variables personales predictoras del rendimiento … · universidad de alicante facultad de...
TRANSCRIPT
VARIABLES PERSONALES PREDICTORAS DEL RENDIMIENTO ACADÉMICO.
UN MODELO CAUSAL
Alejandra Gisbert Ferràndiz
UNIVERSIDAD DE ALICANTE
FACULTAD DE EDUCACIÓN
Dep. PSICOLOGÍA EVOLUTIVA Y DIDÁCTICA
VARIABLES PERSONALES PREDICTORAS
DEL RENDIMIENTO ACADÉMICO.
UN MODELO CAUSAL.
TESIS DOCTORAL
PRESENTADA POR:
Dª. ALEJANDRA GISBERT FERRÀNDIZ
Licenciada en Psicopedagogía
DIRIGIDA POR:
Dr. D. ANTONIO MIGUEL PÉREZ SÁNCHEZ
Presentada para la obtención del grado de Doctora
2015
Agradecimientos:
A Antonio Miguel Pérez Sánchez, Director del trabajo,
por su tiempo, dedicación, consejo y apoyo sin el cual
no hubiese sido posible su realización.
A los directores, jefes de estudio y profesores-tutores
que permitieron la selección de la muestra, así como a
todos los alumnos que han participado en ella.
A la meua família (els qui estan i els qui no estan) que
han sigut el motor perquè estudiara, m’han animat en
tot moment a seguir endavant i m’han regalat temps
seu perquè jo realitzara aquest treball.
A ma mare que és un exemple d’esforç on guiar-se i a
mon pare perquè sé que esta és la seua il·lusió.
Y a todos los que de alguna manera han contribuido a
la realización de esta investigación.
Mi más sincero agradecimiento a todos.
Índice
I
ÍNDICE
I. REVISIÓN TEÓRICA
0. Introducción..........................................................................................................003
1. El rendimiento académico. ...................................................................................0091.1. Tipos. .......................................................................................................0171.2. La unidad de medida del rendimiento.......................................................021
2. Variables personales............................................................................................0252.1. Inteligencia. ..............................................................................................027
2.1.1. Teorías sobre la inteligencia. ..........................................................0292.1.1.1. Enfoque psicométrico.......................................................0292.1.1.2. Enfoque cognitivo.............................................................038
2.1.2. Determinantes de la inteligencia.....................................................0462.1.3. Medida de la inteligencia. ...............................................................0492.1.4. Rendimiento académico e inteligencia............................................057
2.2. Motivación. ...............................................................................................0632.2.1. Teorías de la motivación.................................................................064
2.2.1.1. Modelos humanistas. .......................................................0672.2.1.2. Modelos cognitivos...........................................................073
2.2.2. Motivación y rendimiento académico. .............................................0902.3. Autoconcepto. ..........................................................................................099
2.3.1. Modelo jerárquico del autoconcepto. ..............................................1002.3.2. Los ‘otros significativos’ en la formación del autoconcepto. ............1052.3.3. Autoconcepto académico. ..............................................................1062.3.4. Autoconcepto y rendimiento académico. ........................................109
2.4. Personalidad. ...........................................................................................1152.4.1. Teorías de la personalidad. ............................................................119
2.4.1.1. Teorías de los rasgos.......................................................1262.4.2. Rendimiento académico y personalidad. ........................................133
2.5. Género. ....................................................................................................1412.5.1. Diferencias de género.....................................................................1422.5.2. Género y rendimiento académico. ..................................................147
3. Estatus sociométrico, variable socio-ambiental. ...................................................1533.1. Rendimiento académico y estatus/tipo sociométrico. ...............................165
4. Conclusiones........................................................................................................173
Variables personales predictoras del RA.
II
II. ESTUDIO EMPÍRICO
1. Objetivos e hipótesis. ...........................................................................................1811.1. Objetivos. .................................................................................................1831.2. Hipótesis. .................................................................................................185
2. Método. ................................................................................................................1932.1. Participantes. ...........................................................................................197
2.1.1. Entorno socioeconómico y cultural. ................................................1982.2. Instrumentos. ...........................................................................................201
2.2.1. Test de factor ‘g’, escala 2. .............................................................2012.2.2. Test sociométrico. ..........................................................................2022.2.3. Cuestionario de motivación hacia el aprendizaje. MAPE-I. .............2052.2.4. Cuestionario de estilos atributivos y motivación. EAT. ....................2072.2.5. Cuestionario de autoconcepto. SDQ-I. ...........................................2082.2.6. Cuestionario “Big-Five” de personalidad. BFQ-NA..........................2092.2.7. Calificaciones académicas de los alumnos.....................................210
2.3. Variables. .................................................................................................2132.4. Proceso. ...................................................................................................217
3. Resultados. ..........................................................................................................2213.1. Variables categóricas y rendimiento académico. ......................................225
3.1.1. Género y tipos sociométricos..........................................................2253.1.2. Género y rendimiento académico. ..................................................2273.1.3. Rendimiento académico y tipos sociométricos................................229
3.2. Análisis de las variables. ..........................................................................2313.2.1. Normalidad de las variables............................................................2313.2.2. Fiabilidad. .......................................................................................2363.2.3. Multicolinealidad. Factor Inflación de la Varianza ...........................2373.2.4. Análisis correlacional. .....................................................................239
3.3. Análisis de diferencia de medias. .............................................................2573.4. Análisis de regresión logística binaria.......................................................267
3.4.1. Previos. .........................................................................................2673.4.2. Cálculos iniciales. ..........................................................................2703.4.2. Pruebas de bondad de ajuste. .......................................................2723.4.3. Variables en el modelo. Valor predictivo. .......................................2763.4.4. Análisis de medias. ........................................................................281
3.5. Modelo causal explicativo del rendimiento académico..............................2833.5.1. Modelo teórico inicial. .....................................................................2843.5.2. Modelos intermedios.......................................................................2933.5.3. Modelo final ....................................................................................300
4. Discusión de los resultados. .................................................................................3054.1. Discusión de los resultados obtenidos en relación con el primer objetivo de
nuestra investigación................................................................................3074.2. Discusión de los resultados obtenidos en relación con el segundo objetivo
de nuestra investigación...........................................................................3174.3. Discusión de los resultados obtenidos en relación con el tercer objetivo de
nuestra investigación................................................................................3215. Conclusiones finales.............................................................................................325
Bibliografía. ..............................................................................................................333
I. REVISIÓN TEÓRICA
0. Introducción.
Introducción
5
Que la educación es la base y el motor fundamental de desarrollo de un
país es algo indudable e innegable. Que las metodologías que estamos
utilizando para ello sean las mejores, es algo cuestionable.
Así, no nos sorprende que se hayan llevado a cabo multitud de estudios
alrededor de la relación entre los factores individuales y el rendimiento
académico desde hace más de un siglo. Este problema preocupa, y mucho, ya
que a pesar de todos los estudios y medidas que se han adoptado para mitigarlo,
los resultados distan mucho de ser los esperados.
En el caso de nuestro país, donde hay un elevado número de fracaso
escolar, el problema se agrava, así en el informe PIRLS - TIMSS (IEA, 2012),
que presenta los resultados de 2011 de unos 260.000 alumnos de 4º de Primaria
de 63 países en Ciencias y Matemáticas y de 48 en Comprensión Lectora, las
puntuaciones referidas a España están por debajo de la media de la OCDE en
todos los aspectos evaluados. Si a lo anterior, por un lado, le añadimos los
índices de repetición de curso que son con diferencia los más altos de Europa
(European Commission, 2011) y, por otro, nos acogemos a la idea de Marchesi
(2003) de que el fracaso escolar no es sólo el bajo rendimiento sino que también
se refiere a los alumnos desmotivados, vemos que el problema de base es
mucho más profundo, el panorama que se presenta no es muy halagüeño.
Variables personales predictoras del rendimiento académico. Un modelo causal.
6
Ante los frenéticos cambios de la sociedad actual, la sociedad de las
nuevas tecnologías y de la información, necesitamos individuos capaces de
adaptarse a los nuevos retos y cambios diarios. No obstante, la realidad
educativa dista mucho de responder a dichos retos, de dar respuesta a este tipo
de sociedad.
Es un sistema educativo que nos ofrece una educación basada en los tres
pilares de la antigua escuela, a saber: memoria, deberes y exámenes, todo ello
acompañado con un elevado número de horas de clase y con pruebas selectivas
que desencadenan una frenética preocupación y preparación para poder
superarlas. Una escuela que no enseña a aprender a aprender, sino a aprender
a superar pruebas con poco significado para los alumnos. Y, por si fuera poco,
si el alumno no las supera la solución del sistema es la ya comentada: la
repetición de curso, lejos de las adaptaciones curriculares y la enseñanza
individualizada. Así, muchos alumnos se quedan por el camino, optando a menos
posibilidades de acceder al mundo laboral lo que sin duda tiene mucho que ver
con las altas tasas de paro juvenil que tenemos actualmente.
Se trata de un problema que trasciende el ámbito educativo para
convertirse en una preocupación social, institucional y personal (Fullana, 1996)
ya que el fracaso escolar conllevará a condicionar el futuro laboral de las
personas, a poner en tela de juicio el papel de la institución escolar y todo ello
afectará a nivel personal ya que todas las experiencias que vive el individuo
contribuyen a su desarrollo y formación
Por el contrario, Finlandia, país de referencia en el mudo de la educación,
obtiene unos resultados muy diferentes. Situándose a la cabeza en los informes
PISA, este país hace unas décadas estaba por debajo en estos informes. ¿Qué
Introducción
7
ha cambiado? Según Melgarejo (2013) “la clave del funcionamiento de un
sistema educativo la podemos encontrar en el análisis interno de este” (p. 47). Y
en el de Finlandia destacan los valores como el esfuerzo, la responsabilidad y el
desarrollo personal como ser humano, “valoran a las personas por lo que son y
hacen y no por lo que fueron sus padres o por el grupo social al que pertenecen”
(Melgarejo, 2013, p.57), en ello la educación, arropada por el Estado del
Bienestar, tiene un papel fundamental. La institución escolar debe procurar la
superación de las desigualdades sociales por tanto el rendimiento académico
debe considerarse en relación a la igualdad de oportunidades a la hora de
acceder a un trabajo (Martínez-Otero Pérez, 1997).
Abundando en la idea de la relación existente entre educación y desarrollo
económico, García Montalvo (2012) afirma que para España un aumento de 25
puntos en PISA “representaría 4,14 billones de dólares, o aproximadamente el
PIB de tres años” (p. 85).
El interés por el tema queda plasmado en los numerosos estudios
desarrollados que tienen como eje conductor la mejora del rendimiento
académico. Su finalidad ha sido dar a conocer los factores que determinan el
proceso de enseñanza-aprendizaje, es decir, conocer los aspectos educativos
que influyen en el proceso para mejorar el rendimiento, disminuir el fracaso
escolar y aumentar el crecimiento económico, que al fin y al cabo es la base de
la sociedad en la que vivimos. Un gran número de estas investigaciones, por una
parte, presentan resultados que no son definitivos y, por otra, se han centrado
en tratar las variables independientemente y no en sus relaciones.
Variables personales predictoras del rendimiento académico. Un modelo causal.
8
Vista la necesidad de individualizar la enseñanza y de conocer los factores
que influyen en el rendimiento para que se dé un cambio de base en la
educación, una educación que ha de enseñar a pensar, a investigar, a crear
individuos con herramientas útiles para enfrentarse al mundo que los rodea, en
el trabajo de investigación que aquí presentamos, pretendemos elaborar un
modelo que se centre más en el proceso que en los resultados. Pretendemos
averiguar qué variables, de entre un conjunto de ellas, son las que
determinan/predicen el rendimiento académico y construir un modelo causal que
nos aporte un conocimiento más analítico.
De este modo, como ya decía Tourón (1985) hace ya varios años,
podríamos “disponer los distintos elementos del proceso de tal modo que
favorezcan al máximo el aprendizaje que cada alumno, en función de sus
condiciones personales, es capaz de adquirir”.
1. Rendimiento académico.
Rendimiento académico
11
Definir el rendimiento académico es una tarea que lleva acometiéndose
hace muchos años y a la cual todavía no se ha llegado a un consenso por el
carácter multidimensional del término y el hecho de estar vinculado a una
sociedad cambiante en la que cada momento imperan unos ideales. A
continuación realizaremos un recorrido por las diferentes definiciones que se han
desarrollado a lo largo de las últimas décadas.
Son muchas las definiciones que conciben el rendimiento académico
como un producto (Carabaña, 1979; Forteza Méndez, 1975; Gimeno Sacristán,
1976; Gómez Castro, 1986; González Fernández, 1975). Tourón (1984) va en
esta línea pero apunta que no es el producto de una única aptitud, sino más bien
el resultado de una suma, nunca bien conocida, de elementos, tales como
factores institucionales, pedagógicos, psicosociales y sociodemográficos, que
actúan en y desde la persona que aprende.
Rodríguez Espinar (1985), plantea la existencia de una convergencia de
tres dimensiones en el tema del rendimiento académico, lo que indica que el
concepto de rendimiento académico cambia según el momento histórico de que
se trate:
la primera de estas dimensiones hace referencia a aspectos
sociales, desde este punto de vista se plantea el rendimiento
académico como medio para que el sujeto se incorpore al proceso
Variables personales predictoras del rendimiento académico. Un modelo causal.
12
productivo de la sociedad, como productor y como receptor.
la segunda, educativa-institucional, se centra en los métodos más
adecuados para lograr los objetivos que la institución educativa se
plantea, objetivos que van a depender del momento histórico de que
se trate, y por último
la tercera dimensión, la cual hace referencia a las inversiones
económicas en educación y a su adecuación para la obtención de
los resultados que la sociedad espera.
