Abstract
El rendimiento académico del estudiante refleja el desarrollo de su proceso de formación; es común evaluar el desempeño de los estudiantes en varios tipos de evaluaciones y reflejarlos en una escala de puntuación conocida como calificaciones. De las 105 variables con mayor nivel de asociación con el rendimiento académico, se destacan la Autoeficacia en el desempeño y las estrategias cognitivas. El objetivo de la presente investigación fue verificar la relación entre estas variables con el análisis de modelos de ecuaciones estructurales. De PISA 2018 en México se seleccionó una submuestra de 1,258 participantes de preparatoria. Se encontró un efecto directo de las Estrategias Cognitivas sobre el Rendimiento Académico, un efecto directo de la Autoeficacia en Lectura sobre las Estrategias Cognitivas, ningún efecto directo de la Autoeficacia en Lectura sobre el Rendimiento Académico y un efecto indirecto de la Autoeficacia en Lectura sobre el Rendimiento Académico a través de Estrategias Cognitivas. Cada país tiene características particulares dentro de su sistema educativo, las diferencias en la contribución que cada una de las variables tiene en el Rendimiento Académico es prueba de ello, si bien ambas variables son consideradas importantes por la evidencia generada, se puede observar en esta submuestra mexicana que, la Autoeficacia en Lectura es un elemento que sirve como predisposición para el uso adecuado de las Estrategias Cognitivas, es así como la Autoeficacia logra tener un efecto en el Rendimiento.
Publisher
Corporacion Universitaria Iberoamericana
Reference22 articles.
1. Acock, A. (2013). Discovering Structural Equation Modeling Using Stata (Revised Ed). Stata Press. https://www.stata.com/bookstore/discovering-structural-equation-modeling-using-stata/
2. Amadu, A. y Alhaji, D. (2018). Hábitos de estudio y rendimiento académico entre estudiantes de la Facultad de Educación Umar Suleiman, Gashua, Estado de Yobe, Nigeria. Revista Internacional de Humanidades y Estudios Sociales , 3 (1), 187–195. https://doi.org/10.24940/theijhss/2020/v8/i10/hs2010-054
3. Carter, RL (2006). Soluciones para datos faltantes en el modelado de ecuaciones estructurales. Investigación y práctica en evaluación , 1 , 4–7. https://files.eric.ed.gov/fulltext/EJ1062693.pdf
4. Cerna, M. A., & Pavliushchenko, K. (2015). Influence of Study Habits on Academic Performance of International College Students in Shanghai. Higher Education Studies, 5(4), 42–55. https://doi.org/10.5539/hes.v5n4p42
5. Grasso, P. (2020). Rendimiento académico : un recorrido conceptual que aproxima a una definición unificada para el ámbito superior. Revista de Educación, 11(20), 87–102. https://fh.mdp.edu.ar/revistas/index.php/r_educ/article/view/4165/4128