Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
El propsito de esta investigacin es definir un indicador del desempeo
acadmico estudiantil basado en los crditos acadmicos, como alternativa al
indicador tradicional basado en el promedio de calificaciones. Se estudia
comparativamente el comportamiento de ambos indicadores mediante modelado
estadstico multivariante, a partir de variables explicativas sociodemogrficas,
acadmicas y motivacionales. Se construyen y comparan modelos de regresin
lineal y logstica y modelos de ecuaciones estructurales (de rutas y de variables
latentes empleando agrupaciones de tems), en dos grupos independientes
extrados de una misma poblacin. Los resultados sugieren que el
comportamiento de ambos indicadores es similar. En cuanto a los modelos de
regresin, se confirma la prdida de potencia para detectar efectos significativos
al categorizar la variable criterio para su modelado mediante regresin logstica.
Respecto a los modelos de ecuaciones estructurales, los modelos de variables
latentes que utilizan agrupaciones de tems resultan una alternativa atractiva
frente a los modelos de rutas.
Abstract:
The purpose ot this investigation is to define an indicator of academic
achievement based upon the academic credits, as an alternative to a more
traditional indicator, based on grades. Both indicators are analysed through
multivariate analyses: linear regression, logistic regression and structural
equation modeling (path analysis and latent variable models using parcels of
items), emplyoing socio-demographic, motivational and academic predictors.
Models were built up in two independent groups extracted from the same
population. Results suggest that the performance of both indicators is quite
similar. With respect to regression models, a loss of power to detect significant
effects is confirmed when the dependent variable is categorized to be modeled
by logistic regression. Regarding structural models, latent variable models
employing parcels of items seem to be an attractive alternative to path analysis.
Facultad de Psicologa
2007
Departamento de Psicologa Social y Metodologa
Facultad de Psicologa
Directores
Dra. Maria Teresa Coello Garca Dr. Miguel ngel Ruiz Daz
Doctorado.
del Dr. Moreno en 2003 y pese a que slo nos pudimos encontrar
por tus consejos, por estar siempre ah, del otro lado de la pantalla,
A todos ustedes,
MUCHAS GRACIAS!
NDICE
PARTE TERICA
CAPTULO 1
INTRODUCCIN 1
1.1. Objetivo de investigacin ...............................................1
1.2. Justificacin del estudio .................................................3
1.3. Contexto de investigacin y delimitacin del objeto de
estudio ..........................................................................15
CAPTULO 2
MARCO TERICO 21
2.1. Antecedentes ...............................................................21
2.1.1. Definiciones de rendimiento centradas en la
Institucin .............................................................. 23
2.1.2. Definiciones de rendimiento centradas en el
estudiante.............................................................. 29
2.1.3. Indicadores de rendimiento acadmico ................ 30
2.2. Factores explicativos del rendimiento acadmico .......39
2.2.1. Variables acadmicas: el rendimiento previo. ...... 40
2.2.2. Factores relacionados con la inteligencia ............. 42
2.2.3. Factores relacionados con la motivacin.............. 44
2.2.4. Enfoques, estilos y estrategias de aprendizaje .... 47
2.2.5. Factores sociodemogrficos ................................. 53
2.2.6. Variables relevantes en los modelos de rendimiento
acadmico ............................................................. 55
2.3. El rendimiento previo....................................................56
2.3.1. Relacin entre el rendimiento previo y el
rendimiento futuro ................................................. 57
2.3.2. Rendimiento previo y rendimiento futuro en
carreras universitarias cientficas ..........................63
2.3.3. Sntesis ..................................................................66
2.4. Factores relacionados con la inteligencia ................... 67
2.4.1. Enfoques y teoras de la inteligencia .................... 68
2.4.2. Indicadores de inteligencia: medidas
convencionales y alternativas ............................... 74
2.4.3. Auto-percepcin de la aptitud................................ 80
2.5. Factores relacionados con la motivacin .................... 82
2.5.1. Definicin de motivacin y terminologa
motivacional........................................................... 82
2.5.2. Teoras sobre la motivacin ..................................92
2.6. Mtodos estadsticos empleados en la prediccin del
rendimiento acadmico ............................................. 142
2.7. Comparacin de resultados ...................................... 149
2.7.1. Comparacin inter-grupos...................................150
2.7.2. Comparacin intra-grupos...................................154
2.8. Prediccin del rendimiento acadmico en Uruguay y en
la regin ..................................................................... 156
PARTE EMPRICA
CAPTULO 3
HIPTESIS Y PLAN DE INVESTIGACIN 163
3.1. Prenotandos y definiciones ....................................... 163
3.2. Variables explicativas en esta investigacin ............. 167
3.3. Hiptesis de investigacin......................................... 170
3.4. Operativizacin de variables ..................................... 177
3.5. Diseo........................................................................ 179
3.6. Estudios empricos .................................................... 181
CAPTULO 4
ESTUDIO 1. PROPIEDADES MTRICAS DE LOS
INSTRUMENTOS 183
4.1. Introduccin................................................................183
4.2. Mtodo........................................................................184
4.3. Resultados .................................................................206
4.3.1. Descripcin de las caractersticas de los
participantes ........................................................ 206
4.3.2. Escala de metas acadmicas ............................. 208
4.3.3. Escala de capacidad percibida ........................... 222
4.4. Discusin estudio 1 ....................................................227
CAPTULO 5
ESTUDIO 2. ANLISIS MULTIVARIANTE DEL RENDIMIENTO
ACADMICO 233
5.1. Introduccin................................................................233
5.2. Mtodo........................................................................233
5.3. Resultados .................................................................258
5.3.1. Descripcin de las caractersticas de los
participantes ........................................................ 258
5.3.2. Descripcin de las caractersticas de las variables260
5.3.3. Regresin lineal................................................... 262
5.3.4. Regresin logstica.............................................. 280
5.3.5. Modelos de ecuaciones estructurales (modelos de
rutas) ................................................................... 294
5.3.6. Modelos de ecuaciones estructurales (modelos de
variables latentes) ............................................... 321
5.3.7. Anlisis de conglomerados ................................. 332
5.4. Discusin estudio 2 ....................................................348
CAPTULO 6
CONCLUSIONES 363
6.1. Aportaciones sustantivas .......................................... 363
6.2. Aportaciones metodolgicas ..................................... 366
6.3. Limitaciones............................................................... 369
6.4. Propuestas de continuacin del trabajo ................... 369
REFERENCIAS 373
APNDICES 449
APNDICE A. Revisin de la bibliografa.......................... 451
APNDICE B. Cuestionarios ............................................. 469
APNDICE C. Anlisis factorial ......................................... 473
APNDICE D. Modelos de regresin ................................ 511
APNDICE E. Anlisis de conglomerados ........................ 513
APNDICE F. Histogramas y pruebas de normalidad ...... 521
PARTE TERICA
Captulo 1: Introduccin
CAPTULO 1
INTRODUCCIN
acadmicas y motivacionales.
1
Maria Noel Rodrguez Ayn
Los factores explicativos que afectan a uno y otro indicador son los
2
Captulo 1: Introduccin
3
Maria Noel Rodrguez Ayn
1993).
4
Captulo 1: Introduccin
reputacin
y Wright, 2003; Pike, 1991, 1995, 1996; Pike y Killian, 2001; Pike y
5
Maria Noel Rodrguez Ayn
6
Captulo 1: Introduccin
7
Maria Noel Rodrguez Ayn
previo (p.e. Nonis y Wright, 2003; Nurmi et al., 2003; Zajacova et al.,
hacerlo).
8
Captulo 1: Introduccin
los crditos acumulados por los alumnos en relacin con los crditos
9
Maria Noel Rodrguez Ayn
construir.
10
Captulo 1: Introduccin
y Pascarella, 1978; Tinto, 1975; Valle et al., 1998; Valle et al. 2003a,
futuro.
estimaciones?
11
Maria Noel Rodrguez Ayn
12
Captulo 1: Introduccin
de forma individual.
13
Maria Noel Rodrguez Ayn
parmetro.
14
Captulo 1: Introduccin
estudio
Uruguay.
15
Maria Noel Rodrguez Ayn
16
Captulo 1: Introduccin
17
Maria Noel Rodrguez Ayn
llevar ambas medidas a una misma escala. Por tal motivo nos
(2003).
18
Captulo 1: Introduccin
19
Maria Noel Rodrguez Ayn
20
Captulo 2: Marco Terico
CAPTULO 2
MARCO TERICO
2.1. Antecedentes
21
Maria Noel Rodrguez Ayn
22
Captulo 2: Marco Terico
(Collazo, 2005).
23
Maria Noel Rodrguez Ayn
entrada.
May, 2001; van Vught, 1994). Van Vught (1994) sostiene que hay
24
Captulo 2: Marco Terico
Superior debe servir. As, por ejemplo, las cuatro concepciones que
25
Maria Noel Rodrguez Ayn
concepciones son:
en el trabajo.
estudiantes universitarios.
26
Captulo 2: Marco Terico
calidad universitaria:
27
Maria Noel Rodrguez Ayn
Educacin Superior.
28
Captulo 2: Marco Terico
29
Maria Noel Rodrguez Ayn
30
Captulo 2: Marco Terico
y medicin.
31
Maria Noel Rodrguez Ayn
32
Captulo 2: Marco Terico
insercin laboral.
33
Maria Noel Rodrguez Ayn
34
Captulo 2: Marco Terico
35
Maria Noel Rodrguez Ayn
un conjunto de conocimientos.
36
Captulo 2: Marco Terico
carrera.
CRi
Progresoi =
CTi
37
Maria Noel Rodrguez Ayn
38
Captulo 2: Marco Terico
rendimiento acadmico.
39
Maria Noel Rodrguez Ayn
motivacin.
40
Captulo 2: Marco Terico
al., 1997; Pike, 1991; Pike y Saupe, 2002; Power et al., 1987;
Zeegers, 2004).
41
Maria Noel Rodrguez Ayn
Nauta, 2001).
42
Captulo 2: Marco Terico
43
Maria Noel Rodrguez Ayn
aptitud propia.
44
Captulo 2: Marco Terico
45
Maria Noel Rodrguez Ayn
1996).
46
Captulo 2: Marco Terico
aprendizaje.
47
Maria Noel Rodrguez Ayn
2.1.
48
Captulo 2: Marco Terico
Contexto de
instruccin
Figura 2.1. El modelo 3P de enseanza-aprendizaje. Extrado de Biggs (1987c).
49
Maria Noel Rodrguez Ayn
50
Captulo 2: Marco Terico
Modo de aprehensin
EC
EA OR
Modo de transformacin
CA
Figura 2.2. Estilos de aprendizaje segn Kolb (1976). EC= Experiencia concreta,
CA= Conceptualizacin abstracta, EA= Experimentacin activa, OR= Observacin
reflexiva.
51
Maria Noel Rodrguez Ayn
2006).
52
Captulo 2: Marco Terico
logro sera el que sufre mayores cambios con el tiempo, en tanto que
carrera.
53
Maria Noel Rodrguez Ayn
tanto que las similitudes entre ambos sexos seran la regla. Las
54
Captulo 2: Marco Terico
acadmico
investigaciones consultadas.
55
Maria Noel Rodrguez Ayn
antecedentes correspondientes.
rendimiento.
56
Captulo 2: Marco Terico
futuro
(p.e., Bivin y Rooney, 1999; Eimers y Pike, 1997; Garca et al., 2000;
et al., 1997; Pike, 1991; Pike y Saupe, 2002; Power et al., 1987;
57
Maria Noel Rodrguez Ayn
1993; Odell, 1927; Pascoe et al., 1997; Power et al., 1987; Segal,
58
Captulo 2: Marco Terico
las mujeres que para los hombres). Pascoe et al. (1997) encontraron
previo.
59
Maria Noel Rodrguez Ayn
habitual (=0,05).
60
Captulo 2: Marco Terico
61
Maria Noel Rodrguez Ayn
62
Captulo 2: Marco Terico
universitarias cientficas
investigacin.
63
Maria Noel Rodrguez Ayn
64
Captulo 2: Marco Terico
65
Maria Noel Rodrguez Ayn
(Pedhazur, 1997).
2.3.3. Sntesis
et al., 1987).
66
Captulo 2: Marco Terico
perodos anteriores).
rendimiento acadmico.
de aptitud.
67
Maria Noel Rodrguez Ayn
68
Captulo 2: Marco Terico
69
Maria Noel Rodrguez Ayn
aptitud.
70
Captulo 2: Marco Terico
al dominio disciplinar.
71
Maria Noel Rodrguez Ayn
Figura 2.3.
NOVATO
Habilidades
cognitivas
Nivel de competencia
Tipos de
pensamiento
EXPERTO
72
Captulo 2: Marco Terico
procedimental) y motivacin.
futuro.
contexto.
