ISSN 1853-7367
Ejemplar N° 14 – 2024
RELACIONES ENTRE ACTITUDES HACIA FUNDAMENTOS DE ADMINISTRACIÓN
Y RENDIMIENTOS ACADÉMICOS
RELATIONSHIPS BETWEEN ATTITUDES TOWARDS
MANAGEMENT FUNDAMENTALS
AND ACADEMIC PERFORMANCE
ORCID: 0000-0001-7144-968X
María
Alicia Dusicka alicia.dusicka@comunidad.unne.edu.ar
ORCID: 0000-0002-2499-9352
Noelia Beatriz Franchini nfranchini@comunidad.unne.edu.ar
ORCID: 0000-0001-7022-1552
Colaborador:
ORCID: 0009-0007-4152-1741
Universidad
Nacional del Nordeste - Facultad de Ciencias Económicas
Artículo
científico
JEL:
I23 Educación
Superior – Instituciones de Investigación
Currículum
Vitae resumido de Antonio Humberto Closas
Doctor
en Estadística e Investigación Operativa por la Universidad Pública de Navarra
(Pamplona, España). Profesor Titular de Inferencia Estadística (Licenciatura en
Economía) y director del Grupo de Investigación EMAERA, ambas actividades en la
Facultad de Ciencias Económicas de la Universidad Nacional del Nordeste.
Investigador, categoría I, Comisión Evaluadora de la Actividad de Investigación
de la UNNE. Coautor de libros y de diversas publicaciones en revistas de
impacto científico nacionales y extranjeras. Integrante de distintos comités de
arbitraje y consejos editoriales de revistas científicas. Actúa como director o
miembro de comisiones de seguimiento y evaluación de tesis de maestrías y
doctorados.
Resumen
El rendimiento académico es un fenómeno multicausal,
en el que participan factores tales como la afectividad, habilidad y
aplicabilidad de los temas objeto de estudio. En atención a
ello, el objetivo de este trabajo consiste en proponer un modelo estadístico
que permita explicar de qué manera las actitudes hacia la asignatura
Fundamentos de Administración se relacionan con el rendimiento académico, en
una muestra de estudiantes de Ciencias Económicas. En el
estudio participaron 93 jóvenes, quienes se encontraban matriculados en primer año de
distintas carreras que se imparten en el campus Resistencia de la Universidad Nacional
del Nordeste. La investigación responde a un diseño no experimental, explicativo, transversal,
cuantitativo y descriptivo mediante encuesta en trabajo de campo. La tarea desarrollada
en la fase empírica ha permitido determinar la ecuación discriminante que
mejor expresa la relación entre la variable criterio y las variables
predictoras, a efectos de explicar los datos
muestrales o clasificar el rendimiento
de nuevos individuos. El trabajo realizado representa un paso adelante en el estudio del tema abordado, así como un aporte a la comunidad académica y científica de la región nordeste de Argentina.
Palabras clave: Modelización estadística. Rendimiento en Administración. Estudiantes
universitarios.
Abstract
Academic performance is a
multicausal phenomenon, involving factors such as affectivity, ability and
applicability of the subjects under study. In view of this, the aim of this
paper is to propose a statistical model to explain how attitudes towards the
subject Fundamentals of Management influence academic performance in a sample of
Economics students. The study involved 93 young people, who were enrolled in
the first year of different courses taught at the Resistencia campus of the
Universidad Nacional del Nordeste. The research
responds to a non-experimental, explanatory and descriptive design by means of
a survey. It is also a field research, quantitative
and cross-sectional. The task developed in the empirical phase has made it
possible to determine the discriminant equation that best expresses the
relationship between the criterion variable and the predictor variables, in
order to explain the sample data or classify the performance of new
individuals. The work carried out represents a step forward in the study of the
problem addressed, as well as a contribution to the academic and scientific
community in the northeastern region of Argentina.
Key words: Statistical modelling. Management
Performance. University students.
1.
Introducción
En razón de que el
individuo es producto de factores tanto genéticos como ambientales, los cuales
se encuentran con frecuencia estrechamente relacionados y en complejas interacciones,
no es extraño considerar que los resultados académicos se deben a múltiples
razones, tanto intrínsecas como extrínsecas.
Entre las causas
personales existe un aspecto particular en torno al cual girará el desarrollo
de esta investigación; en efecto, se trata en líneas generales de la actitud que los alumnos
tienen frente a la asignatura Fundamentos de Administración (FA), la cual se
presume favorable debido a la valoración que a priori se realiza de su relevancia
disciplinar, cognitiva y formadora en el contexto académico y profesional de
las ciencias económicas y empresariales.
Con el fin de
explicar o predecir de qué manera algunas dimensiones actitudinales de los
estudiantes (afectividad, habilidad y aplicabilidad) se relacionan con los
resultados educativos en el marco de FA, este trabajo se propone presentar un
modelo estadístico (elaborado mediante la técnica análisis discriminante del
área multivariante) en el cual la variable criterio será el rendimiento
académico.
En términos
generales, el análisis discriminante es un procedimiento que permite determinar de qué manera las variables independientes
(de tipo métricas) que participan en el modelo contribuyen a clasificar a los
objetos de la muestra en los diferentes grupos previamente establecidos en la
variable dependiente (de tipo categórica).
