Palabras clave
Academic Achievement
Beliefs
Data Analysis Educación Matemática
Rendimiento Académico
Creencias
Análisis de Datos
Cómo citar
Resumen
Este trabajo evaluó la validez y fiabilidad de un instrumento que examina las creencias de los estudiantes sobre las matemáticas en un grupo de postulantes a carreras de Ingeniería en la Universidad Nacional de Concepción de Paraguay, y se implementaron técnicas de minería de datos para modelizar la relación entre las creencias en matemáticas y el rendimiento académico. La población estuvo integrada por 113 estudiantes, el muestreo fue no probabilístico y con participación voluntaria. Se determinó el coeficiente alpha de Cronbach para el instrumento Creencias, y se implementaron las técnicas de minería de datos: Regresión Lineal Múltiple, Regresión de Mínimos Cuadrados Parciales y Redes Bayesianas tomando como variable respuesta el Rendimiento Académico promedio en matemáticas. Se concluye sobre la replicabilidad del instrumento en el caso de estudio, y la generación de evidencia sobre importancia del compromiso afectivo y conductual del estudiante sobre el rendimiento académico en matemáticas en el acceso a carreras de Ingeniería en Paraguay.
Citas
Abdi, H. (2010). Partial least squares regression and projection on latent structure regression (PLS Regression). Wiley interdisciplinary reviews: computational statistics, 2(1), 97-106. https://doi.org/10.1002/wics.51
Aiken, L. (2003). Evaluación de la personalidad: Orígenes Aplicaciones y Problemas. Test psicológicos y evaluación. 11ª ed. Editorial Pearson Educación.
American Educational Research Association, American Psychological Association, y National Council on Measurement in Education. (2018). Validez en Estándares para Pruebas Educativas y Psicológicas (pp. 11–34). American Educational Research Association. https://doi.org/10.2307/j.ctvr43hg2.5
Baldor, A. (2008). Álgebra de Baldor (2ª ed.). Patría.
Baldor, A. (2008). Aritmética de Baldor (2ª ed.). Patría.
Baldor, A. (2009). Geometría Plana y del Espacio de Baldor (2ª ed.). Patria.
Bergsten, C., Engelbrecht, J., y Kågesten, O. (2015). Conceptual or procedural mathematics for engineering students–views of two qualified engineers from two countries. International Journal of Mathematical Education in Science and Technology, 46(7), 979–990. https://doi.org/10.1080/0020739X.2015.1075615
Biza, I., Giraldo, V., Hochmuth, R., Khakbaz, A. S., y Rasmussen, C. (2016). Research on teaching and learning mathematics at the tertiary level. Springer Nature. https://doi.org/10.1007/978-3-319-41814-8
Brown, A. L. (1978). Knowing when, where, and how to remember. A problem of metacognition. En R. Glaser (Ed.), Advances in instructional psychology (Vol. 1, pp. 77–165). Erlbaum.
Caldera-Montes, J. F., Reynoso-González, O. U., Gómez-Covarrubia, N. J., Mora-García, O., y Anaya-González, B. B. (2017). Modelo explicativo y predictivo de respuestas de estrés académico en bachilleres. Ansiedad y estrés, 23(1), 20-26. https://doi.org/10.1016/j.anyes.2017.02.002
Carreto, R. R., Jaimes, F. G., Hernández, F. J. A., Rosas, F. S., y Ignacio, O. F. T. (2014). Un modelo empírico para explicar el desempeño académico de estudiantes de bachillerato. Perfiles Educativos, 36(146), 45-62. https://doi.org/10.22201/iisue.24486167e.2014.146.46027
Cortina, J. M. (1993). What is coefficient alpha? An examination of theory and applications. Journal of applied psychology, 78(1), 98. https://doi.org/10.1037/0021-9010.78.1.98
Cowell, R. (1998). Introduction to inference for Bayesian networks. En Jordan, M.I. (Eds.) In Learning in graphical models (pp. 9-26). Springer. https://doi.org/10.1007/978-94-011-5014-9_1
De la Orden, A., Olivero, L., Mafokozi, J. y González, C. (2001). Modelos de investigación del bajo rendimiento. Revista Complutense de Educación, 12(1), 159-178.
Erens, R. y Eichler, A. (2019). Belief changes in the transition from university studies to school practice. En M. Hannula, G. Leder, F. Morselli, M. Vollstedt, & Q. Zhang (Eds.), Affect and mathematics education (pp. 345-373). Springer Nature. https://doi.org/10.1007/978-3-030-13761-8_16
Evans, J. S. B. (2007). Hypothetical thinking: Dual processes in reasoning and judgement. London: Taylor & Francis Group Psychology Press.