73
Maria Noel Rodrguez Ayn
alternativas
Kaufman, 1998).
(Sternberg, 2005).
74
Captulo 2: Marco Terico
propia capacidad.
CI. Si bien sus resultados muestran que Ie y Smart son los mejores
75
Maria Noel Rodrguez Ayn
76
Captulo 2: Marco Terico
77
Maria Noel Rodrguez Ayn
sera detectada tanto por el sujeto como por sus pares, de una
manera sistemtica.
al., 1998).
78
Captulo 2: Marco Terico
79
Maria Noel Rodrguez Ayn
CI.
2003).
80
Captulo 2: Marco Terico
resultados.
81
Maria Noel Rodrguez Ayn
82
Captulo 2: Marco Terico
2000, p. 54).
83
Maria Noel Rodrguez Ayn
4).
84
Captulo 2: Marco Terico
2000).
85
Maria Noel Rodrguez Ayn
86
Captulo 2: Marco Terico
Figura 2.4 Corpus de 20 trminos motivacionales relevantes para el estudio del logro
acadmico
Orientacin al yo
Metas de aprendizaje
Orientaciones Metas de dominio
Metas de ejecucin
Orientacin a la tarea
Evitacin del trabajo
Metas sociales
METAS
Motivacin intrnseca
MOTIVACIN Motivacin extrnseca
Inters personal
INTERS Inters situacional
87
Maria Noel Rodrguez Ayn
encontradas.
88
Captulo 2: Marco Terico
Tabla 2.2 Definiciones conceptuales de los trminos seleccionados por Murphy y Alexander (2000)
Definiciones conceptuales de los trminos seleccionados por Murphy y Alexander (2000)
Concepto Definicin
META
Lo que en general los estudiantes desean lograr en sus clases, sea de orden acadmico o social, (Wentzel, 1989).
Goal
Orientaciones Conjunto de intenciones conductuales que determina cmo los alumnos enfocan las actividades de aprendizaje, (Meece,
Goal orientation Blumenfeld y Hoyle, 1988, p. 514).
El deseo de desarrollar competencia e incrementar el conocimiento mediante aprendizaje (p.e., Ames y Archer, 1988;
Metas de dominio Archer, 1994).
Mastery goals Sinnimos: Metas de aprendizaje (Dweck, 1986; Dweck y Elliott, 1983), metas orientadas a la tarea (Nicholls, 1984; Nicholls,
Patashnick y Nolen, 1985).
El deseo de obtener juicios favorables y evitar juicios desfavorables acerca de la propia competencia, particularmente si el
Metas de ejecucin
xito se logra mediante un mnimo esfuerzo (Dweck, 1986; Dweck y Elliott, 1983). Sinnimo: metas orientadas al yo
Performance goals
(Nicholls, 1984, Nicholls, Patashnick y Nolen, 1985).
Evitacin del trabajo
El principal objetivo es realizar el trabajo con un mnimo esfuerzo (Meece, Blumenfeld y Hoyle, 1988, p. 515).
Work-avoidant goal
Se refiere a metas cuyo contenido acompaa los aspectos sociales del aula, tales como complacer a los dems (profesores,
METAS SOCIALES
colegas) y tratar de ser socialmente responsable (realizando lo que le fue solicitado) (p.e., Miller, Greene, Montalvo,
Social goals
Ravindran, y Nichols, 1996; Wentzel, 1991).
INTERS Procesos mediante los cuales se vigorizan las necesidades o los deseos subyacentes de los alumnos (Alexander, Murphy,
Interest Woods, Duhon y Parker, 1997, p. 128).
Un inters profundo, que emergue de la propia historia del sujeto interactuando con objetos o estmulos, caracterizado por el
Inters individual
deseo de desarrollar competencia (p.e., Albin, Benton, y Khramtsova, 1996; Alexander, Murphy, Woods, Duhon, y Parker,
Individual interest
1997; Hidi, 1990; Schiefele, 1991).
Inters situacional Inters transitorio, relativo a las caractersticas especficas de un evento u objeto en un contexto inmediato.
Situational interest (p.e., Albin, Benton y Khramtsova, 1996; Alexander, Murphy, Woods, Duhon, y Parker, 1997; Hidi, 1990; Schiefele, 1991).
(Continuacin)
89
Maria Noel Rodrguez Ayn
Tabla 2.2
Definiciones conceptuales de los trminos seleccionados por Murphy y Alexander (2000) (Continuacin)
Concepto Definicin
MOTIVACIN
Proceso psicolgico implicado en la direccin, el vigor y la persistencia de la conducta (Bergin, Ford y Hess, 1993, p. 437).
Motivation
Motivacin intrnseca Se lleva a cabo la tarea porque es reconfortante, no porque se espere obtener un premio como consecuencia (Whang y
Intrinsic motivation Hancock, 1994, p. 306).
Motivacin extrnseca
Llevar a cabo la tarea para obtener algo ms all de la actividad en s misma (Whang y Hancock, 1994, p. 306).
Extrinsic motivation
Se refiere al conocimiento personal acerca de uno mismo, que representa diferencias individuales consistentes en la forma
AUTO-ESQUEMA
en que cada uno percibe y responde frente a los eventos (Pintrich y Schunk, 1996). Similar al auto-concepto, pero
Self-schema
representa una visin de s mismo mucho ms dinmica y situacional (Pintrich, 1994, p. 140).
Sujeto proactivo Se refiere a la concepcin de que los individuos son agentes activos de su propio aprendizaje y en la construccin de su
Agency propio auto-esquema (p.e., Deci y Ryan, 1991; Ryan, 1993).
Atribucin Bsqueda del estudiante a fin de comprender su rendimiento acadmico, haciendo atribuciones causales para explicar por
Attribution qu obtiene cierto resultado (Peterson, 1992, p. 114).
Auto-competencia
Juicios evaluativos del estudiante acerca de su aptitud para llevar a cabo ciertas tareas (Pintrich y Schunk, 1996, p.82).
Self-competenece
Auto-eficacia Juicios de las personas acerca de su capacidad para organizar y ejecutar cursos de accin requeridos para alcanzar cierto
Self-efficacy rendimiento designado (Bandura, 1986, p. 391)
Nota. Tabla extrada de Murphy y Alexander (2000)
90
Captulo 2: Marco Terico
una necesidad psicolgica bsica del ser humano, que tiene impacto
p.7).
91
Maria Noel Rodrguez Ayn
Schunk, 1996).
92
Captulo 2: Marco Terico
aptitud.
(epgrafe 2.5.2.7).
93
Maria Noel Rodrguez Ayn
futuras.
incontrolable.
94
Captulo 2: Marco Terico
95
Maria Noel Rodrguez Ayn
96
Captulo 2: Marco Terico
Antecedentes
causales
Figura 2.5. Motivacin intrapersonal desde una perspectiva de atribucin causal. Adaptado de Weiner (2000, 2005)
97
Maria Noel Rodrguez Ayn
personales significativas.
98
Captulo 2: Marco Terico
aptitud. Por lo tanto, pueden preferir evitar una tarea que implique
motivacin extrnseca
99
Maria Noel Rodrguez Ayn
ejecutar una tarea para evitar una sancin de los padres y ejecutar
una tarea porque se considera til para la carrera son dos conductas
sentimientos de eleccin.
100
Captulo 2: Marco Terico
aptitud
101
Maria Noel Rodrguez Ayn
102
Captulo 2: Marco Terico
docente.
103
Maria Noel Rodrguez Ayn
104
Captulo 2: Marco Terico
105
Maria Noel Rodrguez Ayn
conceptualizaciones y la terminologa.
106
Captulo 2: Marco Terico
Modelo de Dweck
107
Maria Noel Rodrguez Ayn
respuestas divergentes.
falta de competencia.
buena imagen frente a los dems (Elliott y Dweck, 1988). Las metas
108
Captulo 2: Marco Terico
Concepcin
de la Metas Capacidad auto- Comportamiento
inteligencia percibida
Demostrar
Elevada competencia
Rasgo
estable Ejecucin
Evitar demostrar
Baja incompetencia
Desarrollar
Maleable Aprendizaje Elevada o competencia
baja
Modelo de Nicholls
109
Maria Noel Rodrguez Ayn
110
Captulo 2: Marco Terico
auto-percepcin de la capacidad.
2005).
Investigaciones subsiguientes
111
Maria Noel Rodrguez Ayn
112
Captulo 2: Marco Terico
cuestin.
113
Maria Noel Rodrguez Ayn
114
Captulo 2: Marco Terico
y a la ejecucin.
115
Maria Noel Rodrguez Ayn
116
Captulo 2: Marco Terico
simultneamente.
117
Maria Noel Rodrguez Ayn
118
Captulo 2: Marco Terico
119
Maria Noel Rodrguez Ayn
Harackiewicz (2001).
120
Captulo 2: Marco Terico
metas acadmicas.
121
Maria Noel Rodrguez Ayn
acadmico
estrategias de aprendizaje.
122
Captulo 2: Marco Terico
(p. 428).
123
Maria Noel Rodrguez Ayn
(Felson, 1984).
medida de la auto-eficacia.
124
Captulo 2: Marco Terico
125
Maria Noel Rodrguez Ayn
2004).
126
Captulo 2: Marco Terico
percibida por los sujetos, sea que est concebida como la auto-
publicaciones.
127
Maria Noel Rodrguez Ayn
128
Captulo 2: Marco Terico
129
Maria Noel Rodrguez Ayn
tanto que los que apenas tratan de parecer inteligentes podran tener
130
Captulo 2: Marco Terico
relaciones.
131
Maria Noel Rodrguez Ayn
132
Captulo 2: Marco Terico
2001).
133
Maria Noel Rodrguez Ayn
134
Captulo 2: Marco Terico
al., 1996). Tambin hay trabajos que muestran que las metas de
135
Maria Noel Rodrguez Ayn
Midgley, 1991).
136
Captulo 2: Marco Terico
Leggett, 1988)
de aptitud con los dems o metas normativas (p.e., Elliot, 1999; Elliot
137
Maria Noel Rodrguez Ayn
1998).
aprendizaje
1994; Bouffard et al., 1995; Valle et al., 1997, Wentzel, 1991). Estos
adaptativas.
138
Captulo 2: Marco Terico
139
Maria Noel Rodrguez Ayn
2.5.2.8. Sntesis
140
Captulo 2: Marco Terico
2003b).
141
Maria Noel Rodrguez Ayn
rendimiento acadmico
estudiantil.
142
Captulo 2: Marco Terico
discriminante.
(Peng, So, Stage y St. John, 2002; Peng, Lee e Ingersoll, 2002;
143
Maria Noel Rodrguez Ayn
144
Captulo 2: Marco Terico
et al. (2002) una de las razones para ello puede ser que en dichos
categricas.
145
Maria Noel Rodrguez Ayn
146
Captulo 2: Marco Terico
147
Maria Noel Rodrguez Ayn
148
Captulo 2: Marco Terico
ordinal.
satisfaccin y otros.
resultados.
149
Maria Noel Rodrguez Ayn
150
Captulo 2: Marco Terico
medidas entre dos grupos (Bentler, 2004; Byrne, 1988, 2004; Little,
151
Maria Noel Rodrguez Ayn
superposicin aceptable.
152
Captulo 2: Marco Terico
ajuste.
cruzada para cada grupo. Esto es, en primer lugar proceder como se
153
Maria Noel Rodrguez Ayn
tcnicas de anlisis.
Takahashi, 2003).
154
Captulo 2: Marco Terico
155
Maria Noel Rodrguez Ayn
regin
156
Captulo 2: Marco Terico
nueva disciplina.
157
Maria Noel Rodrguez Ayn
(Alarcn, 2004).
liberal (http://www.psico.edu.uy).
158
Captulo 2: Marco Terico
159
Maria Noel Rodrguez Ayn
160
PARTE EMPRICA
Captulo 3: Hiptesis y plan de investigacin
CAPTULO 3
motivacionales.
2003).
163
Maria Noel Rodrguez Ayn
resultados.
164
Captulo 3: Hiptesis y plan de investigacin
que los dems se den cuenta de lo capaz que soy (tem M13 del
165
Maria Noel Rodrguez Ayn
achievement goals.
166
Captulo 3: Hiptesis y plan de investigacin
resultado.
predictivos a construir.
167
Maria Noel Rodrguez Ayn
168
Captulo 3: Hiptesis y plan de investigacin
la aptitud a los dems, lograr elogios por parte de los dems, etc.)
participantes.
169
Maria Noel Rodrguez Ayn
previas.
170
Captulo 3: Hiptesis y plan de investigacin
rendimiento acadmico.
futuro.