El rendimiento académico lo podemos entender como éxito académico,
concepto que es polisémico y multidimensional (Laferrière et al., 2011). St-Amant
(1993) señala que el concepto de éxito escolar se subdivide en tres: éxito (logro)
académico, éxito educativo y éxito social:
el éxito académico es el “logro de los objetivos de la escolarización,
en relación al dominio de saberes determinados. Es decir, el
camino recorrido por el alumno en el sistema escolar” (St-Amant,
1993, p. 2; Bouchard y St-Aman, 1996, p. 4),
el éxito educativo es “la consecución de los objetivos relacionados
con los procesos de adquisición de actitudes, de comportamientos
y de valores" (Bouchard y St-Aman, 1996, p. 4), es el resultado del
proceso de socialización escolar,
el éxito social supone una correspondencia entre la formación
recibida en la escuela y el lugar ocupado en la sociedad. (St-Aman,
1993, p. 2).
Rendimiento académico
13
Tabla 1.Definiciones de rendimiento académico.
Forteza Méndez
(1975)
Es el resultado final del proceso de aprendizaje: “es la productividad
del sujeto, el producto final de la aplicación de su esfuerzo, matizado
por sus actitudes, rasgos y la percepción más o menos correcta de
los cometidos asignados” (p. 86)
González
Fernández (1975)
El rendimiento escolar “es fruto de una verdadera constelación de
factores derivados del sistema educativo, de la familia, del propio
alumno en cuanto a persona en evolución, el rendimiento es un
producto” (p. 12)
Gimeno Sacristán
(1976)
Es lo que los alumnos obtienen en un curso tal como queda reflejado
en las notas o calificaciones escolares.
Chadwick (1979) Es la expresión de capacidades y características psicológicas del
estudiante que se actualizan a través de un proceso de aprendizaje
Carabaña (1979) El rendimiento académico es “el resultado de sus mediciones
sociales y académicamente relevantes” (p. 35).
Gómez Castro
(1986)
Se refiere al nivel de conocimiento y destrezas escolares exhibidas
por un estudiante y expresadas mediante cualquier procedimiento de
evaluación.
Tourón (1984) Es el resultado del aprendizaje suscitado por la intervención
pedagógica del profesor/a, y producido en el alumno.
Jiménez (2000) Postula que el rendimiento escolar es el nivel de conocimientos
demostrado en un área ó materia comparado con la norma de edad
y nivel académico.
Figueroa (2004) Es el “conjunto de transformaciones operadas en el educando, a
través del proceso de enseñanza-aprendizaje, que se manifiesta
mediante el crecimiento y enriquecimiento de la personalidad en
formación” (p. 25)
Ruiz, Ruiz y Ruiz
(2010)
Es “la resultante de una multiplicidad de factores, que van desde los
personales, los relacionados con el entorno familiar y social en el que
se mueve el alumno, los dependientes de la institución y los que
dependen de los docentes” (p. 1).
Tonconi (2010) Es el nivel demostrado de conocimientos en un área o materia.
Variables personales predictoras del rendimiento académico. Un modelo causal.
14
Bouchard y St-Aman (1996), resumen la noción de éxito social como
sigue: El hombre o la mujer exitosa es aquella que “adquiere ciertos saberes
definidos, así como ciertos valores y actitudes que le permiten insertarse
socialmente y participar plenamente en las transformaciones sociales” (p. 4).
Este concepto se refiere a la consecución de los objetivos de aprendizaje
en cada etapa de los itinerarios educativos. Cuando estas medidas
coinciden con el final de un ciclo de estudios o nivel de educación, el éxito
académico por lo general resulta en la obtención de un título o certificado
y, en última instancia, una integración exitosa en el mundo del trabajo
(CRIRES, 1992, p. 2).
Es evidente que el fracaso académico, polo opuesto del éxito, supone
todo lo contrario.
Así pues, la idea de éxito escolar puede entenderse como el cumplimiento
por parte de los alumnos de los estándares de excelencia académica y el
progreso en el plan de estudios (sería el rendimiento académico), o también,
como el éxito de una institución o de un sistema escolar en su conjunto
(Perrenoud, 2002), idea que comparte Baby (2002) cuando expone que la noción
de éxito académico es diferente según los actores involucrados, así para los
profesores el éxito se situa dentro del proceso educativo y para la Administración,
en su fin.
En cualquier caso, el concepto de rendimiento académico parece aún
inacabado ya que las definiciones se han elaborado considerando un solo criterio
o enfoque, limitación que se ha ido superando a lo largo de la evolución en la
consideración del concepto (Pérez Serrano, 1981).
Rendimiento académico
15
Estas concepciones del rendimiento parten de su evaluación y por tanto
se tiene en cuenta únicamente el desarrollo individual, pero el alumno se
encuentra en un contexto donde el grupo también puede afectar al rendimiento
académico. Así, Cominetti y Ruiz (1997) refieren que se necesita conocer qué
variables inciden ó explican el nivel de distribución de los aprendizajes, por
ejemplo: las expectativas de familia, docentes y los mismos alumnos con
relación a los logros en el aprendizaje pueden poner al descubierto el efecto de
un conjunto de prejuicios, actitudes y conductas que pueden resultar
beneficiosos ó desventajosos en el procedo educativo e en sus resultados. Idea
semejante a la de Chadwick (1979) quien considera que el rendimiento
académico debe concebirse tanto cuantitativamente, cuando mide lo que arrojan
las pruebas, como en forma cualitativa, cuando se aprecian subjetivamente los
resultados de la educación.
En la misma línea, González Cabanach, Valle Arias, Suárez Riveiro y
Fernández Suárez (1999) opinan que
para la consecución de aprendizajes eficaces y la obtención del éxito
académico los alumnos precisan tanto de la habilidad («skill») como de la
voluntad («will»). Es decir, tanto de poder hacerlo (tener las capacidades,
conocimientos, estrategias y destrezas necesarias) (componente
cognitivo) como de querer hacerlo (tener la disposición, intención y
motivación suficientes que permitan poner en marcha los mecanismos
cognitivos en la dirección de los objetivos o metas pretendidos)
(componente motivacional) (p. 49).
Díaz (1995) y Reyes (2003) plantean la necesidad de tener en cuenta el
proceso que pone en juego las aptitudes del estudiante ligadas a factores
Variables personales predictoras del rendimiento académico. Un modelo causal.
16
volitivos, afectivos y emocionales, además de la ejercitación para lograr objetivos
o propósitos institucionales preestablecidos.
La definición que Montes Gutiérrez y Lerner Matiz (2011) hacen del
rendimiento académico engloba todos los aspectos considerados:
La relación entre el proceso de aprendizaje, que involucra factores
extrínsecos e intrínsecos al individuo, y el producto que se deriva de él,
expresado tanto en valores predeterminados por un contexto sociocultural
como en las decisiones y acciones del sujeto en relación con el
conocimiento que se espera obtenga de dicho proceso (p. 15).
Para terminar este apartado indicar que, aunque no ayuda la
interpretación que hace la UNESCO (Delors, 1996) de lo que es la educación
formal -aquella que otorga créditos o diplomas a los estudiantes-, se debe tener
muy claro que el rendimiento académico no puede ser un sinónimo de capacidad
intelectual, aptitudes o competencias (Torres y Rodríguez, 2006) u obtener un
título, es algo más, en el cual están involucrado diversos factores que van a influir
en el rendimiento ya sea de forma negativa o positiva. No es únicamente el
resultado de un proceso, el rendimiento académico es mucho más que eso, es
un viaje que dura muchos años y que no debe limitarse al producto final por
importante que sea. Algo semejante pensaría Kavafis (1982) cuando escribió en
1911 los versos siguientes:
Ten siempre a Itaca en la memoria.
Llegar allí es tu meta.
Mas no apresures el viaje.
Mejor que se extienda largos años;
y en tu vejez arribes a la isla
con cuanto hayas ganado en el camino,
sin esperar que Itaca te enriquezca.
Rendimiento académico
17
1.1. Tipos de rendimiento.
Son numerosos las tipologías sobre el rendimiento académico, Martín
González (1986) y Álvaro Page (1990) intentaron establecer los distintos tipos
de rendimiento:
A. Rendimiento académico (cognoscitivo, actitudinal y psicomotor). Dentro de
este tipo de rendimiento Bloom (1971) desarrolló sistemas de clasificación de
objetivos educativos presentándolos como dominios. Estos dominios
comprenden el cognoscitivo, actitudinal y psicomotor:
el dominio cognoscitivo implica objetivos que van desde la memoria
hasta niveles superiores de razonamiento,
el dominio afectivo comprende el desarrollo personal y social; va
de niveles de menor hasta los de mayor compromiso, y
el domino psicomotor comprende conductas en las que se
involucran los procesos sensoriales y motores del sujeto que están
en relación a los objetivos educativos.
B. Rendimiento individual o social. Figueroa (2004) efectúa esta clasificación,
entiende por individual el rendimiento que se manifiesta en la adquisición de
conocimientos, experiencias, hábitos, destrezas, habilidades, actitudes,
aspiraciones, etc., lo que permite al profesor tomar decisiones pedagógicas
Variables personales predictoras del rendimiento académico. Un modelo causal.
18
posteriores. Dentro de este rendimiento individual, el autor propone la
existenca de un rendimiento general que se manifiesta mientras el estudiante
va al colegio, en el aprendizaje de las materias académicas, de hábitos
culturales y en la conducta del alumno, y un rendimiento específico que se da
en la resolución de problemas personales y en el desarrollo de la vida familiar
y social actual, y profesional futura.
Por social entiende que la institución educativa al influir sobre un individuo,
no se limita a este sino que a través del mismo ejerce influencia de la
sociedad en la que se desarrolla. Se consideran factores de influencia social:
el medio geográfico de la sociedad donde se sitúa el estudiante y el campo
demográfico constituido por el número de personas a las que se extiende la
acción educativa.
C. Rendimiento objetivo o subjetivo (según las técnicas empleadas para
evaluar). El primero requiere la utilización de instrumentos normalizados y en
él sólo se intenta apreciar el grado de dominio o valía intelectual del sujeto;
el segundo se lleva a cabo mediante la apreciación o juicio del profesor,
interviniendo en el mismo todo tipo de referencias personales del propio
sujeto (Álvaro Page et al., 1990).
D. Rendimiento suficiente e insuficiente. Podemos hablar de rendimiento
satisfactorio o insatisfactorio cuando se evalúa el rendimiento utilizando
criterios internos según que cada alumno en concreto consiga o no lograr un
Rendimiento académico
19
nivel instructivo-formativo en coherencia o relación óptima con sus
capacidades y posibilidades personales (Álvaro Page et al., 1990).
Cuando se pondera el rendimiento acudiendo a un nivel objetivo
previamente determinado se habla de rendimiento suficiente o insuficiente
(García Hoz, 1971), conforme el alumno haya o no alcanzado dicho nivel
deseable y mínimo, nivel que ha sido establecido a priori.
Por último, apuntar que combinando estos dos tipos de rendimiento se
pueden dar cuatro subtipos (Tapia, 1989):
suficiente-insatisfactorio, es el rendimiento del alumno que podría
alcanzar un nivel más alto que el que alcanza, aunque supere los
estándares exigidos, es el alumno que aprueba sin esforzarse,
suficiente-satisfactorio, es el caso del alumno que alcanza el mayor
nivel del que es capaz que coincide con los estándares exigidos,
insuficiente-satisfactorio, es el mismo caso que el anterior pero no
alcanza los estándares exigidos, es el chico que hace lo que puede
pero que no es bastante para alcanzar los mínimos que se le piden,
e
insuficiente-insatisfactorio, aquí el alumno ni se esfuerza todo lo
que puede ni alcanza los mínimos exigidos.
La legislación educativa es la que establece cuándo el rendimiento es
insuficiente, el rendimiento insatisfactorio depende del nivel de aptitudes del
sujeto en cuestión.
Rendimiento académico
21
1.2. La unidad de medida del rendimiento.
La evaluación del rendimiento académico de los alumnos es un tema de
indudable importancia no exento de polémica: cómo se puede tener una medida
objetiva, si se obtiene una medida cuantitativa o cualitativa y qué tipo de
evaluación es más idónea. Carabaña (1979) plantea que:
“La búsqueda de una medida válida del rendimiento académico es una
empresa imposible de realizar residiendo la razón en las ambivalencias, o
mejor polivalencias, intrínsecas al sistema educativo. Cada nivel, e incluso
cada materia y cada profesor, persiguen a la vez varios objetivos que no
se pueden maximizar al mismo tiempo y es, a la vez, base para los niveles
siguientes. Además, cada profesor y cada colegio tienen (y que lo tengan
es un valor conscientemente perseguido), un amplio margen de
interpretación de los objetivos legalmente fijados” (p. 34).
Puesto que el rendimiento académico es considerado como el nivel de
conocimientos demostrado en un área ó materia comparado con la norma de
edad y nivel académico (Jiménez, 2000) o como el producto de la asimilación del
contenido de los programas de estudio, expresado en calificaciones dentro de
una escala convencional (Figueroa, 2004), es necesario el uso de un sistema de
evaluación que refleje dicho rendimiento. Cascón (2000) plantea que:
el indicador del nivel educativo adquirido, en este estado y en la práctica
totalidad de los países desarrollados y en vías de desarrollo, ha sido, sigue
y probablemente seguirán siendo las calificaciones escolares. A su vez,
Variables personales predictoras del rendimiento académico. Un modelo causal.
22
éstas son reflejo de las evaluaciones y/o exámenes donde el alumno ha
de demostrar sus conocimientos sobre las distintas áreas ó materias, que
el sistema considera necesarias y suficientes para su desarrollo como
miembro activo de la sociedad (Cascón, 2000, introducción, 2).
