Desarrollo de un Sistema de Clasificación de las
características del estudiante de ingeniería que afectan a la
universidad de matrícula y retención
Q EN G L YO, H ARIHARAN S WAMINATHAN, Y J iong T ANG
Universidad de Connecticut
si ANTECEDENTES
En la ingeniería de la educación, una cantidad considerable de esfuerzo de investigación se ha dedicado
a estudiar los impactos de las características del estudiante en su inscripción en la universidad, la
selección mayor, y la retención de la universidad. Sin embargo, no hay un sistema de clasificación
estandarizado categórica de las características del estudiante de ingeniería en la literatura actual.
Diferentes investigadores tienden a centrarse en las características específicas dentro del ámbito de sus
intereses de investigación. Este estudio proporciona una revisión y análisis de la investigación existente
en la medición de las características de los estudiantes de ingeniería integral.
PAG ROPÓSITO
El estudio abordó las tres preguntas: (1) ¿Qué características de los estudiantes de ingeniería se
han medido; (2) ¿Cómo características de los estudiantes de ingeniería influyen en sus
resultados educativos; y (3) qué métodos de medición y análisis que se han aplicado en los
estudios actuales? También se propone un sistema de clasificación estandarizado para las
características del estudiante de ingeniería referidos a categorías externos, cognitivos, afectivos,
y demográficos.
I. INTRODUCCIÓN
El avance en la ciencia y la tecnología ha sido y será con- tinue a ser el motor del
crecimiento económico y la seguridad nacional en los Estados Unidos. El mantenimiento de
este avance se basa en un ade- cuada y la fuerza de trabajo bien educada en ciencia e
ingeniería. Sin embargo, los análisis de la situación actual indican que Estados Unidos se
enfrenta a retos importantes en la educación de la ciencia y la ingeniería. Un reciente Informe
sobre la política de ACT, en base a los datos ob- CONTENIDAS de estudiantes de secundaria
que tomaron el ACT, muestra que el número de estudiantes en la planificación de la carrera de
ingeniería ha ido disminuyendo desde 1991 (Noeth, Cruce, y Harmston, 2003). Una Fundación
Na- cional de Ciencias informe (NSF) también indica que el número de estudiantes matriculados
en universidades y colegios mayores como inge- niería ha ido disminuyendo en los últimos dos
decenios, mientras que los EE.UU. la demanda del mercado para los graduados de ingeniería
ha ido en aumento durante el mismo período (Consejo Nacional de Ciencia (NSB), 2004).
Mientras que atraen a los estudiantes a las escuelas de ingeniería es un reto, conservando
estos estudiantes plantea otro desafío. Muchos de los resultados de la investigación indican que
sólo alrededor del 60 por ciento o menos de la mitad de los estu- diantes que en un principio
entran estudiantes de ingeniería en realidad se gradúan con un grado de ingeniería (Astin y
Astin, 1992; Besterfield- Sacre, Atman, y Shuman, 1997; franceses, Immekus, y Oakes, 2005;
NSB, 2007). A medida que el número de graduados en ingeniería Muchos de los resultados de
la investigación indican que sólo alrededor del 60 por ciento o menos de la mitad de los estu-
diantes que en un principio entran estudiantes de ingeniería en realidad se gradúan con un
grado de ingeniería (Astin y Astin, 1992; Besterfield- Sacre, Atman, y Shuman, 1997; franceses,
Immekus, y Oakes, 2005; NSB, 2007). A medida que el número de graduados en ingeniería Muchos de los resultados de la investigación indican que sólo alrededor del 60 por ciento o menos de la mitad de los estu
de octubre de 2009
S CAPA PLUVIAL/ METRO ÉTODO
El estudio se centró en la formación de ingenieros. investigación representativa respecto a las
características comunes de los estudiantes de las especialidades de la ciencia, tecnología, ingeniería y
matemáticas también fueron incluidos. El examen abarca las principales revistas académicas, libros de
investigación, actas de conferencias, informes gubernamentales y en las áreas de la ciencia y la ingeniería
de las últimas dos décadas.
C CONCLUSIONES
El análisis examen indicó que los estudiantes con ciertas características son más propensos a elegir la
ingeniería como profesión y que esas características se correlacionan bien o causalmente relacionados
entre sí. Sin embargo, muchas conclusiones de la investigación sobre la base de los análisis estadísticos
básicos fallan para modelar los efectos de interacción. Se necesitan técnicas de medición avanzadas que
pueden modelar las características interactiva y al mismo tiempo en un marco completo.
K EYWORDS
medición, la retención y la matrícula, características de los estudiantes
declive, la contratación de empleados con las habilidades de ingeniería necesarias, no sólo se
ha convertido en uno de los retos más apremiantes para la industria de los Estados Unidos
(KPMG International, 2006), sino que también hizo el gobierno de Estados Unidos y el mundo
académico se vuelven más dependientes de la mano de obra extranjera de ingeniería (NSB,
2003 ). Puesto que “la preparación de la fuerza de trabajo de ciencia e ingeniería es una arena
vital para competitividad nacional” (NSB, 2004), es imperativo que los EE.UU. GOBIERNOS
ción debe conducir un esfuerzo agresivo para preparar mejor a la mano de obra de ingeniería
nacional (NSB, 2003 ).
Una mejor preparación para las llamadas de la fuerza de trabajo de ingeniería
para una reforma de la enseñanza de la ingeniería. Como puerto re Academia
Nacional enfatiza (Junta de Educación en Ingeniería, National Research Council,
1995), esta reforma exige acciones en colegios inge- niería incluyendo la
auto-evaluación y auto-evaluación de los resultados educativos, el equilibrio de
los sistemas de la facultad de incentivos, mejorar los métodos de enseñanza y
prácticas, la reforma curricu- lum, y la expansión de las interacciones beneficiosas
y alcances. El éxito de la reforma de la ingeniería de la educación a nivel
universitario también se basa en una rigurosa enseñanza de la ingeniería de
introducción en el nivel K-12 (Iversen, Kalyandurg y Lapeyrouse, 2007). El
objetivo de esta introducción es producir más estudiantes K-12 con
características de ingeniería adecuadas. Estos estudiantes serían propensos a
elegir la ingeniería como su principal universidad,
Revista de Enseñanza de la Ingeniería 361
y probablemente permanecería en una carrera de ingeniería profesional después de
graduarse.
Entre los diversos retos en la reforma de la enseñanza de la ingeniería, la medición
de las características de abolladuras ingeniería estu- sigue siendo un tema difícil. Una
medición fiable es fundamental en la identificación de las características del estudiante
relevantes que están estrechamente como- sociated con buenos resultados escolares.
Una tarea de este trabajo es presentar una revisión y análisis de la investigación isting ex
amplio sobre la medición de las características de los alumnos inge- niería. La otra tarea
es proponer un sistema de clasificación generalizables para la ingeniería de las
características del estudiante basado en el resultado de la encuesta literatura. El alcance
de este estudio se centra alrededor, pero no limitado a, el marco de la ingeniería de
educa- ción, como estudiantes en otros campos como la ciencia, la tecnología y las
matemáticas comparten muchas características comunes con los estudiantes de
ingeniería. la investigación representante respecto carac- terísticas comunes de los
estudiantes de las especialidades de la ciencia, la tecnología, la inge- niería y
matemáticas (STEM) se ha incluido en la discusión. Esta revisión de la literatura cubre las
principales revistas académicas, libros de investigación, actas de conferencias, informes
gubernamentales y en las áreas de la ciencia y la ingeniería de las últimas dos décadas.
El resto del trabajo se organiza de la siguiente manera: Sección II re-
vistas del esfuerzo de investigación actual sobre la medición de
Características de los estudiantes de ingeniería. Los temas revisión
abordó las características del estudiante clude identificar in- que se han
medido en la literatura, el análisis de las preguntas de investigación que
reflejan el im- pacto de las características de los estudiantes en los
resultados educativos, y que resumen los métodos de medición y análisis
que se han desarrollado. Basándose en los análisis, se propone una
estructura de clasificación generalizable que categoriza características de
los estudiantes de ingeniería. Sección III señala las limitaciones de los
estudios actuales y también ofrece sugerencias para las direcciones
futuras investigaciones en esta área. Se propone un modelo estructural
que indica correlación / causalidad entre características y resultados
educativos.
II. C ACTUAL UN CHIEVEMENTINTHE METRO DE medición cada C HARACTERISTICSOF
ingeniería. Evolución de las características de estas dos categorías durante su estancia en la
mi NGENIERÍA S os estudiantes ingeniería determinará Eventualmente su éxito o fracaso en el logro de un grado de
Las fuertes correlaciones positivas entre las características de los estudiantes y su
rendimiento educativo han sido estudiadas por muchos investiga- dores (Astin, 1993; Bean,
1983, 1986; Fleming y Malone, 1983; Tinto, 1993). Particularmente en la ingeniería de la
investigación educativa, una considerable cantidad de esfuerzo se ha colocado en la
identificación de características de los estudiantes que tienen un impacto en la ingeniería viene
resultados educativos (definido como el reclutamiento y la retención en escuelas de
ingeniería). Sin embargo, no existe un estándar categórica clasifi- cación del sistema de las
características del estudiante de ingeniería en la literatura actual. Diferentes investigadores
han examinado diferentes carac- terísticas de los estudiantes de ingeniería dentro de sus
líneas de investigación o la limitada disponibilidad de recursos de datos. Por ejemplo, en la
investigación de cómo afectan las características del estudiante universitario de desgaste,
Tinto (1993) propuso un modelo de cuatro clústeres que incluía estudiante caracterís- tics tales
como el ajuste, la dificultad, incongruencia, y el aislamiento. Bean (1983, 1986) sugirió un
modelo de seis clúster que incluía
362 Revista de Enseñanza de la Ingeniería
características de los estudiantes como fondo, la integración académica, la
integración social, tire del medio ambiente, las actitudes, y GPA. Más tarde Moller
Wong y Eide (1997) características de los estudiantes clasificados en cinco
categorías incluyendo antecedentes, organización, integración académica y social, la
actitud y la motivación, y en forma institucional. Después de examinar todas las
características de los estudiantes de ingeniería medidos en la literatura existente, los
autores creen que las tres grandes categorías, a saber característicos externos,
internos, y demográficos, han surgido. Basándose en esta observación, los autores
han propuesto en este documento una estructura de clasificación categórica para un
análisis sistemático de las características de los estudiantes de ingeniería. Este
sistema de cationes Clasifi-, como se muestra en la Figura 1,
A. características medidas
La primera categoría en medidas de la Figura 1 características externas de estudiantes de
ingeniería. Ejemplos de características externas incluyen entorno institucional, requisito
curricular, pares o adultos influencias, y el ingreso promedio de los ingenieros. Estas
características hacen hincapié en las propiedades relacionadas con la ingeniería de la ment
ENTORNO externa. Un estudiante individual no es capaz de cambiar estas características
medioambientales a través del esfuerzo personal. Por ejemplo, un estudiante puede ser capaz
de mejorar su / su GPA a base de trabajo; Sin embargo, si él o ella no le gusta ciertos cursos
básicos en el plan de estudios, o se siente la institución es demasiado competitivo, el
estudiante no puede alterar el programa. Estas características pueden animar a los
estudiantes ya sea o desanimar a los principales en y permanecer en la ingeniería.
La segunda categoría de medidas características internas de los estudiantes de inge-
niería. En este estudio, se consideran solamente las características internas que ejercen
impacto directo a los resultados de matriculación y permanencia en las escuelas de inge-
niería. Dado que la educación es un agregado de ambos intelectiva (cognitivo) y no
intelectiva (afectivo) es proceso-, tiene sentido para clasificar aún más esta categoría en dos
cate- sub-cate-: características cognitivas y características afectivas. Las características
cognitivas, tales como los resultados del SAT, GPA, y estilo de aprendizaje, representan las
habilidades académicas de un estudiante en un pro- grama de ingeniería y afectan
directamente la situación académica del estudiante. Las características fective AF, como la
motivación para el éxito, impresión de la ingeniería, y la auto-confianza en los conocimientos
de ingeniería, directa- mente influyen en la actitud del estudiante hacia la educa- ción de
ingeniería. Al entrar en las escuelas de ingeniería, los estudiantes traen consigo diferentes
habilidades académicas, así como diversos nutos atri- afectivos respecto estudio de
ingeniería.
La tercera categoría de medidas las características demográficas de estudiantes de
ingeniería. Las características comúnmente estudiados en esta categoría son la edad, el
género, la raza, la situación socioeconómica de la familia, la escuela y la ubicación. Algunas de
estas características demográficas pueden encajar en realidad en cualquiera de categorıas
característicos internos o externos definidos anteriormente. Por ejemplo, si un estudiante es de
una región donde los ingenieros tienen ingresos superiores a la media, la “ubicación” de este
modo BE- viene una característica del medio ambiente externo que podría atraer a los
estudiantes a la carrera de ingeniería. Mientras tanto, si un estudiante es de un origen étnico
donde la ingeniería se considera una profesión respetable, “etnicidad” es, pues, una
característica externa que podría ayudar al estudiante a desarrollar una actitud positiva hacia la
ingeniería. Sin embargo, convencionalmente estas características se consideran
de octubre de 2009
 Figura 1. Clasificación de las características de los estudiantes de ingeniería.
estructura de la Figura 2. Clasificación de las características externas.
bajo la categoría demográfica. En consecuencia, esta convención se adopta en este
trabajo.
Las preguntas contestadas B. Investigación
La literatura actual ha abordado muchos temas de investigación sustancial con respecto a
la forma en la ingeniería de las características del alumno afectan sus resultados educativos.
Para analizar estas cuestiones de investigación sistemática, la discusión en esta sección se
presenta en el orden de las características externas, las características cognitivas,
características afectivas, y las características demográficas.
1) Características externas: Características externas consisten en dos categorías
generales, a saber características de la comunidad y las características de la universidad.
influencia de la comunidad en los estudiantes es evi- dent través de ejemplos como
influencia de los pares (PI) y la influencia de adultos (AI). ambiente universitario determina
las características tales como los requisitos del curso (CR), la atmósfera cultural de la
institución (CA), y la interacción docente-alumno. La Figura 2 ilustra la estructura de
clasificación para las características externas (el significado
de octubre de 2009
de la línea de trazos se explicará en la Sección III). El impacto de estas características
en los resultados educativos de ingeniería se de- cola a continuación.
a) influencia de los pares: influencia de los pares se encuentra que es la característica
externa más fuerte y consistente durante desa- rrollo de los estudiantes. Los estudiantes
están influenciados por sus pares en términos de mayor elección, selección de la
universidad, así como la decisión de retención en las zonas AL gene- de educación
superior (Bean, 1983, 1986). En el ámbito de la enseñanza de la ingeniería, se ha
encontrado que cuanto mayor sea la proporción de los compañeros de la escuela
secundaria de un estudiante que se especializan en ingeniería, es más probable este
estudiante va a terminar la elección de una ingeniería importante (Astin y Astin, 1992; et
Shuman al., 1999). influencia de los compañeros de la escuela secundaria también es un
buen predictor de la graduación exitosa con un tallo Gree de- (Leslie, McClure, y Oaxaca,
1998). A nivel universitario, la influencia positiva de los compañeros proviene de
oportunidades como nuevos estudiantes a juego con los compañeros que actúan como
mentores culturales para la ingeniería (Shuman et al.,
Revista de Enseñanza de la Ingeniería 363
McClure, y Oaxaca, 1998). Por el contrario, la falta de comuni- dad estudiante en el campus
tiene un impacto negativo en la retención de los estudiantes (Comprador y Connolly, 2006).
b) Influencia de adultos: influencia de adultos afecta a los estudiantes de manera
significativa en su gran selección y elección de carrera (Astin y Astin, 1992; Shuman et al.,
1999). aprobación de los padres por lo general ejerce un efecto directo sobre la elección y
decisión de abandono institucional de un estudiante (Bean,
1983, 1986). En particular, tener un padre ingeniero menudo en gran medida aumenta la
probabilidad de selección de un estudiante de ingeniería (Astin y Astin, 1992) de un estudiante.
Por otro lado, la investigación también muestra que las opiniones de los educadores
universitarios hasta ahora han jugado un papel menos importante de lo que deberían. Como
Shuman et al. (1999) ha señalado, “muy pocos estudiantes que dejaron la ingeniería realidad
buscaban los servicios de orientación profesional proporcionadas por las universidades.”
Escuelas de ingeniería deben animar a los estudiantes que consideran que abandonan la
universidad o trans Ferring a otras carreras de buscar activamente la cooperación de estos
servicios.
c) Requisitos del plan de estudios: La investigación ha indicado que la mayoría de los
planes de estudio de ingeniería isting ex están sobrecargados, difícil, y que carecen de
relevancia para la práctica de la ingeniería actual (Besterfield-Sacre, Atman, y Shuman,
1998; Ohland et al, 2004a, 2004b;. Froyd y Ohland, 2005; Heywood, 2005). Este es sin duda
uno de los más importantes características externas responsables de la alta tasa de
deserción en las escuelas de ingeniería.
Heywood (2005) señala que el contenido del plan de estudios
abrumadora en los lugares de ingeniería demasiado estrés en los
estudiantes. Bajo la presión de pasar varios exámenes difíciles, abolladuras
muchos estu- ingeniería se ven obligados a adoptar un enfoque rutinario y
mecánico para el estudio. Poco a poco, pueden perder su interés en
aprender. Entre todos los cursos desafiantes, las matemáticas parece ser la
más difícil y por lo tanto el obstáculo más grande que causa la deserción en
el primer año de estudios en las escuelas de ingeniería. Brannan y Wankat
(2005) reveló en su estudio de los programas de ingeniería de primer año
que el 73,4 por ciento de los estudiantes de ingeniería que entran son
débiles en la preparación de las matemáticas. Si matemáticas requisitos
previos se pueden relajar, puede ayudar a mejorar los grados de los
estudiantes en el semestre posterior, y por lo tanto reducir la tasa de
abandono (Ohland et al., 2004b).
La falta de relevancia para la práctica de la ingeniería actual es otro problema común en
muchos programas de estudios de ingeniería. La mayor parte de la cubierta planes de estudio
de ingeniería varios cursos de matemáticas y ciencias puras en el primer año. Muchos de los
estudiantes de primer año de ingeniería se condujo así a la percepción de que la ingeniería es
pura ciencia. No son capaces de comprender la relevancia de estos cursos de ciencias a sus
necesidades iniciales y EST inter en la ingeniería (Besterfield-Sacre, Atman, y Shuman, 1998).
Muchos educadores de ingeniería han propuesto la idea de “planes de estudio integrado” donde
los cursos de matemáticas y ciencias son instruidos junto con los componentes de ingeniería o
la actividad comercial (Dabbagh y Menascé, 2006; Froyd y Ohland, 2005; Ohland et al, 2004a;.
Schneck, 2001). Ellos han encontrado que los nuevos planes de estudio haciendo hincapié en
las relaciones fundamentales entre las materias pueden mejorar la satisfacción del aprendizaje
de los estudiantes de manera significativa. Los planes de estudios que hacen hincapié en la
resolución de proble- Lem, escritura técnica, trabajo en equipo, el espíritu empresarial y
capacidad de gestión empresarial puede también ayuda. Es decir, los estudiantes más
propensos a superar las barreras asociadas con la relevancia, obtienen promedios más altos, y
lograr mayores tasas de retención. En concreto, se puede mejorar la retención de las mujeres
blancas y minorías subrepresentados (Besterfield-Sacre, Atman, y Shuman, 1998; Dym y lograr
mayores tasas de retención. En concreto, se puede mejorar la retención de las mujeres blancas
y minorías subrepresentados (Besterfield-Sacre, Atman, y Shuman, 1998; Dym y lograr
propensos
mayores tasas de retención. En concreto, se puede mejorar la retención de las mujeres blancas y minorías subrepresentados (Besterfield-Sacre, Atman, y Shuman, 1998; Dym
364 Revista de Enseñanza de la Ingeniería
et al., 2005; Dabbagh y Menascé, 2006; Froyd y Ohland, 2005; Ohland et
al., 2004a).
d) El ambiente cultural de la institución: Muchos factores, tales como el apoyo del
campus social, el apoyo del personal, participación en la investigación, y la interacción con
los profesores determinan el ambiente cultural de un ambiente universitario. Esta atmósfera
cultural juega un papel importante en la retención de los estudiantes (Astin y Astin, 1992;
Astin, 1993; El comprador y Connolly, 2006; Shuman et al., 1999).
Entre todos estos factores, la facultad es un momento crítico en la retención de los
estudiantes y el rendimiento de los programas de ingeniería (Vogt, 2008). La interacción del
estudiante-profesor se encuentra que tiene una correlación significativa con la universidad GPA,
la retención de la universidad, donde se graduó con honores, y la inscripción en la universidad
(francés, Immekus, y Oakes,
2003). Además de la retención y el éxito académico, una estrecha interacción
docente-estudiante puede mejorar la fuerza de los estudiantes auto-eficacia, el esfuerzo y el
pensamiento crítico, y aumentar las ganancias de los estudiantes en el diseño de inge- niería y
habilidades profesionales (Bjorklund, Parente y Sathianathan, 2004) . oportunidades de
interacción también mejoran la satisfacción Student con cursos de ingeniería, instrucción
profesores y la experiencia institucional en general. Por otro lado, si los profesores están menos
involucrados en la enseñanza y la orientación de los estudiantes y los estudiantes reciben poco
apoyo y el aliento de un modelo de la facultad, que dará lugar a un efecto negativo significativo
en la satisfacción de los estudiantes. En este sentido, las grandes instituciones con menor
interacción entre estudiantes y profesores tienden a tener más efectos negativos sobre la
persistencia del estudiante (Astin y Astin, 1992). La interacción efectiva entre estudiantes y
profesores puede tomar muchas formas (Kuh y Hu, 2001). interacción en el aula incluye
debates sobre temas relacionados con el curso y ofrecer asesoramiento académico. la
interacción no presencial incluye conversaciones sobre temas relacionados no académicas,
prácticas de la facultad supervisado, y la investigación oportuni- dades. Bjorklund, Parente y
Sathianathan, (2004) recomienda promover la comunicación entre estudiantes y profesores a
través de la integración de proyectos de diseño y oportunidades de aprendizaje colaborativo.
Astin y Astin (1992) sugirieron oportunidades de interacción, tales como ayudar a los profesores
en la enseñanza de cursos y participar en proyectos de investigación de la facultad. la
interacción no presencial incluye conversaciones sobre temas relacionados no académicas,
prácticas de la facultad supervisado, y la investigación oportuni- dades. Bjorklund, Parente y
Sathianathan, (2004) recomienda promover la comunicación entre estudiantes y profesores a
través de la integración de proyectos de diseño y oportunidades de aprendizaje colaborativo. Astin y Astin (1992)
Como se ha resumido Tinto (1993), las características académicas y sociales de
una institución pueden ayudar a dar forma al compromiso de los estudiantes a un
objetivo educativo, así como el compromiso de permanecer con esa institución.
escuelas de ingeniería deben promover un entorno académico y social más
interactivo y de apoyo para que sus alumnos van a desarrollar un fuerte sentido de
pertenencia.
2) las características cognitivas: la capacidad cognitiva general se consi- Ered como el
factor más importante para determinar el rendimiento del estudiante cional edu-. En la
ingeniería de la educación, el impacto de los factores cognitivas de inscripción en la
universidad y el éxito académico ha sido ampliamente estudiada. La característica cognitivo
más bien estudiado es la capacidad académica (AA). Otras características discutidas con
frecuencia incluyen la auto-eficacia (SE) y atributos de aprendizaje (LA). La parte izquierda de
la Figura 3 ilustra la estructura de clasificación para estas características cognitivas. El
impacto de estas características se discute a continuación.
a) Capacidad Academic: capacidad académica en matemáticas y ciencia está
fuertemente correlacionada con el ingreso y la permanencia en las escuelas de ingeniería.
En el nivel de secundaria, los preparativos y analíticos cuantitativos son fuertes indicadores
del interés inicial en especialidades de ingeniería y carreras (Astin y Astin, 1992).
Académicamente a los estudiantes de la escuela secundaria bien preparados son más
de octubre de 2009
 características sobre la retención en la ingeniería serán detallados en la sección
siguiente.
b) Auto-Eficacia: Sobre la base de la definición de Bandura (1986, 1997), la auto-eficacia es
la percepción que las personas tienen sobre sus lazos abili- en la realización de tareas