En
sentido amplio, un modelo es una representación abstracta y compacta de un
sistema que permite describir y analizar su comportamiento. A su vez, la modelización estadística es un
recurso metodológico que resulta de utilidad para abordar el tratamiento de un
fenómeno, como es el desempeño educativo, puesto que da lugar a conceptualizar
y comunicar sus dinámicas de una forma coherente.
Una
característica central que posee el modelo que será planteado es que posibilitará
explicar los datos recogidos, así como predecir observaciones futuras, lo cual
contribuirá no solo a comprender el problema, sino también a tomar decisiones
con el objeto de prevenir las dificultades cognitivas en el área de
conocimiento y, por ende, mejorar el resultado académico de los individuos de
la población de la que fue seleccionada la muestra.
La medición de las
variables que componen las dimensiones explicativas del modelo fue realizada
por medio de un instrumento diseñado especialmente para este estudio,
denominado Cuestionario sobre actitudes hacia Fundamentos
de Administración (ver Anexo), el cual ha sido validado en forma cualitativa por
especialistas del departamento de Administración y de modo cuantitativo por
expertos del área de Estadística.
Para evaluar la
variable que se desea explicar se han seleccionado las calificaciones (debidamente
codificadas en virtud de la metodología de análisis de datos aplicada), puesto que son el
criterio social y legal del rendimiento en el ámbito de los centros educativos,
además de ser uno de los indicadores más utilizado en las investigaciones sobre
esta temática.
2. Marco teórico
Si bien se conocen diferentes
acepciones, conceptualizaciones y descripciones relacionadas con el constructo
objeto de interés, se brinda de inmediato una serie de apreciaciones que
permitirán componer un breve panorama acerca de su significado, definición y
relación con el rendimiento académico.
En general, las
actitudes son aquellas manifestaciones que expresan algún grado de aprobación o
desaprobación, gusto o disgusto, acercamiento o alejamiento. Las actitudes son
por tanto predisposiciones para actuar que el individuo tiene hacia determinado
tema, materia, suceso o idea llamado usualmente objeto de actitud (Berliner y Calfee, 1996; Zabalza, 1994).
Las
actitudes son adquiridas, ninguna persona nace con predisposición positiva o
negativa hacia algo. La forma en que se logran es variada, provienen de
experiencias buenas o malas con el objeto de la actitud o con estereotipos.
Así, las actitudes se vuelven inevitables, todos las tienen hacia aquellos
objetos, personas, grupos, modelos, sucesos o situaciones a las que por algún
motivo han sido expuestos.
El
objeto de actitudes es definido como cualquier entidad abstracta o concreta
hacia la cual se siente una predisposición. Por ejemplo, un estudiante frente a
una asignatura determinada puede mostrar una actitud favorable cuando dice que
le gustan las clases de esa materia, se ocupa de estudiar antes de hacer otras
actividades, cree que sus contenidos son importantes o muestra interés por leer
libros de esa disciplina. En definitiva, parece claro que el desempeño
académico puede verse afectado de manera positiva o negativa, lo que dependerá
de cómo el alumno forme sus actitudes de cara a la asignatura.
Desde
la perspectiva de Alemany y Lara (2010), la actitud puede determinar los
aprendizajes y, a su vez, estos aprendizajes pueden mediar para la estabilidad
o no de esa actitud. En
consonancia con lo precedente, Mato (2006) sugiere que los docentes deberían,
también, tener en cuenta los aspectos afectivos y motivacionales tanto como los
elementos cognitivos y procedimentales de la instrucción.
En el estudio de Herrero et al. (1999) analizan la relación de las actitudes en el contexto de población universitaria, concluyendo que es una variable con influencia en el rendimiento académico.
Analizar la actitud que
asumen los estudiantes se considera una decisión interesante, en especial
porque representa un factor influyente en el proceso de construcción y
adquisición de las capacidades básicas que contribuyen al desarrollo del
pensamiento lógico.
El rendimiento general de los estudiantes se
encuentra asociado a factores personales (cognitivos,
motivacionales, aptitudinales, atribucionales, etc.) y contextuales (ambiente familiar, entorno sociocultural, proceso
de enseñanza, etc.) que, de un modo u otro, participan y lo generan.
Estos determinantes conforman un conjunto de aspectos y características que permiten esclarecer mediante estudios
cualitativos y cuantitativos las razones que ocasionan el desempeño académico
(véase Doménech et al., 2004; González-Pienda et al., 2003; Kassarnig et al., 2018; Schnitzler et al., 2021).
En particular, el
rendimiento académico en carreras de administración ha sido una temática
estudiada también a través de un amplio abanico de razones causales. En algunas
investigaciones el abordaje se realizó por medio de variables relacionadas con
el estudiante (Mondragón et al., 2017), otras en cambio utilizando factores tanto
de contexto como de personalidad (Alvarado, 2018; Esparza et al., 2020; Santos
y Vallelado, 2013; Tomás et al., 2014).
Sin embargo, a pesar de los avances en la investigación sobre las múltiples causas que influyen en el desempeño académico de los estudiantes universitarios, no fue posible encontrar en la revisión de la literatura realizada aquellos antecedentes que aborden mediante análisis cuantitativo las vinculaciones que se presentan entre las actitudes y el rendimiento en el contexto de asignaturas específicas de carreras de administración.