Tourón (1984) nos dice que tradicionalmente el rendimiento académico se
expresa en una calificación cuantitativa y/o cualitativa, una nota que, si es
consistente y válida, será el reflejo de un determinado aprendizaje, o si se quiere,
del logro de los objetivos preestablecidos.
Por su parte, Tonconi (2010) expone que el rendimiento académico se
evidencia a través de indicadores cuantitativos, usualmente expresados
mediante calificación ponderada en el sistema vigesimal y, bajo el supuesto que
es un grupo social calificado el que fija los rangos de aprobación, para áreas de
conocimiento determinadas, para contenidos específicos o para asignaturas.
Así pues, las calificaciones académicas son las más utilizadas para
evaluar el logro del alumnado aunque Álvaro Page et al. (1990) indican que las
calificaciones escolares tienen un valor relativo como medida del rendimiento
académico, pues no hay un criterio estandarizado para todos los centros, para
todas las asignaturas, para todos los cursos y para todos los profesores. Según
estos autores, hay factores que afectan a la objetividad de las calificaciones
como el cansancio del profesor, el juicio positivo o negativo que tenga
previamente sobre el alumno, el efecto de contraste u otro tipo de cuestiones
como pueden ser la letra, el orden, la originalidad de las respuestas, etc. Sin
embargo:
Rendimiento académico
23
Las correlaciones que se presentan entre calificaciones escolares
referidas a distintas materias, son superiores a las que se mantienen entre
pruebas objetivas relativas al mismo ámbito de estudio y que además, las
correlaciones entre notas escolares en una materia y las puntuaciones en
una prueba objetiva afín no son tan intensas como las correlaciones que
se dan entre las notas escolares (Álvaro Page et al., 1990, p. 217).
Estos datos parecen poner de manifiesto la existencia de un fuerte "efecto
de halo", dado que, aun midiendo habilidades diferentes, las calificaciones
otorgadas por distintos profesores están fuertemente relacionadas. Así,
cabe pensar que en el fondo en la institución escolar se están midiendo
comportamientos y actitudes similares en las diversas materias,
probablemente la habilidad de los alumnos para adaptarse al ámbito
escolar (Álvaro Page et al., 1990, p. 218).
Así, las calificaciones son el criterio socialmente aceptado que refleja el
rendimiento de un alumno o alumna, no obstante estas calificaciones distan
mucho de ser objetivas ya que, según Álvaro Page et al. (1990), la forma más
directa de establecer las calificaciones es a través de exámenes o pruebas de
medición, que pueden presentar defecto de elaboración, porque la forma de
evaluar la decide el profesor, en ocasiones con criterios subjetivos, por lo que se
imposibilita la comparación dentro del mismo centro educativo y con otros
centros educativos. Además, continuando con este autor, en este tipo de análisis
se consideran sobre todo, los componentes de contenido cognitivo, no
contemplándose aspectos como las actitudes, el autoconcepto, la satisfacción,
las expectativas, etc.
Variables personales predictoras del rendimiento académico. Un modelo causal.
24
Por lo tanto, y a nuestro juicio, hemos de tener en cuenta que las
calificaciones son un valor relativo ya que no existen criterios estandarizados y,
además, muchas veces no son reflejo del verdadero esfuerzo que ha realizado
el alumno.
2. Variables personales.
Variables personales.Inteligencia.
27
2.1. Inteligencia.
Desde que Binet y Simón (1905) produjeron las primeras pruebas
prácticas de inteligencia, los psicólogos han intentado formular una definición
viable del concepto, definición que es muy complicada de efectuar dado su
carácter multidimensional, la gran cantidad de teorías y los numerosos aspectos
relacionados con ella. En realidad, no existe consenso científico sobre cómo
definir la inteligencia (Sternberg, Grigorenko y Kidd, 2005).
Binet y Simón (1905) destacaban como aspectos notables de la
inteligencia el juicio, el entendimiento y el razonamiento. Otras definiciones
describían la inteligencia como la habilidad de pensar en forma abstracta
(Terman, 1916, 1921), definiciones que resultaban ser excesivamente estrechas.
Popularmente se considera la inteligencia como la habilidad de aprender y, al
contrario, esta definición es demasiado amplia aunque, indiscutiblemente, la
habilidad es necesaria para vivir. Todas estas definiciones han sido
desaprobadas por diversas razones, hasta llegar al punto que algunos
psicólogos han insinuado que podría ser mejor desechar el término, renunciando
a formular una definición universal y a emplear un término alternativo tal como
habilidad mental general o habilidad académica (Aiken, 2003).
En el Diccionario de la lengua española (DRAE, 2001) encontramos
diversas acepciones del término inteligencia: capacidad de entender o
comprender, capacidad de resolver problemas, conocimiento, comprensión, acto
de entender, sentido en que se puede tomar una proposición, un dicho o una
Variables personales predictoras del rendimiento académico. Un modelo causal.
28
expresión y habilidad, destreza y experiencia.
Por otra parte, si nos fijamos en la etimología del término (del latín
intelligentĭa compuesto, a su vez, por los términos intus -entre- y legere -escoger-
), esta nos indica que inteligencia significa saber elegir, escoger entre diversas
alternativas.
A partir de estos hallazgos podemos definir intuitivamente la inteligencia
como la capacidad de escoger la mejor opción entre varias con la finalidad de
solucionar un problema. En la tabla 2 ofrecemos, sin ánimo de ser exhaustivos,
algunas de las definiciones que dan diferentes autores.
Según Papalia, Olds y Feldman (2009), la gran mayoría de autores está
de acuerdo en que la conducta inteligente está orientada a metas y es adaptativa,
“es decir, está dirigida a adaptarse a las circunstancias y condiciones de vida. La
inteligencia permite que las personas adquieran, recuerden y utilicen el
conocimiento; comprendan los conceptos y relaciones, y resuelvan problemas”
(p. 198).
Opinión semejante es la sustentada por Gregory (2012), para este autor
existen dos temas que se repiten con asiduidad en las definiciones de expertos,
a pesar de la variedad de puntos de vista: “los expertos tienden a coincidir en
que la inteligencia es: 1. la capacidad para aprender de la experiencia y 2. la
capacidad para adaptarse al propio ambiente” (p. 153).
Concluiremos este apartado exponiendo una reflexión: todas estas
definiciones son de expertos “occidentales” y el énfasis se pone en aspectos
occidentales. En otras culturas hay particularidades que se consideran propias
de la conducta inteligente, numerosos conceptos de la inteligencia
Variables personales.Inteligencia.
29
predominantes en África dan una enorme importancia a aspectos sociales tales
como el mantenimiento de relaciones armoniosas y estables dentro del grupo
(Sternberg y Kaufman, 1998), aspectos que en nuestra cultura no se consideran
especialmente valiosos, o se califican como poco importantes.
2.1.1. Teorías sobre la inteligencia.
Teorías sobre la inteligencia hay tantas como definiciones, aquí vamos a
exponer dos enfoques únicamente:
a) el enfoque psicométrico que considera la inteligencia como una capacidad
única, poniendo el acento en la identificación de diferencias individuales y
en la medida de la inteligencia, y
b) el enfoque cognitivo que intenta establecer cuáles son los métodos que,
con el fin de solucionar situaciones problemáticas, utiliza el sujeto para
procesar la información.
2.1.1.1. Enfoque psicométrico.
Este enfoque presenta una visión esencialmente directa, unidireccional y
estática de las relaciones entre inteligencia, capacidad de aprendizaje y
rendimiento escolar (Coll y Onrubia, 1991). Su objeto de estudio es doble así,
por un lado, se estudian las diferencias que presentan los individuos en sus
habilidades cognitivas y, por otro, las causas de dichas diferencias.
Variable
spers
onale
spre
dic
tora
sdelre
ndim
iento
académ
ico.
Un
modelo
causal.
30Tabla
2.
Definic
iones
de
inte
ligenci
a.
Bin
et
yS
imón
(1905)
La
inte
ligencia
es
lahab
ilid
ad
para
juzgar
bie
n,p
ara
com
pre
nder
bie
ny
para
razonar
bie
n.
Term
an
(1916,19
21)
Es
laca
pacid
ad
para
pe
nsar
de
manera
abstr
acta
,d
eapre
nder
yde
ad
apta
rse
alm
edio
am
bie
nte
Bori
ng
(1923)
La
inte
ligencia
es
aqu
ello
que
mid
en
las
pru
ebas
de
inte
lige
ncia
.
Spe
arm
an
(1904,1
923
,
1927)
Es
una
ha
bili
dad
gen
era
lq
ue
implic
afu
ndam
enta
lmente
lade
ducció
nde
rela
cio
nes
ycorr
ela
tos.
Thurs
tone
(192
1,1
938)
La
inte
ligencia
es
lacapacid
ad
para
inhib
irla
sad
apta
cio
nes
instintivas,
para
imagin
ar
de
manera
flexib
ledifere
nte
sre
sp
uesta
sy
para
efe
ctu
ar
ada
pta
cio
nesin
stintivas
tra
nsfo
rmadas
en
lacond
ucta
manifie
sta
.
Wechsle
r(1
944)
Es
laca
pacid
ad
para
actu
ar
con
un
pro
pósito
co
ncre
to,pensar
racio
nalm
ente
yre
lacio
nars
eefica
zm
ente
con
elam
bie
nte
.
Mira
yL
ópe
z(1
969)
Es
laca
pacid
ad
para
reso
lver
pro
ble
mas
com
ple
jos
yd
esconocid
os,em
ple
an
do
para
ello
todos
los
recurs
os
que
elsuje
topose
e.
Pia
get(1
96
9)
Es
laca
pacid
ad
para
ad
apta
rse
alam
bie
nte
.
Feuers
tein
(19
79)
La
inte
ligencia
es
“la
cap
acid
ad
de
lin
div
iduo
para
usar
laexperi
encia
pre
via
en
su
ada
pta
ció
na
nu
evas
situ
acio
nes”
(p.
79).
Feuers
tein
,R
and,
Hoff
man
yM
iller
(1980)
Es
un
pro
ceso
auto
rreg
ula
torio
din
ám
ico
que
respo
nd
ea
lain
terv
enció
nexte
rna
am
bie
nta
l.
Delv
al(1
982)
La
inte
lige
ncia
“es
laca
pacid
ad
más
específ
icam
ente
hum
ana;no
porq
ue
se
encue
ntr
ee
nlo
shom
bre
s,sin
op
orq
ue
se
encue
ntr
a
en
ello
sen
un
gra
do
dis
tinto
qu
een
los
anim
ale
s”
(p.
62).
Baro
n(1
98
5)
Es
un
co
nju
nto
de
aptitu
de
sde
toda
cla
se
qu
elo
ssuje
tos
em
ple
an
con
éxito
para
logra
rlo
sobje
tivos
qu
ese
pro
pone
n.
Detterm
an
(1982
,20
03)
La
inte
ligencia
es
un
conju
nto
limitado
de
aptitu
des
indepe
nd
iente
squ
eactú
an
com
oun
sis
tem
acom
ple
jo.
Eyse
nck
(1986)
La
inte
ligencia
es
latr
ansm
isió
nsin
err
ore
sde
lain
form
ació
na
tra
vés
de
lacort
eza
cere
bra
l.
Variable
spers
onale
s.I
nte
ligencia
.
31
Pap
alia
yO
lds
(198
7)
La
inte
ligencia
es:
una
consta
nte
inte
racció
na
ctiva
entr
ela
sca
pacid
ad
es
here
dadas
yla
sexperi
encia
sam
bie
nta
les,cu
yo
resulta
do
ca
pacita
al
indiv
iduo
para
adq
uirir,
record
ar
yutiliz
ar
conocim
iento
s,
ente
nd
er
tanto
concepto
sco
ncre
tos
com
o(e
ve
ntu
alm
ente
)
abstr
acto
s,com
pre
nder
las
rela
cio
nes
entr
elo
sobje
tos,lo
shech
os
yla
sid
eas
ya
plic
ar
yutiliz
ar
todo
ello
con
elp
ropósito
concre
tode
resolv
er
los
pro
ble
mas
de
lavid
acotid
ian
a(p
.2
47).
Nic
kers
on,P
erk
ins
y
Sm
ith
(1987)
La
inte
lige
ncia
es
una
pro
pie
dad
de
los
sere
sh
um
anos
que
se
cara
cte
riza
por
poseer
las
cap
acid
ades
de:
cla
sific
ar
pa
trones,
modific
ar
adapta
tivam
ente
laconducta
(apre
nd
er)
,ra
zonam
iento
deductivo,
razo
nam
iento
inductivo
(genera
lizar)
,de
desarr
olla
r
yutiliz
ar
modelo
sconce
ptu
ale
s,
yd
ee
nte
nder.
Myers
(19
94)
La
inte
ligencia
es
"La
cap
acid
ad
para
mostr
ar
un
com
port
am
iento
adapta
tivo
orie
nta
do
hacia
obje
tivos.
Implic
ala
scualid
ades
necesarias
para
apro
vecha
rla
experi
encia
,re
solv
er
pro
ble
mas,
razon
ar
yafr
onta
rcon
éxito
desafí
os
ya
lcan
zar
obje
tivos"
(p.
319).
Ste
rnberg
(1997)
La
inte
ligencia
consis
tee
npensar
bie
nde
tres
form
as
difere
nte
s,
de
manera
cre
ativa,a
nalítica
yprá
ctica.
Gard
ner
(20
01)
La
inte
lige
ncia
es
“un
pote
ncia
lbio
psic
oló
gic
opara
pro
cesar
info
rmació
nqu
ese
puede
activar
en
un
marc
ocultura
lpara
reso
lver
pro
ble
mas
ocre
ar
pro
ducto
sque
tien
en
va
lor
para
una
cultura
”(p
.45).
