Grupo UTN GIESIN (Grupo de Investigación Educativa sobre Ingeniería)
Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/666
Browse
3 results
Search Results
Item Análisis discriminante para el modelado del rendimiento matemático en estudiantes de ingeniería(2021-10-18) Closas, Antonio Humberto; Arriola, Edgardo Alberto; Amarilla, Mariela Rosana; Jovanovich, Ethel CarinaLa determinación y el análisis de los aspectos que intervienen en el rendimiento de los estudiantes es una problemática compleja de abordar, en razón del número de variables que participan y de las interacciones que entre ellas pueden presentarse. En la región nordeste de Argentina, como en otras zonas de este país y de América Latina, debido principalmente a la escasa preparación que poseen los alumnos al llegar a la Universidad, sumado a la fragilidad que se observa en su orientación vocacional, poco tiempo después de ingresar, muchos de ellos abandonan los estudios o deciden cambiar de carrera. En atención a lo que antecede, el objetivo principal de este estudio consiste en elaborar mediante la técnica multivariada denominada análisis discriminante, un modelo que explique de qué manera se relacionan ciertas variables personales (autoconcepto académico y estrategias de aprendizaje) y contextuales (aspectos sociofamiliares y elementos del clima de clase) con el rendimiento académico de estudiantes universitarios, en el ´ámbito de una asignatura del ´área de Matemática. La variable dependiente del modelo fueron las calificaciones obtenidas por los estudiantes en el examen parcial de Análisis Matemático I realizado en junio de 2019. Si bien la evaluación de los conocimientos en un procedimiento verdaderamente complejo, hemos utilizado las mencionadas calificaciones por dos motivos: a) las ventajas que derivan del uso de criterios estandarizados (p. ej., fiabilidad, estabilidad y comparabilidad), y b) se consideraron un ratio representativo del aprendizaje producido por la interacción con los contenidos desarrollados, por cierto, hasta el momento de la instancia examinadora. La muestra estuvo compuesta por 142 jóvenes, con una media de 19.75 años (DE = 1.42), que en el año antes mencionado se encontraban matriculados en el primer curso de las carreras: Ingeniería en Sistemas de Información, Ingeniería Electromecánica e Ingeniería Química, que se desarrollan en la sede central de la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (Argentina). El diseño metodológico es inicialmente de naturaleza no experimental y, en segunda instancia, de tipo explicativo, debido al objetivo propuesto. Por la clase de información que se provee, el modo de reunirla y el marco donde se aplicaron las pruebas, el estudio es de estilo descriptivo mediante encuesta en trabajo de campo. En razón de cómo se miden y analizan los datos, es una investigación de línea cuantitativa. Debido a la instancia de recolección de la información, el trabajo es de corte transversal. Dado el interés por analizar las asociaciones entre las variables que participan, así como de proyectar recomendaciones que resulten viables y sustentables en el tiempo, el diseño es de perfil correlacional y prospectivo. En la fase empírica de la investigación, además de los análisis estadísticos que posibilitaron evaluar la confiabilidad de los instrumentos utilizados para medir las variables independientes, fue posible contrastar que el modelo discriminante estimado se ajusta a los datos muestrales y resultaría de utilidad para clasificar nuevos individuos en los grupos de pertenencia definidos a priori, siempre que se disponga de los valores en las variables independientes (finalidad predictiva de la ecuación que se propone), y que el proceso de enseñanza sea semejante al que se desarrollaba en el momento de aplicar las pruebas y recoger las observaciones. Finalmente, se plantean estrategias pedagógicas de mediación, tanto preventivas como correctivas, a partir de las causas (variables de tipo motivacional, cognitiva, sociológica y educativa) que, según los resultados de esta investigación, afectan el rendimiento en modo presencial de la población de estudiantes de la que deriva la muestra seleccionada.Item Rendimiento matemático y autoconcepto : un modelo explicativo(2018-10-25) Closas, Antonio Humberto; Arriola, Edgardo Alberto; Amarilla, Mariela Rosana; Jovanovich, Ethel CarinaEl objetivo principal de este estudio fue desarrollar un modelo de regresión logística que permita explicar de qué manera distintas áreas del constructo autoconcepto se relacionan con los resultados matemáticos. La muestra estuvo compuesta por 152 jóvenes, pertenecientes a la FRRe-UTN, con una media de 19.63 años (DE = 1.48). La investigación responde a un diseño explicativo, de estilo descriptivo mediante encuesta, de línea cuantitativa y de corte transversal. Se utilizó el test “Autoconcepto Forma 5”, conformado por 30 preguntas, organizadas en seis (6) ítems para cada una de las cinco (5) áreas consideradas (Académica, Social, Emocional, Familiar y Física). En la etapa empírica, los análisis estadísticos implementados, permitieron conocer ciertas características de las dimensiones de la prueba, los índices de consistencia interna de las diferentes áreas y del instrumento en su conjunto, así como determinar el modelo logístico que mejor se ajusta a los datos muestrales.Item Relaciones entre las actitudes hacia la matemática y el rendimiento académico en estudiantes de la FRRe-UTN(2015-10-15) Closas, Antonio Humberto; Arriola, Edgardo Alberto; Zening, Cristina Isabel; Amarilla, Mariela Rosana; Jovanovich, Ethel CarinaEl objetivo de este trabajo consiste en obtener un modelo de regresión lineal que permita explicar las relaciones existentes entre las actitudes hacia la Matemática y el rendimiento académico. La muestra seleccionada estuvo compuesta por jóvenes de primer año del curso lectivo 2014, pertenecientes a las tres carreras de Ingeniería que se imparten en la FRRe de la UTN. El estudio posee básicamente un diseño explicativo, de línea cuantitativa y de corte transversal. La aplicación de técnicas estadísticas multivariantes ha permitido determinar la ecuación de regresión que mejor describe la asociación entre la variable criterio (rendimiento matemático) y las variables predictoras (dimensiones de la prueba sobre actitudes hacia el estudio), con el fin de explicar y/o predecir la variabilidad de los resultados académicos, un fenómeno multicausal de especial relevancia a la hora de implementar decisiones en el ámbito de la planificación y gestión educativa