específicas necesarias para lograr una deseada OUT- llegado, mientras que confianza en sí

mismo es una actitud que permite que los individuos tienen positivo Aún vistas realistas de sí

mismos y sus situaciones. Siguiendo esta definición, la auto-eficacia es, pues, un atributo

asociativo cognitiva, mientras que confianza en sí mismo es un atributo asociado actitud. La

discusión de la auto-eficacia se presenta así en esta sección, y el impacto de la confianza en sí

mismo será discutido más adelante en la sección sobre las características afectivas.

estructura de la Figura 3. Clasificación de las características internas.

El impacto de la auto-eficacia en el reclutamiento y la retención en mayores inge- niería es

sustancial. En el nivel de secundaria, la auto-evaluación de la capacidad matemática,

para ser reclutado con éxito en carreras de ingeniería. Después se unen a la universidad, el computación, y otra la capacidad académica se encuentran para ser buenos indicadores para

nivel de entrada de com- petencia cuantitativa y analítica de los estudiantes es también el predecir la inscripción STEM, por el contrario, la auto-evaluación de la necesidad de clases de

predictor más fuerte y más consistente de la persistencia en programas de ingeniería (Astin apoyo en matemá- ticas es un eficiente pronóstico de la orientación no-STEM (Astin y Astin,

y Astin, 1992; Moller-Wong y Eide, 1997; Zhang et al., 2004;. Nicholls et al, 2007). Mediante 1992;. Nicholls et al, 2007). Hutchison et al. (2006) encontraron que la motivación, la

la medición de dos cohortes de estudiantes de ingeniería en una universidad grande de comprensión del material de aprendizaje y habilidades de computación son los factores más

Estados Unidos del Medio Oeste, francés, Mekus Im-, y Oakes, (2003, 2005) encontraron influyentes en boost- estudiante de ingeniería ing auto-eficacia. También han indicado que

que el SAT matics mathe- y puntuaciones verbales, así como la clasificación de la escuela factores como la capacidad de trabajo en equipo, la disponibilidad de ayuda y la capacidad de

secundaria, son importantes en la predicción universidad GPA. Universidad GPA se acceder a la ayuda, la capacidad para completar las tareas, habilidades de resolución de

posterior- mente un predictor significativo de la persistencia en la ingeniería. En problemas, el interés y la satisfacción en el aprendizaje, y las calificaciones están fuertemente

consonancia con la constatación del francés sobre la relación entre el GPA y persistencia, correlacionados con la auto-eficacia positiva. cadores de ingeniería edu- necesitan gastar más

Shuman et al., (1999) ha demostrado que aproximadamente una cuarta parte de los esfuerzo en estas áreas con el fin de estudiante impulso auto-eficacia.

estudiantes de primer año y un tercio de los estudiantes de clase alta tienen que abandonar
la ingeniería debido a la mala GPA. Méndez et al., (2008) han proporcionado más
información sobre el rendimiento acad- emic aparte de GPA. Sus conclusiones indican que
GPA acumulativo es el más altamente asociada con la persistencia de STEM. El examen Los estudios de investigación han reconocido las diferencias estadísticamente
cuantitativo de los resultados del SAT y el número de cursos madre tomadas en el primer significativas en la autoeficacia en el estudio de la ingeniería exhibido entre los diferentes
año de estudios están positivamente como- sociated con persistencia, mientras que el total grupos étnicos y de género. Más discusión se detalla en la sección demográfica.
de horas inscritos en primer año de estudios y calificaciones del examen SAT verbal
muestran una asociación negativa con la persistencia. c) El aprendizaje Attributes: atributos de aprendizaje de los alumnos se significativo- mente
correlacionados con actuaciones y actitudes hacia el aprendizaje académico (Bernold y otros,

2000, 2007;. Felder Felder, y Dietz, 2002; Felder y Brent, 2005). Entre los muchos atributos de

aprendizaje, estilo de aprendizaje es un indicador relativamente estable de “cómo los alumnos

perci- bir, interactuar y responder al entorno de aprendizaje” (Keefe, 1979). Los estudiantes con