Eyssautier
(2006)
La
inte
ligencia
es
una
expre
sió
nd
ela
scapacid
ades
de
lam
ente
,ta
les
com
opensa
r,ra
zo
nar,
ana
lizar,
sin
tetizar,
inducir
yd
educir
yq
ue
eng
lob
afa
culta
des
vin
cula
das
con
elpensam
ien
toabstr
acto
,te
órico,cie
ntífico,académ
ico
ein
tele
ctu
al.
Variables personales predictoras del rendimiento académico. Un modelo causal.
32
Son tres puntos básicos los que pueden señalarse como soporte de este
enfoque (Pueyo, 1996):
La investigación de la naturaleza de la inteligencia a través del estudio
de las diferencias que presentan los sujetos en su rendimiento ante
determinadas tareas de tipo cognitivo.
El empleo de métodos matemáticos de tipo correlacional
(principalmente el análisis factorial) para obtener información sobre la
estructura de las capacidades intelectuales.
La cuantificación de las diferencias individuales en el rendimiento, lo
que implica el diseño de instrumentos de medida que permitan esa
cuantificación. Este punto muestra el carácter fundamentalmente
práctico de este enfoque.
De entre los modelos de habilidades cognitivas basadas en el enfoque
psicométrico destacamos:
1) La teoría de los dos factores de Spearman (1904, 1923, 1927), según
la cual la inteligencia está compuesta por un factor general, g, y varios
factores específicos. El factor g es común a todos los tests y está
presente en todas las tareas intelectuales, se entiende este factor
como una habilidad o capacidad heredada que influye en la ejecución
desde un punto de vista general. Los factores específicos, s, serían los
responsables de las diferencias observadas en los individuos en la
ejecución en las diferentes tareas, por ejemplo las diferencias en
puntuaciones que se dan en diferentes tareas: matemáticas y
lenguaje. Así, según Spearman, un sujeto que obtiene una calificación
Variables personales.Inteligencia.
33
alta en un test también la obtiene en tests de otro tipo, lo que indica la
influencia del factor g por estar presente en todas las fases de la
conducta que realiza un individuo, sin embargo en la ejecución en
actividades determinadas las puntuaciones sí difieren en cierta
medida, es la influencia ejercida por los factores s que son únicos para
algunas tareas.
2) La teoría multifactorial de las siete habilidades mentales básicas de
Thurstone (1921, 1938). Este autor identificó siete factores a partir de
los resultados obtenidos por numerosos niños en las pruebas de
inteligencia:
fluidez verbal, es la capacidad para recordar palabras, para
hablar y escribir con facilidad,
comprensión verbal, es la habilidad para definir palabras, para
comprender ideas expresadas en palabras,
aptitud espacial, es la habilidad para reconocer una figura que
ocupa diferentes posiciones en el espacio, capacidad para
imaginar y concebir objetos en dos o tres dimensiones,
rapidez perceptiva, habilidad para reconocer diferencias y
semejanzas entre diferentes dibujos,
razonamiento inductivo, es el razonamiento lógico, la capacidad
para resolver problemas lógicos,
aptitud numérica, la capacidad de manejar números, y
memoria.
Variables personales predictoras del rendimiento académico. Un modelo causal.
34
3) El modelo de estructura del intelecto de Guilford (1959b, 1967, 1971,
1985), este modelo está formado por 150 factores diferentes sin
ningún factor general de inteligencia (al igual que el modelo de
Thurstone), estos factores resultan de la influencia recíproca de tres
aptitudes básicas (5 x 5 x 6 = 150) que al combinarse dan lugar a las
diferentes aptitudes independientes, formando un modelo
tridimensional, cúbico (ver tabla 3).
Una de las críticas que se le ha hecho a este modelo es que es tan
complejo que es imposible verificarlo empíricamente con un cierto
orden.
4) El modelo jerárquico de Vernon (1960) plantea que la inteligencia está
compuesta de varias capacidades organizadas jerárquicamente en
cuatro niveles:
en un primer nivel se situarían aquellos factores concretos que
están relacionados con las aptitudes concretas para contestar
a cada test,
en el segundo nivel estarían factores grupales menores, en
ellos se agruparían los factores del primer nivel,
el tercero estaría formado por dos factores grupales mayores,
el verbal - educacional y el práctico-espacial-mecánico,
en el último nivel se encontraría el factor general de inteligencia,
semejante a ‘g’, que según Vernon explicaría aproximadamente
un 40 % de la variabilidad de la conducta inteligente que
emplean los individuos en su desempeño habitual.
Variable
spers
onale
s.I
nte
ligencia
.
35
Tabla
3.
Aptitu
des
bási
cas
delm
odelo
de
Thurs
tone.
opera
cio
nes
(5):
lafo
rma
com
opensam
os,es
el
pro
ceso
inte
lectu
al
que
el
suje
toefe
ctú
a
con
lain
form
ació
nq
ue
recib
e,
son:
conte
nid
os
(5):
sobre
loq
ue
pensam
os,
son
los
tipos
de
info
rmació
nq
ue
pueden
ser:
pro
ducto
s(6
),es
loq
ue
resulta
de
aplic
ar
una
opera
ció
na
un
conte
nid
o,
son:
cog
nic
ión:
descubrir,
conocer
ocom
pre
nder
info
rmació
n,
mem
oria:
alm
acenam
iento
de
lain
form
ació
n
en
lam
em
oria,
pro
ducció
ndiv
erg
ente
:pro
ducció
nde
opcio
nes
nuevas
yló
gic
as,
capacid
ad
para
buscar
lam
ejo
rsolu
ció
nde
un
pro
ble
ma
que
tiene
varias
posib
les,
es
labase
de
la
cre
ativid
ad,
pro
ducció
nconverg
ente
:pro
ducció
nde
info
rmació
nnueva
apart
irde
info
rmació
n
pre
via
,capacid
ad
para
resolv
er
pro
ble
mas
en
los
que
lasolu
ció
nes
únic
a,
evalu
ació
n:
ante
una
pro
posic
ión,
decid
imos
“si”
o“n
o”,
yen
qué
gra
do,
vis
uale
s,
es
lain
form
ació
nq
ue
se
perc
ibe
directa
mente
delexte
rior
(ose
recupera
de
la
mem
oria)
en
form
ade
imag
en.
auditiv
os,
es
lain
form
ació
nq
ue
se
perc
ibe
directa
mente
delexte
rior
(ose
recupera
de
la
mem
oria)
en
form
ade
sonid
o.
sim
bólic
os,
info
rmació
nq
ue
se
trata
en
form
a
de
sig
nos
indic
ativos
que
no
quie
ren
decir
nada
por
sím
ism
os,
sem
ánticos,
sig
nific
ados
rela
cio
nados
con
sím
bolo
sdel
leng
uaje
verb
al
princip
alm
ente
,
pala
bra
s,
ideas,
conductu
ale
s,
inte
racció
nhum
ana
no
verb
al,
info
rmació
nim
plic
ada
en
las
rela
cio
nes
inte
rpers
onale
s:g
esto
s,
inte
ncio
nes,etc
.,
unid
ades,una
cosa,un
vocablo
,una
idea,una
imag
en,
etc
.
cla
ses,
conju
nto
de
unid
ades
dete
rmin
adas
por
cara
cte
rísticas
com
unes,
rela
cio
nes,
vín
culo
sobserv
able
sentr
ecosas:
rela
cio
nes
pare
nta
les,
rela
ció
nexis
tente
sen
lanatu
rale
za,
sis
tem
a,
conju
nto
sorg
aniz
ados,
ele
mento
s
de
info
rmació
nq
ue
está
norg
aniz
ados
inte
ractivam
ente
,
transfo
rmacio
nes,m
odific
acio
nes
pro
ducid
as
en
ele
mento
sde
info
rmació
nya
dados,
implic
acio
nes,
consecuencia
s,
resultados
(info
rmacio
nes)
pro
ducid
os
por
otr
as
info
rmacio
nes
dadas
con
ante
rioridad.
Variables personales predictoras del rendimiento académico. Un modelo causal.
36
5) Cattell (1963, 1967, 2004) y Horn (1967, 1968), estos
autores,partiendo del factor general ‘g’, postulan la existencia,en un
segundo nivel de jerarquía,de dos tipos de inteligenciay no un único
factor general:
inteligencia fluida, que es el tipo de inteligencia empleada para
establecer relaciones, clasificaciones, para formar conceptos o
para razonar y pensar de forma abstracta; se considera que
está libre de influencias culturales, educativas, y depende del
desarrollo neurológico del individuo, es una habilidad heredada;
en su desarrollo alcanza un pico máximo hacia los 20 años y va
decayendo progresivamente en paralelo al deterioro y
envejecimiento neuronal, decadencia que se compensa con la
experiencia (por ejemplo), no se hace de notar hasta edades
superiores a los 80 años en circunstancias normales (lesiones
producidas por accidentes, drogadicción, enfermedades, etc.,
en determinadas partes del cerebro pueden ocasionar una
disminución de este tipo de inteligencia), el test de factor ‘g’ de
Cattell y Cattell (1986) pretende evaluar este tipo de
inteligencia,
inteligencia cristalizada, es el grado de desarrollo cognitivo
logrado por el sujeto a través de su historial de aprendizaje, por
tanto, depende de la educación y del medio cultural en el que
se desenvuelve, el individuo desenvolverá su inteligencia
cristalizada si es capaz de invertir su inteligencia fluida en
aprender; al nacer de la experiencia, aumenta a lo largo de toda
Variables personales.Inteligencia.
37
la vida hasta edades muy altas; consiste en la capacidad para
utilizar el conocimiento, la experiencia y las habilidades,para
emplear la información, implica comprensión verbal, orientación
espacial, aprendizaje de conocimientos tales como significados
de las palabras, aspectos culturales de las relaciones
interpersonales (la forma de comportarse en público, por
ejemplo), etc.,.
6) En nuestro país, Yela (1987) propone la teoría del continuo
heterogéneo y jerárquico. Esta teoría justifica la admisión de un factor
general cognitivo (inteligencia fluida) ya que existe un continuo de
covariación en las medidas cognitivas. Este continuo de covariación
no es homogéneo, lo cual justifica la admisión de factores de grupo,
que corresponden a disposiciones de diferente orden de generalidad.
Además, se demuestra que hay subfactores de orden inferior. La
subdivisión en factores cada vez más numerosos y referidos a campos
cada vez más restringidos del comportamiento inteligente es
prácticamente continua e ilimitada. La teoría resume los resultados de
los análisis factoriales de la inteligencia logrados hasta la fecha.
Según Yela (1996), los resultados de las investigaciones llevadas
a cabo muestran que la inteligencia no es simple, ni fija, ni autónoma,
sino compleja, modificable e interdependiente con otros aspectos de
la personalidad en la que se integra.
Variables personales predictoras del rendimiento académico. Un modelo causal.
38
2.1.1.2. Enfoque cognitivo.
Las teorías enmarcadas en este enfoque pretenden identificar los procesos
cognitivos por medio de los cuales el sujeto maneja la información. Según
Mahoney (1983), las características generales de estaperspectiva son cuatro, a
saber:
la conducta humana está mediada por el procesamiento de
información del sistema cognitivo humano,
se diferencia entre:
procesos: operaciones mentales implícitas en la actividad
cognitiva, y
estructuras: rasgos permanentes del sistema cognitivo,
se plantean cuatro clases de procesos cognitivos:
atención: selectividad asimilativa de los estímulos,
codificación: representación simbólica de la información,
almacenamiento: retención de la información, y
recuperación: utilización de la información almacenada,
se enfatizan tres organizaciones cognitivas:
receptor sensorial: recibe la información,
memoria a corto plazo: memoria de trabajo, y
memoria a largo plazo: retención permanente de la información.
Vamos a comentar tres teorías representativas de esta orientación: la
teoría triárquica de Sternberg (1982), la teoría de inteligencias múltiples de
Variables personales.Inteligencia.
39
Gardner (1983), y el modelo PASS de Das, Naglieri y Kirby (1994). Estas teorías
enfatizan la multiplicidad de capacidades, estructuras y procesos implicados en
el comportamiento inteligente, subrayan el carácter social, contextual y cultural
de la actividad inteligente, y destacan la posibilidad de incidir a través de la
enseñanza, en la mejora y optimización de las capacidades intelectuales y de
aprendizaje de todos los alumnos (Coll y Onrubia, 1991).
1) Teoría Triárquica de Sternberg (1982, 1985, 1988a).Antes de llegar a
esta teoría, Sternberg planteó una “subteoría” componencial de la
inteligencia humana en la que existen cinco tipos de procesos
componenciales por medio de los cuales el cerebro manipula la
información y soluciona problemas, son:
metacomponentes,
componentes de ejecución,
componentes de adquisición,
componentes de retención, y
componentes de transferencia.
Cada uno de estos procesos desempeña una función distinta. Los
componentes de codificación y comparación son esenciales para
conseguir resolver los problemas que se presentan.
Los metacomponentes son procesos de control de orden superior
usados en la toma de decisiones y planificaciones ejecutivas. A partir
de aquí y como extensión de su teoría de procesos componenciales,
desarrolló su Teoría Triárquica (Stenberg, 1982, 1985, 1988a) la cual
Variables personales predictoras del rendimiento académico. Un modelo causal.