Con
el propósito de completar el espacio de vacancia referido y contribuir con el
desarrollo del tema objeto de interés, en este trabajo
se presentará un
modelo estadístico en el que los predictores serán algunas dimensiones
actitudinales de los estudiantes, mientras que la variable criterio estará
representada por el rendimiento
académico. El objetivo de la ecuación discriminante que será propuesta
consistirá en explicar
o predecir de qué manera los factores de índole personal que participan se
relacionan con los resultados educativos en el marco de FA.
El análisis discriminante es una técnica
de dependencia del área multivariante que permite crear un modelo
predictivo capaz de establecer la pertenencia de objetos a determinados grupos (ver Uriel y Aldás, 2005). El modelo está
compuesto por una función discriminante, en el supuesto de que haya dos grupos
(o, un conjunto de funciones discriminantes, si hubiera más de dos grupos),
basada en combinaciones lineales de las variables independientes. Estos
predictores proporcionan la mejor discriminación posible entre los grupos establecidos
a priori (en
nuestro caso, aprobados y desaprobados) por medio de la
variable dependiente (en este estudio, el rendimiento en FA).
Las
funciones se generan a partir de una muestra de observaciones para los que se
conoce el grupo de pertenencia; posteriormente, estás funciones pueden ser
aplicadas a nuevos casos que dispongan de mediciones para las variables
predictoras, pero de los que se desconozca el grupo de pertenencia.
Se trata en definitiva de un procedimiento de reducción
de datos mediante el cual es posible indicar cuándo una observación debe
pertenecer a un grupo o al otro definido de antemano; así como analizar cuáles
son las variables que contribuyen en mayor medida en su discriminación.
Luego de presentar breves conceptos introductorios y teóricos, se detalla a continuación el proceso metodológico implementado (participantes, diseño, procedimiento, instrumentos, análisis de datos). Más adelante, se ofrecen los resultados obtenidos, su discusión y finalmente las conclusiones a las que se ha llegado tras la ejecución de la investigación, con la que se pretende comprobar si, como se piensa, las actitudes inciden en el rendimiento académico de los estudiantes en el contexto de la asignatura Fundamentos de Administración.
3. Metodología
3.1 Participantes
La muestra con la que se llevó a cabo el estudio estuvo compuesta por 93 jóvenes (58 mujeres, 62.36% y 35 hombres, 37.64%), los cuales se encontraban matriculados en
primer año de distintas carreras: Licenciatura
en Administración (LA), Contador Público (CP) y Licenciatura en Economía (LE), que se imparten en la
Facultad de Ciencias Económicas (FCE), campus Resistencia, de la Universidad Nacional del
Nordeste (UNNE). La edad media de los estudiantes
que respondieron los ítems de la encuesta fue de 20.93 años, con una deviación
estándar de 4.67.
La muestra fue generada de manera
aleatoria, en razón de que los alumnos que estaban matriculados en los
regímenes de cursado: a) promocional (P) y b) pruebas parciales y final oral (PPyFO), ambas modalidades presenciales, fueron invitados a responder la encuesta sobre actitudes hacia FA, a la
que podían acceder por medio de un enlace al programa Google Forms.
3.2 Procedimiento
Luego de establecer las características del grupo de estudiantes que
formarían parte de la investigación (regímenes de cursado P
y PPyFO), se les informó, a través de distintos medios
electrónicos de comunicación, que podían completar el cuestionario sobre actitudes hacia FA con total
libertad, tranquilidad y seguridad, ya que los resultados de las encuestas
serían utilizados en forma global para llevar adelante el desarrollo de un
estudio científico. También se les recordó la importancia de responder sinceramente a los
distintos ítems planteados y
que su participación en el evento era una decisión absolutamente voluntaria.
Como fuera anticipado, la aplicación del cuestionario se realizó por
medio de un enlace al programa Google Forms y fue
supervisada por los integrantes de este equipo de trabajo. Concluida la
tarea de campo y el ordenamiento de la información obtenida, se procedió a la construcción de la matriz de datos en formato
electrónico (en este primer ordenamiento se utilizó el programa MS Excel), así
como a su posterior control estadístico general para lo cual se empleó el
paquete IBM SPSS 26 (George y Mallery, 2020).
3.3 Diseño
Según se sabe, los criterios de clasificación no son mutuamente
excluyentes y, en algunos casos, lo mismo sucede con las categorías
metodológicas dentro de un mismo criterio. En la Tabla 1, se detalla el diseño
con el que se identifica este trabajo.
|
Criterios |
Métodos |
|
Dado que el estudio está basado en las respuestas que
se brindan al tema objeto de consulta
tal como se presenta en su
contexto real y en una única instancia. |
No experimental Transversal |
|
Teniendo presente el objetivo que
se pretende conseguir y el modo de reunir la información para lograrlo. |
Explicativo Encuesta |
|
En atención a
las características del instrumento de medición que se aplica. |
Cuestionario |
|
Si se tiene en
cuenta el marco de recogida de los datos y la forma en que se analizan. |
De campo Cuantitativa |
|
Debido al interés por estudiar las asociaciones entre las
variables que participan y la manera de relacionarlas mediante el modelado
estadístico. |
Correlacional Funcional |
Tabla
1. Diseño de investigación utilizado. Elaboración
propia.