171
Maria Noel Rodrguez Ayn
hiptesis de trabajo:
172
Captulo 3: Hiptesis y plan de investigacin
motivacionales.
rendimiento.
por Grant y Dweck (2003) y por Zusho et al. (2003), extendiendo las
el rendimiento.
173
Maria Noel Rodrguez Ayn
rendimiento.
rendimiento.
174
Captulo 3: Hiptesis y plan de investigacin
y Dweck, 2003).
metas de aprendizaje.
metas de lucimiento.
metas de resultado.
175
Maria Noel Rodrguez Ayn
aprendizaje y al resultado).
176
Captulo 3: Hiptesis y plan de investigacin
de rendimiento.
variables latentes)
177
Maria Noel Rodrguez Ayn
178
Captulo 3: Hiptesis y plan de investigacin
3.5. Diseo
179
Maria Noel Rodrguez Ayn
que se aplican.
Objetivo Anlisis
180
Captulo 3: Hiptesis y plan de investigacin
Estudio 1 (Captulo 4)
Estudio 2 (Captulo 5)
181
Maria Noel Rodrguez Ayn
182
Captulo 4: Propiedades mtricas de los instrumentos
CAPTULO 4
INSTRUMENTOS
4.1. Introduccin
183
Maria Noel Rodrguez Ayn
exploratorios.
4.2. Mtodo
Participantes
184
Captulo 4: Propiedades mtricas de los instrumentos
grupos de participantes.
*
Para las cohortes 2004 y 2005 la definicin de abandono no es aplicable al
momento de esta investigacin.
185
Maria Noel Rodrguez Ayn
en el aparatado de resultados.
Instrumentos
Registros de la Universidad
186
Captulo 4: Propiedades mtricas de los instrumentos
187
Maria Noel Rodrguez Ayn
tres factores.
188
Captulo 4: Propiedades mtricas de los instrumentos
Varimax.
ajuste CFI.
Moore, 2006).
189
Maria Noel Rodrguez Ayn
190
Captulo 4: Propiedades mtricas de los instrumentos
original de 6 tems.
B, apartado B2.
*
Se habla de restriccin de rango cuando las puntuaciones empricas estn
confinadas solamente a una fraccin reducida de la escala, hecho que se atribuye
a una reticencia de las personas a emplear todo el rango disponible (Vance,
Winne y Right, 1983).
191
Maria Noel Rodrguez Ayn
cuatro tems.
confirmatorios de su estructura.
B, apartado B3.
Anlisis
192
Captulo 4: Propiedades mtricas de los instrumentos
excelente, entre 0,92 y 0,98 bueno, entre 0,82 y 0,92 lmite, entre
0,68 y 0,82 pobre y < 0,68 muy pobre. Para los ndices de
193
Maria Noel Rodrguez Ayn
cual valores de KMO > 0,80 son buenos, valores > 0,50 y < 0,70 son
194
Captulo 4: Propiedades mtricas de los instrumentos
Bernstein, 1994).
de medir los constructos para los cuales fueron diseadas por sus
195
Maria Noel Rodrguez Ayn
media; luego se analiza si hay algn tem con una comunalidad muy
196
Captulo 4: Propiedades mtricas de los instrumentos
197
Maria Noel Rodrguez Ayn
ndices.
198
Captulo 4: Propiedades mtricas de los instrumentos
al., 2003).
Relative Fit Index (RFI) de Bollen (1986), que compara el ajuste del
que corrige a NFI por los grados de libertad del modelo y disminuye
199
Maria Noel Rodrguez Ayn
(CFI) propuesto por Bentler (1990). Los ndices CFI y NNFI son los
como criterio que unos valores de estos ndices por debajo de 0,90
Bonett, 1980) mientras que valores por encima de 0,95 indican buen
jerrquicamente superiores.
200
Captulo 4: Propiedades mtricas de los instrumentos
201
Maria Noel Rodrguez Ayn
202
Captulo 4: Propiedades mtricas de los instrumentos
1 2 3 4 5 6 7 8
1 1 1 1 1 1 1 1
1 2 3 4 5 6 7 8
21 31 41 51 61 71
11 81
1
1 1
14 14 20 20
142 203
1 1
13 13 19 19
132 193
1 183 1
12 12 122 18 18
1
112 2 3 173 1
11 11 17 17
102 163
1 1
10 10 16 16
92 153
1 1
9 9 15 15
conjunto de ecuaciones.
X 1 = 111 + 1
X 9 = 92 2 + 9 X 15 = 1533 + 15
X 2 = 211 + 2
X 10 = 102 2 + 10 X 16 = 1633 + 16
X 3 = 311 + 3
X 11 = 112 2 + 11 X 17 = 1733 + 17
X 4 = 411 + 4
X 5 = 511 + 5 X 12 = 122 2 + 12 X 18 = 1833 + 18
X 6 = 611 + 6 X 13 = 132 2 + 13 X 19 = 1933 + 19
X 7 = 711 + 7 X 14 = 142 2 + 14 X 20 = 2033 + 20
X 8 = 811 + 8
203
Maria Noel Rodrguez Ayn
siguiente:
X 1 11 0 0 1
X 0 0
2 21 2
X 3 31 0 0 3
X 4 41 0 0 4
X 5 51 0 0 5
X 6 61 0 0 6
X 0 0
7 71 7
X 8 81 0 0 8
X 0 92 0
9 1 9
X 10 0 102 0 10
= 2 +
X 11 0 112 0 11
3
X 12 0 122 0 12
X 13 0 132 0 13
X 0 142 0
14 14
X 15 0 0 153 15
X 0 0 163
16 16
X 17 0 0 173 17
X 18 0 0 183 18
X 19 0 0 193 19
X 20 0 0 203 20
204
Captulo 4: Propiedades mtricas de los instrumentos
1 2 3 4
1 1 1 1
1 2 3 4
2 3
1 4
Figura 4.2. Modelo terico de un factor. = capacidad percibida;,x1-x4 =
indicadores de la capacidad percibida; 1-4 = errores de los indicadores.
conjunto de ecuaciones:
X 1 = 1 + 1
X 2 = 2 + 2
X 3 = 3 + 3
X 4 = 4 + 4
siguiente:
X 1 1 1
X
2 = 2 [ ] + 2
X 3 3 3
X 4 4 4
205
Maria Noel Rodrguez Ayn
4.3. Resultados
206
Captulo 4: Propiedades mtricas de los instrumentos
207
Maria Noel Rodrguez Ayn
C3.1.
208
Captulo 4: Propiedades mtricas de los instrumentos
209
Maria Noel Rodrguez Ayn
con el grfico de Cattell (1966) habra que extraer tres, los cuales
1976).
210
Captulo 4: Propiedades mtricas de los instrumentos
211
Maria Noel Rodrguez Ayn
212
Captulo 4: Propiedades mtricas de los instrumentos
con las pautas de Ruiz y San Martn (1992a), 0,59; sin embargo este
213
Maria Noel Rodrguez Ayn
tems originales.
variable.
214
Captulo 4: Propiedades mtricas de los instrumentos
4.3.2.3. AFC
215
Maria Noel Rodrguez Ayn
e1 e2 e3 e4 e5 e6 e7 e8
,46 ,52 ,55 ,62 ,62 ,40 ,41 ,52
M1 M2 M3 M4 M5 M6 M7 M8
,74 ,79 ,63
,68 ,79
,72 ,64 ,72
MA
M20 e20
e14 M14 ,14 ,38 ,22
,51
,46 M19 e19
,71
e13 M13 ,23
,50
,71 ,48
e9 M9
,41 M15 ,66
e15
modelo (Tabla 4.13) muestran que ninguno de los ndices GFI, NFI,
IFI, TLI y CFI alcanza el valor 0,90, sugiriendo que el modelo 1 tiene
216
Captulo 4: Propiedades mtricas de los instrumentos
217
Maria Noel Rodrguez Ayn
factoriales exploratorios.
(modelo 2), > 0,97 (modelos 3 y 5) y > 0,96 (modelo 4). En cuanto a
218
Captulo 4: Propiedades mtricas de los instrumentos
fueron < 0,01 para todos los modelos anidados, excepto para el
219
Maria Noel Rodrguez Ayn
modelos.
220
Captulo 4: Propiedades mtricas de los instrumentos
e1 e2 e3 e4 e5 e6 e7 e8
M1 M2 M3 M4 M5 M6 M7 M8
.73
.79 .79 .64
.67 .69 .63
.73 Modelo 2a
MA
.69
.78 .62
.49
.82 .44
MR
Modelo 4 a
221
Maria Noel Rodrguez Ayn
222
Captulo 4: Propiedades mtricas de los instrumentos
0,0001), lo que sugiere que que los datos son adecuados para un
223
Maria Noel Rodrguez Ayn
necesario eliminarlo.
4.3.3.3. AFC
224
Captulo 4: Propiedades mtricas de los instrumentos
e1 e2 e3 e4
,70 ,66 ,83 ,44
C1 C2 C3 C4
,84 ,81
,91 ,66
CP
225
Maria Noel Rodrguez Ayn
226
Captulo 4: Propiedades mtricas de los instrumentos
investigaciones a futuro.
conceptualmente correctas.
2000).
227
Maria Noel Rodrguez Ayn
228
Captulo 4: Propiedades mtricas de los instrumentos
229
Maria Noel Rodrguez Ayn
subdimensiones.
230
Captulo 4: Propiedades mtricas de los instrumentos
231
Maria Noel Rodrguez Ayn
232
Captulo 5: Anlisis multivariante del rendimiento acadmico
CAPTULO 5
ACADMICO
5.1. Introduccin
participantes.
5.2. Mtodo
Participantes
233
Maria Noel Rodrguez Ayn
2005.
234
Captulo 5: Anlisis multivariante del rendimiento acadmico
Mediciones
Variables criterio
licenciatura de Qumica
CRi
Progresoi =
CTi
235
Maria Noel Rodrguez Ayn
ecuaciones estructurales.
236
Captulo 5: Anlisis multivariante del rendimiento acadmico
Variables explicativas
237
Maria Noel Rodrguez Ayn
Diseo
238
Captulo 5: Anlisis multivariante del rendimiento acadmico
Anlisis
Descriptivos
porcentajes.
239
Maria Noel Rodrguez Ayn
que suministran.
240
Captulo 5: Anlisis multivariante del rendimiento acadmico
241
Maria Noel Rodrguez Ayn
siguientes:
242
Captulo 5: Anlisis multivariante del rendimiento acadmico
Anlisis de interacciones
significativos.
243
Maria Noel Rodrguez Ayn
Diagnstico de anomalas
seleccionados.
Regresin logstica
244
Captulo 5: Anlisis multivariante del rendimiento acadmico
245
Maria Noel Rodrguez Ayn
nominal = 0,05.
246
Captulo 5: Anlisis multivariante del rendimiento acadmico
es 3,84.
variables dicotmicas.
247
Maria Noel Rodrguez Ayn
248
Captulo 5: Anlisis multivariante del rendimiento acadmico
249
Maria Noel Rodrguez Ayn
evitacin.
Modelo terico
250
Captulo 5: Anlisis multivariante del rendimiento acadmico
1
21
12 11
12
13
2
21
23 13
1 2
3 14 1 1
24 2
1
14
Y1 = 11 X 1 + 12 X 2 + 13 X 3 + 14 X 4 + 1
Y2 = 21 X 1 + 24 X 4 + 21Y1 + 2
X1
1 0 Y1 11 12 13 14 X 2 e1
= +
24 X 3 e2
21 1 Y2 21 0 0
X4
251
Maria Noel Rodrguez Ayn
1 2 3 4
1 1 1 1
1 2 3 4
31
11 21 41
1
21
12
11
5 6 7 1 2 3 4 5 6
1 1 1 1 1 1 1 1 1
5 6 7 1 2 3 4 5 6
52
21
13 52 62 72 11 31
41
62
23 2 12
1 21
2
1 1
8 9 10
1 1 1 1 2
111 8 9 10 13
83 93 103
14
3 24
X11
Figura 5.2. Modelo terico de variables latentes. 1 = metas de aprendizaje; 2 =
metas de lucimiento; 3 = metas de resultado; x11 = rendimiento previo; 1 =
capacidad percibida; 2 = rendimiento; x1-x4 = indicadores de las metas de
aprendizaje; x5-x7= indicadores de las metas de lucimiento; x8-x10 = indicadores de
las metas de resultado; y1-y4= indicadores de la capacidad percibida; y5 =
rendimiento promedio; y6 = progreso; 1 =error que afecta a la capacidad percibida,
2 = error que afecta al rendimiento global; 1-4 = errores de medida de los
indicadores de las metas de aprendizaje; 5-7 = errores de medida de los
indicadores de las metas de lucimiento; 8-10 = errores de medida de los
indicadores de las metas de resultado; 1- 4 = errores de medida de los
indicadores de la capacidad percibida; 5 = error de medida del rendimiento
promedio; 6= error de medida del progreso; = saturaciones de los indicadores
en los constructos; = correlaciones entre las variables exgenas.