40
parte de la premisa de que para entender la inteligencia es necesario
comprender su relación con tres aspectos: el mundo externo al
individuo, el mundo interno del individuo y la experiencia. El autor
destaca tres componentes:
a) inteligencia componencial, consiste en metacomponentes,
componentes de desempeño y componentes de adquisición de
conocimiento, son los mecanismos cognitivos que nos permiten
aprender y desarrollar tareas inteligentes, son habilidades para
adquirir y almacenar información,
b) inteligencia experiencial, es la que empleamos para abordar una
nueva situación, su función es la de formular nuevas ideas
combinando factores o información relacionados o no
relacionados,es la habilidad basada en la experiencia mediante la
que seleccionamos, codificamos, combinamos y comparamos
información, e
c) inteligencia contextual, es la que nos permite adaptarnos a las
condiciones ambientales, a un entorno cambiante, al mundo real,
es una inteligencia de tipo práctico mediante la cual procuramos
aumentar nuestros puntos fuertes y disminuir los débiles.
Posteriormente Sternberg (1988b) efectuó una modificación de su
teoría. Intentó combinar el concepto de inteligencia con el de
personalidad, para ello propuso el concepto de autocontrol mental
dentro del cual están los estilos de pensamiento.
Los estilos de pensamiento son los puentes entre la personalidad y
Variables personales.Inteligencia.
41
la inteligencia que los individuos construyen para su adaptación, son
las formas en que los tres tipos de inteligencia -componencial,
experiencial y contextual- se ponen en práctica en la resolución de los
problemas cotidianos. La eficacia de un estilo concreto depende de
tres aspectos: de su ajuste a la capacidad intelectual de la persona,
del estilo preferido del sujeto y del tipo de problema a resolver. Los
estilos se definen como las preferencias en los modos de pensar
(Sternberg y Grigorenko, 1995).
Para concluir este punto diremos que este enfoque tiene como
objetivo la elaboración de modelos procesuales de las tareas
habitualmente utilizadas para evaluar la inteligencia, el análisis de las
diferencias interindividuales se convierte en secundario.
2) Teoría de las Inteligencias Múltiples (Gardner, 1983, 2001). Este autor
cuestiona la primacía del factor ‘g’, lo considera como un factor
específico y plantea que existen en el ser humano toda una serie de
capacidades independientes, inteligencias múltiples, que no son
exclusivamente las habilidades intelectuales sino que se manifiestan
en diferentes dominios. Desde este punto de vista, la cognición y el
procesamiento de información en los seres humanos entraña la
utilización de varios sistemas simbólicos que son modos específicos
de percepción, memoria y aprendizaje. Gardner propuso la existencia
de ocho formas de inteligencia: lingüístico-verbal, lógico-matemática,
espacial, musical, corporal cinestésica, naturalista, intrapersonal e
interpersonal, estas dos últimas son formas personales de inteligencia,
todavía habrían más tales como la artística o la moral/espiritual
Variables personales predictoras del rendimiento académico. Un modelo causal.
42
(Gardner y Walters, 1993). Gardner (1983) opina que el número de
inteligencias puede ser muy elevado pero para poder trabajar
operativamente con ellas tanto desde un punto de vista teórico como
práctico hay que acotar el campo de trabajo.
Para este autor los tests de inteligencia convencionales solamente
evalúan las inteligencias lingüístico-verbal, lógico-matemática y
espacial, sostiene al igual que lo hacen Sternberg y Kaufman (1998)
que la cultura occidental enfatiza en demasía la inteligencia de tipo
lingüística dejando algo de lado las demás:
En nuestra cultura, utilizamos el término retraso básicamente
con respecto a los problemas lingüísticos o lógicos. Resulta
saludable imaginarse una cultura en la que las personas sean
juzgadas fundamentalmente por sus capacidades musicales o
pictóricas. Las personas sin ningún oído musical o los daltónicos
serían considerados retrasados en esas sociedades (Gardner y
Walters, 1993, p. 52).
3) Esta tercera teoría, el modelo de inteligencia PASS (Das, Naglieri y
Kirby, 1994) ofrece un modelo que permite precisar la aptitud
intelectual humana, así el funcionamiento cognitivo se estructura en
tres unidades básicas: entrada de información (input), procesamiento
central y respuesta (output) o respuesta. En el procesamiento central
es donde confluyen los cuatro procesos cognitivos que procesan la
información de entrada: planificación, codificación y activación de la
información (Das, 2003; Das,Kirby y Jarman, 1979), la codificación
hace referencia a dos formas de procesar la información, simultánea y
Variables personales.Inteligencia.
43
sucesiva:
Planificar consiste en generar estrategias, seleccionar las más
adecuadas y ejecutarlas, se emplea para resolver problemas,
ejecutar acciones, valorar los resultados conseguidos,
la Atención es un prerrequisito para el resto de funciones ya que
su activación centra la actividad cognitiva, escoge la información y
evita la distracción,
procesamiento Simultáneo se da cuando el sujeto procesa la
información de forma global, ve el todo por encima de las partes,
empleamos este tipo de procesamiento cuando al escuchar una
sinfonía procesamos la música atendiendo a la globalidad de la
orquesta, cuando aprendemos la forma de las letras y números, o
cuando intentamos distinguir las ideas básicas de un relato,
procesamiento Sucesivo es el inverso del anterior, el sujeto ve las
partes por encima del todo, empleamos este tipo de procesamiento
cuando al escuchar una sinfonía procesamos la música atendiendo
a los instrumentos que componen la orquesta, cuando
memorizamos palabras, cuando asociamos las letras a sus
sonidos, o cuando estudiamos una lista cronológica.
Este modelo se basa en la teoría neuropsicológica de Luria (1966,
1973) de que el cerebro humano está distribuido funcionalmente en
tres elementos: los lóbulos frontales que son la base estructural para
la planificación, la parte posterior del cerebro (áreas occipitales,
parietales y fronto-temporales) es la responsable de la codificación
Variables personales predictoras del rendimiento académico. Un modelo causal.
44
tanto en el procesamiento simultáneo como en el sucesivo, y el tronco
del encéfalo, responsable de la activación de la atención.
Para concluir este punto, diremos que ninguna teoría o modelo ha
conseguido aportar una explicación que sea plenamente satisfactoria acerca del
desarrollo, de las causas de las diferencias que se dan intersujetos, o de los
procesos cognitivos específicos responsables de la inteligencia o de la actividad
intelectual. Los representantes de cada teoría defienden su punto de vista,
evidentemente, pero ninguna de las teorías actuales proporciona una explicación
verificada de forma empírica sobre la constitución de la inteligencia y su
funcionamiento. En este sentido podemos citar la controversia existente entre si
la inteligencia es un factor general o una multiplicidad de factores.Tenemos
planteamientos como el de Gardner (1983, 2001) a favor de la existencia de
varias inteligencias y opiniones como la de Carroll (1993) quien afirma que la
existencia del factor de habilidad general mental, g, ya no es una pregunta seria
entre los expertos sobre la inteligencia, o la de Jensen (1998a, 1998b) que opina
que cualquiera que sea su naturaleza subyacente, la medida psicométrica de g
es una medida fiable, replicable en cualquier edad, raza, género, cultura y grupos
estudiados hasta ahora.
Visser, Ashton y Vernon (2006a) encontraron, sometiendo a prueba la
teoría de las inteligencias múltiples, que las pruebas de habilidades puramente
cognitivas comparten fuertes cargas en un factor de inteligencia general, y que
las habilidades que implican aspectos sensoriales, motores o influencias de la
personalidad la carga en g es menor. Como respuesta a estos autores, Gardner
(2006) les dice que no han entendido su teoría y que g es probablemente una
mezcla de inteligencia lingüística y lógica, con algún componente espacial que
Variables personales.Inteligencia.
45
aparece en ciertas pruebas o que g sea una medida de lo que se valora en las
pruebas occidentales en un ambiente escolar: la velocidad y la flexibilidad de
respuesta, la motivación para tener éxito en las pruebas, la facilidad para la
manipulación de símbolos, etc. Visser, Ashton y Vernon (2006b) replican
diciendo que g está bien establecido y señalan que a) g se expresa en una amplia
variedad de tareas,b) que g predice muchas variables de criterio importantes (no
sólo los logros académicos), y c) que g tiene una base biológica bien establecida.
En otro estudio Visser, Ashton y Vernon (2008) hallaron un gran factor
general, tanto en las medidas de habilidad como en las medidas de habilidad
autoestimada y que el factor habilidad, interpretable como g, casi no
correlacionaba con el factor de habilidad autoestimada.
En la misma dirección que Visser, Ashton y Vernon (2006a, 2006b, 2008),
Gottfredson (1999, 2002) también apunta la idea de que existe un factor general
g que está presente en todos los aspectos de la cognición y que el resto de
habilidades estarían por debajo de g en la jerarquía de las facultades. Este factor
g lo define Gottfredson (2007) como el continuo de las diferencias entre los
individuos en su capacidad general de aprender o razonar, de forma
independiente del contenido de la tarea o del contexto. Así, para la autora, el
factor g es independiente de la cultura ya que los resultados demuestran idéntica
continuidad del grado de inteligencia general independientemente del grupo
social. Por ello, la misma autora afirma que la inteligencia general tiene un origen
doble, genético y ambiental.
Variables personales predictoras del rendimiento académico. Un modelo causal.
46
2.1.2. Determinantes de la inteligencia.
En este apartado nos referiremos a la herencia-ambiente como
determinantes de la inteligencia controversia que dista mucho de estar resuelta.
¿Qué pesa más la genética o el medio ambiente? A principio de siglo los
investigadores se decantaban más por la influencia del ambiente, pero las
investigaciones genéticas realizadas durante los últimos años han llevado a los
psicólogos a una explicación intermedia en la cual naturaleza y ambiente afectan
en el desarrollo. Veamos algunas de ellas.
Estudios entre gemelos y entre padres e hijos han puesto de manifiesto el
factor gen en la inteligencia. Bouchard y McGue (1981) sintetizaron las
investigaciones sobre cociente intelectual (CI) llevadas a cabo en todo el mundo
con pares genéticos y concluyeron que cuanta más similitud genética hay entre
los miembros de la familia, más similitud en el CI.
Algunos estudios revelan que en un principio, el ambiente juega un papel
muy importante pero que a medida que crecemos, la herencia empieza a tener
más peso. Entre estas investigaciones tenemos la de McClearn et al. (1997)
quienes realizaron una investigación con pares de gemelos mayores de 80 años
y hallaron que las semejanzas entre gemelos idénticos y no idénticos persisten
en estas edades, aunque también vieron que el 40% de la varianza general tiene
un origen ambiental.
Según Plomin (1994) el valor de la inteligencia es de 50, por lo cual indica
que la mitad de la variación de la inteligencia se puede explicar por las
diferencias individuales en la composición genética.
Variables personales.Inteligencia.
47
Plomin y DeFries (1999) opinan que el término heredabilidad es una
medida estadística de la contribución genética a las diferencias entre individuos,
por tanto la heredabilidad nos dice en qué proporción las diferencias individuales
en el seno de una población han de adscribirse a los genes. Por otra parte,
Plomin y Spinath (2004) nos dicen que la heredabilidad de la inteligencia se
incrementa a lo largo de la vida y esos mismos genes afectan a diversas
habilidades cognitivas.
En esta misma línea, Gottfredson (2011) apunta que los estudios revelan
que la heredabilidad de la inteligencia aumenta de forma constante con la edad.
La heredabilidad es inferior al 30 por ciento antes de que los niños empiecen la
escuela y llega al 80 por ciento en la adultez. Según la misma autora, los niños
gemelos separados en la adultez responden a los test de inteligencia casi como
si fueran la misma persona y los adoptados en el mismo hogar como si fuesen
extraños.
Por su parte, Zimmer (2008) afirma que con el tiempo los genes tienen
más capacidad para influir en nuestro ambiente intelectual y por ello su influencia
se muestra en edades más avanzadas.
Desde otro punto de vista, Turkheimer, Haley, Waldron, D’Onofrio y
Gottesman (2003) realizaron una investigación en la cual demostraron que la
variación en el cociente intelectual dependía del nivel socioeconómico. En las
familias de bajo estatus la varianza en el CI explicada por el ambiente era del
60% y la contribución de los genes era prácticamente nula; por el contrario, en
las familias de estatus alto, el resultado era totalmente el contrario. Con ello,
estos autores demostraron la compleja relación entre genes e inteligencia ya que
unos no actúan independientemente del otro: un mismo gen puede actuar de
Variables personales predictoras del rendimiento académico. Un modelo causal.
48
modo distinto en diferentes entornos.
No podemos concluir este punto sin citar el efecto Flynn, término acuñado
por Herrnstein y Murray (1994) para designar a los aumentos en los coeficientes
intelectuales durante el siglo XX que fueron documentados en los Estados
Unidos y en otros países por Flynn (1984, 1987, 2008, 2009), de
aproximadamente 3 puntos por cada década, aumento que no es explicable por
la genética, ni por una mejor alimentación, ni por la mejora de la educación (el
rendimiento académico muchas veces no correlaciona con la habilidad para
resolver problemas de lógica o abstractos). Parece que la explicación está en el
hecho de que vivimos en ambientes que cada vez son más complejos y que
acaban recompensando el esfuerzo cognitivo (Schooler, 1999).El medio en el
que se desenvuelve un niño en la actualidad poco tiene que ver con el de hace
medio siglo, los avances tecnológicos han puesto en las manos de las nuevas
generaciones técnicas que les hacen adquirir estrategias cada vez más
avanzadas para resolver problemas (Johnson, 2005), pensemos en la imagen
del abuelo y el nieto intentando programar un video. Para Furnham (2010) una
puntuación en CI buena en 1990 sería brillante veinte años antes y mediocre
veinte años después.
Hay algunos trabajos que estudiaron este efecto antes que J.R. Flynn,
Lynn (2013) cita 24 de ellos, entre los cuales destaca como pioneros: Runquist
(1936), Roesell (1937),Johnson (1937), Wheeler (1942) y Smith (1942).