No todos los investigadores están de acuerdo en que la capacidad académica es el factor diferentes estilos de aprendizaje tienden a re corres- diferente a los diferentes enfoques de

pronóstico más importante para la retención. Algunos sostienen que hay poca diferencia en la enseñanza (Felder, Felder, y Dietz, 2002). De acuerdo con la teoría de los tipos psicológicos

capacidad académica entre los estudiantes que persisten y que no lo hacen. Por ejemplo, Tinto (Lawrence, 1993), estos estilos de aprendizaje de existir dentro de un sis- tema de las

(1993) muestra que la mayoría de los estudiantes que abandonan la universidad en realidad se dicotomías de Jung. Por ejemplo, los extrovertidos prefieren los ajustes que proporcionan la

retiran voluntariamente en lugar de ser forzados debido a no cumplir con los requisitos actividad y el trabajo en equipo, mientras que los introvertidos prefieren ajustes in- volving

académicos. El estudio de medición en una realización de alta población realizado por Seymour procesamiento interno. Sensores prefieren cia de aprendizaje experimental concreto haciendo

y Hewitt (1997) también muestra que el puntaje promedio de las mujeres que dejan mayores hincapié en la memorización de hechos, mientras que los intuitivos prefieren instrucción

tallo es en realidad más alto que el promedio GPA de los hombres que se quedan. Su abstracta haciendo hincapié en la comprensión conceptual. Feelers prefieren que los

descubrimiento sugiere que, en las escuelas superiores de ingeniería que realizan, muchos de instructores muestran apreciación de sus esfuerzos, mientras que pensadores como instrucción

los que salen en realidad posee la competencia académica necesaria para carreras STEM lógicamente organizada. Perceptores gustaría tener flexibilidad en sus tareas, mientras

completos. Algunos resultados de la investigación sugieren que la capacidad académica juzgadores como asignaciones claramente definidos. Dada la variedad ilimitada de las

superior, a veces se convierte en un factor predictivo negativo para la retención. Como Moller descripciones de trabajo en inge- niería, los estudiantes con todos estos diferentes estilos de

Wong y Eide (1997) han encontrado, compuesto resultados muy altos y una mayor que el aprendizaje tienen el po- tencial para tener éxito como ingenieros. Sin embargo, con el modo

número promedio de semestres de Inglés de la escuela secundaria y las artes son, de hecho, tradicionalmente preponderante de instrucción basada en la conferencia en la ingeniería de

los predictores significativos de la deserción en la ingeniería. Los investigadores de este grupo edu- cación, donde los estudiantes intentan absorber el contenido de la conferencia y tratar de

creen que algunos estudiantes salen de la ingeniería debido a razones no académicas tales reproducirlo en los exámenes, se encontró que los introvertidos, los intuitivos, pensadores y

como la falta de motivación o la pérdida de intereses (Bernold, Spurlin, y Anson, 2007; juzgadores generalmente superan a sus extravertido, detección, sentir y homólogos que

Besterfield-Corazón, Atman, y Shuman, 1997, 1998; Levin y Wyckoff, 1988). Más discusión perciben (Bernold et al, 2000, 2007;. Felder y Silverman, 1988; Felder, Felder, y Dietz, 2002).

sobre el impacto de la no académica compuesto resultados muy altos y una mayor que el los

número promedio de semestres de Inglés de la escuela secundaria y las artes son, de hecho,

los predictores significativos de la deserción en la ingeniería. Los investigadores de este grupo

creen que algunos estudiantes salen de la ingeniería debido a razones no académicas tales como la falta de motivación o la pérdida de intereses (Bernold, Spurlin, y Anson, 2007; Besterfield-Corazón, Atman, y Shu