252
Captulo 5: Anlisis multivariante del rendimiento acadmico
las siguientes:
modelo de medida
X 1 = 111 + 1 X 5 = 52 2 + 5 X 8 = 83 3 + 8 Y1 = 111 + 1 Y5 = 52 2 + 5
X 2 = 211 + 2 X 6 = 62 2 + 6 X 9 = 93 3 + 9 Y2 = 211 + 2 Y6 = 62 2 + 6
X 3 = 311 + 3 X 7 = 72 2 + 7 X 10 = 103 3 + 10 Y3 = 311 + 3
X 4 = 411 + 4 Y4 = 411 + 4
X 1 11 0 0 1
X
2 21 0 0 2
X 3 31 0 0 3
X 4 41 0 0 4
1
X 5 0 52 0 5
= 2 +
X 6 0 62 0 6
3
X 0 0 7
7 72
8
X 0 0 83 8
X 0 0 93
9 9
X 10 0 0 103 10
Y1 11 0 1
Y
2 21 0 2
Y3 31 0 1 3
= +
Y4 41 0 2 4
Y5 0 52 5
Y6 0 62 6
253
Maria Noel Rodrguez Ayn
1
1 0 1 11 12 13 111 2 1
= +
211 3 2
21 1 2 21 0 0
4
254
Captulo 5: Anlisis multivariante del rendimiento acadmico
BE BC
Z=
( ETE ) 2 + ( ETC ) 2
nominal (=0,05).
i = 1 (1 )1 / p
nivel i) es 0,05.
255
Maria Noel Rodrguez Ayn
investigacin.
256
Captulo 5: Anlisis multivariante del rendimiento acadmico
257
Maria Noel Rodrguez Ayn
5.3. Resultados
consultarse en el Apndice F.
258
Captulo 5: Anlisis multivariante del rendimiento acadmico
de primera matrcula.
259
Maria Noel Rodrguez Ayn
la carrera de Qumica.
260
Captulo 5: Anlisis multivariante del rendimiento acadmico
261
Maria Noel Rodrguez Ayn
sociodemogrficas.
262
Captulo 5: Anlisis multivariante del rendimiento acadmico
normal (vase Tabla F2, Apndice F), para stas la asociacin con
Tabla 5.10 Correlaciones de orden cero entre indicadores de rendimiento y variables motivacionales
Correlaciones de orden cero entre indicadores de rendimiento y variables
motivacionales
MA MLu MR CP Promedio Progreso
MLu ,197 ***
MR ,382 *** ,324 ***
CP ,310 *** ,212 *** ,206 ****
Promedio ,137 * -,109 ,029 ,175 **
Progreso ,058 -,133 * -,035 ,126 * ,615 ***
RP ,127 * -,057 ,047 ,155 ** ,533 **** ,482 ****
Nota. MA = metas de aprendizaje; MLu = metas de lucimiento; MR = metas de resultado;
CP = capacidad percibida; RP = rendimiento previo.
* p<0,05: ** p<0,01; ***p<0,001
Tabla 5.11 Valores medios de los indicadores del rendimiento segn las categoras de las variables sociodemogrficas
Valores medios de los indicadores del rendimiento segn las categoras de las
variables sociodemogrficas
Indicador del rendimiento
Promedio Progreso (normalizado)
Variable Categora Media SD t gl = 310 Media SD t gl =310
Mujeres 5,566 1,70 ,0969 0,96
Sexo 3,933*** 2,286 *
Varones 4,721 1,46 -,1929 1,01
Ingeniera 5,140 1,71 ,0854 0,88
Bachillerato 2,892 ** 1,397
Medicina 5,699 1,58 -,0703 1,03
Enseanza Pblica 5,293 1,72 -,0842 0,96
1,042 3,157 **
Media Privada 5,512 1,59 ,2967 0,96
Montevideo 5,502 1,61 ,1240 0,99
Lugar 1,749 2,046 *
Interior 5,167 1,76 -,1027 0,95
S 5,013 1,73 -,2276 1,04
Trabajo 2,600 ** 3,197 *** a
No 5,531 1,63 ,1542 0,92
Primaria/Secundaria 5,255 1,65 -,100 1,02
Estudios padres 1,069 2,314 *
Terciaria 5,459 1,71 ,1539 0,91
Nota. SD = desviacin tpica; t = estadstico de Student; gl = grados de libertad.
a
grados de libertad = 191.
* p<0,05; **p<0,01; ***p<0,001
263
Maria Noel Rodrguez Ayn
Tabla 5.12 Valores medios de las variables motivacionales segn las categoras de las variables sociodemogrficas
Valores medios de las variables motivacionales segn las categoras de las
variables sociodemogrficas
Variable motivacional
MA MLu MR CP
Variable Categora M SD Z M SD Z M SD Z M SD Z
Mujeres 29,03 6,51 9,09 4,11 21,58 5,45 16,58 6,75
Sexo -,740 -,689 -2,628** -2,845**
Varones 28,33 7,02 9,28 3,74 20,24 4,58 18,96 6,52
Ingeniera 29,11 6,48 9,12 3,91 21,32 5,37 17,70 6,38
Bachillerato -,694 -,140 -,599 -1,718
Medicina 28,45 6,88 9,18 4,20 21,13 5,12 16,34 7,28
Enseanza Pblico 28,50 6,24 9,10 4,06 21,04 5,41 16,74 6,74
-2,341* -,354 -,886 -1,729
Media Privado 29,74 7,50 9,24 3,93 21,75 4,90 18,26 6,72
Montevideo 29,18 7,23 8,84 3,74 20,94 5,29 18,01 6,61
Procedencia -1,867 -1,328 -1,183 -2,492*
Interior 28,45 5,79 9,53 4,33 21,63 5,24 16,12 6,83
S 29,25 6,88 9,24 4,07 20,32 5,35 18,05 6,68
Trabajo -,932 -,396 -2,306* -1,863
No 28,66 6,52 9,09 4,00 21,72 5,18 16,73 6,78
Primaria o
Estudios 28,22 6,90 9,31 3,75 -1, 21,11 5,02 16,67 6,89
Secundaria -1,743 -0,838 -1,135
padres 276
Terciaria 29,52 6,31 8,96 4,28 21,39 5,53 17,71 6,61
Nota. MA = metas de aprendizaje; MLu= metas de lucimiento; MR = metas de
resultado; CP = capacidad percibida; M = media; SD = desviacin tpica; Z =
estadstico de Mann-Whitney.
* p<0,05; **p<0,01; ***p<0,001
264
Captulo 5: Anlisis multivariante del rendimiento acadmico
265
Maria Noel Rodrguez Ayn
266
Captulo 5: Anlisis multivariante del rendimiento acadmico
267
Maria Noel Rodrguez Ayn
Sexo -,659 -,170 -3,597*** -1,020 -,299 -,715 -,184 -3,929*** -1,073 -,357
BACH -,504 -,146 -3,144** -,819 -,189 -,549 -,159 -3,488*** -,858 -,239
Lugar -,223 -,066 -1,407 -,535 ,089 -,134 -,040 -,858 -,443 ,174
Trabajo ,326 ,092 1,950 -,003 ,655 ,356 ,100 2,170* ,033 ,679
RP ,479 ,518 11,181*** ,395 ,563 ,447 ,484 10,470*** ,363 ,532
MA ,013 ,052 1,086 -,011 ,037
MLu -,049 -,117 -2,498* -,088 -,010
CP ,039 ,156 3,143** ,014 ,063
R2 ,357 ,390
Nota. BACH = bachillerato; RP = Rendimiento previo; MA = metas de aprendizaje;
MLu = metas de lucimiento; CP = capacidad percibida.
* p < 0,05 ** p < 0,01, *** p < 0,001
268
Captulo 5: Anlisis multivariante del rendimiento acadmico
Sexo -,183 -,081 -1,630 -,404 ,038 -,210 -,093 -1,870 -,431 ,011
SEM ,136 ,063 1,092 -,109 ,380 ,155 ,072 1,251 -,089 ,398
Lugar -,070 -,036 -,620 -,293 ,153 -,027 -,014 -,236 -,250 ,196
Trabajo ,332 ,161 3,251*** ,131 ,533 ,339 ,165 3,340*** ,139 ,538
Estudios
-,049 -,025 -,490 -,245 ,147 -,034 -,017 -,340 -,228 ,161
padres
RP ,251 ,467 9,431*** ,198 ,303 ,240 ,447 8,982*** ,187 ,292
MLu -,027 -,113 -2,272* -,051 -,004
CP ,015 ,102 2,009* ,000 ,029
R2 ,289 ,307
Nota. SEM = sistema de Enseanza Media; RP = Rendimiento previo; MLu =
metas de lucimiento; CP = capacidad percibida.
* p < 0,05 ** p < 0,01, *** p < 0,001
269
Maria Noel Rodrguez Ayn
En la Tabla 5.15 se muestra el modelo completo para el promedio, pero obtenido mediante regresin en tres bloques.
Las metas de aprendizaje tienen efectos significativos sobre el promedio solamente en el primer bloque; estos efectos
270
Captulo 5: Anlisis multivariante del rendimiento acadmico
respectivamente.
271
Maria Noel Rodrguez Ayn
272
Captulo 5: Anlisis multivariante del rendimiento acadmico
273
Maria Noel Rodrguez Ayn
adecuada.
274
Captulo 5: Anlisis multivariante del rendimiento acadmico
275
Maria Noel Rodrguez Ayn
276
Captulo 5: Anlisis multivariante del rendimiento acadmico
se mantienen todos.
277
Maria Noel Rodrguez Ayn
Sexo -,726 -,187 -4,019*** -1,082 -,371 ,035 ,010 ,194 -,320 ,390
BACH -,534 -,155 -3,403*** -,843 -,225 -,635 -,192 -3,880*** -,957 -,313
Trabajo ,339 ,096 2,072* ,017 ,660 -,164 -,048 -,968 -,498 ,170
MLu -,048 -,114 -2,467** -,086 -,010 ,027 ,065 1,282 -,014 ,068
CP ,043 ,175 3,684*** ,020 ,067 ,046 ,187 3,672*** ,021 ,071
RP ,456 ,493 -4,019*** ,373 ,539 ,440 ,494 9,851*** ,352 ,527
2
R ,386 ,336
Nota. BACH = bachillerato; MLu = metas de lucimiento; CP = capacidad percibida;
RP = rendimiento previo.
* p < 0,05 ** p < 0,01, *** p < 0,001
*
Como se explic en Mtodo, se corrigi el valor umbral en los contrastes
univariantes, de modo de mantener el error tipo I en el anlisis multivariante en su
valor habitual (=0,05).
278
Captulo 5: Anlisis multivariante del rendimiento acadmico
279
Maria Noel Rodrguez Ayn
280
Captulo 5: Anlisis multivariante del rendimiento acadmico
281
Maria Noel Rodrguez Ayn
retraso curricular es casi el doble para los hombres que para las
282
Captulo 5: Anlisis multivariante del rendimiento acadmico
283
Maria Noel Rodrguez Ayn
284
Captulo 5: Anlisis multivariante del rendimiento acadmico
285
Maria Noel Rodrguez Ayn
curricular.
reducido.
con efectos significativos finales son las mismas que para el modelo
286
Captulo 5: Anlisis multivariante del rendimiento acadmico
variable trabajo.
reducido.
5.33.
287
Maria Noel Rodrguez Ayn
288
Captulo 5: Anlisis multivariante del rendimiento acadmico
289
Maria Noel Rodrguez Ayn
290
Captulo 5: Anlisis multivariante del rendimiento acadmico
sus puntuaciones.
correspondientes.
291
Maria Noel Rodrguez Ayn
curricular.
70,2% a 71,8%).
292
Captulo 5: Anlisis multivariante del rendimiento acadmico
todos.
comprobacin.
293
Maria Noel Rodrguez Ayn
comprobacin.
5.3.5.1. Construccin
294
Captulo 5: Anlisis multivariante del rendimiento acadmico
Figura 5.3.
Metas de
aprendizaje
e1 e2
Metas de 1 1
lucimiento
Capacidad Promedio
percibida
Metas de
resultado
Rendimiento
previo
295
Maria Noel Rodrguez Ayn
,25
5,42 16,08 39,24 1,95
-,05 e1 e2
Metas de ,26 1 1
13,13 lucimiento
Capacidad ,03
Promedio
,07 percibida
6,82 27,67
Metas de
resultado ,49 ,46
3,30
1,40
Rendimiento
previo
Solucin estandarizada
Metas de
aprendizaje ,07
,24
,20
-,12 e1 e2
Metas de ,15
,38 lucimiento
Capacidad ,10
Promedio
,06 percibida
,32
,14 ,30
Metas de
resultado ,13 ,50
,12
Rendimiento
previo
Figura 5.4. Modelo 1 (promedio)
296
Captulo 5: Anlisis multivariante del rendimiento acadmico
5.41).