El efecto Flynn es una confirmación de los postulados de Vygotsky
(Vygotsky, 1930/1990, 1931/1978, 1934/1987; Wertsch, 1988), para quien el
ambiente en el que el ser humano crece desempeña un rol esencial en su
desarrollo intelectual.
Variables personales.Inteligencia.
49
Por último decir que hay algunos estudios que encuentran que este efecto
se ha detenido o retrocedido en los últimos años en las naciones
económicamente desarrolladas sin que se conozcan, por ahora, cuáles son las
causas. Lynn y Harvey (2008) citan cuatro de esas investigaciones: en Australia
(Cotton, Kiely, Crewther, Thomson, Laycock y Crewther, 2005), en Dinamarca
(Teasdale y Owen, 2005), en Gran Bretaña (Shayer, Ginsburg y Coe, 2007) y en
Noruega (Sundet, Barlaug y Torjussen, 2004).
2.1.3. Medida de la inteligencia.
Los primeros intentos de medida de la inteligencia surgieron a finales del
siglo XIX y principios del XX con la universalización en Europa y EE.UU. de la
educación pública que hizo que las escuelas se encontraron ante una gran
variedad de niños con diferentes niveles educativos y se vieron con la necesidad
de identificar aquellos alumnos que no llegaban al nivel. Dichos intentos fueron
llevados a cabo desde dos perspectivas diferentes, por un lado Galton para quien
la inteligencia está basada en procesos mentales y sensoriales simples y para
evaluarlos Galton (1869) elaboró distintas pruebas que evaluaban aspectos
como umbrales de percepción, tiempo de reacción, agudeza visual, etc., los
resultados obtenidos en la evaluación de estos parámetros psicofísicos son una
medida objetiva de la inteligencia.
Binet, por el contrario entiende la inteligencia como un conjunto de
procesos mentales de orden superior tales como las imágenes mentales, la
Variables personales predictoras del rendimiento académico. Un modelo causal.
50
memoria, la comprensión o el juicio. A partir de esta idea Binet (1911) y Binet y
Simon (1905, 1911) desarrollaron un test de “habilidad mental”. Los ítems
variaban de dificultad y cada uno estaba clasificado de acuerdo a la edad en que
un niño típico podía pasarlo por primera vez (Brody, 1992). Este test es conocido
como la Escala de Inteligencia Standford-Binet ya que Terman (1916), de la
Universidad de Stanford, lo adaptó para utilizarlo con niños americanosy
posteriormente lo actualizó (Terman y Merrill, 1937).
Stern (1912) mejora el test de Binet-Simon con la introducción del
concepto de cociente intelectual (CI).
Posteriormente se desarrollaron otras escalas como las de Wechsler
basadas en la concepción global de la inteligencia, el objetivo de las cuales era
obtener un índice de edad mental. No obstante, se observó que estas escalas
medían diferentes aspectos de la inteligencia y se aceptó la multidimensionalidad
del concepto. De este modo se desarrollaron diversas respuestas a la cuestión
de cuál es la estructura de las capacidades intelectuales: por un lado los que
defendían la primacía de un factor general (g) y por otro, los que eran partidarios
de la teoría de los factores múltiples.A continuación citaremos algunos de los test
más utilizados:
1) Escala Stanford-Binet (Terman y Merrill, 1937): esta escala abarca
desde los 2 años hasta la adultez y mide la inteligencia general así
como cuatro factores intelectuales: razonamiento verbal,
razonamiento cuantitativo, razonamiento abstracto/visual y memoria a
corto plazo (Thorndike, Hagen y Sattler, 1986).
2) Matrices Progresivas de Raven (1938), es un test de inteligencia no
Variables personales.Inteligencia.
51
verbal que consiste en completar una serie con la pieza que falta. Se
muestra una secuencia horizontal y vertical y se debe escoger la pieza
que falta de entre las que se muestran. En esta prueba se ponen en
marcha habilidades perceptuales, de observación y razonamiento
analógico.
3) Escalas de Inteligencia de Wechsler, son tres escalas, la primera WAIS
(1939) evalúa la inteligencia en adultos (de 16 a 90 años), la segunda
WISC (1949), en su versión V, la evalúa en niños de entre 6 años y 16
añosy 11 meses de edad de edad, y la tercera WPPSI (1967), en su
última versión, IV, lo hace en niños de 2 años y 6 meses hasta 7 años
y 7 meses. Miden dos amplios factores intelectuales: verbal y
manipulativo, así como ofrecen un valor total de CI. Las escalas han
tenido sucesivas revisiones que hacen de ellas unas de las más
empleadas en evaluación.
4) Test de factor “g” de Cattell, este test pretende medir la inteligencia
general, g, mediante una prueba no verbal que reduce al máximo las
influencias de otros factores procedentes del aprendizaje cultural o del
entorno social del niño. Este test consta de tres versiones, cada una
para una edad. La escala 1 se utiliza en niños de 4 a 8 años (Cattell,
1949; Cattell y Cattell, 1989) y está compuesta de 8 subpruebas no
verbales: sustitución, clasificación, laberintos, identificación, ordenes,
adivinanzas, errores y semejanzas; la escala 2 es aplicable a niños de
entre 8 y 14 años, y la 3 a partir de los 15 años de edad (Cattell y
Cattell, 1994). Las escalas 2 y 3 son también no verbales, donde el
sujeto tiene que relacionar figuras y formas y están divididas en cuatro
Variables personales predictoras del rendimiento académico. Un modelo causal.
52
subtest: series, clasificación, condiciones y matrices.
5) Test de Aptitudes Mentales Primarias (Thurstone, 1938), la finalidad
de este test es presentar un perfil de las principales dimensiones o
aptitudes mentales primarias, ofrece un CI mediante la evaluación de
los siguientes factores:
factor V,capacidad para comprender y expresar ideas con
palabras, evalúa la competencia del sujeto de captar los problemas
por medio de la palabra (escrita o hablada),
factor E, capacidad para imaginar y concebir objetos en dos y tres
dimensiones, es la aptitud de localizar objetos en el espacio,
factor R, capacidad para resolver problemas lógicos, comprender y
planear, la prueba explora las aptitudes de inducción (de las partes
al todo) y deducción (de lo general a lo particular),
factor N, capacidad para manejar números y conceptos
cuantitativos rápidamente,
factor F, capacidad para hablar y escribir con facilidad,
factor M, memoria asociativa, son tareas verbales que implican el
aprendizaje de pares asociados, no es un factor de memoria
general,
factor P, velocidad perceptual, esta habilidad implica la rápida y
segura identificación de detalles visuales, semejanzas y
diferencias, son tareas sencillas con estímulos simples como por
ejemplo: comparación de números.
Variables personales.Inteligencia.
53
En la adaptación española efectuada por el C.S.I.C. (1987)
desaparecen los dos últimos factores.
Secadas (1989) ha elaborado una forma paralela del PMA, el Test
Factorial de Inteligencia (AMPE-F) que pretende corregir algunos
aspectos de la adaptación española del test de Thurstone, las dos
pruebas evalúan los mismos factores.
6) Batería de Aptitudes Diferenciales y Generales -BadyG (Yuste, 2006),
está compuesta por 6 niveles que abarcan desde la evaluación en
educación infantil, hasta el bachillerato. La prueba evalúa factores
globales, inteligencia general y CI, y factores más específicos:
verbales, numéricos, espaciales y razonamiento lógico.
En las pruebas comentadas observamos que mientras algunas solo
ofrecen una medida de CI (Raven y Cattell), el resto de pruebas ofrecen además
puntuaciones de diferentes factores. Los teóricos actuales reconcilian estas dos
perspectivas proponiendo modelos jerárquicos donde “g” está en el nivel superior
pero coexisten subtests de ítems que proporcionan información sobre los puntos
fuertes y las debilidades del niño y también se pueden combinar en un índice
global de inteligencia general (Brody, 1992).
Aunque el CI es un dato que es ampliamente utilizado en evaluación, no
se ha librado de ser criticado. Se dice que el CI no es inmutable que cambia con
el tiempo, que en la mayoría de las pruebas que componen estos test, la
velocidad de respuesta es una variable que modula la puntuación que el sujeto
obtiene, que las pruebas de CI tienen un fuerte sesgo cultural porque tienden a
considerar más inteligentes a quienes dominan habilidades propias de la
Variables personales predictoras del rendimiento académico. Un modelo causal.
54
sociedad industrialy, sobre todo, que son pruebas que se centran en el producto
pero no dicen nada acerca del proceso que lleva a conseguir ese producto.
Muchas veces se utiliza el CI como demostración de la primacía de los
factores genéticos sobre los ambientales lo que ha llevado a la “exclusión social,
laboral y económica de las personas con un CI bajo” (Ovejero, 2003, p. 52),así
encontramos opiniones como la de Herrnstein y Murray (1994) donde los autores
exponen que el CI es un 60% heredable y un 40 % consecuencia del medio
ambiente, o investigaciones curiosas como la de Arden, Gottfredson, Miller y
Pierce (2009), en la que encuentran correlaciones positivas significativas entre
la inteligencia y 3 índices clave de la calidad del semen.
La opinión de Chomsky (1996) sobre esta cuestión es semejante a la de
Ovejero, si el CI es en buena parte hereditario, como sostienen Herrnstein y
Murray (1994), este hecho conducirá a una meritocracia hereditaria. Chomsky
señala que el CI correlaciona muy poco con el estatus socioeconómico,
consecuencia acaso del hecho de que está diseñado para medir el éxito
académico, algo que probablemente sólo se correlaciona de manera débil
con todo aquello que conduce a la riqueza y a los privilegios en las
condiciones concretas de una sociedad capitalista (Chomsky, 1996, p.
58).
Por su parte, Sternberg (1988a) señala que la asociación que se observa
entre los test de inteligencia y la habilidad humana es bastante débil y ello es
debido a que “la inteligencia es mucho más de lo que puede ser medido por un
simple test psicométrico. La inteligencia humana es una clase de automanejo
mental de la vida de un modo constructivo y poderoso” (p. 211).Las pruebas que
Variables personales.Inteligencia.
55
predicen el rendimiento con una correlación de 0.5 no explican más que un 25%
de la variación de los rendimientos individuales lo que quiere decir que el buen
rendimiento escolar requiere mucho más que CI (Sternberg, 1999).
Desde estos puntos de vista que se centran no en el producto de la
actividad sino en cómo los sujetos procesan la información para tomar
decisiones, para resolver un problema, tenemos las siguientes pruebas:
7) Batería para la Evaluación Dinámica del Potencial de Aprendizaje y de
las Estrategias Cognitivas - BEDPAEC (Molina, Arráiz y Garrido,
1993). Este tipo de evaluación pretende precisar la capacidad de
inteligencia de que un sujeto dispone para aprovecharse de una
preparación con el fin de lograr el mejor provecho posible, asume como
constructos teóricos esenciales el concepto de Zona de Desarrollo
Próximo de Vygotsky (Vygotsky, 1931/1978) y los de Modificabilidad
Cognitiva y Mediación de Feuerstein (Feuerstein, Rand y Hoffman,
1979). La forma de evaluar el potencial de aprendizaje es semejante
al procedimiento diseñado por Vygotsky para evaluar la Zona de
Desarrollo Próximo (Tzuriel, 2001), se trata de incluir una fase de
entrenamiento en la situación de evaluación: pretest - mediación -
postest. La mediación es una fase activa, de monitorización y de guía,
que va dirigida a proporcionar al sujeto aquellas destrezas elementales
que le van a facilitar una mejor ejecución en el dominio evaluado
(Haywood, 1993; Gerber, 2001).
La BEDPAEC consta de 9 pruebas (pensamiento reversible,
estructuración espacial, diseños matriciales, memoria de dígitos,
memoria viso-espacial, historietas manipulativas, historietas verbales,
Variables personales predictoras del rendimiento académico. Un modelo causal.
56
laberintos y rompecabezas), y una parrilla para observar las
estrategias:
prerrequisitos: interés, definición operativa,
input: tiempo de reacción, perseverancia en el error,
elaboración: razonamiento deductivo e inductivo, corrección
espontánea e inducida de errores, repaso, organización en
categorías, relación medios-fines,
output: respuestas verbales y manipulativas.
La batería puede aplicarse a niños entre 5 y 8 años, y hasta 12
años en el caso de niños con discapacidad intelectual leve (CI entre
50 y 65).
8) Proyecto Spectrum (Gardner, Feldman y Krechevsky, 2001), los
autores pretenden ofrecer a los educadores un instrumento alternativo
de evaluación mediante el cual se descubren y promueven las
destrezas cognitivas y los intereses de los niños. Los criterios de
evaluación se basan en el trabajo de los autores con niños de 4 años.
La evaluación consiste en 15 medidas independientes de 7 áreas:
movimiento, lenguaje, matemáticas, ciencias naturales, social, artes
visuales y música, además se evalúa el estilo de trabajo del niño.
9) Prueba de inteligencia triárquica - STAT (Sternberg Triarchic Abilities
Test, Sternberg, 1991, 1993). La prueba está dividida en nueve niveles
según edades que van desde educación infantil hasta enseñanza
superior y adultos. La prueba ofrece puntuaciones separadas para
cada uno de los aspectos de la inteligencia según la teoría triárquica:
Variables personales.Inteligencia.
57
para procesamiento de información componencial (habilidad analítica,
inteligencia componencial), manejo de lo novedoso (habilidad
sintética, inteligencia experiencial), y destrezas práctico-intelectuales
y de automatización (inteligencia contextual). Estas puntuaciones
están cruzadas con otras tres puntuaciones de contenido verbal,
cuantitativo y figurativo. Así cada nivel de edad es evaluado por 12
subtest (4 x 3). Según el autor (Sternberg, 1991) es posible
diagnosticar fortalezas y debilidades en el procesamiento de la
información y también diferentes tipos de representación de la
información, reconoce que la prueba no es inmune al aprendizaje
previo ni está libre de cultura. Es curioso que este test no haya sido
publicado y solo se pueda conseguir poniéndose en contacto con el
autor (Sternberg, 1993).