3.4 Instrumentos
Con el objeto de reunir los datos de las variables explicativas (fuentes de
información primaria), se utilizó el instrumento “Cuestionario
sobre actitudes hacia FA” (ver Anexo),
que fue diseñado especialmente para este estudio. El mismo se encuentra conformado por 8 ítems
en total, de los cuales 2 enunciados tienen que ver con el componente
afectividad −conjunto de sentimientos,
emociones y pasiones de una persona− (ítems 1 y 4), otras 3 preguntas incluyen temas vinculados con la
dimensión habilidad −capacidad y disposición
para algo− (ítems 2,
5 y 7) y, las 3 consultas restantes se hallan relacionadas con cuestiones de
aplicabilidad –condición de aplicable; es decir, aquello que debe o puede aplicarse− (ítems 3, 6 y 8), de los temas estudiados
en el marco de FA.
Para
las respuestas a los ítems del instrumento de medida se utilizó una escala de
tipo Likert, en la que se disponía de 5
opciones que iban desde Totalmente en desacuerdo (1 punto) hasta Totalmente de
acuerdo (5 puntos). Los alumnos debían seleccionar aquella cualidad/valoración que entendieran como la más adecuada
al planteo que en cada caso se les presentaba.
Respecto de la revisión cualitativa de
los ítems del cuestionario ad hoc, se indica que la misma fue efectuada por un panel de académicos de las
áreas de Administración y Estadística de la FCE-UNNE, en cuanto a dos aspectos:
a) pertinencia del contenido de los ítems propuestos (indicadores subjetivos de validez), y b) conformación del
cuestionario en su conjunto (indicadores
de la validez factorial o estructural), habiendo resultado favorable la
evaluación de ambas características.
Los análisis realizados en la línea de validez cualitativa (juicio de
expertos y grado de acuerdo) resultaron verdaderamente valiosos, puesto que
permitieron: a) reconocer que la prueba era capaz de medir lo que realmente se pretendía evaluar, b) acreditar una estructura integrada por
las tres dimensiones o componentes inicialmente hipotetizadas, y c) minimizar
los márgenes de error del cuestionario al momento de su utilización.
Una vez aplicado el cuestionario
y elaborara la base electrónica de datos,
se realizaron análisis estadísticos descriptivos (ítems, puntuación, media −M− y desviación estándar −DE−),
así como estudios del área de la psicometría. Los análisis psicométricos se
efectuaron con el objeto de estimar la consistencia interna mediante los
coeficientes alfa
(α) de Cronbach
(Cronbach, 1951) y omega (ω) de McDonald
(McDonald, 1970), junto con sus respectivos intervalos de confianza al 95%
(límite inferior −LI− y límite superior −LS−).
La consistencia interna, es una medida de mucha utilidad;
puesto que, además de permitir ponderar la fiabilidad (cuantía en que las medidas de las pruebas están libres
de errores casuales o aleatorios) de las dimensiones del instrumento utilizado (ver Tabla 2), es considerada un indicador indirecto de la validez de constructo de la
prueba y actualmente, en estudios del área de Ciencias Sociales, entre otras,
se evalúa a través de los coeficientes α y ω. El primero por ser un estadístico
tradicional y el segundo con la intención de atenuar la utilización inadecuada
del coeficiente α debido a posibles incumplimientos de sus supuestos
paramétricos. Si bien, ambos coeficientes son conceptualmente semejantes, ω es más robusto y
apropiado para estimar la consistencia interna cuando las respuestas a los
ítems propuestos están planteadas a través de opciones valoradas en forma
ordinal, como sucede en el cuestionario aplicado en esta investigación.
Respecto de la estimación puntual
de los coeficientes α y ω, se puede señalar que todos se encuentran por encima del valor 0.60,
considerado suficiente en primeras fases de la investigación o
estudios exploratorios (Huh et al., 2006; Nunnally,
1978), así como aceptable en instrumentos de medida con menos de 10 ítems (Loewenthal, 1996). Los valores de α y ω fueron calculados mediante el paquete
JASP Team (2022).
|
Dimensión |
Descriptivos |
Fiabilidad |
||||||||
|
Ítems |
Puntuación |
M |
DE |
α |
IC al 95% LI LS |
ω |
IC al 95% LI LS |
|||
|
Afectividad |
2 |
Mín. = 1.00 Máx. = 5.00 |
3.20 |
1.12 |
0.70 |
0.55 |
0.81 |
0.70 |
0.54 |
0.82 |
|
Habilidad |
3 |
Mín. = 1.67 Máx. = 5.00 |
3.63 |
0.84 |
0.79 |
0.70 |
0.86 |
0.80 |
0.72 |
0.87 |
|
Aplicabilidad |
3 |
Mín. = 2.00 Máx. = 5.00 |
4.32 |
0.58 |
0.62 |
0.45 |
0.75 |
0.64 |
0.47 |
0.79 |
Tabla 2. Estadísticos descriptivos y de fiabilidad de las
dimensiones. Elaboración propia.
En líneas generales, en
virtud de la revisión cualitativa y del análisis de fiabilidad basado en
las estimaciones obtenidas de los coeficientes α y ω, puede afirmarse que las pruebas analizadas poseen un desempeño psicométrico
adecuado en el contexto de esta investigación.