297
Maria Noel Rodrguez Ayn
3,30
1,40
Rendimiento
previo
Solucin estandarizada
Metas de
aprendizaje
,26
,20
-,11 e1 e2
Metas de ,17
,38 lucimiento
Capacidad ,12
Promedio
percibida
,32
,14 ,30
Metas de
resultado ,13 ,51
,12
Rendimiento
previo
298
Captulo 5: Anlisis multivariante del rendimiento acadmico
0,836 y 1,029, los valores de RMSEA < 0,05, los estadsticos GFI >
299
Maria Noel Rodrguez Ayn
parsimonioso.
300
Captulo 5: Anlisis multivariante del rendimiento acadmico
Solucin no estandarizada
16,08
Metas de
lucimiento -,04
,28 39,36 1,96
5,46 e1 e2
1 1
44,04
Metas de ,26 Capacidad ,03
aprendizaje Promedio
percibida
,49 ,47
1,67
3,30
Rendimiento
previo
Solucin estandarizada
Metas de
lucimiento -,11
,17
,21 e1 e2
Rendimiento
previo
301
Maria Noel Rodrguez Ayn
(vase Tabla 5.14). Por tal motivo el primer modelo para el progreso
de ajuste global (Tabla 5.45) indican un buen ajuste del modelo a los
302
Captulo 5: Anlisis multivariante del rendimiento acadmico
,25
5,42 16,08 39,24 ,73
-,03 e1 e2
Metas de ,26 1 1
13,13 lucimiento
Capacidad ,01
percibida Progreso
6,82 ,07
27,67
Metas de
resultado ,49 ,26
3,30
1,40
Rendimiento
previo
Solucin estandarizada
Metas de
aprendizaje ,00
,24
,20
-,11 e1 e2
Metas de ,15
,38 lucimiento
Capacidad ,08
Progreso
,06 percibida
,32
,14 ,25
Metas de
resultado ,13 ,48
,12
Rendimiento
previo
303
Maria Noel Rodrguez Ayn
304
Captulo 5: Anlisis multivariante del rendimiento acadmico
3,30
1,40
Rendimiento
previo
Solucin estandarizada
Metas de
aprendizaje
,26
,20
-,11 e1 e2
Metas de ,17
,38 lucimiento
Capacidad ,08
Progreso
percibida
,32
,14 ,25
Metas de
resultado ,13 ,48
,12
Rendimiento
previo
305
Maria Noel Rodrguez Ayn
306
Captulo 5: Anlisis multivariante del rendimiento acadmico
,74
5,46 e2
1
16,08
Metas de -,02
Progreso
lucimiento
,27
3,30
1,67
Rendimiento
previo
Solucin estandarizada
Metas de
aprendizaje ,02
,21 e2
Metas de -,10
Progreso
lucimiento
,25
,49
,14
Rendimiento
previo
307
Maria Noel Rodrguez Ayn
a los datos.
308
Captulo 5: Anlisis multivariante del rendimiento acadmico
16,08 ,74
-,02 e2
Metas de 1
lucimiento
Progreso
,27
3,30
Rendimiento
previo
Solucin estandarizada
-,10 e2
Metas de
lucimiento
Progreso
,25
,49
Rendimiento
previo
309
Maria Noel Rodrguez Ayn
3) Rendimiento global
310
Captulo 5: Anlisis multivariante del rendimiento acadmico
,25
5,42 16,08 39,24 2,12
-,06 e1 e2
Metas de ,26 1 1
13,13 lucimiento
Capacidad ,03 Rendimiento
,07 percibida global
6,82 27,67
Metas de
resultado ,49 ,53
3,30
1,40
Rendimiento
previo
Solucin estandarizada
Metas de
aprendizaje ,04
,24
,20
-,13 e1 e2
Metas de ,15
,38 lucimiento
Capacidad ,10 Rendimiento
,06 percibida global
,32
,14 ,34
Metas de
resultado ,13 ,54
,12
Rendimiento
previo
311
Maria Noel Rodrguez Ayn
(Tabla 5.55).
312
Captulo 5: Anlisis multivariante del rendimiento acadmico
3,30
1,40
Rendimiento
previo
Solucin estandarizada
Metas de
aprendizaje
,26
,20
-,13 e1 e2
Metas de ,17
,38 lucimiento
Capacidad ,11 Rendimiento
percibida global
,32
,14 ,34
Metas de
resultado ,13 ,54
,12
Rendimiento
previo
313
Maria Noel Rodrguez Ayn
0,846, los valores de RMSEA < 0,05, los estadsticos GFI > 0,99 y
314
Captulo 5: Anlisis multivariante del rendimiento acadmico
315
Maria Noel Rodrguez Ayn
,49 ,53
1,67
3,30
Rendimiento
previo
Solucin estandarizada
Metas de
lucimiento -,13
,17
,21 e1 e2
,13 ,54
,14
Rendimiento
previo
Figura 5.13. Modelo 3 (rendimiento global).
316
Captulo 5: Anlisis multivariante del rendimiento acadmico
5.3.5.2. Validacin
en el grupo de comprobacin.
317
Maria Noel Rodrguez Ayn
Tabla 5.58 Contrastes de hiptesis de igualdad de parmetros en grupos de estimacin y comprobacin. Modelo 3 (promedio)
Tabla 5.59 Contrastes de hiptesis de igualdad de cada parmetro en grupos de estimacin y comprobacin. Modelo 3 (promedio)
estructurales).
318
Captulo 5: Anlisis multivariante del rendimiento acadmico
Tabla 5.60 Contrastes de hiptesis de igualdad de parmetros en grupos de estimacin y comprobacin. Modelo 4
(progreso)
Contrastes de hiptesis de igualdad de parmetros en grupos de estimacin y
comprobacin
Modelo 4 (progreso)
Modelos anidados Fmin gl p NFI IFI TLI CFI RMSEA
Sin restricciones
Pesos
4,737 2 ,094 ,029 ,029 ,035 ,011 ,027
estructurales
Covarianzas
estructurales
5,002 4 ,287 ,030 ,031 ,019 0 ,002
Residuos de medida 5,110 5 ,403 ,031 ,031 ,014 0 0
Pesos de medida
Covarianzas
estructurales
,265 2 ,876 ,002 ,002 -,016 -,011 -,025
Residuos de medida ,372 3 ,946 ,002 ,002 -,021 -,011 -,027
Covarianzas estructurales
Residuos de medida ,108 2 ,743 ,001 ,001 -,005 0 ,002
p=0,030.
3) Rendimiento global
319
Maria Noel Rodrguez Ayn
Tabla 5.61 Contrastes de hiptesis de igualdad de parmetros en grupos de estimacin y comprobacin. Modelo 3
(rendimiento global)
Contrastes de hiptesis de igualdad de parmetros en grupos de estimacin y
comprobacin
Modelo 3 (rendimiento global)
Modelos anidados Fmin gl p NFI IFI TLI CFI RMSEA
Sin restricciones
Pesos estructurales 9,161 6 ,165 ,024 ,024 ,035 -,003 -,013
Covarianzas estructurales 1,578 11 ,479 ,028 ,028 ,020 0 0
Residuos de medida 11,275 13 ,588 ,029 ,030 ,017 0 0
Pesos de medida
Covarianzas estructurales 1,417 5 ,922 ,004 ,004 -,015 -,003 ,013
Residuos de medida 2,113 7 ,953 ,006 ,006 -,018 -,003 ,013
Covarianzas estructurales
Residuos de medida ,697 2 ,706 ,002 -,003 -,003 0 0
Tabla 5.62 Contrastes de hiptesis de igualdad de cada parmetro en grupos de estimacin y comprobacin. Modelo 3 (rendimiento global)
p=0,0047).
320
Captulo 5: Anlisis multivariante del rendimiento acadmico
variables latentes)
5.3.6.1. Construccin
321
Maria Noel Rodrguez Ayn
I5 I6 I7
MLu
I1
C1 Promedio
I2 C2
MA CP RG
I3 C3
I4 C4 Progreso
RP
322
Captulo 5: Anlisis multivariante del rendimiento acadmico
son los que arrojan los mejores valores de los ndices de ajuste
(debe tenerse presente que para este caso la diferencia entre ambas
establecida.
323
Maria Noel Rodrguez Ayn
324
Captulo 5: Anlisis multivariante del rendimiento acadmico
I5 I6 I7
0,860 0,886
0,827
MLu
I1
0,812 C1
0,881
Promedio
0,833 I2 0,862 C2
0,093 0,813
MA 0,271 CP 0,903 RG
0,789
I3 C3 0,757
0,756 0,607
I4 C4 Progreso
0,149 0,092
0,638
RP
325
Maria Noel Rodrguez Ayn
I5 I6 I7
0,892 0,856
0,783
MLu
I1
0,813 C1
0,861
Promedio
0,820 I2 0,863 C2
0,094 0,813
MA 0,290 CP 0,902 RG
0,809
I3 C3 0,758
0,817 0,606
I4 C4 Progreso
0,147 0,089
0,638
RP
326
Captulo 5: Anlisis multivariante del rendimiento acadmico
I5 I6 I7
0,858 0,862
0,822
MLu
I1
0,813 C1
0,812
Promedio
0,857 I2 0,863 C2
0,095 0,814
MA 0,281 CP 0,902 RG
0,790
I3 C3 0,757
0,825 0,606
I4 C4 Progreso
0,147 0,092
0,637
RP
327
Maria Noel Rodrguez Ayn
I5 I6 I7
0,844 0,741
0,880
MLu
I1
0,861
0,813 C1 Promedio
0,820 I2 0,863 C2
0,095 0,814
MA 0,289 CP 0,902 RG
0,809
I3 C3 0,756
0,817 0,606
I4 C4 Progreso
0,148 0,091
0,637
RP
5.3.6.2. Validacin
328
Captulo 5: Anlisis multivariante del rendimiento acadmico
Modelos anidados
Sin restricciones
Pesos de medida 3,951 9 ,915 ,001 ,001 -,004 -,001 ,002
Pesos estructurales 13,100 15 ,595 ,003 ,003 -,005 0 ,002
Covarianzas estructurales 14,565 20 ,801 ,003 ,003 -,007 -,001 ,004
Residuos estructurales 15,557 22 ,837 ,003 ,003 -,007 -,001 ,004
Residuos de medida 48,418 35 ,065 ,010 ,011 -,005 ,003 ,003
Pesos de medida
Pesos estructurales 9,149 6 ,165 ,002 ,002 -,001 ,001 0
Covarianzas estructurales 10,614 11 ,476 ,002 ,002 -,003 0 ,002
Residuos estructurales 11,606 13 ,560 ,002 ,003 -,003 0 ,002
Residuos de medida 44,467 26 ,013 ,009 ,010 -,001 ,004 ,001
Pesos estructurales
Covarianzas estructurales 1,465 5 ,917 ,000 ,000 -,002 -,001 ,002
Residuos estructurales 2,457 7 ,930 ,001 ,001 -,003 -,001 ,002
Residuos de medida 35,318 20 ,018 ,008 ,008 -,001 ,003 ,001
Covarianzas estructurales
Residuos estructurales ,992 2 ,609 ,000 ,000 -,001 0 0
Residuos de medida 33,853 15 ,004 ,007 ,007 ,001 ,004 -,001
Residuos estructurales
Residuos de medida 32,861 13 ,002 ,007 ,007 ,002 ,004 -,001
(Continuacin)
329
Maria Noel Rodrguez Ayn
Modelos anidados
Sin restricciones
Pesos de medida 4,872 9 ,845 ,001 ,001 -,004 -,001 ,002
Pesos estructurales 14,261 15 ,506 ,003 ,003 -,005 0 ,002
Covarianzas estructurales 16,024 20 ,715 ,003 ,004 -,007 -,001 ,003
Residuos estructurales 17.196 22 ,752 ,004 ,004 -,008 -,001 ,003
Residuos de medida 49,978 35 ,048 ,011 ,011 -,007 ,003 ,003
Pesos de medida
Pesos estructurales 9,389 6 ,153 ,002 ,002 -,001 ,001 0
Covarianzas estructurales 11,152 11 ,431 ,002 ,002 -,003 0 ,001
Residuos estructurales 12,324 13 ,501 ,003 ,003 -,004 0 ,001
Residuos de medida 45,106 26 ,011 ,010 ,010 -,003 ,004 ,001
Pesos estructurales
Covarianzas estructurales 1,762 5 ,881 ,000 ,000 -,002 -,001 ,001
Residuos estructurales 2,935 7 ,891 ,001 ,001 -,003 -,001 ,001
Residuos de medida 35,717 20 ,017 ,008 ,008 -,002 ,003 ,001
Covarianzas estructurales
Residuos estructurales 1,172 2 ,557 ,000 ,000 -,001 0 0
Residuos de medida 33,954 15 ,003 ,007 ,007 ,001 ,004 0
Residuos estructurales
Residuos de medida 32,782 13 ,002 ,007 ,007 ,001 ,004 0
Mtodo de agrupacin de tems equilibrado segn contenido
Modelos anidados
Sin restricciones
Pesos de medida 36,83 9 ,931 ,001 ,001 -,004 -,001 ,003
Pesos estructurales 12,858 15 ,613 ,003 ,003 -,005 0 ,003
Covarianzas estructurales 14,453 20 ,807 ,003 ,003 -,007 -,001 ,004
Residuos estructurales 15,364 22 ,846 ,003 ,003 -,007 -,001 ,004
Residuos de medida 40,221 35 ,250 ,009 ,009 -,007 ,002 ,004
Pesos de medida
Pesos estructurales 9,175 6 ,164 ,002 ,002 -,001 ,001 0
Covarianzas estructurales 10,769 11 ,463 ,002 ,002 -,003 0 ,001
Residuos estructurales 11,681 13 ,554 ,003 ,003 -,003 0 ,001
Residuos de medida 36,538 26 ,082 ,008 ,008 -,003 ,003 ,001
Pesos estructurales
Covarianzas estructurales 1,595 5 ,902 ,000 ,000 -,002 -,001 ,001
Residuos estructurales 2,506 7 ,927 ,001 ,001 -,003 -,001 ,001
Residuos de medida 27,363 20 ,125 ,006 ,006 -,003 ,002 ,001
Covarianzas estructurales
Residuos estructurales ,912 2 ,634 ,000 ,000 -,001 0 0
Residuos de medida 25,769 15 ,041 ,006 ,006 ,000 ,003 0
Residuos estructurales
Residuos de medida 24,857 13 ,024 ,005 ,006 ,000 ,003 0
330
Captulo 5: Anlisis multivariante del rendimiento acadmico
Tabla 5.66 Contrastes de hiptesis de igualdad de cada parmetro en grupos de estimacin y comprobacin
Contrastes de hiptesis de igualdad de cada parmetro en grupos de estimacin y
comprobacin
Z
Mtodo de agrupacin de tems
Parmetro 1 2 3 4
CP-RP ,050 ,017 ,084 ,034
CP-MLu ,743 ,454 ,543 ,653
CP-MA -,755 -,7 -,739 -,735
RG-RP ,334 ,35 ,334 ,334
RG-CP -,354 -,376 -,412 -,365
RG-MLu -2,642 -2,612 -2,648 -2,591
a
Promedio-RG
Progreso-RG ,127 ,153 ,153 ,127
5-MLua
6-MLu ,182 ,152 -,564 -,338
7-MLu ,996 -,628 -,541 ,338
1-MA -,362 -,475 1,014 -,464
2-MA -,293 -,603 ,989 -,613
a
3-MA
4-MA -,253 ,05 ,01 ,05
1-CP ,771 ,771 ,762 ,765
2-CP 1,391 1,397 1,384 1,403
3-CP 1,326 1,332 1,326 1,332
4-CP a
RP-MA -,539 -,52 -,768 -,537
MLu-MA -,651 -,339 -,656 -,348
Nota. Z= estadstico de Clogg et al. (1995); 1 = aleatorio; 2 = equilibrado segn
saturaciones;
3 = equilibrado segn asimetra; 4 = contenido; CP = capacidad percibida; RP =
rendimiento previo; MLu = metas de lucimiento; MA = metas de aprendizaje.