de octubre de 2009 Revista de Enseñanza de la Ingeniería 365

extrovertidos, sensores, antenas, y por lo general son perceptores Desventaja en
este único para todos tamaño único entorno de enseñanza y parecen tener tasas de
deserción más altas que sus contrapartes (Felder y Silverman, 1988; Zywno y
Waalen, 2002; Felder y Brent , 2005). Muchos educadores de ingeniería han
sugerido que la implementación de un método de enseñanza experimental y
haciendo hincapié en ejercicios de grupo activo y el aprendizaje cooperativo puede
ayudar a los tipos de aprendizaje históricamente en desventaja en la ingeniería
(Wankat y Oreovicz, 1993; Felder, Felder, y Dietz, 1998). A través de sus
investigaciones, Felder y Silverman (1988) han demostrado que la tasa de
graduación en ingeniería de la cohorte impartido por método de enseñanza
experimental se ha incrementado significativamente en comparación con el grupo de
comparación traditionally- enseñado.
Aparte de tener diferentes estilos de aprendizaje, los estudiantes también adoptan
diferentes enfoques de aprendizaje. Entwistle (2000) define tres dife- rentes enfoques de
aprendizaje: enfoque profundo, enfoque superficial y enfoque estratégico. Los estudiantes que
usan el enfoque profundo intentar Deben conocerse el material del curso en lugar de
simplemente memorizar ella. Los que tomaron el enfoque superficial tienden a memorizar
hechos, pero no encajan en el material del curso en un contexto más amplio. Los estudiantes
que adoptan el enfoque estratégico se aplican independientemente del método de aprendizaje
necesaria para alcanzar el grado más alto posible. Estudiantes de ingeniería utilizando el
enfoque de aprendizaje profundo tienen posibilidades de lograr el éxito académico, mientras
que los estudiantes que toman el enfoque superficial son propensos a exhibir el fracaso escolar
(Meyer, Parsons y Dunne, 1990). La elección de los enfoques un estudiante puede tomar en el
estudio de un tema en particular depende de muchos factores. Algunos factores que son
intrínsecos al estudiante, mientras que otros son determinados por el ambiente de instrucción.
método de enseñanza basado en problemas puede crear un entorno de enseñanza inductiva,
haciendo tema relevante para el conocimiento de fondo, y haciendo hincapié en ing
comprensión conceptual (Dochy et al., 2003). La implementación de este método de enseñanza
puede motivar a los estudiantes a tomar el enfoque de aprendizaje profundo y ayudarles a
obtener un mejor rendimiento académico. y haciendo hincapié en ing comprensión conceptual
(Dochy et al., 2003). La implementación de este método de enseñanza puede motivar a los
estudiantes a tomar el enfoque de aprendizaje profundo y ayudarles a obtener un mejor
rendimiento académico. y haciendo hincapié en ing comprensión conceptual (Dochy et al., 2003). Latener una percepción
habilidad estudio es otro atributo importante de aprendizaje fuertemente correlacionados
con el éxito académico. Por ejemplo, se encuentran las habilidades de gestión del tiempo que
se correlaciona positivamente con GPA (Bernold et al.,
2007). Los estudiantes que pueden administrar su tiempo de manera eficiente y utilizar sus
habilidades de manera efectiva son generalmente los que están más motivados para aprender.
La motivación se clasifica como una característica afectivo en este documento. Su efecto en los
resultados educativos se discutirá en la sección siguiente.
3) características afectivas: resultado educativo es el resultado de la
combinación de ambos procesos cognitivos y no cognitivos. surement Measure de
las características cognitivas como capacidades intelectivas y habilidades de
conocimiento tradicionalmente han estado involucrados en las prácticas
educativas. El impacto de las características afectivas (no cognitivos) en los
resultados educativos ha recibido más reconocimiento en la formación de
ingenieros desde la publicación del primer libro sobre gencia gencia emocional
Goleman (1995). Los resultados de medición obtenidos en la clase de valoración
afectiva han indicado que las características tales como la actitud (AT), confianza
en sí mismo (SC), el compromiso temprano (CE), y la motivación (MT) son los
factores importantes que determinan la opinión afectiva de los estudiantes hacia la
educación en ingeniería.
a) Actitud: Un estudiante se encontrará con muchos ex periencias de aprendizaje
diferente durante todo el proceso educativo. estas experiencias
366 Revista de Enseñanza de la Ingeniería
afectará las actitudes de los estudiantes hacia el aprendizaje. La actitud es un
fuerte indicador en la explicación de las variaciones de la GPA en estudiantes
de ingeniería (Levin y Wyckoff, 1988) y la predicción de la retención en las
escuelas de ingeniería (Woods y Crowe, 1984). Los estudiantes llegan a las
escuelas ES- gineering con diferentes expectativas. Algunos pueden esperar
ganar habilidades y conocimientos en ingeniería, mientras que otros pueden
prepararse para estudios de postgrado. Si las experiencias reales en las
escuelas de ingeniería no coinciden con sus expectativas iniciales, las
actitudes negativas pueden surgir y, finalmente, la deserción pueden ocurrir
(Astin y Astin, 1992; Shuman et al., 1999). Por ejemplo, si los estudiantes han
formado una impre- sión negativa sobre enseñanza de la ingeniería después
de entrar a la universidad, pueden retirarse de la ingeniería de gran
envergadura (Besterfield-Sacre, Atman, y Shuman, 1997, 1998; Seymour y
Hewitt, 1997).
1997, 1998; Bonous-Hammarth, 2000). Por otro lado, si estu- diantes tienen la firme creencia
de que un título de ingeniería mejorará la seguridad de carrera, pueden permanecer en la
ingeniería probable a pesar de que pueden tener una opinión negativa acerca de ciertos
aspectos de la ingeniería edu- cación (Burtner, 2005).
Como Besterfield-Sacre et al. (1998) han resumido, el conjunto de actitudes
percibidas sobre la ingeniería que los estudiantes traen con ellos en el primer año de la
universidad van a afectar a sus percepciones de la ingeniería, la motivación para
aprender, la autoconfianza, competencia y rendimiento. Con el tiempo, afectará a su
decisión tention re. A la larga, las actitudes desarrolladas durante años de la
universidad afectará a su conocimiento de las cuestiones de ingeniería contemporánea,
la comprensión del impacto de la tecnología en el avance de la sociedad, y la
participación en el aprendizaje permanente. Por lo tanto, ayudar a los estudiantes a
desarrollar una actitud positiva hacia la ingeniería antes y durante su estancia en la
universidad es una tarea imprescindible para educadores de ingeniería.
b) La confianza en sí: La confianza en sí se refiere principalmente a
implementación positiva
de este método y realista
de enseñanza demotivar
puede uno amismo. Estudiante
los estudiantes a tomar el enfoque de aprendiza
fidence auto-con- en ingeniería está altamente correlacionada con la
tasa de retención en las escuelas de ingeniería. La auto-confianza en la
solución de problemas en la ingeniería y la ciencia es un buen predictor
de éxito de graduarse con un título de STEM (Leslie, Mc- Clure, y
Oaxaca, 1998). La autoconfianza en matemáticas a nivel universitario y
la capacidad de la ciencia es otro factor importante para predecir tanto a
corto plazo y la persistencia a largo plazo en la ingeniería (Burtner,
2005). Si los estudiantes tienen poca confianza en sus habilidades de
ingeniería / conocimientos y percepciones pobres de sus capacidades
académicas, es probable que el interruptor de la ingeniería a otras
carreras, a pesar de su loable nivel académico (Besterfield-Sacre,
Atman, y Shuman, 1997 , 1998).
c) Compromiso temprana: Otro indicador importante para la persistencia afectiva
estudiante de ingeniería es la aspiración carrera de ingeniería inicial (Astin y Astin, 1992,
Shuman et al., 1999). Los estudiantes que no están seguros acerca de si pueden
completar el programa de ingeniería al entrar en las escuelas de ingeniería es probable
que cambie a otras carreras. Como Besterfield-Sacre et al. (1997, 1998) llegó a la
conclusión, los estudiantes que salieron de la ingeniería en un buen nivel académico
menudo comenzaron su estudio del estudiante con menos compromiso con la ingeniería
que los que permanecieron en el programa. En el otro
de octubre de 2009
parte, los estudiantes de ingeniería persistentes son generalmente los que ini- cialmente se
centró en la ingeniería, trabajó duro académicamente, y tenía muy pocas diversiones fuera.
Desde estudiantes de ingeniería por lo general atraen a casi ningún recién llegados y sobre
todo conservan los antiguos adherentes en la etapa posterior a lo largo de la tubería de la
ingeniería educativa (Hilton y Lee, 1988; Ohland et al., 2008), con el fin de mantener una buena
tasa de inflación gradu-, se es importante alentar a más estudiantes a comprometerse a
estudiantes de ingeniería en la primera etapa cuando las opciones curriculares están todavía
disponibles y la movilidad no se desanima.
d) motivación: Resultados de la investigación han identificado motivación como otra
característica fuertemente predecir el reclutamiento y la retención de ingeniería (Felder,
Felder, y Dietz, 2002;. Nicholls et al,
2007). Cualidades como el establecimiento de metas claras son cruciales
para motivar a los estudiantes a elegir la ingeniería, mientras que
cualidades como la persistencia y motivar a los estudiantes silience re a la
educación universitaria completa. STEM estudiantes tienden a establecer
sus metas futuras en hacer una contribución teórica y técnica para la
ciencia y la ingeniería, mientras que los estudiantes no STEM tienden a
fijar sus objetivos en influir en los valores sociales (Nicholls et al., 2007) o
más valor a los objetivos personales relacionados de dinero y el estatus
(Astin y Astin, 1992). Estos resultados ofrecen una explicación del
fenómeno que el principal negocio ha sido una elección popular para
aquellos que se trasladan de carreras STEM, especial- mente ingeniería
mayores.
En la investigación de enseñanza de la ingeniería actual, la mayoría de los estu- dios que
miden el impacto de la motivación en el reclutamiento y retención se centran sólo en su efecto
sobre la fijación de objetivos personales. Esta limitación quizás surge del hecho de que la
fijación de objetivos personales ofrece una visión directa de cómo piensan los estudiantes sobre
su futuro. Otras características asociadas con la motivación como la persistencia y capacidad
de recuperación no han sido bien estudiados en la medición de las características de ingeniería
abolladura Student. Más discusiones sobre cómo la medición de la motivación puede ser
mejorado y ampliado se presentarán en la sección dedicada a las áreas de investigación futura.
4) Características Demográficas: Datos demográficos se refieren a características de la
población seleccionados, tales como edad, sexo, origen étnico, estado socio-económica, el
contexto familiar, tipo de escuela, y la religión. rendimiento de aprendizaje de los estudiantes
tiene una fuerte correlación con las caracterís- ticas de la población al que pertenecen. La
estructura de la clasificación de las características demográficas se muestra en la Figura 4.
Las líneas sólidas con flechas dobles indican interacciones entre características dentro de
esta categoría. Las líneas de trazos con flechas dobles se refieren a las interacciones entre
las características de las diferentes categorías. El significado de las líneas de trazos con
flechas simples se explica en la sección con respecto a las futuras mejoras en el contenido de
medición.
Entre la larga lista de las características de la categoría demográfica, impacto de
género y etnicidad en la ingeniería educación- otros resultados ha recibido la mayor
atención en la literatura actual. Otros impactos en el nivel socioeconómico (SES) y el
hogar y la escuela de fondo (HSB) también han sido ampliamente abordados.
a) Sexo: Un gran número de estudios de investigación han abordado cuestiones de género
en la educación STEM durante los últimos dos decenios. Varias conclusiones generales pueden
extraerse de estos resultados de la investigación. La primera conclusión es que las estudiantes
siempre han sido mucho menos probable que se seleccione carreras STEM. Datos de Hilton y
Lee (1988) mostró que cerca de cuatro veces más estudiantes varones que en las mujeres
de octubre de 2009
estructura de la Figura 4. Clasificación de las características demográficas.
estudiantes aspiraban a hacer las matemáticas, la ciencia y la ingeniería (MSE) mayores en
1972. Ellos encontraron que esta discrepancia llevó a cabo a través de la inscripción en la
universidad. El mismo recurso de datos mostró que la proporción de mujeres estudiantes de
ingeniería se duplicaron en 1982, pero los machos hembras todavía fuera contados por dos a
uno. En 1996, las mujeres recibieron el 55 por ciento de todos los grados de licenciatura. Sin
embargo, sólo el 18 por ciento de los que recibieron títulos de ingeniería (Hill, 1999). En años
más recientes, el número de mujeres estudiantes de ingeniería se ha reducido, junto con una
disminución en el número total de estudiantes de ingeniería. En 2002, sólo 9.345 mujeres
planean especializarse en ingeniería, lo que representa una baja de doce años del 18 por ciento
(Noeth, Cruce, y Harmston, 2003). En segundo lugar, aunque las mujeres representan un
porcentaje menor de todas las carreras de ingeniería, que se encuentran entre los estudiantes
mejor preparados y no se queden atrás académicamente (NCES, 2000). Como Noeth et al.
(2003) demostraron en su informe sobre la política de ACT, un porcentaje mayor de estudiantes
de primer año los estudiantes inge- niería femeninos estaban seguros de su elección de
carreras, tuvo promedios más altos y ACT, y tomó las matemáticas más avanzadas y cursos de
ciencias. calificaciones hembras sobre técnicas de estudio son también más altos que sus
contrapartes masculinas (Besterfield-Sacre et al., 2001).
La tercera conclusión acerca de la tasa de persistencia de las hembras en inge- niería ha
llevado desacuerdo. Algunos hallazgos sugieren que las mujeres lo hacen mejor que los
hombres en la conmutación del programa y pletion com- grado (NCES, 2000; Zhang et al.,
2004). Por ejemplo, Hilton y Lee (1988) informó de que las mujeres tenían una tasa mayor
persistencia en mayores MSE. Mientras tanto, los hombres tenían una tasa de pérdida de 29
por ciento y las mujeres tenían un 14 por ciento. Sin embargo, otros resultados indican que
las hembras son ligeramente más propensos a desertar de las especialidades de ingeniería y
carreras en todos los grupos étnicos (Astin y Astin, 1992; Felder et al, 1995;. Smyth y
McArdle, 2004), la mujer afro-americano, -indian estudiantes, e hispanos que presentan el
mayor índice de abandono en carreras STEM (bonous-Hammarth, 2000).
Muchas influencias externas son responsables de la underrepresen- tación de las mujeres
en la ciencia y la ingeniería. Desde la perspectiva de la comunidad, muchas niñas reciben
mensajes de sus familias y las escuelas que los niños son inherentemente superior en el
razonamiento matemático y las habilidades visuoespaciales (Benbow y Stanley, 1983). Esto
puede expli- qué una brecha de género en matemáticas es pequeña e inconsistente entre los
estudiantes más jóvenes, pero se hace más evidente entre los estudiantes de más edad
(Corbett, Hill, y Rose, 2008). La percepción estereotipada de que ción niñas carecen de la
capacidad para hacerlo bien en la ciencia e ingeniería de los ha disuadido de pensar siquiera
en entrar en los campos de STEM (Bar-Haim y Wilkes, 1989; yA
sar et al., 2006). Además,
la impresión general de que la ingeniería es un “club de chicos”, donde
Revista de Enseñanza de la Ingeniería 367
chicos jugar con máquinas desconecta estudiantes de sexo femenino
de ver su propio potencial relevancia para la sociedad a través de
ingeniería (hombre Adel-, 1998; Baker et al., 2007). Desde el punto de
vista del medio ambiente de la universidad, la ausencia de modelos
femeninos en la ingeniería de colegios universitarios es también una
barrera que enfrentan los estudiantes de sexo femenino (NSF, 2005;
Murphy et al., 2007). Además, aunque la ingeniería tiene impacto
