304.
Kelly, AB (1972). Usos y abusos de la evaluación de cursos como medida del rendimiento educativo.
Journal of Economic Education, 4 (otoño), 13–18.
LeBlanc, G. y Nguyen, N. (1988). Percepción de los clientes sobre la calidad del servicio en las entidades
financieras. Revista Internacional de Marketing Bancario, 6 (4), 7 ­ 18.
Malhotra, Naresh K. y Ulgado, Francis M. (1994). Una evaluación comparativa de las dimensiones de la calidad
del servicio entre países desarrollados y en desarrollo.
Marketing de Servicios Internacionales, 11 (2), 5­15.
Machine Translated by Google

204 Medición de las evaluaciones de los cursos de los estudiantes: el uso de un modelo loglineal

Mehdizadeh, M. (1990). Modelos loglineales y evaluaciones de cursos de estudiantes. Investigación en Educación

Económica, 21 (1), 7­21.
Murray, KB (1991). Una prueba de la teoría del marketing de servicios: adquisición de información del cliente
Actividades. Journal of Marketing, 55 (enero), 10­25.
Oliva, TA, Oliver, RL y MacMillan, IC (1992). Un modelo de catástrofe para desarrollar estrategias de satisfacción
del servicio. Revista de Marketing, 56 (3), 83­95.
Parasuraman, A, Zeithaml, V. y Berry, LL (1994). Escalas alternativas para medir la calidad de los servicios: una
evaluación comparativa basada en criterios psicométricos y diagnósticos. Revista de venta al por menor, 70
(3), 201­229.
Parasuraman, A., Berry, LL y Zeithaml, VA (1991). Comprensión de las expectativas de servicio del cliente.
Revisión de la gestión de Sloan. 39 (Primavera), 39­48.
Parasuraman, A., Zeithaml, VA y Berry, LL (1988). SERVQUAL: una escala de ítems múltiples para medir las
percepciones de los consumidores sobre la calidad del servicio. Journal of Retailing, 64 (1), 12­40
Rushton, Angela M. y Carson, David J. (1989). El marketing de servicios: la gestión de los intangibles. Revista
Europea de Marketing, 23 (8), 23­44.
Seiver, DA (1983). Evaluaciones y calificaciones: un marco simultáneo. Diario de Economía
Educación, 14 (Verano), 32­38.
Taylor, Steven A. (1997). Evaluación de pesos de importancia basados en regresión para percepciones de calidad
y juicios de satisfacción en presencia de efectos de interacción y/o de orden superior. Diario de venta al por
menor, 73 (1), 135­159.
Tés, K. (1993). Expectativas, evaluación del desempeño y percepción de la calidad por parte de los consumidores.
Revista de Marketing, 57, 18­34.
Ting, DH (2004). "Calidad del servicio y percepciones de satisfacción: efecto curvilíneo y de interacción",
International Journal of Bank Marketing, 22 (6), 407 ­ 420.
Westbrook, RA (1980). Influencias afectivas intrapersonales sobre la satisfacción del consumidor con los productos.
Revista de Investigación del Consumidor. 7 (junio), 49­54.

APÉNDICE: SERVQUAL1
Tangibles Garantía
Contar con equipo moderno/equipo actualizado Infundir confianza en los estudiantes
Siéntete seguro con los profesores
Instalaciones visualmente atractivas Siempre cortés con los estudiantes.
Aparición del profesor Conocimiento para responder a las preguntas de los estudiantes.
Materiales visualmente atractivos asociados con el curso.
Empatía
Fiabilidad Dar a los estudiantes atención individual
Cumplir la promesa de hacer algo en un tiempo determinado Horario de consulta conveniente para todos sus alumnos
Interés sincero en resolver los problemas de los estudiantes. Dar a los estudiantes una atención personalizada.
Enseñar correctamente la primera vez Tener el mejor interés de los estudiantes en el corazón

Prestar sus servicios en el momento en que se comprometieron a hacerlo Comprender las necesidades específicas de sus alumnos.
Insista en registros sin errores
Evaluación general del curso2
Sensibilidad Mis sentimientos hacia el curso en general pueden ser mejores si
Informar a los estudiantes cuándo se realizarán los servicios.
Dar servicios rápidos a los estudiantes.
Siempre dispuesto a ayudar a los estudiantes.
Responder a las solicitudes de los estudiantes.
1
Las respuestas se obtuvieron en escalas de siete puntos que van desde “totalmente en desacuerdo” hasta “totalmente de acuerdo”
2
Las respuestas se obtuvieron en escalas de siete puntos que iban desde “muy insatisfecho” hasta “muy satisfecho”

IEJ