Z crtico ( = 0,0030) = 2,968.
a
Parmetro fijo con el valor 1.
latentes
331
Maria Noel Rodrguez Ayn
332
Captulo 5: Anlisis multivariante del rendimiento acadmico
333
Maria Noel Rodrguez Ayn
334
Captulo 5: Anlisis multivariante del rendimiento acadmico
MLu
MA
MR
335
Maria Noel Rodrguez Ayn
aleatoria de 50 casos.
336
Captulo 5: Anlisis multivariante del rendimiento acadmico
337
Maria Noel Rodrguez Ayn
338
Captulo 5: Anlisis multivariante del rendimiento acadmico
Tabla 5.71 Asociacin entre conglomerados de pertenencia jerrquicos y no jerrquicos (mtodo iterar y
clasificar)
Asociacin entre conglomerados de pertenencia jerrquicos y no jerrquicos
Nmero de conglomerados = 3.
Gamma Tau-b de Kendall Tau-c de Kendall d de Somer (simtrica)
,938 ,817 ,774 ,817
Nota. Mtodo iterar y clasificar.
Todos los valores son significativos, p< 0,0001
339
Maria Noel Rodrguez Ayn
Tabla 5.74 Media y desviacin tpica de las metas y de la capacidad percibida en cada conglomerado
Media y desviacin tpica de las metas y de la capacidad percibida en cada
conglomerado
Variables motivacionales
MA MLu MR CP
Conglomerado M SD M SD M SD M SD
1 (N=707) 32,37 3,95 10,95 4,23 25,92 2,43 20,16 6,31
2 (N=491) 32,11 3,56 7,56 2,20 18.27 3,73 17,86 6,56
3 (N=375) 20,13 5,07 7,62 3,14 18,42 5,43 14,76 7,20
Nota. N = nmero de participantes. Mtodo iterar y clasificar; M = media; SD =
desviacin tpica; N= n de sujetos; MA = Metas de aprendizaje; MLu=metas de
lucimiento; MR = metas de resultado; CP = capacidad percibida.
340
Captulo 5: Anlisis multivariante del rendimiento acadmico
Tabla 5.76.
Tabla 5.76 Pruebas robustas para las metas acadmicas y la capacidad percibida
Pruebas robustas para las metas acadmicas y la capacidad percibida
Variable Welch gl 1 gl 2 Brown-Forsythe gl 1 gl 3
MA 914,065 2 858,219 1140,753 2 1060,8
MLu 174,806 2 918,682 212,448 2 1376,1
MR 993,572 2 725,992 635,553 2 801,75
CP 76,340 ** 2 860,294 78,530 2 1227,048
Nota. MA = metas de aprendizaje; MLu = metas de lucimiento; MR = metas de
resultado; CP= capacidad percibida; gl =grados de libertad.
Todos los valores fueron significativos, p<0,001.
341
Maria Noel Rodrguez Ayn
342
Captulo 5: Anlisis multivariante del rendimiento acadmico
vista sustantivo.
real.
343
Maria Noel Rodrguez Ayn
Tabla 5.77 Comparaciones mltiples de las metas acadmicas y de la capacidad percibida (mtodo de Tamhane)
Comparaciones mltiples de las metas acadmicas y de la capacidad percibida
(mtodo de Tamhane)
Diferencias de rango entre grupos
Grupos a comparar MA MLu MR CP
Mltiple-Aprendizaje 0,26 3,39 * 7,65 * 2,30 **
Mltiple-Moderado 12,95 * 3,33 * 7,50 * 5,41 **
Aprendizaje-Moderado 11,98 * -0,06 0,15 3,10 **
Nota. MA = metas de aprendizaje; MLu = metas de lucimiento; MR = metas de
resultado; CP = capacidad percibida.
* p < 0,0001
344
Captulo 5: Anlisis multivariante del rendimiento acadmico
rendimiento.
345
Maria Noel Rodrguez Ayn
Mltiple 34,52 3,57 11,57 4,84 25,69 2,74 19,89 5,94 0,547 ,229 5,526 1,796
Aprendizaje 29,15 3,74 8,47 3,01 20,51 4,10 17,30 6,38 0,562 ,240 5,398 1,657
Moderada 18,78 4,86 7,00 2,92 15,97 5,46 12,40 6,53 0,522 ,225 4,957 1,509
Nota. MA = metas de aprendizaje; MLu = metas de lucimiento; MR = metas de
resultado; CP = capacidad percibida; M = media: SD = desviacin tpica.
346
Captulo 5: Anlisis multivariante del rendimiento acadmico
1994; Seifert, 1995; Valle et al., 1997; 2003a). Los tres grupos
347
Maria Noel Rodrguez Ayn
investigacin formuladas.
348
Captulo 5: Anlisis multivariante del rendimiento acadmico
349
Maria Noel Rodrguez Ayn
350
Captulo 5: Anlisis multivariante del rendimiento acadmico
351
Maria Noel Rodrguez Ayn
et al., 2002, para una revisin) o bien nulos (Grant y Dweck, 2003).
352
Captulo 5: Anlisis multivariante del rendimiento acadmico
353
Maria Noel Rodrguez Ayn
354
Captulo 5: Anlisis multivariante del rendimiento acadmico
355
Maria Noel Rodrguez Ayn
misma poblacin.
356
Captulo 5: Anlisis multivariante del rendimiento acadmico
lineales.
357
Maria Noel Rodrguez Ayn
modelo de rutas.
358
Captulo 5: Anlisis multivariante del rendimiento acadmico
359
Maria Noel Rodrguez Ayn
360
Captulo 5: Anlisis multivariante del rendimiento acadmico
mismos resultados.
361
Maria Noel Rodrguez Ayn
362
Captulo 6: Conclusiones
CAPTULO 6
CONCLUSIONES
progreso en la carrera.
363
Maria Noel Rodrguez Ayn
364
Captulo 6: Conclusiones
365
Maria Noel Rodrguez Ayn
366
Captulo 6: Conclusiones
informacin existente.
367
Maria Noel Rodrguez Ayn
de manera exploratoria.
variables latentes.
368
Captulo 6: Conclusiones
este aspecto.
comparaciones globales.
6.3. Limitaciones
distanciadas.
369
Maria Noel Rodrguez Ayn
de simulacin de datos.
370
Captulo 6: Conclusiones
investigarse ms.
371
Maria Noel Rodrguez Ayn
372
Referencias
REFERENCIAS
Adelman, C. (1999). Answers in the tool box: Academic intensity,
& Sons.
307-316.
373
Maria Noel Rodrguez Ayn
Autnoma.
374
Referencias
Chicago: Smallwaters.
19, 430446.
375
Maria Noel Rodrguez Ayn
Jossey-Bass.
Nostrand.
66, 342-352.
Ball, C. (1985). What the hell is quality? En C.J. Ball (Ed.), Fitness for
376
Referencias
377
Maria Noel Rodrguez Ayn
378
Referencias
46-53.
Bentler, P.M. y Wu, E.J.C. (2002). EQS 6 for Windows guide. Encino,
379
Maria Noel Rodrguez Ayn
Educational Research.
Research.
25.
380
Referencias
York: Wiley.
259.
381
Maria Noel Rodrguez Ayn
382
Referencias
A, 167, 475-496.
Journal, 8, 1-24.
383
Maria Noel Rodrguez Ayn
62, 934-943.
384
Referencias
11, 272-300.
323.
385
Maria Noel Rodrguez Ayn
Books.
386
Referencias
20, 307-322.
Cattell, R.B. (1966). The Scree test for the number of factors.
387
Maria Noel Rodrguez Ayn
100, 1261-1293.
Erlbaum Associates.
Repblica.
388
Referencias
University Press.
University Press.
389
Maria Noel Rodrguez Ayn
1050.
Psicolgica, 3, 93-106.
390
Referencias
Press.
Econmicas:
http://www.depeco.econo.unlp.edu.ar/doctrab/doc49.pdf.
391
Maria Noel Rodrguez Ayn
Crdoba, Argentina.
84, 290-299.
392
Referencias
393
Maria Noel Rodrguez Ayn
Associates.
Wiley.
273.
Eccles, J. (2005). Subjective task value and the Eccles et al. model
394
Referencias
Annual Reviews.
http://ec.europa.eu/education/programmes/socrates/ects/guide
_en.html
395
Maria Noel Rodrguez Ayn
Guilford Press.
461-475.
396
Referencias
501-519.
563.
397
Maria Noel Rodrguez Ayn
Aires, Argentina.
398
Referencias
399
Maria Noel Rodrguez Ayn
443.
400
Referencias
Espaa.
401
Maria Noel Rodrguez Ayn
52, 890898.
McGraw-Hill.
York: Macmillan.
402
Referencias
403
Maria Noel Rodrguez Ayn
84.
Associates.
404
Referencias
York: Wiley.
405
Maria Noel Rodrguez Ayn
Albuquerque, NM.
406
Referencias
Software.
141-151.
39, 31-36.
407
Maria Noel Rodrguez Ayn
435.
261280
408
Referencias
Hall.