significativo cietal SO y la comunicación es a menudo más importante
para el éxito profesional de los conocimientos técnicos, estas ideas no
están bien entregado en los programas tradicionales de ingeniería. La
naturaleza relativamente impersonal de los planes de estudio de
ingeniería actual es probable también que una de las causas de las
mujeres que se alojen lejos de la ingeniería (Einarson y Santiago, 1996;
Felder Felder, y Dietz, 2002). Como resultado de todas estas influencias
externas tivos nega-,
Las diferencias observadas comúnmente en las características
cognitivas y afectivas entre hombres y mujeres también son responsables
de la baja tasa de matrícula y la gran reducción de las hembras en la
ingeniería. Las estudiantes por lo general presentan una autoeficacia baja
en sus capacidades generales STEM (Besterfield-Sacre et al, 1997, 1998,
2001;. Baker et al, 2007;. Brainard y Carlin, 1998; Grandy, 1994; McIlwee y
Robinson, 1992 ; Noeth, Cruce, y Harmston, 2003). Ellos tienden a tener
una baja auto-eficacia retoques debido a su falta de expe- riencia en el uso
de herramientas y maquinaria, desarmar cosas, y poniendo componentes
juntos (Baker, 2007; McIlwee y Robinson, 1992). También tienen una baja
auto-eficacia técnica en creer en su abil- dad de aprender y aplicar los
conocimientos y habilidades de ingeniería (Grandy, 1994;. Baker et al,
2007). Además,
La otra observación preocupante es que las estudiantes habitual- mente muestran un nivel
de ansiedad mucho mayor que sus homólogos masculinos, a pesar del hecho de que están
mejor preparados académicamente, tienen mejores habilidades de estudio, y están más
motivados (Felder, Felder, y Dietz ,
2002). Muchos estudiantes de sexo femenino parecen ser de espesores aprendices tipo que
prefieren que los instructores muestran apreciación de sus esfuerzos. Antenas suelen
responder más positivamente a un ambiente de clase se centró en la cooperación y no la
competencia. El Engineer- tradicional ing modo de instrucción hace hincapié en el trabajo
individual en un sistema de clasificación competitiva, lo que podría aumentar el nivel de
ansiedad en estudiantes femeninas (Felder, Felder, y Dietz, 2002).
Aunque la mayoría de los resultados de la investigación sugieren
que las mujeres son menos in- TERESADAS y menos éxito en la
ciencia e ingeniería de educa- ción actual, algunas estudiantes que
poseen características especiales se encuentran para tener una gran
probabilidad de especialización y tener éxito en la ciencia y la
ingeniería. Por ejemplo, un estudiante con un alto puntaje de SAT de
matemáticas y una orientación científica sólida es un buen indicador
para la inscripción de un estudiante de ingeniería (Astin y Astin, 1992).
Un estudiante con la motivación de hacer una contribución a la ciencia
teórica (Sax, 1996) o con una alta confianza en sí mismo y una
sensación extremo positivo sobre la ciencia (Baker y Leary, 1995) es el
mejor predictor de la inscripción de un título de grado STEM. Además,
368 Revista de Enseñanza de la Ingeniería
La pérdida de estudiantes de sexo femenino en mayores STEM conduce a una pérdida
de valioso talentos capaces en la industria de Estados Unidos y el mundo académico. Con el
fin de atraer a más mujeres en la ciencia y la ingeniería, la reforma de la enseñanza de la
ingeniería actual es necesario. A través de programas de intervención bien diseñados,
retoques de las estudiantes y auto-eficacia técnica, así como su creencia en la relevancia
social de la ingeniería se pueden in- arrugaron para hacer una diferencia en sus actitudes
hacia el estudio de STEM (Baker et al., 2007). Al aumentar la visibilidad de las mujeres de la
facultad, el fortalecimiento del poder de invitación personal y proporcionar la atención
personal y el apoyo, la Escuela de Ingeniería Industrial de la Universidad de Oklahoma ha
demostrado que han logrado la paridad de los géneros en el nivel de licenciatura (Murphy et
al., 2007). El estímulo temprano también tiene que ser inculcado en la tubería enseñanza de
la ingeniería. Las actividades pueden incluir la exploración de la ingeniería en la escuela
media y la afirmación del valor de las matemáticas y la ciencia de curso en la escuela
secundaria (Noeth, Cruce, y Harmston, 2003).
b) Etnicidad: estudiantes de las minorías siguen siendo un grupo subrepresentados en la
educación en ingeniería. Durante la década de 1990, los afroamericanos, indios americanos y
los hispanos representaban sólo el 10 por ciento de los estudiantes graduados de ingeniería,
aunque estos grupos constituyeron el 30 por ciento de la población en edad universitaria
(Georges,
1999). Esta situación no ha mejorado en el siglo XXI. Como un informe de la National
Science Foundation indica, sólo el 5,1 por ciento de los títulos de licenciatura de ingeniería
se adjudicaron a los afroamericanos en 2003 (NSF, 2005). Este porcentaje fue menor
considerablemente que el 12,2 por ciento de la población compuesta por los
afroamericanos en 2001. Los hispanos solamente ganado un 5,4 por ciento de los títulos
de licenciatura en ingeniería, en comparación con su 13 por ciento de la población en
2001.
Hace veinte años, los estudiantes minoritarios demostraron est inter menos en
carreras de ciencia e ingeniería a nivel de la escuela secundaria (Hilton y Lee, 1988).
Este número se ha reducido aún más en los últimos años. Como los informes de datos
de ACT, el número real de afroamericanos y estudiantes de ingeniería
estadounidense-indio fue menor en 2002 que en 1991 (Noeth, Cruce, y Harmston, 2003).
Después de entrar en la universidad, los estudiantes minoritarios se encuentran para ser
menos éxito en la persistencia educativa STEM, indicado por los resultados medi- das de
la obtención del título y el cambio de los campos de STEM (NCES, 2000; Seymour y
Hewitt, 1997; Smyth y McArdle,
2004). En particular, las mujeres afro-americano, indio American-, y los estudiantes hispanos
presentan el mayor índice de abandono en carreras STEM, mientras que los estudiantes de
sexo masculino en estos grupos étnicos riencias riencia la segunda mayor tasa de abandono
(bonous-Hammarth,
2000).
Muchas características externas e internas de los estudiantes de minorías
desfavorecidas han limitado su éxito en la ciencia y la inge- niería. Las características
sociales externos que desalientan a los estudiantes minoritarios se unan a la ciencia y
la ingeniería incluyen la falta de apoyo familiar, la falta de conciencia de una carrera
de ingeniería, y la falta de recursos financieros (NCES, 2000; NSF, 2005). El
estereotipo afirmando que las minorías son “incapaces” en el estudio de ingeniería
también les impide unirse a la ingeniería (YA
sar et al.,
2006). La presión social sobre los estudiantes minoritarios después de entrar en la universidad
puede ser grande. estudiantes minoritarios que se matriculen en instituciones inantly blancos
predomi- son más propensos a experimentar los prejuicios, la falta de respeto y el aislamiento,
participar en actividades sociales menos, y se enfrentan al reto adicional de adaptación a otra
cultura (Van Aken, Watford, y Medina-Borja, 1999 ). La ausencia de papel minoritario
de octubre de 2009
modelos de la ex alumnos, profesores y la industria también hace que los estudiantes de las
minorías se sienten sin ataduras al campo de la ingeniería (NSF,
2005).
Es interesante notar que los estudiantes hispanos afroamericanos y exhiben el más alto
impresión positiva acerca de la ingeniería entre todos los grupos étnicos al entrar en el estudio
de ingeniería (Besterfield-Sacre et al., 1998, 2001). estudiantes afroamericanos demuestran un
nivel significativamente más alto percibido en habilidades informáticas ción y comunicaciones
que los estudiantes de la mayoría (Besterfield- Sacre et al., 2001). Los estudiantes hispanos
son más favorables de trabajo en equipo que otros grupos (Besterfield-Sacre et al., 1998, 2001).
Sin embargo, las autoevaluaciones de estos estudiantes de su ingeniería abil- dades
disminuyen significativamente durante el primer año de la universidad, y una alta tasa de
desgaste es probable que ocurra entre estos grupos (Besterfield- Sacre et al., 1998, 2001). La
desalineación sustancial entre su aspiración y preparación podría ser el principal responsa- ble
razón de su fracaso. Aunque muchos estudiantes minoritarios se determinamos a la ingeniería
de estudio, pueden no tener una adecuada preparación académica al graduarse de la escuela
secundaria (Van Aken, Watford, y Medina-Borja, 1999; Noeth, Cruce, y Harmston, 2003; NSF,
2005) . Parecen haber disminuir significativamente promedios globales, específicamente las
matemáticas y la ciencia, GPA en la escuela secundaria. Muchos de ellos no han completado
los requisitos básicos del curso incluyendo cálculo y física. Por otra parte, la mayoría de los
estudiantes de las minorías también necesitan ayuda para mejorar sus habilidades de estudio
(Noeth, Cruce, y Harmston, 2003). que pueden no tener una adecuada preparación académica
al graduarse de la escuela secundaria (Van Aken, Watford, y Medina-Borja, 1999; Noeth, Cruce,
y Harmston, 2003; NSF, 2005). Parecen haber disminuir significativamente promedios globales,
específicamente las matemáticas y la ciencia, GPA en la escuela secundaria. Muchos de ellos
no han completado los requisitos básicos del curso incluyendo cálculo y física. Por otra parte, la
mayoría de los estudiantes de las minorías también necesitan ayuda para mejorar sus habilidades de(Felder
estudioet(Noeth,
Entre todos los grupos etnicidad, las características del grupo de Asia y
América son particularmente dignos de mención. Su alta tasa de matrícula indica
que este grupo expresa gran interés en carreras STEM (NCES, 2000). Hilton y
Lee (1988) reportaron que el 27 por ciento de la escuela secundaria de origen
asiático graduados previsto un importante y su carrera en la ciencia y la
ingeniería, mientras que sólo el 11 por ciento de la población total previsto para
hacerlo. Este grupo también tiene el más bajo índice de desgaste en la ingeniería
(Astin y Astin, 1992; Hilton y Lee, 1988; Smyth y McArdle, 2004). Los padres de
los estudiantes asiático-americanos suelen tener altas expectativas para la
educación universitaria de sus Dren chil-. Estos estudiantes también parecen
tener una mayor motivación para estudiar STEM y, a menudo han adquirido la
preparación emic acad- adecuada antes de entrar en la universidad.
Los cambios demográficos de los Estados Unidos tendrá un crecimiento signifi- signifi- en
los grupos minoritarios en el siglo XXI. La pérdida de ingeniería minoría de los estudiantes
medios que no tendremos suficientes nuevos ingenieros para satisfacer la demanda futura.
Diversas iniciativas se deben desarrollar con el fin de atraer y retener a los estudiantes
minoritarios subrepresentados en la ingeniería. El estímulo temprano puede tener lugar en las
escuelas intermedias y secundarias. Las estrategias pueden incluir proporcionar a los
estudiantes oportunidades para explorar la ingeniería y ofreciendo clases de refuerzo para
mejorar la preparación académica de los estudiantes. gías de retención estrate- pueden ayudar
a mantener a los estudiantes minoritarios en el programa de ingeniería. Las actividades pueden
incluir el asesoramiento académico a los estudiantes académicamente ayuda camente con baja
preparación, ofreciendo asesoramiento personal para ayudar a estudiantes minoritarios se
sienten como en casa en una institución predominantemente blanca,
1995).
c) Situación socioeconómica (SES): SES es una medida de un individuo o de la familia en
relación clasificación económica y social (NCES, 2008). in- vestigación ha indicado que el nivel
de ingresos de la familia se asocia positivamente
de octubre de 2009
con el rendimiento académico de la primaria a educa- ción secundaria. Los estudiantes de
familias de bajos SES tienen las puntuaciones medias más bajas en las pruebas como NAEP,
SAT y ACT. Un aumento gradual de los ingresos familiares se asocia con un aumento en las
puntuaciones de la prueba (Corbett, 2008). Por lo tanto, los estudiantes con menor SES están
insuficientemente representadas en la educación superior en general, sobre todo en
universidades de cuatro años y universidades más selectivo (McDonough, 1997). En el campo
de la enseñanza de la ingeniería, sin embargo, la familia SES se correlaciona negativamente
con el rendimiento académico Student (pard Donaldson, Lichtenstein y Shep-, 2008). Los
estudiantes de los SES bajo cuartil se encuentran a tener una mayor satisfacción con la
ingeniería de actividades extracurriculares y una mayor persistencia profesional en la ingeniería
que sus homólogos de alto SES. Los estudiantes de bajos SES también demuestran una mayor
motivación financiera en la consecución de un grado de ingeniería. Sin embargo, los
estudiantes de SES suelen recibir mayor aliento de sus familias a la ingeniería de estudio que
sus contrapartes de bajo ES.
d) Antecedentes Hogar y la Escuela (HSB): En las áreas generales de la educación
superior, los estudiantes de las zonas rurales se encuentran para ser más propensos a
abandonar la universidad que los estudiantes urbanos, y los estudiantes de las escuelas
secundarias pequeñas tienden a mostrar tasas de desgaste superiores en la universidad que
los estudiantes de las escuelas secundarias grandes (Brown, 1985). En el campo de la
enseñanza de la ingeniería, los estudiantes urbanos superan los estudiantes rurales en al-
más todas las medidas de rendimiento académico. En comparación con sus contrapartes
rurales, los estudiantes urbanos muestran puntuaciones más altas en los exámenes de
ingreso a la universidad, obtener mejores promedios, y tienen menores tasas de deserción
al., 1994). Estas
Cruce, disparidades
y Harmston, entre
2003). quelos gruposnourbanos
pueden y rurales
tener una se correlacionan
adecuada preparación académica al gradu
significativamente con los factores socioeconómicos asociados con antecedentes familiares y
escolares de los estudiantes (Brown, 1985; Felder et al., 1994). Los estudiantes rurales son
típicamente de familias con menor SES y reciben apoyo tiva menos académico y la cognición
de los padres que sus contrapartes urbanas. Estos estu- diantes también tienen un mayor
aislamiento geográfico y menos acceso a modelos en ingeniería. Los estudiantes de las
universidades de investigación / rurales tienden a tener calificaciones más altas que los
estudiantes de colegios urbanos, y los estudiantes universitarios urbanos tienen grados más
altos que los estudiantes universitarios suburbanas (Padilla et al., 2005). Con respecto a la
relación entre la puntuación total SAT y GPA acumulativo, colegios urbanos demuestran una
correlación más fuerte que los colegios rurales y suburbanas. Además, las universidades de
investigación también muestran una correlación más alta que colegios no de investigación
(Padilla et al., 2005).
C. Recogida de datos y métodos de análisis Aplicada
Además de identificar las características significativas de los estudiantes de ingeniería para
la predicción de la inscripción en la universidad y la retención, rais- ing preguntas de
investigación significativos y la búsqueda de los Swers an- correctas, las otras tareas críticas en
la medición de las características del estudiante implican el diseño de metodologías adecuadas
para la col de datos - lection y la aplicación de herramientas estadísticas adecuadas para el
análisis de datos. Los aplicadas frecuentemente métodos de recolección y análisis de datos en
la literatura alquiler Cur- se resumen en esta sección. Para un propósito presenta- ción sucinta,
sólo ejemplos representativos están referenciados en cada método.
1) Métodos de recolección de datos: En la investigación de las ciencias sociales, los
métodos normalmente, un cal recolección de datos son los grupos focales, encuestas abiertas y
cuestionarios de forma cerrada. Estos métodos no son generalmente aplicables en la solución
de los tipos de problemas de ingeniería deterministas en que no existe aleatoriedad. Sin
embargo, cuando se trata de
Revista de Enseñanza de la Ingeniería 369
temas de investigación en el área de la enseñanza de la ingeniería, donde surement medi- de