Los datos de la variable por modelar estuvieron
conformados por las notas finales alcanzadas por los alumnos encuestados en sus
respectivos regímenes (P y PPyFO) y modalidad (presencial) de
cursado de la asignatura FA. Esta variable es de tipo continua, originalmente sus valores oscilan entre 1
(uno) y 10 (diez) puntos; sin embargo, al momento de aplicar la técnica
análisis discriminante las notas fueron recodificadas como 0 (valores ≥ 6) y 1
(valores < 6).
3.5 Análisis de datos
A efectos
de lograr el objetivo central de esta investigación se implementaron estudios
cuantitativos que pertenecen al área de la estadística multivariante. En
particular, en el contexto de las técnicas explicativas o de dependencia, como
fuera anticipado, se ha elegido el análisis discriminante.
Mediante
la aplicación de esta técnica, se pretende analizar si las variables
independientes (actitudinales) que participan en este estudio contribuyen a
discriminar o clasificar a los sujetos de la muestra en los dos grupos
establecidos de antemano (aprobados y desaprobados) en la variable dependiente
(rendimiento en FA). La expresión funcional del análisis discriminante que
permite diferenciar los datos es la que se observa en la ecuación (1):
D = β0
+ β1X1 + β2X2 + . . . + βiXi + . . . + βpXp (1)
Esta función discriminante se utiliza en caso de que
los coeficientes que se obtengan (βi), luego de analizar los datos, sean no estandarizados. De lo contrario
(coeficientes estandarizados), debe emplearse una expresión similar a la
ecuación (1), pero sin el término constante (β0).
Los
supuestos previos del análisis discriminante son los mismos que los del
análisis de regresión múltiple. En especial, debe cumplirse que la distribución
de las variables independientes sea normal multivariante. No obstante, existe clara evidencia, tanto matemática como empírica, de
que las pruebas con una sola variable dependiente son altamente robustas bajo la
violación de los principios de normalidad y homocedasticidad, excepto cuando las muestras son muy
pequeñas y desiguales. En el análisis multivariante, sostiene Harris (2001), la
tendencia está en considerar que en muestras grandes (superiores a 30
observaciones) sus métodos son lo suficientemente robustos como para ser
insensibles a ligeras desviaciones de los supuestos estadísticos. Este hecho, permite que las
técnicas que poseen esta característica sean menos restrictivas a la hora de
pensar en su posible aplicación, lo que es importante cuando los estudios
cuantitativos van a ser realizados a partir de observaciones que provienen de
la realidad, como ocurre en esta investigación.
4. Desarrollo
La lectura e interpretación de los resultados
constituyen una parte fundamental de la fase cuantitativa de esta investigación.
En primer lugar, se observa el análisis de la varianza para las tres variables
independientes del modelo que será propuesto, los valores se muestran en la Tabla
3. En ella se encuentran los estadísticos lambda (λ) de Wilks y F de Fisher, así como su grado de significación
(valor p), a través del cual fue posible contrastar la hipótesis nula de
igualdad de medias entre los grupos de la variable rendimiento académico en FA.
Se puede ver que para un nivel de significación
α = 0.05, las tres variables independientes analizadas (dimensiones del cuestionario
aplicado) permiten rechazar la hipótesis nula.
Cada una de ellas indica que existe diferencia significativa entre los dos
grupos de alumnos (aprobados
y desaprobados) que forman parte de la muestra (en
todos los casos el estadístico F tiene asociado un valor p < 0.05).
|
Variable |
λ |
F |
Valor p |
|
Afectividad |
0.97 |
03.10 |
0.04 |
|
Habilidad |
0.89 |
11.21 |
0.00 |
|
Aplicabilidad |
0.95 |
04.72 |
0.03 |
Tabla 3. Prueba de igualdad de medias entre grupos. Elaboración
propia.
En
el test de homocedasticidad del modelo se utilizó el estadístico M de
Box = 3.11, a efectos de contrastar la hipótesis nula de que las matrices de
covarianzas para cada grupo de la variable dependiente proceden de la misma
población. En este caso, con una F = 0.46 y un valor p = 0.84, es claro que no
existen evidencias suficientes para rechazar la hipótesis nula, por lo cual se
concluye que ambos grupos de alumnos (aprobados y desaprobados) presentan la
misma variabilidad, uno de los supuestos en los que se fundamenta la técnica,
junto con la independencia de las observaciones y la normalidad multivariante
de las variables discriminantes.
La prueba λ de Wilks permite determinar si el modelo que se propone es
válido (contraste de significación global). Para ello se calculó λ = 0.86 y su
valor transformado χ2 = 13.27, que tiene asociado un grado de significación o valor p = 0.00, por lo que se puede
rechazar la hipótesis nula de que los grupos comparados tienen promedios iguales
en el conjunto de las tres variables discriminantes. Se puede asumir,
con un nivel de confianza del 99%, que el modelo posee validez estadística,
debido a que el valor p resultó menor que 0.01.
Los estadísticos M de
Box y λ de Wilks, fueron convertidos en valores que
siguen distribuciones F de Fisher y χ2 de Pearson, respectivamente,
con el objeto de llevar a cabo la prueba de hipótesis relativa a cada uno de
ellos (M carecen de distribución muestral conocida y λ,
si bien se conoce su distribución
de probabilidad, en la práctica se utilizan aproximaciones para simplificar el
análisis y hacer inferencias más sencillamente).
