Relaciones e influencia de los factores afectivos, cognitivos y sociodemográficos en el rendimiento escolar en matemáticas

Autores/as

Hirrael Hilario Santana

Ministerio de Educación de la República Dominicana

[email protected]

https://orcid.org/0000-0003-2140-156X

Resumen

En este trabajo de investigación se busca analizar la relación e influencia de los factores afectivos, cognitivos y sociodemográficos en el Rendimiento Académico en Matemáticas. Además, evaluar si existían diferencias entre los estudiantes del Programa de Jornada Escolar Extendida y Jornada Regular, en los Distritos Educativos 05-01 y 05-02 del municipio de San Pedro de Macorís en estas variables. Se realizó un estudio correlacional causal comparativo y explicativo en el que participaron 300 estudiantes de nivel secundario, y se utilizaron los instrumentos Path Analysis y MANOVA. Los resultados arrojaron que los factores que más contribuyeron a la explicación del rendimiento fueron la variable cognitiva Inteligencia lógica y las Actitudes hacia las Matemáticas. De igual forma, se observó que los estudiantes que presentaban mejor nivel de inteligencia también tenían una actitud más favorable hacia el aprendizaje de Matemáticas. Por otro lado, se observó que los estudiantes de jornada extendida mostraron un nivel de motivación hacia las Matemáticas inferior al de los estudiantes de jornada regular, ya que estos expresaron una actitud más favorable hacia la escuela y perciben una actitud más positiva del docente de Matemáticas.

Palabras clave

correlación análisis de variancia análisis de factores actitud del estudiante actitud del docente enseñanza de las matemáticas rendimiento escolar matemáticas

Cómo citar

Santana, H. H. (2018). Relaciones e influencia de los factores afectivos, cognitivos y sociodemográficos en el rendimiento escolar en matemáticas. RECIE. Revista Caribeña De Investigación Educativa, 2(2), 7–25. https://doi.org/10.32541/recie.2018.v2i2.pp7-25

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Citas

American Educational Research Association, American Psychological Association, & National Council of Measurement in Education. (2014). Standards for educational and psychological testing. Washington, DC: American Educational Research Association.

Asante, K. O. (2012). Secondary students’ attitudes towards mathematics. Ife Psychologia, 20(1), 121-133.

Baltra San Martin, M. T. (2010). Perfiles de desempeño en Matemática, según habilidad cognitiva por nivel socioeconómico en estudiantes chilenos de enseñanza municipal. Revista Electrónica de Investigación Educativa, 12(1), 1-17.

Barkl, S. P., Porter, A., & Ginns, P. (2012). Cognitive training for children: Effects on inductive reasoning, deductive reasoning, and mathematics achievement in an Australian school setting. Psychology in the Schools, 49(9), 828-842. https://doi.org/10.1002/pits.21638

Benken, B. M., Ramirez, J., Li, X., & Wetendorf, S. (2015). Developmental mathematics success: Impact of students’ knowledge and attitudes. Journal of Developmental Education, 38(2), 14-22.

Bravo Valdivieso, L. (2002). Inteligencia y rendimiento escolar. En M. L. Santander (Ed.), Psicología de las dificultades del aprendizaje escolar (pp. 127-147). Santiago de Chile: Universitaria.

Cerda, G., Flores, C., Melipillán, R., Ortega, R., & Pérez, C. (2011). Inteligencia lógica y rendimiento académico en Matemáticas: Un estudio con estudiantes de Educación Básica y Secundaria de Chile. Anales de Psicología, 27(2), 389-398.

Cerda, G., Romera, E. M., Casas, J. A., Pérez, C., & Ortega-Ruiz, R. (2017). Influencia de variables cognitivas y motivacionales en el rendimiento académico en Matemáticas en estudiantes chilenos. Educación XX1, 20(2), 365-385. https://doi.org/10.5944/educxx1.19052

Chaparro, A. A., González Barbera, C. & Caso Niebla, J. (2016). Familia y rendimiento académico: Configuración de perfiles estudiantiles en secundaria. Revista Electrónica de Investigación Educativa, 18(1), 53-68.

Creswell, J. W. (2007). Qualitative inquiry and research design: Choosing among five approaches. London: Sage.

Diez Palomar, J. & Estrada Roca, A. (2011). Las actitudes hacia las matemáticas: Análisis descriptivo de un estudio de caso exploratorio centrado en la educación matemática de familiares. Revista de Investigación en Educación, 9(2), 116-132. Recuperado de http://bit.ly/2zfRUfd

Difabio de Anglat, H. & Maris Vázquez, S. (2009). Academic achievement and formal thought in engineering students. Electronic Journal of Research in Educational Psychology, 7(18), 653-672.

Dowker, A., Bennett, K. & Smith, L. (2012). Attitudes to mathematics in primary school children. Child Development Research, 1, 1-8.

Gardner, H. (2008). Multiple intelligences: The mind and practice. México: Paidós.

González López, D. Y. (2015). Relación entre el rendimiento académico en matemáticas y variables afectivas y cognitivas en estudiantes preuniversitarios de la Universidad Católica Santo Toribio de Mogrovejo (Tesis doctoral). Universidad de Málaga, España.

Hemmings, B., Grootenboer, P. & Kay, R. (2011). Predicting mathematics achievement: The influence of prior achievement and attitudes. International Journal of Science & Mathematics Education, 9(3), 691-705.