actitud, perspectiva, la capacidad y la motivación CORRE PELIGRO, estos métodos son
apropiados y hasta el momento se han aplicado ampliamente.
a) Grupo de Enfoque: El grupo de enfoque es un método comúnmente utilizado para la
recogida de información exploratoria y exhaustiva sobre un tema en particular (Krueger, 1988).
Hay varias ventajas de usar el método de grupo de enfoque. En primer lugar, permite a los
investigadores obtener los datos de la “vida real”, proporcionando un entorno para la discusión
cara a cara con los participantes. En segundo lugar, un tema en particular puede ser discutido
en profundidad a través de la estructura flexible de este método, mientras que esto no suele ser
posible en un diseño de la estructura fija. En tercer lugar, esta investigación costes método
menos y genera resultados de manera más eficiente en comparación con otros métodos de
medición. Sin embargo, el método de grupo de enfoque no es aplicable cuando se necesitan
estadísticas, ya que normalmente solicita datos cualitativos. Cuando el tema de investigación
implica cuestiones cionales emociones, este método no es adecuado, ya sea porque el wee
intervie- pueden expresar sesgada opiniones subjetivas. Además, la primera parte de datos no
siempre se puede obtener debido a que algunos miembros del grupo de enfoque pueden no
expresar su opinión honesta en presencia de RE oth-. Por último, pero no menos importante, los
resultados de las mediciones no pueden ser general- zan a toda la población debido al tamaño
limitado de la muestra.
Muchos estudios de investigación revisados ​en este trabajo tienen el método de grupo de
enfoque aplicada para la recolección de datos. Por ejemplo, Besterfield- Sacre et al. (1998)
utilizaron este método para la identificación de las actitudes de los estudiantes hacia la
ingeniería y estudiantes percepciones acerca de sus capacidades de ingeniería. Ohland et al.
(2004a) aplicó este método para la medición de las perspectivas de los estudiantes en su
experiencia de tak- ing el nuevo programa de ingeniería empresarial.
b) Abrir de composición de la encuesta: Una encuesta de composición abierta permite Los
encuestados a responder a las preguntas en sus propias palabras. No hay una respuesta
definitiva a la pregunta de la encuesta de composición abierta. Cuando el tema de la pre-
ocupación es complejo con una serie de vías para explorar, el método de encuesta de
composición abierta es más adecuado para la recolección de datos, ya que permite obtener
más información en profundidad para obtener en un tintineo conjunto- privado. Sin embargo
este método es más tiempo y esfuerzo que consume en comparación con grupo de enfoque o
métodos cuestionario de forma cerrada BE- causa que implica el análisis cualitativo. Al igual
que en el método de grupo focal, es difícil de analizar estadísticamente los datos obtenidos a
través del método de encuesta abierta. resúmenes cualitativos son generalmente pro ducido
con poca o ninguna estadística generalizables. Un ejemplo que utiliza este método es el estudio
de evaluación de actitud por Besterfield-Sacre et al. (1998), que aplica este método para
descubrir las razones por las cuales los estudiantes optaron por abandonar los programas de
ingeniería. Los estudiantes fueron re quired para completar una encuesta de salida de
composición abierta como parte del proceso de transferencia de los programas de ingeniería.
Seymour y Hewitt (1997) aplicaron la encuesta de composición abierta para medir varias carac-
terísticas de los estudiantes de ingeniería, tales como razones para abandonar STEM, intereses
intrínsecas en el aprendizaje de STEM, y estilos de aprendizaje.
c) cerrado de la forma de cuestionario: Si los resultados de inferencia estadística son
deseables, el método cuestionario de forma cerrada es un instrumento práctico y eficiente
medición. Este método adopta escalas de clasificación, listas de control, y las diferencias
semánticas para medir las opiniones encuestados en torno a un tema en particular. En
comparación con el grupo focal y la encuesta de composición abierta, el cuestionario de forma
cerrada es menor ex pensativa y consume mucho tiempo. Por tanto, es adecuado para el
análisis que requiere un conjunto de datos grande. Debido a la limitación de los ES choic- de
respuesta, sin embargo, este método por lo general proporciona datos menos detallados. Por lo
anterior, no es adecuado para la exploración de cuestiones complejas. La mayor parte re-
370 Revista de Enseñanza de la Ingeniería
Buscar estudios analizados en este estudio de la literatura adoptaron el método de formulario
cuestionario cerrado para medir diversas características de los estudiantes en- gineering y
dibujar los resultados de inferencia estadística en consecuencia.
2) Métodos de análisis de datos: Muchos métodos de análisis de datos se han aplicado
en esta área de investigación. Como la mayoría de los estudios en el foco tura literatura en la
búsqueda de características importantes para la predicción de inscripción en la universidad y la
retención que presentan una dicotómica OUT- vienen, regresión logística y regresión múltiple
son, pues, los métodos más frecuentemente adoptadas. Debido a la naturaleza progresiva de
edu- cación, otro método a menudo aplicado es el análisis de datos longitudinal. también se
resumen a continuación otros métodos de análisis de datos efectivos existentes en la literatura.
a) Regresión logística: El estado de éxito en la universidad por lo general puede ser
codificada como una variable dicotómica, es decir, el éxito (es decir, la cobertura / re
CONTENIDA / graduado) 1, insuficiencia (es decir, no inscrito / no retenida / no
graduado) 0. La regresión logística es por lo tanto un conjunto de datos apropiado
Método de análisis. Las características importantes hipotéticos están normalmente equipados
en un modelo de regresión logística como Ables variabilidad independiente, donde el éxito de la
universidad se codifica como una variable dependiente dicotómica, como el estudio presentado
por el francés, Immekus, y Oakes (2005). Moller-Wong y Eide (1997) ampliaron su análisis un
paso más lejos de la regresión logística normal. Ellos predijeron la probabilidad de que un
estudiante que pertenece a una categoría de estado en particular. In- lugar de predecir el
estado dicotómica de éxito o fracaso, su modelo puede predecir la probabilidad de que el
estado de un estudiante.
b) paso a paso / Hierarchical Regresión Múltiple: La predicción de éxito en la universidad
por lo general implica una gran cantidad de variables. Con el fin de identificar las más
significativas regresiones variables, paso a paso y múltiples jerárquica se utilizan
comúnmente. En etapas o de regresión múltiple jerárquica, grupos de variables
características se introducen en el modelo de regresión secuencialmente como bloques de
acuerdo con su lógica o secuencia de ocurrencia hasta que no variables adicionales son
Pable ca- de producir una reducción significativa de la suma residual de cuadrados R 2 de la
variable dependiente (Cohen et al., 2003). En la regresión sabia paso-, la atención se centra
en maximizar R 2 con un número mínimo de predictores. En la regresión jerárquica, sin
embargo, la atención se centra en el cambio de R 2 asociada con predictores introducidos
posteriormente en el análisis por encima de lo aportado por predictores entraron er earli- en
el análisis. Besterfield-Sacre et al. (1997) aplicó la regresión múltiple paso a paso para
encontrar los indicadores importantes que predicen GPA. Francés et al. (2005), aplicado de
regresión múltiple jerárquica para examinar la influencia de variables como el sexo, los
resultados del SAT, motiva- ción y la integración institucional en el GPA.
c) Análisis de Datos Longitudinal: La educación es un proceso progresivo. Con los datos
transversales, es difícil controlar el crecimiento de los estudiantes. El análisis de datos
longitudinales facilita la investigación sobre el cambio y el crecimiento de los estudiantes. En la
literatura actual, el análisis de datos longitudinales es ampliamente utilizado para predecir el
éxito de la universidad sobre la base de las características del estudiante medidos en diferentes
puntos de tiempo. Por ejemplo, Bernold et al. (2007) estudiantes los antecedentes registrados
como ACT y del SAT, y la escuela secundaria de clasificación cuando entraron por primera vez
en la universidad. Al final del primer semestre o el primer año, los estudiantes actuaciones
académicas como promedio y número de créditos matriculados en cada término se midieron de
nuevo. Los datos recogidos en estos momentos diferentes se utilizaron luego en un análisis
longitudinal de datos para la predicción del rendimiento ción académico de los estudiantes y
última educativa OUT- venir.
d) Covariate de ajuste: éxito en la universidad del estudiante depende de dos factores
principales: el programa de la universidad que se encuentran y la preparación
de octubre de 2009
que han recibido a nivel de entrada. Diferentes programas de la universidad llevan a los
estudiantes que difieren en su preparación; Por lo tanto, los resultados finales de éxito en la
universidad pueden no reflejar necesariamente el impacto diferencial de los diversos programas
de la universidad, pero simplemente las diferencias en las carac- terísticas de los estudiantes.
Si un estudio es examinar objetivamente el éxito de un programa de la universidad, estudiante
factores de entrada tienen que ser partialed como covariables. La aplicación de ajuste de
covarianza se puede encontrar en los estudios de Astin y Astin (1992) y el francés, Immekus, y
Oakes (2005).
e) Diseño de dos pasos: Cuando se analiza un gran conjunto de datos que
contienen numerosas variables de diferentes categorías, de dos pasos signo
de- proporciona un medio eficaz para el análisis de datos Simplificar. El primer
paso en este diseño consiste en aplicar pruebas estadísticas básicas para el
conjunto de datos para identificar los indicadores predictivos más consistentes
entre un gran grupo de variables. En el segundo paso, los indicadores
identificados se utilizan luego como entradas en un modelo más sofisticado
para su posterior identificación de predictores significativos para las variables
dependientes. Nicholls et al. (2007) analizaron un gran conjunto de datos que
incluye aproxi- madamente 300 variables utilizando el método de diseño de dos
etapas. En el primer paso, se identificaron con éxito variables que
constantemente tenían diferencias estadística- mente significativas entre el
vástago y no STEM estudiantes a través de subgrupos de género y etnicidad.
f) análisis exploratorio de Factor: La medición de las características del
estudiante de ingeniería implica muchos constructos latentes. Por ejemplo,
constructos como la influencia de los padres y la motivación no son directamente
mensurable. El comportamiento de estas variables latentes sólo puede estimarse
indirectamente a través de sus impactos en sus variables manifiestas. análisis
factorial exploratorio proporciona una herramienta eficaz para revelar la estructura
struct con- de las variables manifiestas observables. Este método es especialmente
adecuado cuando los investigadores no tienen ninguna hipótesis sobre la
naturaleza de la estructura subyacente construir de su medi- Seguro (Thompson,
2004). Li et al. (2008) aplicaron este método para estudiar las perspectivas sobre la
ingeniería entre los estudiantes universitarios. Su exploratorio resultado del análisis
del factor condujo a una estructura de cuatro constructo de los datos observados.
g) modelos de ecuaciones estructurales: modelos de ecuaciones estructurales es una
técnica estadística para la prueba y la estimación de las relaciones causales utilizando una
combinación de datos estadísticos y cualitativos causal como- suposiciones. Proporciona una
herramienta eficaz para la estimación de un modelo estructural en una situación compleja
cuando la medición constructos latentes están involucrados (Kline, 2005). Cabrera, Nora, y
Castañeda (1993) estableció un modelo de ecuaciones estructurales para predecir el com-
promiso y la persistencia de la institución a través de constructos latentes en hechos bientes
ronmental, integración académica, la integración social, y actitudes ciales Finan-. Francés,
Immekus, y Oakes (2003) desarrolló un modelo de ecuaciones estructurales para predecir el
GPA y la institución / matriculación importante basado en construcciones latentes como
profesores de la interacción y motivación, así como construcciones medibles como ING Rank- la
escuela secundaria y los resultados del SAT.
h) Análisis Discriminante: El análisis discriminante es una técnica estadística para Clasificar
objetos en grupos mutuamente excluyentes y exhaustivos sobre la base de un conjunto de
características de objeto medibles (Klečka, 1980). El propósito de este análisis es Clasificar
objetos en una de dos o más grupos en base a un conjunto de características que describen los
objetos.
de octubre de 2009
Burtner (2005) aplicó este método para predecir la pertenencia a los estudiantes en tres
grupos, a saber, Stayer, Switcher, y Leaver. En este análisis discriminante, la persistencia en
la ingeniería fue tratado como la variable dependiente, cuatro factores actitudinales que
reflejan las expectativas de profesionales de la ingeniería, la evaluación de los atributos
personales, y la confianza fueron predictores.
i) Árbol de clasificación: El método de árbol de clasificación se puede utilizar para predecir
la pertenencia de un objeto en las clases de variables dependientes en base a su medición en
las variables predictoras. Un árbol ción clasifi- se construye mediante la partición de los datos
de medición en regiones de tasa sepa- en el que las clasificaciones predicho es consistente
dentro de cada región. El proceso de construcción de modelado árbol selecciona el mejor
covariables, considerando todas las posibles divisiones binarias en la lista de variabilidad poder.
El modelo de árbol final se construye en base a la mejor serie de ramas que reduce al mínimo la
tasa de errores de clasificación. Mendez et al. (2008) aplicaron el método del árbol de
clasificación para identificar los factores asociados con signifi- signifi- persistencia en carreras
STEM. Sus conclusiones indican que GPA acumulativo es el más altamente asociada con la
persistencia de STEM, mientras SAT calificación en el examen cuantitativo y número de cursos
madre tomadas en primer año de estudios se asocian positivamente con la persistencia. Entre
todos los factores, el total de horas ES- rodaron en primer año de estudios y de asociación tivo
examen SAT oral puntuación de exhibición nega- con persistencia.
III. UN REASFOR F UTURO R NVESTIGACIONES
Dado que ambos rasgos ambientales y las características personales pueden afectar al
mismo tiempo la actitud del estudiante y la capacidad de aprendizaje hacia la ingeniería, la
medición de las características del estudiante que afectan a su éxito educativo es un tema
complejo. La gran cantidad de esfuerzo de búsqueda re-invertido en las dos últimas décadas ha
dado lugar a grandes avances en la identificación de muchas de las características importantes
que influyen. Howev- er, varios temas de investigación deben estudiarse más a fondo.
A. mejoras que deben introducirse en la medida del contenido
En la sección anterior clasifica todas las características estudiadas en la literatura en
tres amplias categorías: características externas, las características in- ternas y las
características demográficas. Aunque la mayoría de las características significativas en
estas tres categorías se han incluido en la investigación existente, algún contenido
importante que falta.
En la clase de valoración externa, el impacto de la in- fluencia social sobre las actitudes de
los estudiantes hacia el estudio de la ingeniería no ha sido bien estudiado. Este componente
que falta se indica por la línea discontinua en la figura 2. Nuestra sociedad en general no tiene
una tasa de percepción Accu sobre la naturaleza de la ingeniería (NSB, 2007). Perso- PLE
usualmente asociado con la ingeniería de la construcción, la fabricación, el diseño y la defensa,