La Tabla 4 contiene
una versión estandarizada (cada una de las variables clasificadoras poseen Media
= 0 y Desviación estándar = 1) de los coeficientes de la función canónica
discriminante. Estos coeficientes tienen la
característica de ser independientes de la métrica original de las variables
predictoras, lo cual evita que haya problemas de interpretación que pueden
presentarse en caso de que los ítems o reactivos posean distinta escala de
medida.
La magnitud de los
coeficientes estandarizados es un indicador de la importancia que tiene cada
variable en el cálculo de la función discriminante. En este sentido, se observa
que la variable habilidad tiene una influencia superior (β2 = 0.81) a la ejercida
por las demás variables independientes, a la hora de explicar o predecir el
grupo de pertenencia de los estudiantes (Aprobados –A–, Desaprobados –D–).
|
Variable |
V1 = Afectividad |
V2 = Habilidad |
V3 = Aplicabilidad |
|
Magnitud |
β1 = 0.28 |
β2 = 0.81 |
β3 = 0.29 |
Tabla 4. Coeficientes
estandarizados de la función canónica discriminante. Elaboración propia.
El signo positivo del
coeficiente de las variables discriminantes V1, V2 y V3,
significa que los alumnos con buen rendimiento académico han optado por
seleccionar valores medios o altos a la hora de responder los ítems que
respectivamente conforman cada una de estas dimensiones.
A partir de (1) y
utilizando los coeficientes que aparecen en la Tabla 4, la función
discriminante estandarizada para el presente estudio es la que se aprecia en
(2):
DA-D = 0.28 V1 + 0.81 V2 + 0.29 V3
(2)
En
la Tabla 5 se observa, para las tres variables independientes, la media por
separado para el grupo de aprobados, n1 = 82, y desaprobados, n2
= 11, así como la magnitud de los coeficientes no
estandarizados (se
calculan a partir de las puntuaciones reales de las variables clasificadoras) de la función discriminante (modelo propuesto).
|
Variable |
V1 = Afectividad |
V2 = Habilidad |
V3 = Aplicabilidad |
|
Aprobados |
3.28 |
3.74 |
4.37 |
|
Desaprobados |
2.68 |
2.87 |
3.96 |
|
Magnitud |
β1 = 0.27 |
β2 = 1.03 |
β3 = 0.50 |
Tabla 5. Valores medios y coeficientes no estandarizados
del modelo. Elaboración propia.
En caso de utilizar los coeficientes no estandarizados, la función
discriminante resultará como se muestra en (3) (advertir la presencia del término constante β0 = –6.71):
DA-D = –6.71 + 0.27 V1 + 1.03 V2 + 0.50 V3 (3)
Si se evalúa (3) en
los valores medio de cada variable explicativa (ver Tabla 5) en los grupos A y
D (definidos a priori en la variable rendimiento académico), dará la posibilidad
de obtener la ubicación de los respectivos centroides (cabe señalar que el
programa SPSS brinda estos valores, aunque igualmente se realiza la aplicación
a efectos de mostrar esta interesante utilidad que poseen los coeficientes no
estandarizados del modelo discriminante).
DA = –6.71 + 0.27×3.28 + 1.03×3.74 + 0.50×4.37 = 0.21 (4)
DD = –6.71 + 0.27×2.68
+ 1.03×2.87 + 0.50×3.96 = –1.05 (5)
Se
observa que para el grupo de alumnos aprobados se obtiene, en promedio, una
puntuación positiva en la función discriminante (DA = 0.21). En cambio, en el grupo de
estudiantes desaprobados, se obtiene una puntuación media negativa (DD
= −1.05).
Los centroides –puntuaciones medias de cada grupo a través de (3)– resultan de gran utilidad para interpretar los valores de la función discriminante.
Así, por ejemplo, si se desconociera el rendimiento académico de un alumno,
pero se dispone de los datos de las variables independientes, se podría calcular
la puntuación discriminante por medio de (3) (finalidad predictiva del modelo
discriminante). Posteriormente, a partir del valor que se obtenga, se
procedería a clasificar o asignar el individuo al grupo de cuyo centroide se
encuentre más próximo.
Si bien hasta el momento se ha logrado obtener el modelo discriminante,
ecuación (3), así como identificar cuáles son las variables que poseen más
poder (de
mayor a menor sería: habilidad, aplicabilidad, afectividad) para explicar el grupo de pertenencia
de los individuos, ecuación (2); la mayor utilidad de una función discriminante
radica en su capacidad para clasificar nuevos casos.
En efecto, luego de
obtener la función discriminante (3) y calcular los centroides, se podría
emplearla para efectuar una clasificación de los mismos casos utilizados para
estimar los coeficientes de la función (rol explicativo del modelo
discriminante).
Así pues, con el propósito
de contrastar el grado de eficacia de la función canónica discriminante desde
el punto de vista de la clasificación, se presenta la Tabla 6.