2.1.4. Rendimiento académico e inteligencia.
La existencia de literatura sobre la relación entre rendimiento académico
y los diferentes factores individuales es cuantiosa. Los primeros trabajos que
pretendían predecir el rendimiento académico surgieron a partir de la medida de
la inteligencia, más adelante se empezaron a estudiar otros factores ya que se
vio que el factor inteligencia no era suficiente para explicar la variabilidad del
rendimiento académico.
Entre los primeros estudios que establecieron correlaciones entre la
Variables personales predictoras del rendimiento académico. Un modelo causal.
58
inteligencia y el rendimiento académico podemos citar los trabajos de:
Andrés Muñoz (1952) que obtuvo correlaciones entre 0.55 y 0.76,
Garcia Yagüe y Sempere Agulló (1956) quienes obtuvieron
correlaciones entre 0.29 y 0.66,
Lopez Menchero (1970), García de la Hoz (1979) y Rodríguez
Espinar (1982), estos autores confirmaron la influencia del factor
inteligencia en el rendimiento académico.
Jencks (1979), mediante investigación longitudinal obtuvo
correlaciones entre estas variables que oscilaban entre 0.40 y 0.63.
Estudios más recientes que han llegado a la misma conclusión son: Brody
(1992), Jensen (1998a, 1998b), Sternberg, Grigorenko y Bundy (2001), Bartels,
Rietveld, VanVaal y Boomsma (2002). Mackintosh (1998) encuentra
correlaciones entre 0.4 y 0.70 entre el CI y el rendimiento escolar.
Según Jensen (1980) la correlación entre inteligencia y rendimiento
académico es mayor en la escuela primaria y va disminuyendo con la edad. Pind,
Gunnarsdottir, y Johannesson (2003) explican esto porque cada vez hay menos
estudiantes matriculados en los niveles superiors.
Más recientemente, Deary, Strand, Smith y Fernandes (2007) encontraron
que la correlación entre g y el rendimiento escolar fue de 0.85. La varianza
explicada varió desde el 58.6% en matemáticas y el 48% en inglés al 18,1% en
arte y diseño. El estudio, longitudinal, examinó la asociación entre la inteligencia
psicométrica a la edad de 11 años y el rendimiento escolar en los exámenes
nacionales a los 16 años. El número de participantes fue de 70.000.
Variables personales.Inteligencia.
59
Watkins, Lei y Canivez (2007) nos dicen que hay un debate abierto entre
inteligencia y rendimiento ya que algunos investigadores ven la inteligencia y el
rendimiento como constructos idénticos y opinan que el CI psicométrico ejerce
influencia causal sobre las medidas futuras de rendimiento pero que estas no
influyen sustancialmente en las puntuaciones de CI futuras. Opinión idéntica es
la de Laidra, Pullman y Allik (2007), quienes opinan que los estudiantes con
mejores resultados confían en sus capacidades cognitivas a lo largo de todos los
cursos y, por ello, el CI ejerce una influencia causal en el futuro rendimiento
académico pero no al contrario. Brody (1992) opina que la relación entre CI y
rendimiento académico es recíproca.
Las investigaciones que indican que la inteligencia general no es
suficiente para explicar el rendimiento académico son numerosas, algunas de
ellas son las siguientes:
Repáraz, Tourón y Villanueva (1990) efectúan una revisión bibliográfica
sobre este tema y encuentran que la correlación entre ambas variables,
inteligencia y rendimiento, no suele superar el valor de 0’60 ni ser menor de 0,20.
Estos autores apuntan que a partir del momento en el que se vio que el factor
inteligencia no era suficiente para explicar el rendimiento académico, los
investigadores comenzaron a relacionar otros factores con el aprovechamiento
escolar tales como personalidad, motivación, autoconcepto o el rendimiento
previo.
Investigaciones como las de Chamorro-Premuzic y Furnham (2005),
Jencks (1979), Jensen (1998a, 1998b), Mackintosh (1998) y Rohde y Thompson
(2007) dicen que hay evidencias empíricas de una fuerte asociación entre la
inteligencia general y el rendimiento académico, no obstante todavía hay entre
Variables personales predictoras del rendimiento académico. Un modelo causal.
60
un 51% y un 75% de la varianza en el rendimiento académico que no se puede
explicar mediante la medida de la inteligencia general.
De hecho, muchas investigaciones actuales se están centrando en identificar los
constructos que explican las diferencias individuales en “g”, ya que también
pueden ser relevantes para entender el rendimiento académico. Así se están
realizando investigaciones sobre la eficacia mental o velocidad de
procesamiento. Vernon (1983) encuentra que una mayor velocidad de
procesamiento cognitivo facilita que se adquiera más información, por su parte
Baker, Vernon y Ho (1991) encontraron asociación entre velocidad de
procesamiento y CI estos autores inciden en la importancia que tienen los
factores genéticos subyacente a esa asociación.
Luo, Thompson y Detterman (2003) encontraron que la varianza dividida
entre la inteligencia general y el rendimiento académico era de un 30%, pero
cuando controlaron el componente de velocidad mental esta decreció al 6%. Esto
demuestra como los diferentes ítems que componen la inteligencia pueden tener
un papel significante entre la inteligencia y el rendimiento.
Por otro lado, según Rindermann y Neubauer (2004) los atributos de la
personalidad tales como la motivación y los estilos de aprendizaje son muy
importantes en la adquisición de conocimientos. En la misma línea, Chamorro-
Premuzic y Furnham (2005) afirman que, para predecir el rendimiento
académico, se deben tener en cuenta conjuntamente las variables cognitivas y
de personalidad, por separado no son suficientes.
Schermer y Vernon (2010) encontraron que la personalidad entendida
como un factor general no es independiente del factor general de inteligencia, g,
Variables personales.Inteligencia.
61
ni de la deseabilidad social, en cambio esta última no correlaciona de forma
significativa con g.
Heaven y Ciarrochi (2012) realizaron un estudio sobre personalidad,
inteligencia y rendimiento académico y encontraron que la inteligencia estaba
asociada con el alto rendimiento académico entre aquellos que tenían una alta
capacidad pero no entre los que la tenían baja, este efecto no era eliminado
cuando se controlaban algunos rasgos de personalidad. Las conclusiones
obtenidas fueron:
es probable que algunas características individuales -persistencia y
laboriosidad- favorezcan un mejor rendimiento académico (en línea
con Blickle, 1996), y
la conciencia (C) que indica indica el grado de organización,
persistencia, motivación y control de la conducta dirigida a metas, y la
abertura a la experiencia (O) que indica el interés por la vivencia de
nuevas y variadas experiencias, predicen el rendimiento académico
entre aquellos sujetos que puntúan alto en CI.
Los autores explican esta última conclusión planteando que C está más
estrechamente relacionada con el aprendizaje disciplinado que incluye rasgos
como esfuerzo, estrategia y gestión del tiempo, mientras que la relación de O se
da con lo que denominan elaboración, que comprende habilidades como la
evaluación crítica, las relaciones interpersonales y la literatura. Según estos
autores, estas habilidades son de más uso entre los que tienen niveles altos de
inteligencia.
Concluimos este apartado con las conclusiones a las que llegaron
Variables personales predictoras del rendimiento académico. Un modelo causal.
62
Petrides, Chamorro-Premuzic, Frederickson y Furnham (2005) en un estudio
sobre el rendimiento académico en el que hallaron que el factor g solo explica un
50 - 60 % de la varianza, el resto de ella no la explica este factor. Según los
autores, estos no-g factores tienen un sustancial impacto en la educación y
pueden incluir aspectos como: asistir al colegio, el apoyo de los padres, rasgos
de personalidad, motivación y esfuerzo, buenas experiencias educativas, la
calidad de la enseñanza y otros posibles factores.
Variables personales. Motivación.
63
2.2. Motivación.
Las acepciones que aparecen en el Diccionario de la lengua española
(DRAE, 2001) sobre el término motivación son tres: acción y efecto de motivar,
motivo y ensayo mental preparatorio de una acción para animar o animarse a
ejecutarla con interés y diligencia. Así mismo motivo se define, entre otras, como:
que mueve o tiene eficacia o virtud para mover y causa o razón que mueve para
algo.
Por otra parte la palabra motivación proviene de la combinación de los
vocablos latinos motus -movido- y motio -movimiento, de aquí podemos
establecer una primera definición de motivación como aquellas cosas
que inducen al sujeto a realizar algunas conductas y a perseverar en ellas hasta
conseguir los fines que se habían planteado.
Apuntamos que las definiciones existentes acerca de la motivación son
muy numerosas de aquí que el desacuerdo entre los investigadores sobre la
cuestión sea notable (Pintrich y Schunk, 1996), en cualquier caso todos ellos
entienden la motivación como algo que impulsa la conducta o que la dirige. En
la tabla 4 ofrecemos algunas de ellas.
Así, una persona desmotivada es vista como alguien que no siente
activado para actuar, mientras que se considera que una persona está motivada
cuando se la percibe como alguien que está activado para conseguir un fin (Deci
y Ryan, 2000) cuando cuando se siente impelida a hacer algo (Mnyandu, 2001).
La motivación implica un impulso hacia algo, dicho impulso puede ser externo al
Variables personales predictoras del rendimiento académico. Un modelo causal.
64
sujeto, tiene su origen en el ambiente, o interno, relacionado con el sistema
cognitivo del individuo.
2.2.1. Teorías de la motivación.
El modelo básico de la motivación parte de la aparición de un estímulo
que origina una necesidad en el individuo, la cual provoca una acción en el sujeto
tendente a su satisfacción. Si la conducta ha conseguido el objetivo previsto se
recompone el estado de equilibrio previo a la aparición del estímulo. Si no se han
conseguido los resultados ambicionados, el sujeto puede sentir frustración o
buscar otros objetivos más asequibles (figura 1).
Figura 1. Modelo básico de la motivación.
Variables personales. Motivación.
65
Tabla 4.Definiciones de motivación.
Atkinson (1958) El término motivación se refiere a la activación de una tendencia a
actuar para producir efectos, subraya la fuerza final de la tendencia
de la acción que la persona experimenta como un yo quiero.
Nuttin (1963) La motivación explica la conducta como actividad dirigida, es una
orientación activa, persistente y selectiva que caracteriza la conducta
del individuo expresada de forma diferente según su tipo (innata o
adquirida) y el nivel de desarrollo del sujeto. La motivación es fuente
de actividad y de dirección (aspectos dinámico y direccional). Según
este autor, el término motivación es empleado por muchos autores
behavioristas para designar la influencia de diferentes estados
fisiológicos sobre el comportamiento.
Vander Zanden
(1986)
“Estados y procesos interiores que impulsan, dirigen o sostienen la
actividad de un individuo” (p. 622).
Woodbridge y
Manamela, (1992)
La motivación es la voluntad de participar en tareas significativas.
Solana (1993). La motivación es lo que hace que un individuo actúe y se comporte
de una determinada manera, con qué fuerza y hacia dónde, combina
procesos intelectuales, fisiológicos y psicológicos.
Woolfolk (1996) La motivación se define como un estado interno que activa, dirige y
mantiene la conducta. El estudio de la motivación intenta establecer
“cómo y por qué las personas inician acciones dirigidas a metas
específicas, con cuánta intensidad participan en la actividad y cuán
persistentes son en sus intentos por alcanzar esas metas” (p. 359).
Koontz y Weihrich
(1999)
La motivación es un término genérico que se aplica a una serie de
impulsos, deseos, necesidades, anhelos y fuerzas similares.
Tucker, Zayco y
Herman( 2002)
La motivación hace referencia a los indicadores cognitivos,
emocionales y de comportamiento que las personas utilizan.
Pintrich (2003) El término motivación se usa para describir lo que la gente hace, lo
que la mantiene en acción y lo que la ayuda a terminar lo que se
propone.
Ryan y Deci
(2008a)
La motivación es aquello que mueve a la gente a actuar, pensar y
desarrollar.
Variables personales predictoras del rendimiento académico. Un modelo causal.
66
A partir de este modelo que podemos llamar inicial distinguimos tres
grandes corrientes de teorías: el Conductismo, la Psicología Humanista y la
Psicología Cognitiva (Álvaro Page et al., 1990).
1. La perspectiva conductista de la motivación, basada en los trabajos de
Pavlov (1927), Hull (1930, 1943), Watson (1913, 1919, 1925, 1928) y
Skinner (1977a, 1979, 1985), considera que la motivación es una
hipótesis explicativa no verificable, la conducta es iniciada por estímulos
externos y determinada por mecanismos de refuerzo, positivos o
negativos, desarrollados entre los estímulos y las respuestas, los
individuos se comportan con la finalidad de obtener un beneficio o evitar
un daño. Skinner (1977a, 1979 ,1985) reduce la motivación a un simple
reforzamiento.
2. Desde la perspectiva humanista, los factores fundamentales que darían
cuenta de la conducta serían la necesidad de dar sentido a la propia vida
y la de autorrealización personal. Autores representantes de esta
tendencia son Maslow, McClelland y Herzberg entre otros.
3. Finalmente las teorías que tienen su origen en la perspectiva cognitiva,
mantienen que los procesos cognitivos son clave para explicar la
motivación, las causas de que los individuos desarrollen un
comportamiento y no otro. Algunos representantes de estas teorías son:
Vroom, Atkinson, Weiner, Dweck, Decy y Ryan.
Variables personales. Motivación.