pero en menor medida con el cuidado de la salud, el medio ambiente y mejorar la calidad de
vida. Los ingenieros son generalmente percibidos por el público como “nerds” con pobres
habilidades interpersonales (NSF, 2007), o espe- cialistas con habilidades altamente
tecnológicas (Yurtseven, 2002; Chisholm,
2003). Bajo la influencia de estas percepciones públicas, es razonable hacer una hipótesis
fuerte que sólo los estudiantes que son buenos en matemáticas y ciencia, así como aquellos
interesados ​en hacer “cosas” son atraídos a la ingeniería, mientras que los que prefieren el
trabajo en equipo y un énfasis en la solución sociales no encontrará problemas de ingeniería
atractivo. Se necesitan más estudios para probar esta hipótesis y ine ejem- forma significativa
estas influencias sociales pueden afectar la actitud de los estudiantes hacia el estudio de la
ingeniería.
Revista de Enseñanza de la Ingeniería 371
 Figura 5. Modelo estructural de las características del estudiante que predicen la matrícula y la retención en la enseñanza de la ingeniería.
un contenido más importante que falta en la categoría característica interna, como se
indica por las líneas discontinuas en la Figura 3. Por ejemplo, en general se recomienda
que los estudiantes deben ser introducidos a la emoción y la pertinencia de la ingeniería y
la investigación temprana en la tubería educativa (Cantrell et al, 2006;. NSB, 2007; Mehalik,
Doppelt, y Schuun, 2008). Para hacer esta exposición temprana posible, debe
proporcionarse K-12 formación de maestros (YA
sar et al., 2006). Cómo
esta experiencia no mejorar el conocimiento de los estudiantes en la ingeniería? ¿Cómo
cambia la experiencia de su impresión acerca de la profesión inge- niería? Como
consecuencia de estas mejoras y cambios, ¿cómo afectará a los datos de matriculación
y permanencia en la escuela gineering es-? Todas estas preguntas siguen sin respuesta.
El impacto de las muchas características de la personalidad como la tempera- ción tempo,
el gasto de energía, estado de ánimo, foco de atención, sensibilidad social, la competencia
interpersonal, y las estrategias de afrontamiento en los resultados educativos ha sido abordado
en la educación general (Messick, 1979). Sin embargo, la atención se ha centrado limitado
específicamente en el campo de la enseñanza de la ingeniería (Brown y Cruz, 1993). Por
ejemplo, como se mencionó anteriormente, la discusión de la influencia de la motivación en los
resultados educativos se ha restringido en la fijación de objetivos personales. Cómo las
características de la motivación de los estudiantes influencias como la persistencia y capacidad
de recuperación, foco de aten- ción, y las habilidades de gestión del tiempo en el contexto de la
enseñanza de la ingeniería no ha sido bien estudiado.
En la categoría demográfica, más esfuerzo tiene que ser colocado en la medición del efecto
de SES en la enseñanza de la ingeniería. Como Donaldson, Lichtenstein, y Sheppard (2008)
señaló, investigaciones más recientes sobre los efectos de SES se ha centrado en la educación
primaria y secunda- sec. Ellos desarrollaron un nuevo instrumento de la encuesta a medi- que el
impacto de SES en la enseñanza de la ingeniería. Desafortunadamente no hay resultados
concluyentes se pueden extraer de su estudio todavía. son especialmente necesarios futuros
estudios para encontrar la forma de SES baja podría dar lugar a desventajas para estudiantes
que se preparan para la ingeniería. Además de las propiedades tradicionales que participan en
esta categoría, el impacto de la glo- lización también necesita ser investigado. En esta nueva
era de La globalización, el número de puestos de trabajo de ingeniería subcontratados es cada
vez mayor, y muchos ingenieros bien entrenados extranjeros se están uniendo a los EE.UU.
indus- tria. Es muy importante para explorar cómo esta dinámica de suministro globales y la
complejidad afectan a la decisión de nuestros estudiantes para la ingeniería de estudio.
B. mejoras que deben introducirse en los métodos de medición
Una debilidad común de la mayoría de los estudios de investigación revisados ​en la
literatura es que se tratan las características del alumno como variables independientes.
Aunque algunos estudios sí investigar el impacto de
372 Revista de Enseñanza de la Ingeniería
muchas características en diferentes categorías al mismo tiempo, se olvidaron el efecto de
la interacción entre estas variables. En realidad, ninguna de estas características son
independientes entre sí. Tienen ya sea relación correlación o causal con otras
características. Por ejemplo, SES es una característica altamente correlacionado con Ty
ethnici-, por su parte también está altamente correlacionado con la casa y la escuela de
fondo. Las interacciones de este ejemplo se ilustran por las líneas continuas con flechas
dobles en la figura 4. Para obtener un resultado de medición de la frecuencia más Accu, las
interacciones entre características deben ser incluidas en un modelo de medición.
En la literatura actual, la mayoría de las conclusiones de la investigación se elaboraron en
base a datos estadísticos básicos. Para los estudios de investigación que utilizaron modelos de
medición para análisis de datos, por lo general se incluyeron un número limitado de
características en sus modelos. Mide solamente un pequeño número de características de un
sistema complejo considerado en este estudio puede conducir a una predicción problemático.
Mientras que una caracterıstica puede ser identificado como un predictor significativo entre un
pequeño grupo de variables, puede parecer que no significativa en un gran número de
variables. Con el fin de predecir con mayor precisión los indicadores característicos importantes
para la mayoría de éxito en la universidad en la educación gineering es-, es necesario
desarrollar un modelo integral que puede incluir tantas variables como sea posible de todas las
tres categorías.
La figura 5 propone un modelo estructural completo para la identificación de las
características importantes que predicen matrícula y la retención en la ingeniería. Las
tres categorías característicos se consideran en este modelo, donde las líneas de
trazos representan la correlación o relación causal entre las características en estas
categorías.
IV. C CONCLUSIÓN
A fin de mantener la competitividad global de la mano de obra de ingeniería Estados
Unidos, debemos atraer a estu- diantes más calificados a la ingeniería de estudio. Los
estudiantes con ciertas características son más propensos que otros a unirse a las escuelas
de ingeniería y para elegir la ingeniería como profesión. Un tema importante en el campo de la
ingeniería de la investigación educativa es el desarrollo de instrumentos de medición
avanzadas que pueden modelar con precisión la relación entre las características de los
estudiantes y su matrícula y las probabilidades de tensión de la re- en ingeniería. A pesar de
muchos esfuerzos de investigación dedicadas a este tema en el pasado, que carecía de
aceptación universal en la estructura de clasificación de las características de los estudiantes
de ingeniería. Este documento propone un sistema de clasificación categórica estandarizada
de octubre de 2009
que agrupa características de los estudiantes en,, afec- tivo cognitiva externa, y las categorías
demográficas. Una revisión exhaustiva de la literatura se ha realizado sobre la base del
sistema de clasificación propuesto.
La revisión de la literatura revela que las características de estas categorıas están
bien correlacionados o causalmente relacionados entre sí. Los resultados de la revisión
también revelará que ambas carac- terísticas cognitivas y afectivas de los estudiantes de
ingeniería tienen un impacto significativo equivalente a la matrícula y la retención. Con el
fin de proporcionar a nuestros estudiantes con la preparación de ingeniería adecuadas de
seguridad, se requiere un esfuerzo de unirse a los esfuerzos edu- cativos de los aspectos
externos, internos y demográficos. En particular, las necesidades esfuerzo mucho para ser
gastado en las áreas de influencia social inculcar posi- tiva, la implementación de planes
de ingeniería exposición temprana, la modificación de los planes de estudio de ingeniería
actual, la mejora de ins- trucción enfoques en la universidad de ingeniería, y comprender
el im- pacto de la globalización. Estos elementos educativos son actualmente menos
destacaron a lo largo de la tubería educativa ingeniería. Sus pactos im- sobre los
resultados de la educación no se conocen bien todavía. Muchas conclusiones de
investigación existentes se derivan usando análisis estadístico básico. Cuando se necesita
un modelo de medición para el análisis, la regresión logística múltiple, paso a paso / de
regresión múltiple jerárquica, análisis de datos tudinal longitu-, y factor de análisis son los
métodos principalmente aplicadas. Sin embargo, los efectos de la interacción entre las
características de los resultados educativos no están presentes en la investigación actual.
ULTERIORES más, debido a la ausencia de una estructura de clasificación estandarizado
para las características del estudiante de ingeniería, los impactos de diversas
características no se han estudiado al mismo tiempo en un marco completo. En el futuro,
R EFERENCIAS
Adelman, C. 1998. Las mujeres y los hombres de la trayectoria de la ingeniería: Un modelo
para el análisis de las carreras de grado. Washington, DC: Oficina de Impresión del Gobierno de
los Estados Unidos.
Astin, AW, y HS Astin. 1992. Informe final: la educación científica Pregrado: El
impacto de los diferentes ambientes de la universidad en la tubería de educación en las
ciencias. Los Ángeles: Instituto de Investigación de Educación Superior, Facultad de
Educación, UCLA.
Astin, AW 1993. Lo que importa en la universidad: Cuatro años críticos revisados. San
Francisco, CA: Jossey-Bass.
Baker, D., y R. Leary. 1995. Dejar que las niñas hablan sobre ENCE cien-. Revista de
Investigación en Enseñanza de las Ciencias 32 (1): 3-28.
Baker, D., S. Krause, s .Ya¸ sar, C. Roberts, y S. Robinson-
Kurpius. 2007. Una intervención para abordar las cuestiones de género en un curso sobre el
diseño, la ingeniería y la tecnología de la ciencia educador. Revista de Enseñanza de la
Ingeniería 97 (3): 213-226.
Bamforth. S., C. Adam, A. Croft, y C. Robinson. 2005. A periodos de sesiones del
curso: Retención de los estudiantes de ingeniería a través del apoyo matemática y
habilidades transferibles. Revista Internacional de Educación en Ingeniería Electrónica 42
(1): 79-87.
Bandura, A. 1986. Fundamentos sociales de pensamiento y acción: Una teoría cognitiva
social. Englewood Cliffs, NJ: Prentice-Hall.
Bandura, A. 1997. La auto-eficacia: Los ejercicios de control. Nueva York:
WH Freeman.
Bar-Haim, G., y JM Wilkes. 1989. Una inter- pretación cognitiva de la marginalidad
y bajo la representación de las mujeres en ENCE cien-. Revista de Educación Superior 60
(4): 371-87.
de octubre de 2009
Bean, JP 1983. La aplicación de un modelo de facturación en las organizaciones de trabajo
para el proceso de abandono de los estudios. Revisión de la Educación Superior 6: 129-148.
Bean, JP 1986. Evaluación y reducción de desgaste. Nuevas orientaciones para la
Educación Superior 14 (1): 47-61.
Benbow, CP, y JC Stanley. 1983. Las diferencias de sexo en la capacidad de razonamiento
matical mathe-: más hechos. Ciencias 222 (4627): 1029-1031.
Bernold, LE, WL Bingham, PH McDonald, y TM Attia. 2000. Impactos de la
enseñanza integral y orientado al aprendizaje en el éxito académico. Revista de
Enseñanza de la Ingeniería 89 (2): 191-99.
Bernold, LE, JE Spurlin, y CM Anson. 2007. Underwriters pie nuestros estudiantes:
Un estudio longitudinal de éxito y fracaso en la ingeniería con implicaciones para el
aumento de la retención. Revista de Enseñanza de la Ingeniería 96 (3): 263-74.
Besterfield-Sacre, M., CJ Atman, y LJ Shuman. 1997. Características de los
estudiantes de ingeniería de primer año: Modelos para de- deserción escolar termining
en ingeniería. Revista de Enseñanza de la Ingeniería 86 (2): 139-49.
Besterfield-Sacre, M., CJ Atman, y LJ Shuman. 1998. Ingeniería de evaluación de
actitudes de los estudiantes. Revista de Enseñanza de la Ingeniería 87 (2): 133- 41.
Besterfield-Sacre, M., M. Moreno, LJ Shuman, y CJ Atman. 2001. sexo y grupo
étnico diferencias en el primer año inge- niería actitudes de los estudiantes: Un estudio
de corte institucional. Revista de Enseñanza de la Ingeniería 90 (4): 477-89.
Bjorklund, SJ, JM Parente, y D. Sathianathan. 2004. efec- tos de interacción facultad y
retroalimentación sobre las ganancias en las habilidades del estudiante.
Revista de Enseñanza de la Ingeniería 93 (2): 153-60.
Junta de Educación en Ingeniería, Investigación Nacional Con- cil. 1995. enseñanza
de la ingeniería: Diseño de un sistema adaptativo.
WashingtonDC: National Academies Press.
Bonous-Hammarth, M. 2000. caminos hacia el éxito: Afirmando oportunidades
para estudiantes de ciencias, matemáticas e ingeniería.
El Diario de la educación Negro 69 (1-2): 92-111.
Brainard, SG, y L. Carlin. 1998. Un estudio longitudinal de seis años de
mujeres en ingeniería y la ciencia. Revista de Enseñanza de la Ingeniería 87
(4): 369-75.
Brannan, KP, y PC Wankat. 2005. Encuesta de primer año pro gramos. En Actas
de la Sociedad Americana para la Educación 2005 Ingeniería Conferencia Anual y
Exposición. Salt Lake City, UT.
Brown, DE 1985. Los estudiantes de educación superior de comuni- dades rurales: Un
informe sobre la deserción. Eric documento Servicio de Reproducción. No. ED 258 771.
Brown, NW, y EJ Cruz, Jr. 1993. La retención en inge- niería y
personalidad. Educativa y psicológica Medición 53 (3): 661-71.
Burtner, J. 2005. El uso del análisis discriminante para investigar la influencia de los
factores no cognitivos en la persistencia de la escuela de ingeniería. Revista de Enseñanza de
la Ingeniería 94 (3): 335-38.
Comprador, LS, y CH Connolly. 2006. La identificación de los factores más im- portantes
que afectan a la retención. En Actas de la Conferencia Nacional Noel-Levitz en Estudiante
reclutamiento, la comercialización y la retención. Denver, CO.
Cabrera, AF, A. Nora, y MB Castañeda. 1993. Universidad de persistencia ecuaciones
estructurales que modelan la prueba de un modelo integrado de retención de los
estudiantes. Revista de Educación Superior 64 (2): 123-39.
Cantrell, P., G. Pekcan, A. Itani, y N. Velásquez-Bryant.
2006. Los efectos de los módulos de ingeniería en el aprendizaje del estudiante en
Revista de Enseñanza de la Ingeniería 373
las clases de ciencia de la escuela secundaria. Revista de Enseñanza de la Ingeniería
95 (4): 301-09.
Chisholm, CU 2003. Los factores críticos en relación con la futura sustentabilidad de la
enseñanza de la ingeniería. Diario Global de Educación en Ingeniería 7 (1): 29-38.
Cohen, J., P. Cohen, SG West, y LS Aiken. 2003. Applied análisis de regresión /
correlación múltiple para las ciencias de la conducta, 3ª ed. Mahwah, NJ: Lawrence
Erlbaum Associates, Inc., Publishers.
Corbett, C., C. Hill, Rose y AS. 2008. Donde las chicas son: Los hechos acerca de la
equidad de género en la educación. Washington, DC: Fundación Educativa AAUW.
Dabbagh, N., y DA Menascé. 2006. percepciones de los estudiantes de ingeniería de la
iniciativa empresarial: un estudio exploratorio. Jounal de Educación en Ingeniería 95 (2):
153-64.
Dochy, F., M. Segers, P. Van den Bosssche, y D. Gijbels.
2003. Efectos del aprendizaje basado en problemas: un meta-análisis. Aprendizaje e Instrucción
13: 533-68.
Donaldson, K., G. Lichtenstein, y S. Sheppard. 2008. estado conomic Socioe- y la
experiencia de ingeniería de grado: hallazgos preliminares de cuatro universidades.
En Actas de la conferencia de la Sociedad Americana de Educación en Ingeniería. Pittsburgh,
Ingeniería 84 (4): 395-400.
PA.
Dym, CL, AM Agogino, O. Eris, DD Frey, y LJ Leifer.
2005. Ingeniería pensamiento de diseño, la enseñanza y el aprendizaje. Revista de Enseñanza
de la Ingeniería 94 (1): 103-20.
Einarson, MK, y AM Santiago. 1996. Antecedentes carac- terísticas como
predictores de la auto-confianza académica y la autoeficacia académica entre los
