Resolución de problemas y rendimiento académico en estudiantes universitarios

• Autores: Noguera, Maria Teresa; Musso, Mariel Fernanda
• Año de publicación: 2020
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Rendimiento académico; Procesos cognitivos; Resolución de problemas; Motivación; Estudiantes universitarios
• Institución: Consejo Nacional de Investigaciones Científicas y Técnicas

Introducción: La mejora del rendimiento académico es un tema prioritario en las agendas públicas para el logro de la inclusión al sistema universitario con calidad. Desarrollar modelos integrales del rendimiento académico que consideren las diferencias individuales a nivel cognitivo y motivacionales, en base a metodologías precisas y robustas, permitirían identificar de forma temprana a estudiantes en riesgo académico, así como diseñar intervenciones más adaptadas a sus necesidades. Además, resulta interesante incluir en estos análisis la habilidad de resolución de problemas como un proxy del rendimiento por su efectividad predictiva del promedio académico. Resulta así interesante estudiar su aplicabilidad en la evaluación académica de los estudiantes durante las fases tempranas del ingreso. Objetivos: Utilizando la habilidad de resolución de problemas analíticos (RP) como proxy del rendimiento académico, se buscó determinar la contribución de factores cognitivos, emocionales y comportamentales en el desempeño de estudiantes universitarios de los primeros años de la región Nordeste (NEA). Metodología: La muestra está compuesta por 230 estudiantes cursando carreras de grado en la Universidad Nacional del Nordeste. El promedio de edad fue de 24 años (DS= 8) y el 58% eran mujeres. En el 47% de los casos el cuidador principal no tiene estudios superiores, y en el 25% no completó el nivel secundario. Se utilizó como criterio de selección a los sujetos que lograron un 80% de precisión en la prueba AOSPAN. Instrumentos: se evaluó la memoria de trabajo (MT) utilizando la medida absoluta del test automatizado Operation Span (AOSPAN); para la atención ejecutiva (AE) se utilizó el tiempo de reacción (TR) de la atención ejecutiva del Test de redes atencionales. Para evaluar la competencia subjetiva (CS) se utilizó el cuestionario Pre-tarea OMQ91. Se aplicaron las escalas de Ansiedad (ANX), Selección de Ideas Principales (SMI), Estrategias de Examen (TST) y Procesamiento de Información (INP) de LASSI. Se establecieron puntajes para RP mediante un análisis de Teoría de Respuesta al Item sobre 10 items seleccionados de PISA 2003, Se utilizaron puntajes z para RP y las escalas de LASSI. Se calculó el Ln del TR de MT y AE. Los puntajes de los predictores fueron agrupados según su nivel percentilar como Alto (>66.3), Medio (66.3 -33.3) y bajo (<33.3). Se realizaron ANOVAs para establecer el efecto de los factores cognitivos y motivacionales sobre el puntaje de RP. Resultados: El promedio de la muestra NEA en MT fue de 18 (DS= 13) correspondiéndose con valores del percentil 25 de CABA. En AE la media en TR fue 157.33 (DS=81.62), un desvío estándar más que en CABA. Los análisis ANOVA revelaron efectos significativos y moderados de los niveles de MT (F(2,226)=7.593; p<.001), de AE (F(2,22)=8.507; p<.001), y CS (F(2,227)=5.723; p=.004) sobre la habilidad de RP. Por otro lado, se encontraron también efectos significativos y moderados de la MT (F(2,233)= 8.175; p< .001), las Estrategias de Examen (F(2,236)= 9.092; p< .001), la Ansiedad (F(2,236)= 6.515; p< .01) y la Selección de Ideas principales (F(2,236)= 6.238; p<.01) sobre la CS. En todos los casos en que se identificó un efecto significativo se cumplió el supuesto de igualdad de varianzas.Discusión: Estos resultados podrían estar indicando la conveniencia de revisar la carga cognitiva de los materiales mediante diseño instruccional. Los resultados si bien no son concluyentes, son consistentes con los hallazgos de estudios previos. La naturaleza de los datos requeriría el uso de métodos no tradicionales a fin de establecer modelos explicativos válidos. Se continuará el trabajo aplicando redes neuronales artificiales para la identificación de niveles de desempeño en RP por parte de los estudiantes. Asimismo, con el objetivo de identificar los patrones de variables de mayor peso predictivo para cada nivel.
Fil: Noguera, Maria Teresa. Universidad Nacional del Nordeste. Facultad de Derecho y Ciencias Sociales y Politicas; Argentina
Fil: Musso, Mariel Fernanda. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Centro Interdisciplinario de Investigaciones en Psicología Matemática y Experimental Dr. Horacio J. A. Rimoldi; Argentina
XVII Reunión Nacional y VI Encuentro Internacional de la Asociación Argentina de Ciencias del Comportamiento
Posadas
Argentina
Asociación Argentina de Ciencias del Comportamiento