Flavell, J. H. (1976). Metacognitive aspects of problem-solving. En L. B. Resnick (Ed.), The nature of intelligence (pp. 231–236). Erlbaum.
Frawley, W. J., Piatetsky-Shapiro, G., y Matheus, C. J. (1992). Knowledge discovery in databases: An overview. AI magazine, 13(3), 57-57.
Fredricks, J., Blumenfeld, P., y Paris, A. (2004). School engagement: potential of the concept, state of the evidence. Review of Educational Research, 74(1), 59–109. https://doi.org/10.3102/00346543074001059
Fullana, J. (2008). La investigació sobre l’exit i el fracàs escolar des la perspectiva dels factors de risc. Implicacions per a la recerca i la pràctica educatives. Tesis Doctoral, Universidad de Girona. https://www.tesisenred.net/handle/10803/7980
Geladi, P., y Kowalski, B. R. (1986). Partial least-squares regression: a tutorial. Analytica chimica acta, 185, 1-17. https://doi.org/10.1016/0003-2670(86)80028-9
Gómez-Chacón, I. M., García-Madruga, J. A., Vila, J. Ó., Elosúa, M. R., y Rodríguez, R. (2014). The dual processes hypothesis in mathematics performance: Beliefs, cognitive reflection, working memory and reasoning. Learning and Individual Differences, 29, 67-73. https://doi.org/10.1016/j.lindif.2013.10.001
Gómez-Chacón, I. M., Griese, B., Rösken-Winter, B., y Gónzalez-Guillén, C. (2015). Engineering students in Spain and Germany–varying and uniform learning strategies. En K. Krainer; N. Vondrová (Eds), Proceedings of the Ninth Congress of the European Society for Research in Mathematics Education (pp. 2117-2123), Feb 2015, Prague, Czech Republic.
Gómez-Chacón, I. M., Op ’t Eynde, P. y De Corte, E. (2006). Creencias de los estudiantes de matemáticas. La influencia del contexto de clase, Enseñanza de las Ciencias. Revista de investigación y experiencias didácticas, 24 (3), 309-324. https://doi.org/10.5565/rev/ensciencias.3784
Gómez-Chacón, I.M., Hochmuth, R., Jaworski, B., Rebenda, J., Ruge, J., Thomas. S. (Eds) (2021). Inquiry in University Mathematics Teaching and Learning: The Platinum Project. Brno: MUNI, Masaryk University Editor. https://doi.org/10.5817/CZ.MUNI.M210-9983-2021
Green, T. (1971). The activities of teaching. McGraw-Hill.
Griese, B., Glasmachers, E., Härterich, J., Kallweit, M., y Roesken, B. (2011). Engineering students and their learning of mathematics. En B. Roesken y M. Casper (Eds.), Current State of Research on Mathematical Beliefs. XVII Proceedings of the MAVI-17 Conference Sept. 17 - 20, (pp. 85-96). Professional School of Education, Ruhr-Universität Bochum.
Juste, R. P. (2009). Estadística aplicada a la educación. Prentice Hall.
Kouvela, E., Hernandez-Martinez, P., y Croft, T. (2018). “This is what you need to be learning": an analysis of messages received by first-year mathematics students during their transition to university. Mathematics Education Research Journal, 30, 165–183.
Leder, G., Pehkonen, E., y Törner, G. (Eds.). (2002). Beliefs: A hidden variable in mathematics education? Kluwer Academic Publishers. https://doi.org/10.1007/0-306-47958-3
Mello Román, J. D., y Giménez Amarilla, S. (2020). Una perspectiva de la educación Matemática en Paraguay. Contribuciones desde la Universidad Nacional de Concepción. Revista Paraguaya de Educación, 9(1).
Mello Román, J. D., y Hernández Estrada, A. (2019). Un estudio sobre el rendimiento académico en Matemáticas. Revista electrónica de investigación educativa, 21. https://doi.org/10.24320/redie.2019.21.e29.2090
Mello-Román, J. D., y Hernández, A. (2020). KPLS optimization with nature-inspired metaheuristic algorithms. IEEE Access, 8, 157482-157492. https://doi.org/10.1109/ACCESS.2020.3019771
Nisbet, R., Miner, G. D., y Yale, K. (2017). Handbook of Statistical Analysis and Data Mining Applications. Elsevier.
Op't Eynde, P., De Corte, E., y Verschaffel, L. (2002). Framing students' mathematics-related beliefs: A quest for conceptual clarity and a comprehensive categorization. En G. C. Leder, E. Pehkonen y G. Törner (Eds.), Beliefs: A hidden variable in mathematics education? (pp. 13–38). Dordrecht: Kluwer Academic Publishers. https://doi.org/10.1007/0-306-47958-3_2
Pedersen, I.F. y Haavold, P.O. (2022). Developing and validating survey instruments for assessing beliefs and motivation in mathematics, En J. Hodgen, et.al. (Eds), Proceedings of the Twelve Congress of the European Society for Research in Mathematics Education. Bolzano, Italy.