estudiantes de ciencias de grado y de ingeniería: Una exploración de género y las
diferencias étnicas. En actas de la 36ª Foro Anual de la Asociación para la
Investigación Institucional.
Albuquerque NM.
Entwistle, N. 2000. Enfoques para el estudio y el nivel de entendimientos: Las
influencias de la enseñanza y la evaluación. En La educación superior: Manual de teoría y
la investigación, ed. JC inteligente, 156-218. Nueva York: Prensa Agatón.
Felder, RM, y LK Silverman. 1988. Los estilos de enseñanza y aprendizaje en la
educación en ingeniería. Enseñanza de la ingeniería 78 (7): 674-81.
Felder, RM, PH Mohr, EJ Dietz, y L. Baker-Ward.
1994. Un estudio longitudinal de rendimiento y retención de los estudiantes de ingeniería II.
Rural / diferencias de los estudiantes urbanos. Revista de Enseñanza de la Ingeniería 83 (3):
209-17.
Felder, RM, GN Felder, M. Mauney, CE Hamrin, JR., Y
EJ Dietz. 1995. Un estudio longitudinal de estudiante de ingeniería Formance per- y
retención III. Diferencias de género en los estudiantes actitudes y Mance perfor-. Revista
de Enseñanza de la Ingeniería 84 (2): 151-63.
Felder, RM, GN Felder, y EJ Dietz. 1998. Un estudio longitudinal de rendimiento de los
estudiantes de ingeniería y de retención de preformas V. Com- con los estudiantes que se
enseñan tradicionalmente. Revista de Enseñanza de la Ingeniería 87 (4): 469-80.
Felder, RM, GN Felder, y EJ Dietz. 2002. Los efectos del tipo de personalidad de
rendimiento de los estudiantes de ingeniería y actitudes.
Revista de Enseñanza de la Ingeniería 91: 3-17.
Felder, RM, y R. Brent. 2005. comprensión del estudiante diferencias. Revista de
Enseñanza de la Ingeniería 94 (1): 57-72.
Fleming, ML y MR, Malone. 1983. La relación de características de los estudiantes y el
rendimiento de los estudiantes en la ciencia, como se ve por la investigación meta-análisis. Revista
de Investigación en Enseñanza de las Ciencias 20 (5): 481-95.
374 Revista de Enseñanza de la Ingeniería
Francés, BF, JC Immekus, Oakes y WC. 2003. Un modelo estruc- tural de
éxito de los estudiantes de ingeniería y persistencia. En Actas de la 33ª ASEE /
IEEE Frontiers in Education Conference.
Boulder, CO.
Francés, BF, JC Immekus, Oakes y WC. 2005. Un exami- nación de los indicadores
de éxito de los estudiantes de ingeniería y persistencia. Revista de Enseñanza de la
Ingeniería 94 (3): 419-25.
Froyd, JE, y Ohland MW. 2005. planes de estudio de ingeniería homogéneo. Revista
de Enseñanza de la Ingeniería 94 (1): 147-64.
Georges, A. 1999. Manteniendo lo que tenemos: Las estrategias eficaces para la retención
de estudiantes de primer año de las minorías en ingeniería. Carta de Investigación NACME 9
(1): 1-19.
Goleman, D. 1995. La inteligencia emocional: ¿Por qué puede ser más importante que el
coeficiente intelectual. Nueva York: Bantam Books.
Grandy, J. 1994. El género y las diferencias étnicas entre ciencia e ingeniería
mayores: experiencias, logros y expectativas. Informe del Consejo GRE. Princeton,
NJ: Educational Testing Services.
Hermond, D. 1995. La medición de las estrategias de retención de un programa de
ingeniería Nority mi-: Una perspectiva de la calidad del servicio. Revista de Enseñanza de la
Heywood, J. 2005. enseñanza de la ingeniería: investigación y desarrollo en el
currículo y la instrucción. Hoboken, NJ: John Wiley and Sons, Inc.
Hill, 1999 ST. Ciencia e ingeniería grados: 1966-96. Informe Número NSF 99-330.
Arlington, VA: ción Nacional de Ciencia Foundation, División de Recursos de la
Ciencia Estudios.
Hilton, TL, y VE Lee. 1988. intereses de los estudiantes y persistencia en la ciencia,
los cambios en la tubería de educación en la última década. Revista de Educación
Superior 59 (5): 510-26.
Hutchison, MA, DK Follman, M. Sumpter, y GM Bodner. 2006. Factores que influyen
en las creencias de autoeficacia de los estudiantes de ingeniería de primer año. Revista
de Enseñanza de la Ingeniería 95 (1): 39-47.
Iversen, E., C. Kalyandurg, y S. Lapeyrouse. 2007. ¿Por qué K-12 de la ingeniería? Washington,
DC: ASEE Ingeniería K12 Centro. http://www.engineeringk12.org (última consulta:
mayo de 2009).
Keefe, JW 1979. estilo de aprendizaje: Una visión general. En Estudiante de NASSP estilos
de aprendizaje: Diagnóstico y programa de prescripción, 1-17. Reston, VA: Asociación Nacional
de Directores de Escuelas Secundarias.
Klecka, WR 1980. Análisis discriminante. Beverly Hills, CA: Sage
Publications.
Kline, RB 2005. Principios y práctica de modelado de ecuaciones estructurales, 2ª
ed. Nueva York, Londres: La Guilford Press.
KPMG International. 2006. La globalización y la fabricación.
http://www.kpmg.com/Global/Pages/default.aspx (última consulta: mayo de 2009).
Krueger, RA 1988. Los grupos de enfoque: Una guía práctica para la investigación
aplicada. Newbury Park, CA: Sage Publications.
Kuh, GD y S.Hu. 2001. Los efectos de la estudiante-facultad interacción en la década de
1990. La Revisión de la Educación Superior 24 (3): 309-32.
Lawrence, G. 1993. Pueblos y rayas de tigre: Una guía práctica para el estilo de
aprendizaje, 3ª ed. Gainesville, FL: Centro de Aplicaciones de la Psicología Tipo.
Leslie, LL, GT McClure, y RL Oaxaca. 1998. Las mujeres y las minorías en la
ciencia y la ingeniería: Un análisis de secuencias de la vida.
El Diario de la Educación Superior 69 (3): 239-76.
Levin, J., y J. Wyckoff. 1988. A partir del asesoramiento: Identificación de los estudiantes
más probable que persisten y tener éxito en la ingeniería. Enseñanza de la ingeniería 78 (11):
178-82.
de octubre de 2009
 Li, Q., DB McCoach, H. Swaminathan, y J. Tang. 2008.
Desarrollo de un instrumento para medir las perspectivas de la educación inge- niería entre los
estudiantes universitarios. Revista de Enseñanza de la Ingeniería 97 (1): 47-56.
McDonough, PM 1997. La elección de los colegios: ¿Cómo la clase social y las escuelas
estructura de oportunidades. Albany, Nueva York: Universidad Estatal de Nueva York Press.
McIlwee, JS, y JG Robinson. 1992. Las mujeres en la ingeniería: Sexo, poder y lugar de
trabajo de cultivo. Albany, Nueva York: Universidad Estatal de Nueva York Press.
Mehalik, MM, Y. Doppelt, y CD Schuun. 2008. ciencia escolar Medio- través de
aprendizaje basado en el diseño del frente consulta con guión: Un mejor aprendizaje global
concepto de la ciencia y la reducción de la brecha de la equidad. Revista de Enseñanza de la
Ingeniería 97 (1): 71-85.
Meinholdt, C., y SL Murray. 1999. ¿Por qué no hay más mujeres ingenieros? Diario
97 (3): 259-78.
de la mujer y de las minorías en Ciencia e Ingeniería 5 (3): 239- 63.
Mendez, G., TD Buskirk, S. Lohr, y S. Haag. 2008. Los factores asociados a la
persistencia en carreras de ciencia e ingeniería: un estudio exploratorio utilizando árboles
de clasificación y bosques aleatorios. Revista de Enseñanza de la Ingeniería 97 (1): 57-70.
Messick, S. 1979. Los usos potenciales de la medición no cognitiva en la educación. Revista
de Psicología de la Educación 71 (3): 281-92.
Meyer, JHF, P. Parsons, Dunne y TT. 1990. orquestaciones estudio individual
y su asociación con el resultado del aprendizaje.
Educación más alta 20 (1): 67-89.
Moller-Wong, C., y A. Eide. 1997. Un estudio de la retención de estudiantes de ingeniería. Revista
de Enseñanza de la Ingeniería 86 (1): 7-15.
Murphy, T., RL Shehab, T. Reed-Rhoads, CE Foor, BJ Harris, DA Trytten,
SE Walden, M. Besterfield-Sacre, MS Hallbeck, y WC Moor. 2007. El logro de
la paridad de los sexos en el nivel de grado: Un estudio de éxito. Revista de
Enseñanza de la Ingeniería 96 (3): 241-51.
Huang, G., N. Taddese, y E. Walter. 2000. La entrada y la persistencia de las mujeres y las
minorías en la ciencia de la universidad y la enseñanza de la ingeniería. Centro Nacional de
Estadísticas de Educación. http: // rencias. ed.gov/pubs2000/2000601.pdf (última consulta:
mayo de 2009).
Consejo Nacional de Ciencia. 2003. La mano de obra de ciencia e ingeniería la
realización del potencial de América. Fundación Nacional de Ciencia.
http://nsf.gov/nsb/documents/2003/nsb0369/nsb0369.pdf (última consulta: mayo de 2009).
Consejo Nacional de Ciencia. 2004. Un emergente y crítico problema de la fuerza de la
ciencia e ingeniería de la mano de obra: Una comparación de indicadores de ciencia e
ingeniería. Fundación Nacional de Ciencia. http: //www.nsf. gov / estadísticas / nsb0407 /
nsb0407.pdf (última consulta: mayo de 2009).
Consejo Nacional de Ciencia. 2007. Avanzar para mejorar la enseñanza de la ingeniería. Fundación
Vogt, CM 2008. Facultad como una coyuntura crítica de reten- ción de los estudiantes y el
Nacional de Ciencia. http: //www.nsf. gov / bares / 2007 / nsb07122 / nsb07122.pdf (última
consulta: mayo de 2009).
Fundación Nacional de Ciencia. 2005. La mano de obra de ingeniería: estado
actual, problemas y recomendaciones. http: //www.nsf. gov / accesorios / 104206 / /
Final_Workforce.doc pública.
NCES. 2008. Glosario. Centro Nacional de Estadísticas de Educación
http://nces.ed.gov/programs/coe/glossary/s.asp (última consulta: mayo
2009).
Nicholls, GM, H. Wolfe, M. Besterfield-Corazón, LJ Shuman, y S. Larpkiattaworn.
maestros con la enseñanza del diseño, inge- niería y tecnología. Revista de Enseñanza
2007. Un método para la identificación de las variables para predecir la inscripción STEM. Revista
de Enseñanza de la Ingeniería 96 (1): 33-44.
de octubre de 2009
Noeth, RJ, T. Cruce, y MT Harmston. 2003. El mantenimiento de una fuerza de trabajo de
ingeniería fuerte. Informe sobre la política de ACT. http://www.act.org/ investigación / los
políticos / pdf / engineer.pdf (última consulta: mayo de 2009).
Ohland, MW, SA Frillman, G. Zhang, CE Brawner, y
TK Miller. 2004a. El efecto de un programa de emprendimiento en el GPA y la
retención. Revista de Enseñanza de la Ingeniería 93 (1): 293-301.
Ohland, MW, AG Yuhasz, y BL travesaño. 2004b. Identificación y eliminación de un
requisito previo cálculo como cuello de botella en el plan de estudios de ingeniería general de
Clemson. Revista de Enseñanza de la Ingeniería 93 (3): 253-57.
Ohland, MW, SD Sheppard, G. Lichtenstein, O. Eris, D. Chachra, y R. Layton.
2008. La persistencia, compromiso, y la mi- gración en programas de ingeniería. Revista
de Enseñanza de la Ingeniería
Padilla, MA, G. Zhang, TJ Anderson, y Ohland MW.
2005. Dibujo inferencias válidas de la estructura anidada de datos de educación inge-
niería: Aplicación de un modelo lineal jerárquico a la base de datos ÉXITO longitudinal. En Procedimientos
la Sociedad Americana para la Conferencia Anual de la Educación en Ingeniería y
Exposición.
Portland, Oregon.
Sax, LJ 1996. El impacto de la universidad con el compromiso posterior a la universidad a
las carreras científicas: Diferencias de género en un seguimiento agradable años de estudiantes
universitarios. En Actas de la Reunión Anual de la Asociación para el Estudio de la Educación
Superior. Memphis, TN.
Schneck, DJ 2001. aprendizaje integrado: Paradigma para un enfoque unificado. Revista
de Enseñanza de la Ingeniería 90 (2): 213-17.
Seymour, E., y HM Hewitt. 1997. Hablando de salir: ¿Por qué los
estudiantes salen de las ciencias. Boulder, CO: Westview Press.
Shuman, LJ, C. Delaney, H. Wolfe, A. Scalise, y M. Besterfield-Corazón.
1999. Ingeniería de desgaste: Estudiante carac- terísticas e iniciativas
educativas. En Actas de la Sociedad Americana de Conferencia Anual de
Educación en Ingeniería y Exposición.
Charlotte, NC.
Smyth, FL, y JJ McArdle. 2004. diferencias étnicas y de género en la ciencia de graduación
en universidades selectivas con implicaciones para la política de admisión y la elección de la
universidad. Investigación en la Educación Superior 45 (4): 353-81.
Tinto, V. 1993. Salir de la universidad: Repensando las causas y curas de la deserción
escolar, 2ª ed. Chicago: University of Chicago Press.
Thompson, B. 2004. El análisis factorial exploratorio y confirmatorio.
Washington DC: Asociación Americana de Psicología.
Van Aken EM, D. Watford, y A. Medina-Borja. 1999. El uso de grupos de enfoque
para la evaluación del programa de ingeniería minoría.
Revista de Enseñanza de la Ingeniería 88 (3): 333-43.
rendimiento de los programas de ingeniería. Diario Educación en Ingeniería 97 (1): 27-36.
Wankat, PC, y FS Oreovicz. 1993. Ingeniería de la enseñanza.
Nueva York: McGraw-Hill.
Woods, DR, y CM Crowe. 1984. Características de los alumnos inge- niería en
sus dos primeros años. Enseñanza de la ingeniería 74 (5): 289-95.
yA sar, S., D. Baker, S. Robinson-Kurpius, S. Krause, y C. Roberts. 2006. Desarrollo
de un estudio para evaluar la percepción de los ingenieros y la familiaridad K-12 de los
de la Ingeniería 95 (3): 205-16.
Revista de Enseñanza de la Ingeniería 375
 Yurtseven, HO 2002. ¿Cómo funciona la imagen de la ingeniería AF-fect
reclutamiento de estudiantes y retención? Una perspectiva de los EE.UU.. Diario Global
de Educación en Ingeniería 6 (1): 17-23.
Zhang, G., TL Anderson, Ohland MW, y BR Thorndyke. 2004. Identificación de
factores que influyen en la ingeniería estu- graduación mella: un estudio longitudinal
y transversal institucional. Revista de Enseñanza de la Ingeniería 93 (4): 313-20.
Zywno, MS, y JK, Waalen. 2002. El efecto de los estilos de aprendizaje indi-
viduales de resultados de los estudiantes en la educación abled tecnología-en-. Diario
Global de Educación en Ingeniería 6 (1): 35-44.
UN utores 'B IOGRAPHIES
Qing Li es un Ph.D. candidato en el Departamento de Psicología de la Educación en
la Escuela Neag de Educación de la Universidad de Connecticut. Obtuvo su título de
doctorado en ingeniería primera cal mecánicamente. Luego se convirtió en una facultad
de ingeniería y publicado cerca de 30 artículos técnicos en revistas de ingeniería
mecánica. Después de muchos años en la enseñanza en las escuelas de ingeniería,
desarrolló un fuerte interés en la psicología del aprendizaje, en particular en el ámbito
de la enseñanza de la ingeniería. Ella renunció como profesor asociado de la Facultad
de Ingeniería Mecánica y Aero espacio de Ingeniería de la Universidad Tecnológica de
Nanyang, Singa- pur, y comenzó su Ph.D. estudiar en Psicología de la Educación en
2006.
Habla a: Departamento de Psicología de la Educación, Escuela Neag de
Educación, 249 Glenbrook Road, Unit 2064, Storrs, CT 06269- 2064; teléfono: ( 1)
860.486.9586; fax: ( 1) 860.486.0180; e-mail: qing.li@uconn.edu.
376 Revista de Enseñanza de la Ingeniería
Hariharan Swaminathan es profesor y jefe del Departa- mento de Psicología de la
Educación de la Universidad de Connecticut. Profesor Swaminathan es reconocido
internacionalmente por su pericia en la medición educativa y, en particular, en el área
de la teoría de respuesta al ítem, y es el co-autor de dos libros sobre la teoría de
respuesta al ítem. Los intereses de investigación del Profesor Swaminathan están en
las áreas de estadística bayesiana, la psicometría, la teoría de respuesta al ítem, el
análisis multivariante modelos de ecuaciones estructurales y los modelos jerárquicos.
Es miembro de los consejos editoriales de la Diario de Evaluación Educacional, Applied
Psychological Measurement, de la Educación y Psicología de medición. Ha recibido el
Premio Maestro ing vivos brutas de la Universidad de Massachusetts, y es el
destinatario del premio J. Cohen de la Asociación Psicológica Americana para la
Enseñanza Distinguida y Consejeros.
Habla a: Departamento de Psicología de la Educación, Escuela Neag de
Educación, 249 Glenbrook Road, Unit 2064, Storrs, CT 062692064; teléfono:
( 1) 860.486.0200; fax: ( 1)
860.486.0180; e-mail: swami@uconn.edu.
Jiong Tang es profesor asociado en el Departamento de Ingeniería mecánicamente cal,
Universidad de Connecticut. Sus intereses actuales de investigación y enseñanza son la
dinámica estructural y dinámica de sistemas, procesamiento de detección y la señal, y los
controles. Obtuvo un doctorado Gree de- en Ingeniería Mecánica de la Universidad Estatal de
Pennsylvania en 2001. Antes de incorporarse a la Universidad de Connecticut en 2002, el Dr.
Tang trabajó en General Electric Global Research Center como ingeniero de investigación.
Habla a: Departamento de Ingeniería Mecánica de la Universidad de
Connecticut, 191 Auditorio Road, Unit 3139, Storrs, CT 06269; teléfono: ( 1)
860.486.5911; fax: ( 1) 860.486.5088; e-mail: jtang@engr.uconn.edu.
de octubre de 2009