Kozlowski, S., Gully, S., Brown, K., Salas, E., Smith, E. y Nason, E.
409
Maria Noel Rodrguez Ayn
97, 197-213.
Pergamon Press.
410
Referencias
Blacksburg, Virginia.
411
Maria Noel Rodrguez Ayn
192
32, 179-194.
412
Referencias
Associates.
Research,33, 181-220.
413
Maria Noel Rodrguez Ayn
119-159.
Nostrand.
414
Referencias
582-590.
415
Maria Noel Rodrguez Ayn
Midgley, C., Maehr, M., Hicks, L., Roeser, R., Urdan, T., Anderman,
2-14.
416
Referencias
45, 325-342.
214.
Mulaik, S., James, L.., Van Alstine, J., Bennett, N., Lind, S. y Stilwell,
417
Maria Noel Rodrguez Ayn
418
Referencias
814.
84.
419
Maria Noel Rodrguez Ayn
Bass.
130.
420
Referencias
2004, en http://www2.uca.es/HEURESIS.
337-360.
421
Maria Noel Rodrguez Ayn
422
Referencias
25, 406-422.
331.
423
Maria Noel Rodrguez Ayn
Press.
10, 227-258.
424
Referencias
York: Springer-Verlag.
Ontario, Canad.
425
Maria Noel Rodrguez Ayn
College Publishers.
Peng, C.J., So, T., Stage, F. y St John, E. (2002). The use and
96, 3-14.
e Educacional, 5, 49-58.
17, 114124.
426
Referencias
Assessment, 2, 69-88.
427
Maria Noel Rodrguez Ayn
428
Referencias
139161.
MerrillPrenticeHall.
429
Maria Noel Rodrguez Ayn
Econmicas:
http://www.depeco.unlp.edu.ar/doctrab/doc24.pdf
Ciencias Econmicas:
http://www.depeco.econo.unlp.edu.ar/espec/Grad03.pdf.
Service.
430
Referencias
Sciences.
431
Maria Noel Rodrguez Ayn
Rodrguez, S., Cabanach, R.G., Pieiro, I., Valle, A., Nez, J.C. y
550.
(en prensa).
432
Referencias
408-422.
Psicothema, 4, 543-550.
433
Maria Noel Rodrguez Ayn
434
Referencias
Printing Office.
3-17.
435
Maria Noel Rodrguez Ayn
Associates.
417-453.
436
Referencias
classroom: Why school refor has failed and what parents need
603-627.
437
Maria Noel Rodrguez Ayn
473-491
Stricker, L., Rock, D. y Burton, N. (1996). Using the SAT and high
438
Referencias
Tanaka, J.S. y Huba, G.J. (1985). A fit index for covariance structure
439
Maria Noel Rodrguez Ayn
Bass.
Chicago Press.
440
Referencias
Michigan Press.
Tyler, J. (2003). Using state child labor laws to identify the effect of
Planeamiento.
PsicoUSF, 7, 205-212.
182.
441
Maria Noel Rodrguez Ayn
580.
442
Referencias
Van Vught, F. (1994, junio). The new context for academic quality.
171.
443
Maria Noel Rodrguez Ayn
72, 385-397.
198.
444
Referencias
Publications.
19, 302322.
445
Maria Noel Rodrguez Ayn
154.
211-238.
315-326.
446
Referencias
Wylie, R.C. (1979) The Self-Concept (Vol. II): Theory and research
Yu, C. (2002). Evaluating cutoff criteria of model fit indices for latent
Prentice Hall.
447
Maria Noel Rodrguez Ayn
Zusho, A., Pintrich, P. y Coppola, B. (2003). Skill and will: The role
448
APNDICES
450
Apndice A
451
Maria Noel Rodrguez Ayn
65, 754-772.
421.
263.
653-678.
452
Apndice A
169-189.
Goyette, K.A. y Mullen, A.L. (2006). Who studies the Arts and
453
Maria Noel Rodrguez Ayn
20, 263-78.
Jiali, L., Grady, M.L. y Bellows, L.H. (2001). Instructional issues for
454
Apndice A
69.
12, 267-283.
455
Maria Noel Rodrguez Ayn
Peng, C., So, T., Stage, F. y St. John, E. (2002). The use and
293.
Perna, L.W. (2001c). Sex and race differences in faculty tenure and
46, 277-307.
456
Apndice A
767.
457
Maria Noel Rodrguez Ayn
1374-1389.
Tien, F.F. (2000). To what degree does the desire for promotion
579-591.
458
Apndice A
49, 359-383.
262-269.
459
Maria Noel Rodrguez Ayn
569-590.
31-42.
Modeling, 7, 442-460.
460
Apndice A
31, 709-725.
53, 184-200.
461
Maria Noel Rodrguez Ayn
462
Apndice A
463
Maria Noel Rodrguez Ayn
286.
194.
464
Apndice A
108.
625-655.
Technologies, 3, 62-80.
465
Maria Noel Rodrguez Ayn
20, 1-10.
581-592.
466
Apndice A
275-289.
293-309.
467
Maria Noel Rodrguez Ayn
468
Apndice B
APNDICE B. Cuestionarios
469
Maria Noel Rodrguez Ayn
MOTIVACIN PARA EL ESTUDIO. Por favor indique su grado de acuerdo con las
afirmaciones que siguen segn la escala:
Totalmente en desacuerdo (1) En desacuerdo (2) Indeciso (3) De acuerdo (4)
Totalmente de acuerdo (5)
1 2 3 4 5
Estudio porque me resulta interesante resolver situaciones
problemticas
Estudio porque disfruto descubriendo cunto he avanzado.
470
Apndice B
Comentarios:
...................................................................................................................................
................
471
Maria Noel Rodrguez Ayn
472
Apndice C
Mtodos de extraccin
1999).
Mtodos de rotacin
473
Maria Noel Rodrguez Ayn
Rotacin Varimax
Rotacin Oblicua
474
Apndice C
a errores).
percibida respectivamente).
Mtodo MAP
475
Maria Noel Rodrguez Ayn
utilizar esta regla es que haya, al menos, dos variables con pesos
Prueba de KMO
476
Apndice C
r
i j
ij
2
KMO =
r + a ij
2 2
ij
i j i j
donde:
y Xj,
y Xj.
477
Maria Noel Rodrguez Ayn
(1999): entre 0,98 y 1 excelente, entre 0,92 y 0,98 bueno, entre 0,82
y 0,92 lmite, entre 0,68 y 0,82 pobre y < 0,68 muy pobre. Para los
478
Apndice C
ndice K:
f
j =1
jk (1) f jk ( 2)
k =
p p
f 2
f 2
jk (1)
jk ( 2 )
j =1 j =1
k
K= k =1
ndice V:
Trace[(B B )' (B B )]
1/ 2
V =
pr
factores.
479
Maria Noel Rodrguez Ayn
Cattell (1966).
es de 57,4%.
480
Apndice C
5
Autovalor
0
1 3 5 7 9 11 13 15 17 19
2 4 6 8 10 12 14 16 18 20
Nmero de factor
Figura C1.1. Grfico de sedimentacin de Cattell.
481
Maria Noel Rodrguez Ayn
(Velicer, 1976).
482
Apndice C
Tabla C1.3 Sumas de cuadrados luego de la extraccin y de la rotacin y porcentajes de varianza explicada
Sumas de cuadrados luego de la extraccin y de la rotacin y porcentajes de
varianza explicada
Rotacin
Extraccin Rotacin Varimax
Oblimin
% de % % de %
Factor SC SC SC
varianza acumulado varianza acumulado
1 5,879 29,394 29,394 4,535 22,676 22,676 4,970
CP 2 3,385 16,924 46,318 3,667 18,333 41,009 3,977
3 2,210 11,051 57,369 3,272 16,359 57,369 3,934
1 5,393 26,963 26,963 4,046 20,229 20,229 4,543
EP 2 2,926 14,630 41,593 3,196 15,980 36,209 3,547
3 1,686 8,429 50,022 2,763 13,813 50,022 3,575
Nota. SC = Suma de cuadrados; CP = Componentes Principales; EP = Ejes
Principales.
483
Maria Noel Rodrguez Ayn
3,5
3,0
2,5
2,0
1,5
1,0
Autovalor
,5
0,0
1 2 3 4
Nmero de factor
484
Apndice C
Mtodos de estimacin
[ ]
FML = log ( ) log S + tr S ( ) 1 p
donde:
485
Maria Noel Rodrguez Ayn
FGLS =
1
2
[ ]
tr{ S ( ) W 1 }
2
donde:
ms habitual es S 1
486
Apndice C
FADF = [S ( )] W 1[S ( )]
'
donde:
487
Maria Noel Rodrguez Ayn
minimiza la funcin:
FULS =
1
2
[ ]
tr { S ( ) }
2
488
Apndice C
489
Maria Noel Rodrguez Ayn
al., 2000).
490
Apndice C
491
Maria Noel Rodrguez Ayn
discrepancia (Fmin)
Ji-cuadrado ( 2 )
492
Apndice C
elegido.
sea considerable.
493
Maria Noel Rodrguez Ayn
494
Apndice C
F 1
RMSEA = max min ,0
gl m N 1
RMR)
i =1 j =1 ( sij ij ) 2
p i
RMR =
p( p + 1) / 2
donde:
ij es un elemento de la matriz de covarianza estimada
p es el nmero de variables
495
Maria Noel Rodrguez Ayn
496
Apndice C
2
m
GFI = 1 2
n
donde:
2
m es el valor del estadstico (N-1) x Fmin para el modelo que
se evala
2
n es el valor del estadstico (N-1) x Fmin para el modelo nulo
recomiendan su uso.
497
Maria Noel Rodrguez Ayn
2
gl n / gl m
AGFI = 1 (1 GFI ) = 1 m 2
gl m n / gl n
corrige al GFI.
498
Apndice C
segn:
Fi Fm 2
i m
2
NFI = NFI = 2
Fi i
donde:
o lnea base.
2
m es el valor del estadstico (N-1) x Fi para el modelo de
2
i es el valor del estadstico (N-1) x Fm para el modelo a
evaluar.
499
Maria Noel Rodrguez Ayn
2
lnea base i. El ajuste ideal supone m igual a 0 (mnimo valor de
libertad del modelo glm , valor mayor que 0, y por tanto NFI no
500
Apndice C
( F / gl i ) ( Fm / gl m ) 2
( / gli ) ( 2 m / gl m )
NNFI = i NNFI = i
( Fi / gl i ) [1 /( N 1)] 2
( i / gli ) 1
2
x Fmin se distribuye segn ji-cuadrado (el valor esperado de m es
2
glm). El denominador contrasta i / gl i (peor ajuste) con el valor 1
( Fi / gl i ) ( Fm / gl m ) 2
( i / gli ) ( 2 m / glm )
RFI = RFI = 2
( Fi / gl i ) ( i / gli )
al ajuste de la lnea base por grado de libertad. Al igual que con NFI,
2
el valor 1 para este ndice ajuste ideal se alcanza cuando m
501
Maria Noel Rodrguez Ayn
ndice NFI.
Fi Fm m
2 2
IFI = IFI = i 2
Fi [gl m /( N 1)] i gl m
2
El ajuste ideal corresponde al valor esperado de m , el cual
max( Fm gl m ,0)
CFI = 1
max( Fi gl i ,0)
502
Apndice C
503
Maria Noel Rodrguez Ayn
soluciones.
504
Apndice C
Tabla C2.3 Covarianzas y correlaciones entre las dimensiones (modelo 1, estimacin ML)
Covarianzas y correlaciones entre las dimensiones (modelo 1, estimacin ML)
Dimensiones Covarianza ET Correlacin
MA <--> MLu ,071 ,021 ,136
MA <--> MR ,171 ,024 ,378
MLu <--> MR ,131 ,020 ,336
Nota. Modelo 1 = tres factores relacionados; ML = mxima verosimilitud; ET =
error tpico de estimacin; MA = metas de aprendizaje; MLu = metas de lucimiento;
MR = metas de resultado.
Todos los valores son significativos, p<0,001.
505
Maria Noel Rodrguez Ayn
ndice 1 2 3 4 5
GFI ,966 ,993 ,993 ,988 ,994
AGFI ,962 ,988 ,985 ,973 ,983
NFI ,946 ,990 ,987 ,976 ,987
RFI ,946 ,985 ,978 ,961 ,975
RMR ,082 ,055 ,035 ,089 ,066
Nota. ULS = mnimos cuadrados no ponderados.
1 = modelo de tres factores relacionados; 2 = modelo de un factor (metas de
aprendizaje);
3 = modelo de un factor (metas de lucimiento); 4 = modelo de un factor (metas de
resultado); 5 = modelo de dos factores (metas de resultado a corto y a largo
plazo).