Hinkle, D. E., Wiersma, W. & Jurs, S. G. (2003). Applied Statistics for the behavioral sciences. Boston, MA: Houghton Mifflin Company.

Instituto Dominicano de Evaluación e Investigación para la Calidad Educativa [IDEICE], Unidad de Seguimiento y Evaluación de la Política Educativa – USEPE (2017). Informe de Política Educativa de Jornada Escolar Extendida. (8). Recuperado de http://bit.ly/2DRz0yW

Khine, M. S., Al-Mutawah, M., & Afari, E. (2015). Determinants of Affective Factors in Mathematics Achievement: Structural Equation Modeling Approach. Journal of Studies in Education, 5(2), 199-211. https://doi.org/10.5296/jse.v5i2.7484

Kline, R. B. (2005). Principles and practice of structural equation modeling. New York: Guilford.

Lewis, G. (2013). Emotion and disaffection with school mathematics. Research in Mathematics Education, 15(1), 70-86. https://doi.org/10.1080/14794802.2012.756636

Liu, O. L. (2009). An investigation of factors affecting gender differences in standardized math performance: Results from U.S. and Hong Kong 15 years old. International Journal of Testing, 9(3), 215-237.

Mato, M. D. & De la Torre, E. (2010). Evaluación de las actitudes hacia las matemáticas y el rendimiento académico. Revista PNA, 5(1), 197-208.

Ministerio de Educación de la República Dominicana [MINERD], Dirección General de Evaluación de la Calidad. (2014). Informe Curricular de Pruebas Nacionales. Recuperado de http://bit.ly/2TvEhkm

Ministerio de Educación de la República Dominicana [MINERD], Dirección General de Evaluación de la Calidad. (2015). Informe Curricular de Pruebas Nacionales. Recuperado de http://bit.ly/2BovhXf

Ministerio de Educación de la República Dominicana [MINERD], Dirección General de Evaluación de la Calidad. (2016). Informe Curricular de Pruebas Nacionales. Recuperado de http://bit.ly/2FBojT0

Ministerio de Educación de la República Dominicana [MINERD], Dirección General de Evaluación de la Calidad. (2017). Informe de los resultados de las Pruebas Nacionales Primera Convocatoria. Recuperado de http://bit.ly/2Tusbs1

Ministerio de Educación de la República Dominicana [MINERD], Pacto Nacional para la Reforma Educativa en la Republica Dominicana (2014). Recuperado de http://bit.ly/2DQNWxh

Molina Lara, L. M., & Rada Arteaga, K. J. (2013). Relación entre el nivel de pensamiento formal y el rendimiento académico en matemáticas. Zona Próxima, 19, 63-72.

Nieto Martin, S. (2008). Hacia una teoría sobre el rendimiento académico en enseñanza primaria a partir de la investigación empírica. Teorieduc, 20, 249-274.

Organización para la Cooperación y el Desarrollo Económicos [OCDE], Programa Internacional para la Evaluación de Estudiantes. (2015). Informe Pisa. Resultados Claves. Recuperado de http://bit.ly/2OYmtLg

Ramírez Montoya, M. S., Valenzuela González, J. R., & Heredia Escorza, Y. (2012). La evaluación de la comprensión lectora y de las matemáticas en contexto: Implicaciones para la mejora de los procesos de enseñanza aprendizaje. Revista de Educación, 357(1), 491-514.

Rosas, E., Figueroa, F., Moya, J., & Bracho, N. (2014). Modelo estadístico para asociar variables del alumno con su rendimiento escolar. Revista Saber, 26(3), 226-234.

Ruiz, E., Ruiz, G., & Ruiz, J. (2010). Indicador global de rendimiento. Revista Iberoamericana de Educación, 52(4), 1-11. Recuperado de http://bit.ly/2QalQD1

Santana, H. H. (2018). Relaciones entre inteligencia lógica, actitudes, género, estatus socioeconómico y rendimiento en matemáticas en estudiantes de secundaria del municipio San Pedro de Macorís, República Dominicana (Tesis de Maestría). Universidad de Puerto Rico, Recinto Río Piedras. Puerto Rico.

Schumacker, R. E., & Lomax, R. G. (2010). A beginner’s guide to structural equation modeling. New York: Routledge.

SERCE (2008). Primer Reporte. Los aprendizajes de los estudiantes de América Latina y el Caribe. UNESCO. Recuperado de https://bit.ly/2OovMbk

Steiner, D. L. (2005). Finding our way: An introduction to path analysis. Research Methods in Psychiatry, 50(2), 115-122. Retrieved from http://bit.ly/2OWsiZA

Tapia, M., & Marsh, G. E. (2004). An instrument to measure mathematics attitudes. Academic Exchange Quarterly, 8(2), 16-21.

TERCE (2013). Primera Entrega de Resultados. Comparación de resultados del segundo y tercer estudio regional comparativo y explicativo. UNESCO.

Valeirón Ureña, J. L. (2014). La educación dominicana ante un gran reto. Revista de Investigación y Evaluación Educativa, 3(1), 38-56.

Wallen, N. E., & Fraenkel, J. R. (2001). Educational research: A guide to the process (2nd ed.). Mahwah, NJ: Lawrence Erlbaum Associates.

Weston, R., & Gore Jr, P. A., (2006). A brief guide to Structural Equation Modeling. The Counseling Psychologist, 34, 719-75. https://doi.org/10.1177/0011000006286345

Sección

Artículos