En ella es posible distinguir el número de sujetos correcta e incorrectamente clasificados mediante
el procedimiento previamente descrito. La regla de clasificación que ofrece
SPSS discrimina sin error 79 estudiantes (70 aprobados y 9 desaprobados, se
encuentran sobre la diagonal principal de la tabla), que sobre el total de 93
sujetos representa el 84.95%.
|
Rendimiento académico en
FA |
Aprobados |
Desaprobados |
Total |
|
Aprobados |
70 (85.37 %) |
12 (14.63 %) |
82 (100.00
%) |
|
Desaprobados |
02 (18.18 %) |
09 (81.82 %) |
11 (100.00 %) |
Tabla 6. Resultados de la clasificación. Elaboración
propia.
Se puede sostener, en
virtud de los valores logrados, que el procedimiento en su conjunto (función discriminante
+ regla de clasificación) posee una eficacia aceptable, motivo por el cual se
considera que el diseño metodológico implementado ha sido adecuado y produjo
los resultados esperados.
5. Conclusiones
En
atención a los resultados alcanzados, se puede señalar que la técnica
estadística aplicada ha permitido lograr el objetivo planteado; esto es,
proponer un modelo con capacidad razonable para discriminar cuándo los sujetos
deben pertenecer a un grupo o al otro (aprobados y desaprobados, definidos a
priori por medio de la variable dependiente), en función de un conjunto de
variables explicativas, que recogían datos de tres dimensiones del constructo
actitud.
En efecto, los resultados expuestos en la sección anterior dejan
en evidencia que las variables V1 = Afectividad, V2 = Habilidad,
y V3 = Aplicabilidad, tanto en forma individual como en conjunto, son de
utilidad para discriminar entre las medias de los grupos de la variable
dependiente. La contribución que cada una de ellas realizada, a efectos de
diferenciar entre aprobados y desaprobados, es diferente; en este sentido, la
dimensión que más aporta es V2; es decir, la capacidad y disposición que tiene el
estudiante para el estudio de los contenidos de la asignatura FA.
Los coeficientes
no estandarizados de las variables V2, V3 y V1, son los que, en sentido directo y en el orden
indicado (de mayor a menor), más importancia tienen en el cálculo de la función
discriminante (3). El signo positivo que cada uno posee significa que aquellos
estudiantes con buen rendimiento en la asignatura FA eligieron valores medios o
altos (3, 4 o 5) a la hora de puntuar los ítems o reactivos del cuestionario
aplicado (ver Anexo). Evidentemente, las actitudes favorables hacia FA contribuyen en el logro de un mejor
desempeño académico de los estudiantes.
Como fuera anticipado, la ecuación (3) tiene el valor
agregado de su utilidad para ayudarnos a conocer el rendimiento académico de cualquier
estudiante de FA, ya que luego de aplicar el cuestionario, se calculan las
puntuaciones para cada una de las dimensiones y se procede a estimar el valor
de la función discriminante. El número que resulte, luego de compararlo con los
centroides (Aprobado = 0.21, Desaprobado = –1.05), será de utilidad para determinar,
según la proximidad a uno u otro valor, si el alumno en cuestión deberá ser
clasificado en el grupo de jóvenes con buenos (aprobados) o bajos rendimientos
(desaprobados).
Todas
las variables explicativas fueron contrastadas empíricamente, a través de los
estadísticos F de Fisher (análisis individual) y χ2 de Pearson
(contraste global), resultando ambos significativos a efectos de explicar o
predecir los resultados académicos en el contexto de este estudio.
Es necesario tener presente que los
datos con los que se llevó a cabo esta investigación pertenecen a estudiantes
matriculados en una materia determinada (FA) que integra el plan de estudio de
ciertas carreras (LA, CP, LE), que se ofrecen en un centro académico específico
(FCE-UNNE). Debido a ello, resulta necesario ser muy cuidadosos a la hora de
extender o extrapolar los resultados y conclusiones logradas a otras
poblaciones educativas no representadas en la muestra que permitió implementar
este estudio.
No obstante, el trabajo desarrollado
puede servir de referencia para ser replicado en muestras de estudiantes de
ciencias económicas y empresariales, de poblaciones regionales, con el
propósito de observar si es posible: a) ampliar los resultados obtenidos, y b) contrastar
la validez externa del cuestionario utilizado.
Finalmente, se considera que la
metodología implementada y la aplicación de la técnica análisis discriminante
fueron decisiones razonables y un paso adelante en el estudio de la temática
abordada (actitud y rendimiento).
Se anhela que esta investigación represente un aporte a la comunidad académica y científica interesada en el
tema objeto de estudio, una cuestión de interés a la hora de implementar decisiones en el ámbito de la
planificación y gestión educativa.
6. Referencias
Alemany, I. y Lara,
A. I. (2010). Las actitudes hacia las matemáticas en el alumnado de ESO: un
instrumento para su medición. Publicaciones, 40, 49-71.
Alvarado, D. A. (2018). Los factores clave y de impacto en el rendimiento académico de los estudiantes de la carrera de administración de empresas. [Trabajo final de licenciatura, Universidad Mayor de San Andrés]. https://n9.cl/zupr5
Berliner, D. C. y Calfee, R. C. (eds.) (1996). Handbook of educational psychology. Simon and Schuster.
Cronbach,
L. J. (1951). Coefficient
alpha and the internal structure of tests. Psychometrika, 16,
297-334.