Los datos corresponden al modelo basal, sin restricciones de igualdad de
parmetros en grupos de calibracin y validacin.
tem 1 2 3 4 5
M1 1,081 1
M2 ,836 ,992
M3 ,926 ,987
M4 ,926 ,977
M5 1,015 ,992
M6 ,969 1,016
M7 1,061 1,033
M8 1,099 1,015
M9 1,224 1,061
M10 ,832 1,031
M11 ,736 ,944
M12 ,783 ,966
M13 1,105 1,044
M14 ,871 ,986
M15 1,498 ,988 ,978
M16 1,654 ,979 ,979
M17 1,089 ,999 1,015
M18 ,950 1,019 1,040
M19 ,650 1,070 1,014
M20 ,591 1,002 ,985
Nota. 1 = modelo de tres factores relacionados; 2 = modelo de un factor (metas de
aprendizaje); 3 = modelo de un factor (metas de lucimiento); 4 = modelo de un
factor (metas de resultado); 5 = modelo de dos factores (metas de resultado a
corto y largo plazo).
Se comparan las saturaciones de los tems segn la estimacin ULS con los
valores estimados segn ML.
506
Apndice C
modelos confirmatorios 1 a 5.
Tabla C2.6 Validacin del modelo confirmatorio de tres factores relacionados (Modelo 1)
Validacin del modelo confirmatorio de tres factores relacionados (Modelo 1)
Modelos anidados Fmin gl p NFI IFI TLI CFI RMSEA
Sin restricciones
Pesos de medida 15,950 17 ,527 ,001 ,001 -,007 ,000 0,002
Covarianzas
19,155 23 ,692 ,001 ,001 -,009 -,001
estructurales 0,002
Residuos de medida 119,590 43 ,000 ,008 ,008 -,010 ,005 0,002
Pesos de medida
Covarianzas
3,204 6 ,783 ,000 ,000 -,002 -,001 ,000
estructurales
Residuos de medida 103,640 26 ,000 ,007 ,007 -,003 ,005 ,000
Covarianzas estructurales
Residuos de medida 100,436 20 ,000 ,007 ,007 -,001 ,006 ,000
Tabla C2.7 Validacin del modelo confirmatorio unifactorial de metas de aprendizaje (Modelo 2)
Validacin del modelo confirmatorio unifactorial de metas de aprendizaje(Modelo
2)
Modelos anidados Fmin gl p NFI IFI TLI CFI RMSEA
Sin restricciones
Pesos de medida 4,202 8 ,756 ,001 ,001 -,015 ,000 0,007
Covarianzas ,000
5,176 8 ,739 ,001 ,001 -,016
estructurales 0,007
Residuos de medida 15,226 16 ,508 ,003 ,003 -,027 ,000 0,013
Pesos de medida
Covarianzas ,000
,975 1 ,323 ,000 ,000 -,002 ,000
estructurales
Residuos de medida 11,025 9 ,274 ,002 ,002 -,013 ,000 ,006
Covarianzas estructurales
Residuos de medida 10,050 8 ,262 ,002 ,002 -,011 ,000 ,006
Tabla C2.8 Validacin del modelo confirmatorio unifactorial de metas de lucimiento (Modelo 3)
Validacin del modelo confirmatorio unifactorial de metas de lucimiento(Modelo 3)
Modelos anidados Fmin gl p NFI IFI TLI CFI RMSEA
Sin restricciones
Pesos de medida 9,608 5 ,087 ,002 ,002 -,025 ,001 ,011
Covarianzas
9,647 6 ,140 ,002 ,002 -,029 ,001
estructurales ,013
Residuos de medida 94,000 12 ,000 ,023 ,023 -,028 ,020 ,012
Pesos de medida
Covarianzas
,039 1 ,843 ,000 ,000 -,004 ,000 ,002
estructurales
Residuos de medida 84,392 7 ,000 ,020 ,020 -,003 ,021 ,001
Covarianzas estructurales
Residuos de medida 84,353 6 ,000 ,020 ,020 ,001 ,021 -,001
507
Maria Noel Rodrguez Ayn
Tabla C2.9 Validacin del modelo confirmatorio unifactorial de metas de resultado (Modelo 4)
Validacin del modelo confirmatorio unifactorial de metas de resultado(Modelo 4)
Modelos anidados Fmin gl p NFI IFI TLI CFI RMSEA
Sin restricciones
Pesos de medida 11,019 5 ,051 ,003 ,003 -,042 -,002 ,013
Covarianzas
11,893 6 ,064 ,004 ,004 -,049 -,002
estructurales ,016
Residuos de medida 14,904 12 ,247 ,005 ,005 -,082 -,001 ,027
Pesos de medida
Covarianzas
,874 1 ,350 ,000 ,000 -,007 ,000 ,003
estructurales
Residuos de medida 3,885 7 ,793 ,001 ,001 -,039 ,001 ,014
Covarianzas estructurales
Residuos de medida 3,011 6 ,807 ,001 ,001 -,032 ,001 ,011
Tabla C2.10 Validacin del modelo confirmatorio bifactorial de metas de resultado (Modelo 5)
Validacin del modelo confirmatorio bifactorial de metas de resultado(Modelo 5)
Modelos anidados Fmin gl p NFI IFI TLI CFI RMSEA
Sin restricciones
Pesos de medida 1,441 4 ,837 ,000 ,000 -,025 -,001 ,010
Covarianzas
3,755 7 ,807 ,001 ,001 -,037 -,001 ,015
estructurales
Residuos de medida 10,488 13 ,654 ,003 ,003 -,053 -,001 ,023
Pesos de medida
Covarianzas
2,315 3 ,510 ,001 ,001 -,012 ,000 ,005
estructurales
Residuos de medida 9,047 9 ,433 ,003 ,003 -,029 ,000 ,013
Covarianzas estructurales
Residuos de medida 6,733 6 ,346 ,002 ,002 -,016 ,000 ,008
508
Apndice C
509
Maria Noel Rodrguez Ayn
C3. Histogramas
MA MLu
600
140
120 500
100 400
Frequency
Frequency
80
300
60
200
40
100
Mean = 9,1
Std. Dev. = 3,834
20 Mean = 29,37 N = 1.573
Std. Dev. = 6,624
N = 1.573 0
5 10 15 20 25 30 35
0
0 5 10 15 20 25 30 35 40
MR CP
140 140
120 120
100 100
Frequency
Frequency
80 80
60 60
40 40
0 0
5 10 15 20 25 30 35 0 10 20 30 40
510
Apndice D
Coeficientes b y
511
Maria Noel Rodrguez Ayn
efectos.
variables en el modelo.
menos que todos los factores estn medidos en una misma escala).
de modo que sea posible hacer uso de las ventajas de cada uno
512
Apndice E
513
Maria Noel Rodrguez Ayn
Spearman
514
Apndice E
515
Maria Noel Rodrguez Ayn
de casos.
menor posible.
516
Apndice E
incluyen en el conglomerado.
1978).
ms prximo.
517
Maria Noel Rodrguez Ayn
en cada paso.
518
Apndice E
519
Maria Noel Rodrguez Ayn
520
Apndice F
lineales.
521
Maria Noel Rodrguez Ayn
50 100
Frecuencia
Frecuencia
40 80
30 60
40
20 Desv. tp. = 4,02
Desv. tp. = 6,64 20 Media = 9,1
10 Media = 28,9 N = 312,00
0
0 N = 312,00 5,0 10,0 15,0 20,0 25,0 30,0
7,5 12,5 17,5 22,5 27,5
7,
105
12,0
15,5
17,0
20,5
22,0
25,5
27,0
30,5
32,0
35,5
37,0
40,5
,0
Metas de lucimiento
Metas de aprendizaje
GRUPO M4.1
80 60
70
50
60
40
Frecuencia
50
Frecuencia
40 30
30
20
20 Desv. tp. = 5,27 Desv. tp. = 6,76
Media = 21,2 10
10 Media = 17,2
0 N = 312,00 0 N = 312,00
5,0 10,0 15,0 20,0 25,0 30,0
5,
7,
10
12,0
15,5
17,0
20,5
22,0
25,5
27,0
30,5
32,0
35,5
0
5
,0
7,5 12,5 17,5 22,5 27,5
50
40 20
Frecuencia
Frecuencia
30
20
10
Desv. tp. = 1,68
10 Desv. tp. = ,23
Media = 5,4
Media = ,6
0 N = 312,00
0 N = 312,00
,5
1,
1,0
2,5
2,0
3,5
3,0
4,5
4,0
5,5
5,0
6,5
6,0
7,5
7,0
8,5
8,0
9,5
9,0
105
,0
,1
,1
,2
,2
,3
,3
,4
,4
,5
,5
,6
,6
,7
,7
,8
,8
,9
,9
1,
1,0
Promedio
0
Progreso
70
60
50
Frecuencia
40
30
20
Desv. tp. = 1,82
10 Media = 5,6
0 N = 312,00
3,0 5,0 7,0 9,0 11,0
4,0 6,0 8,0 10,0
Rendimiento previo
Figura F1. Histogramas de las variables motivacionales y acadmicas. Grupo de
estimacin.
522
Apndice F
Tabla F1 Pruebas de normalidad de los indicadores de rendimiento en cada categora de las variables sociodemogrficas
Tabla F2 Pruebas de normalidad del progreso (normalizado) en cada categora las variables sociodemogrficas
Pruebas de normalidad del progreso (normalizado) en cada categora las variables
sociodemogrficas
Variable Promedio
Categora
explicativa KS SW gl
Mujeres ,022 ,998 234
Sexo
Varones ,050 ,995 78
Terciaria ,033 ,997 153
Estudios padres
Primaria o Secundaria ,063 ,984 61
Si ,053 ,983 106
Trabajo
No ,037 ,993 206
Enseanza Pblica ,021 ,998 223
Media Privada ,058 ,992 89
Montevideo ,028 ,996 175
Lugar
Interior ,037 ,993 137
Medicina ,046 ,991 120
Bachillerato
Ingeniera ,037 ,996 192
Nota. KS = estadstico de Kolmogorov-Smirnov; SW = estadstico de Shapiro-
Wilks: gl = grados de libertad.
* p<0,05, ** p<0,01, ***p<0,001
523
Maria Noel Rodrguez Ayn
Tabla F3 Pruebas de normalidad de las variables motivacionales en cada categora de las variables sociodemogrficas
Pruebas de normalidad de las variables motivacionales en cada categora de las
variables sociodemogrficas
Variables motivacionales
Variable MA MLu
Categora
explicativa KS SW gl KS SW gl
Mujeres ,106*** ,965*** 234 ,226*** ,753*** 234
Sexo
Varones ,161*** ,930*** 78 ,191*** ,830*** 278
Terciaria ,117*** ,953*** 153 ,245*** ,706*** 153
Estudios
padres Primaria o ,109 ,953* ,194*** ,832***
61 61
Secundaria
Si ,136*** ,941*** 106 ,213*** ,770*** 106
Trabajo
No ,096*** ,961*** 206 ,220*** ,776*** 206
Enseanza Pblica ,105*** ,971*** 223 ,222*** ,766*** 223
Media Privada ,162*** ,900*** 89 ,205*** ,798*** 89
Montevideo ,128*** ,935*** 175 ,224*** ,763*** 175
Lugar
Interior ,104*** ,977* 137 ,208*** ,796*** 137
Medicina ,097* ,952*** 120 ,225*** ,754*** 120
Bachillerato
Ingeniera ,125*** ,959*** 192 ,212*** ,791*** 192
Variables motivacionales
Variable MR CP
Categora
explicativa KS SW gl KS SW gl
Mujeres ,120*** ,945*** 234 ,053 ,981** 234
Sexo
Varones ,120* ,975*** 78 ,105* ,973 78
Terciaria ,113*** ,946*** 153 ,073* ,988 153
Estudios
padres Primaria o ,095 ,963 ,085 ,974
61 61
Secundaria
Si ,086 ,968* 106 ,069 ,966* 106
Trabajo
No ,112*** ,954 206 ,049 ,987 206
Enseanza Pblica ,108*** ,958*** 223 ,053 ,984* 223
Media Privada ,113* ,963* 89 ,052 ,991 89
Montevideo ,110*** ,964*** 175 ,064 ,986 175
Lugar
Interior ,114*** ,949*** 137 ,063 ,981 137
Medicina ,076 ,967** 120 ,077 ,975* 120
Bachillerato
Ingeniera ,118*** ,947*** 192 ,047 ,988 192
Nota. KS = estadstico de Kolmogorov-Smirnov; SW = estadstico de Shapiro-
Wilks: gl = grados de libertad; MA =metas de aprendizaje; MLu = metas de
lucimiento: MR = metas de resultado; CP = capacidad percibida.
* p<0,05; ** p<0,01; ***p<0,001
524