Pepin, B., y Rösken-Winter, B. (Eds) (2015). From beliefs and affect to dynamic systems: (exploring) a mosaic of relationships and interactions. Serie Advances in Mathematics Education. Springer.
Philipp, R. (2007). Mathematics teachers’ beliefs and affect. En F. Lester (Ed.), Second handbook of research on mathematics teaching and learning (pp. 257–315). Information Age.
Pintrich, P., y De Groot, E. (1990). Motivational and self-regulated learning components of classroom academic performance. Journal of Educational Psychology, 81(1), 33–40. https://doi.org/10.1037/0022-0663.82.1.33
Puga, J. L. (2012). Cómo construir y validar Redes bayesianas con netica. Rema, 17(1), 1-17.
Rodríguez Garcés, C., y Jarpa Arriagada, C. G. (2015). Capacidad predictiva de las notas en enseñanza media sobre el rendimiento en pruebas de selección universitaria: el caso chileno. Aula Abierta, 43(02), 61–68. https://doi.org/10.17811/rifie.43.02.2015.61-68
Rodríguez, J. R., y Alvarez, M. R. (2020). Calcular la fiabilidad de un cuestionario o escala mediante el SPSS: el coeficiente alfa de Cronbach. REIRE: revista d'innovació i recerca en educació, 13(2), 8. https://doi.org/10.1344/reire2020.13.230048
Rodríguez-Muñiz, L.J., Ferretti F., y Andrà, C. (en prensa), Mathematical Views. Proceedings of the 28th International Conference on Mathematical Views (MAVI28), 20-23 September. Universidad de Oviedo.
Roesken, B., Hannula, M. S., y Pehkonen, E. (2011). Dimensions of students’ views of themselves as learners of mathematics. ZDM, 43(4), 497–506. https://doi.org/10.1007/s11858-011-0315-8
Román, J. D. M. (2017). El enfoque de competencias en el currículo de Matemáticas de la Educación Media. La perspectiva docente sobre su implementación. Revista Internacional de Investigación en Ciencias Sociales, 13(1), 14-24. https://doi.org/10.18004/riics.2017.julio.14-24
Schneider, M., y Preckel, F. (2017). Variables associated with achievement in higher education: A systematic review of meta-analyses. Psychological Bulletin, 143(6),565–600. https://doi.org/10.1037/bul0000098
Smail, L. (2011). Uniqueness of the level two bayesian network representing a probability distribution. International Journal of Mathematics and Mathematical Sciences, 2011. https://doi.org/10.1155/2011/845398
Smail, L. (2017). Using Bayesian Networks to Understand Relationships among Math Anxiety, Genders, Personality Types, and Study Habits at a University in Jordan. Journal on Mathematics Education, 8(1), 17-34. https://doi.org/10.22342/jme.8.1.3405.17-34
Soares, A. P., Guisande, M. A., Diniz, A., y Almeida, L. S. (2006). Construcción y validación de un modelo multidimensional de ajuste de los jóvenes al contexto universitario. Psicothema, 18(2), 249–255.
Steinmayr, R., Meißner, A., Weidinger, A. F., y Wirthwein, L. (2014). Academic achievement. Oxford Bibliographies. https://doi.org/10.1093/OBO/9780199756810-0108
Sturmey, P., Newton, J. T., Cowley, A., Bouras, N., y Holt, G. (2005). The PAS–ADD Checklist: independent replication of its psychometric properties in a community sample. The British Journal of Psychiatry, 186(4), 319-323.
Tomás-Miquel, J. V., Expósito-Langa, M., y Sempere-Castelló, S. (2014). Determinantes del rendimiento académico en los estudiantes de grado. Un estudio en administración y dirección de empresas. Revista de investigación educativa, 32(2), 379-392. https://doi.org/10.6018/rie.32.2.177581
Tossavainen, T., Rensaa, R. J., y Johansson, M. (2019). Swedish first-year engineering students’ views of mathematics, self-efficacy and motivation and their effect on task performance. International Journal of Mathematical Education in Science and Technology, 1–16. https://doi.org/10.1080/0020739X.2019.1656827
Zakariya, Y. F., Nilsen, H.K., Goodchild, S., y Bjørkestøl, K. (2020). Self-efficacy and approaches to learning mathematics among engineering students: empirical evidence for potential causal relations, International Journal of Mathematical Education in Science and Technology. https://doi.org/10.1080/0020739X.2020.1783006
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor 2022 Aula Abierta