Doménech,
F., Jara, P. y Rosel, J. (2004). Percepción del proceso de
enseñanza/aprendizaje desarrollado en Psicoestadística
I y su incidencia en el rendimiento. Psicothema,
16(1), 32-38.
Esparza, F., Sánchez, R., Esparza, S., Esparza, E.
y Villacrés, A. (2020). Factores de rendimiento académico en estudiantes
universitarios, componentes de calidad de la educación superior. Estudio de
caso Facultad de Administración de Empresas, Escuela Superior Politécnica de
Chimborazo. Revista Innovaciones Educativas, 22(33), 1-16.
George, D. y Mallery, P. (2020). IBM SPSS Statistics 26
Step by Step (16th ed.). Routledge.
González-Pienda, J. A.,
Núñez, J. C., Álvarez, L., Roces, C., González-Pumariega,
S., González, P., Muñiz, R., Valle, A., Cabanach, R.
G., Rodríguez, S. y Bernardo, A. (2003). Adaptabilidad y cohesión familiar, implicación parental en
conductas autorregulatorias, autoconcepto del estudiante y rendimiento
académico. Psicothema, 15(3), 471-477.
Harris, R. J. (2001). A Primer of Multivariate Statistics (3rd ed.). Psychology Press.
Herrero, M. E., Nieto, S., Rodríguez, M. J. y Sánchez, M. C. (1999). Factores implicados en el rendimiento académico de los alumnos de la Universidad de Salamanca. Revista de Investigación Educativa, 17(2), 413-421.
Huh, J., Delorme,
D. E.
y Reid, L. N. (2006). Perceived third-person effects and consumer attitudes on preventing and
banning DTC advertising. Journal of Consumer Affairs, 40, 90.
JASP Team (2022). JASP (Version 0.16.4) [Computer software]. https://jasp-stats.org/
Kassarnig, V., Mones, E., Bjerre-Nielsen, A., Sapiezynski,
P., Dreyer Lassen, D. y Lehmann, S. (2018). Academic performance and
behavioral patterns. EPJ Data Science, 7(10), 1-16.
Loewenthal, K. M. (1996). An introduction to psychological tests and scales. UCL Press Limited.
Mondragón, C. M.,
Cardoso, D. y Bobadilla, S. (2017). Hábitos de estudio y rendimiento académico.
Caso estudiantes de la licenciatura en Administración de la Unidad Académica
Profesional Tejupilco, 2016. Revista Iberoamericana para la Investigación y
el Desarrollo Educativo, 8(15), 1-25.
Mato, M. D.
(2006). Diseño y validación de dos cuestionarios para evaluar las
actitudes y la ansiedad hacia las matemáticas en alumnos de educación
secundaria obligatoria. [Tesis doctoral, Universidade da Coruña]. https://ruc.udc.es/dspace/handle/2183/12688
McDonald,
R. P. (1970). Theoretical
foundations of principal factor analysis, canonical factor analysis, and alpha
factor analysis. British Journal of
Mathematical and Statistical Psychology, 23(1),1-21.
Nunnally, J. C. (1978). Psychometric Theory
(2nd ed.). McGraw-Hill.
Tomás, J. V.,
Expósito, M. y Sempere, S. (2014). Determinantes del rendimiento académico en
los estudiantes de grado. Un estudio en administración y dirección de empresas.
Revista de Investigación Educativa, 32(2), 379-392.
Santos, M. V. y Vallelado, E. (2013). Algunas dimensiones relacionadas con
el rendimiento académico de estudiantes de Administración y Dirección de
Empresas. Universitas Psychologica,
12(3), 739-752.
Schnitzler,
K., Holzberger, D. y Seidel, T. (2021). All better than being
disengaged: Student engagement patterns and their relations to academic
self-concept and achievement. European Journal of Psychology of Education,
36(3), 627-652.
Uriel, E. y Aldás, J. (2005): Análisis
Multivariante Aplicado.
Thomson.
Zabalza, M.
(1994). Evaluación de actitudes y valores. Evaluación del aprendizaje de
los estudiantes. Grao.
7. Anexo
Cuestionario
sobre actitudes hacia Fundamentos de Administración (FA)
|
1- La asignatura FA fue mi favorita entre las que he cursado. |
1 |
2 |
3 |
4 |
5 |
|
2- FA es una asignatura que pude entenderla fácilmente. |
1 |
2 |
3 |
4 |
5 |
|
3- El aprendizaje de FA fue útil para enseñarme a pensar. |
1 |
2 |
3 |
4 |
5 |
|
4- Prefiero estudiar FA en lugar de cualquier otra
materia. |
1 |
2 |
3 |
4 |
5 |
|
5- FA
es una asignatura a la que no fue necesario dedicarle mucho tiempo de
estudio. |
1 |
2 |
3 |
4 |
5 |
|
6- Los contenidos de FA me resultarán útiles para el
ejercicio de mi profesión futura. |
1 |
2 |
3 |
4 |
5 |
|
7- FA fue una asignatura sencilla para mí. |
1 |
2 |
3 |
4 |
5 |
|
8- Los casos planteados en FA me resultaron fáciles de
comprender y resolver. |
1 |
2 |
3 |
4 |
5 |
Respuestas: Desde 1 (Totalmente en desacuerdo) hasta 5 (Totalmente de acuerdo)