67
2.2.1.1. Modelos Humanistas.
El Modelo de Maslow (1943, 1954/1991, 1964, 1971).
Es muy cierto que el hombre vive solo de pan - cuando no hay pan. Pero
¿qué pasa con los deseos del hombre cuando hay un montón de pan y
cuando su vientre está crónicamente leno?
Inmediatamente, otras (y “superiores”) necesidades emergen y estas, más
que el hambre fisiológica, dominan el organismo. Y cuando estas a su vez
se satisfacen, nuevas (y aún “superiores”) necesidades surgen y así
sucesivamente. Esto es lo que queremos decir cuando afirmamos que las
necesidades humanas básicas se organizan en una jerarquía de
prepotencia relativa (Maslow, 1943, p. 375).
En estas citas de Maslow (1943) vemos que para este autor en la
motivación se da toda una serie de necesidades, organizadas jerárquicamente.
A medida que el individuo satisface las más básicas, otras necesidades más
complejas son objeto de su conducta. En un primer modelo (Maslow, 1943,
1954), las necesidades se presentan en el siguiente orden:
1) Necesidades biológicas/fisiológicas. Aire, comida, bebida, cobijo,
calor, sexo, sueño.
2) Necesidades de seguridad. Protección contra los elementos, la
seguridad, el orden, la ley, los límites, la estabilidad.
3) Necesidades sociales. Pertenencia, afecto y amor, referidas al grupo
de trabajo, a la familia, a los amigos, a las relaciones en general.
Variables personales predictoras del rendimiento académico. Un modelo causal.
68
4) Necesidades de estima. Autoestima, logros, estatus, independencia,
prestigio, el respeto propio y el de los demás.
5) Necesidades de autorrealización. Búsqueda del crecimiento
personal, utilización plena de las capacidades del individuo.
Se consideran los cuatro niveles primeros como necesidades de privación,
si no se satisfacen provocan una deficiencia que motiva a los individuos para
satisfacerlas. Una necesidad satisfecha no origina ninguna conducta, solo las no
satisfechas influyen en ella y la orientan hacia el logro de objetivos. Así, las
necesidades fisiológicas, que ocupan el nivel más bajo en la jerarquía, cuando
no se satisfacen se vuelven predominantes. El nivel más alto es la auto-
realización, la conducta conducente a satisfacer esta necesidad no está
impulsada por una deficiencia, sino por un deseo de crecimiento personal
(Maslow, 1954).
Este modelo de 5 etapas fue ampliado por Maslow para incluir las
necesidades cognitivas, estéticas y trascendentes (Maslow, 1964, 1971)
referidas al conocimiento, al significado de las cosas, a la búsqueda de la belleza
o a la conexión a algo más allá del ego o a la ayuda que se puede ofrecer a otros
para que encuentren su realización personal y puedan darse cuenta de su
potencial. El modelo queda como se muestra en la figura 2.
Variables personales. Motivación.
69
• TRASCENDENCIA
• AUTORREALIZACIÓN
• CONOCIMIENTO, ESTÉTICA
• AUTOESTIMA
• ASOCIACIÓN o ACEPTACIÓN
• SEGURIDAD
• FISIOLÓGICAS
Figura 2. Pirámide de Maslow.
El modelo de las tres necesidades de McClelland (1961, 1965, 1989).
Para McClelland (1989) la motivación humana es una preocupación
recurrente a conseguir un estado o condición que impulsa, orienta y selecciona
la conducta del individuo. Este autor se centró en tres motivos determinados:
necesidad de logro (N-LOG), es un impulso inconsciente a realizar
cada vez mejor la tarea de que se trate con la finalidad de conseguir
la excelencia; los sujetos con alto N-LOG se autoevalúan para medir
su progreso hacia el fin propuesto, prefieren trabajar en solitario
asumiendo metas moderadas, no les interesan las metas fáciles -
porque no suponen ningún reto-, ni las muy difíciles en las que el
éxito es muy difícil de alcanzar (McClelland et al, 1953; McClelland,
1961; McClelland y Winter, 1969); la relación de N-LOG con el
rendimiento académico es alta (Steinmayr y Spinath, 2007),
Variables personales predictoras del rendimiento académico. Un modelo causal.
70
necesidad de afiliación (N-ASO), los individuos que poseen una alta
N-ASO son sujetos que buscan las relaciones interpersonales, la
amistad, son sensibles a las reacciones de los demás, prefieren
trabajar en grupo, les cuesta tomar decisiones difíciles por miedo a
disgustar a los demás, la necesidad de ser agradable se lo impide,
y
necesidad de poder (N-POD), es un impulso inconsciente a tener
ascendiente en los demás, necesitan obtener y conservar la
autoridad, son individuos que les gusta desempeñar profesiones, o
posiciones de liderazgo, en las que puedan mandar, les gustan los
deportes de competición, pueden llegar a ser personas agresivas
(McClelland et al, 1972; McClelland, 1975, 1989).
No hay tipos puros, todas las personas necesitan un cierto nivel de cada
una de estas necesidades aunque varíen los porcentajes. Por ejemplo, niveles
altos de N-LOG, bajos de N-ASO y moderados de N-POD son distintivos de los
empresarios de éxito. Sujetos con una máxima N-POD, moderada a baja N-ASO
y moderada N-LOG con alta capacidad de autocontrol son las características que
definen a los líderes efectivos de nivel medio y a los gerentes ejecutivos
(McClelland y Boyatzis, 1982).
Variables personales. Motivación.
71
El modelo de los dos factores de Herzberg.
Desde el campo de la psicología industrial surge el modelo de los dos factores
de Herzberg (Herzberg, 1959, 1968; Herzberg, Mausner y Snydermann,
1959/2010).
Este modelo es conocido también por el nombre de Teoría de la
Motivación e Higiene. Según este autor, las personas están influenciadas por
dos factores: satisfacción -resultado de los factores de motivación-, e
insatisfacción que es el resultado de los factores de higiene. Los primeros son
factores relacionados con el contenido del trabajo que generan compromiso,
tienen que ver con la Independencia laboral, el logro, la promoción, el
reconocimiento y la responsabilidad, etc.
El segundo tipo de factores, factores higiénicos, son extrínsecos al trabajo
(a su contenido), se encuentran en el ambiente que rodea a la tarea y el sujeto
no tiene control sobre ellos. Estos factores son los responsables de la
insatisfacción en el trabajo, son los que tienen que ver con la supervisión, el
salario, beneficios, recompensas, con las políticas y prácticas de gestión de la
institución, con las relaciones de trabajo y con los compañeros de trabajo, el
ambiente físico, etc. (Herzberg, Mausner y Snydermann, 1959/2010)
Ambos tipos de factores, higiénicos y motivadores, son distintos y están
separados en un punto neutro en el que no hay insatisfacción ni motivación, se
deduce de ello que estos dos tipos de factores no son opuestos. Lo contrario de
la satisfacción en el trabajo no es la insatisfacción laboral, sino la no-satisfacción,
del mismo modo, lo opuesto a la insatisfacción es la no-insatisfacción
(Herzberg,1968). En la tabla 5 mostramos un esquema de estos factores.
Variables personales predictoras del rendimiento académico. Un modelo causal.
72
Tabla 5.Resumen de los factores de Herzberg (Herzberg, Mausner y Snydermann, 1959/2010).
Facto
res
de
hig
iene
Las condiciones de trabajo. Las condiciones físicas de trabajo, la cantidad de
trabajo, o de los medios disponibles para hacer el trabajo. También
adecuación o inadecuación de ventilación, iluminación, herramientas, espacio
y otras características ambientales.
Política de la empresa y la administración. Eventos en los que algún aspecto
general de la empresa es un factor. Estos incluyen canales claros de
comunicación, autoridad insuficiente para la conclusión satisfactoria de las
tareas y la organización inadecuada de las tareas.
Salario. Todas las secuencias de eventos en los que la indemnización tiene
un papel. Estos implican salario o aumentos de sueldo, o la expectativa
incumplida de aumentos salariales.
Las relaciones interpersonales. La interacción entre el individuo y los
superiores, compañeros y subordinados. Estas relaciones pueden incluir
cualquiera de las relaciones de trabajo o las relaciones puramente sociales en
el trabajo.
Supervisión. La competencia o incompetencia, la justicia o injusticia del
supervisor. También la voluntad o falta de voluntad del supervisor para
delegar la responsabilidad o de su voluntad o falta de voluntad de enseñar.
Facto
res
de
motivació
n
Logro. La conclusión con éxito de un trabajo, las soluciones a los problemas,
vindicación, y ver los resultados del propio trabajo. La definición incluye el
fracaso y la falta de logro.
Reconocimiento. Cualquier acto de reconocimiento por parte de un supervisor,
cualquier otro individuo en la gestión, clientes, compañeros, colega
profesional, o del público en general. Puede ser un acto de aviso, la alabanza
o la culpa.
Responsabilidad. Esto incluye la responsabilidad personal por el trabajo de
uno y el trabajo de otros o de ser dado una nueva responsabilidad.
El trabajo en sí. El hacer real del trabajo o de las tareas del puesto de trabajo
como fuente de buenos o malos sentimientos al respecto. Los trabajos pueden
ser rutinarias o variada, creativa o embrutecedora, demasiado fácil o
demasiado difícil. Cada uno de esto puede afectar a la satisfacción laboral, ya
sea positiva o negativamente.
Avance. Cambio real en el estado o la posición de una persona en una
empresa. También incluye la posibilidad de avance.
Variables personales. Motivación.
73
La teoría de Maslow y Herzberg se pueden relacionar, así las cuatro
necesidades situadas en los puestos más altos de la pirámide, se
corresponderían con los factores motivadores, mientras que la correspondencia
del resto de necesidades sería con los factores higiénicos.
2.2.1.2. Modelos cognitivos.
Teoría de la expectativa de Vroom (1964).
También desde el campo de la psicología industrial, Vroom (1964) ofrece
su teoría de la motivación. Este autor plantea que los individuos se sentirán
motivados a comportarse de cierta forma si creen que el hacerlo les traerá
recompensas valiosas para ellos. El problema central de la motivación es cómo
explicar las decisiones que toman los individuos de entre el conjunto de las
posibles decisiones alternativas a tomar.
Para entender cómo se toman estas decisiones Vroom (1964) define los
conceptos de expectativa, valencia y fuerza.
La expectativa es la probabilidad que el sujeto asigna a la obtención del
resultado, es la creencia de que el esfuerzo puesto en la tarea producirá el fruto
deseado. Es "una creencia momentánea acerca de la probabilidad de que un
determinado acto será seguido por un resultado particular" (Vroom, 1964, p.17).
El valor de la expectativa oscila entre 0 (el sujeto cree que el resultado no será
una continuación de la acción) a 1 (el sujeto cree que el resultado será una
continuación de la acción) y depende del concepto que el sujeto tenga acerca de
Variables personales predictoras del rendimiento académico. Un modelo causal.
74
su capacidad para realizar la tarea de que se trate: valor alto si se considera
capaz y bajo en el caso contrario.
Valencia es un término que se refiere a una predilección por obtener un
resultado, una consecuencia, un provecho, un producto en lugar de otro. Los
valores matemáticos que se pueden aplicar a la valencia oscilan entre ±1. Un
resultado tiene una valencia positiva cuando el individuo prefiere alcanzar dicho
resultado a no alcanzarlo, lo contrario sería valencia negativa, la valencia cero
se daría cuando el resultado a alcanzar fuera indiferente para el sujeto. El valor,
valencia, de un resultado está en función de los valores del individuo: si un chico
quiere sacar una buena calificación en una asignatura y piensa que realizando
un determinado trabajo lo va a conseguir, la finalización de ese trabajo tendrá
una valencia positiva y el chico estará motivado a hacerlo por el valor percibido
de la recompensa (la nota).
Por último, la fuerza. Vroom (1964) sostiene que el comportamiento de
una persona es el resultado de un campo de fuerzas, cada una de los cuales
tiene dirección y magnitud. Los valores numéricos asignados a las valencias y a
las expectativas se combinan para producir su fuerza hipotética, y el acto que
produce el más alto nivel de la fuerza se supone que es el que la persona va a
elegir.
El modelo se representa con la ecuación (Davis y Newstrom, 2003):
ܨ = ܧ�ݔ�
en donde F es la fuerza (de la motivación), V el valor de la meta y E la
expectativa (probabilidad de logro).
Variables personales. Motivación.
75
Posteriormente, la teoría de la expectativa de Vroom fue ampliada por
Porter y Lawler (1968). Estos autores afirman que el rendimiento también se ve
afectado por factores ajenos a la motivación, tales como habilidades individuales,
rasgos y percepciones de rol. También asocian el concepto de satisfacción en
su modelo, sosteniendo que el alto rendimiento conduce a altas recompensas
que, a su vez, llevan a altos niveles de satisfacción.
Motivación de Logro (Atkinson, 1957, 1964).
Esta teoría está basada en las ideas, entre otros, de McClelland -ya visto
anteriormente- y de Murray (1938), este último definió las necesidades como el
constructo que representa la fuerza que ajusta la percepción, la capacidad y la
conducta para incrementar la satisfacción y consiguiendo, de esta forma, que
una situación desagradable deje de serlo. Las necesidades puede ser
provocadas por estados internos, hambre o sed, o externos, tales como la
presencia de comida o dinero.
El planteamiento central de Atkinson (Atkinson, 1957, 1964; Atkinson y
Feather, 1966; Atkinson y Raynor, 1974) es la asunción de que en todo sujeto
que se enfrenta a una tarea existen dos disposiciones: la consecución del éxito
y la evitación del fracaso, la primera se caracteriza por el interés para lograr la
finalidad pretendida, y la segunda por la ansiedad que provoca la frustración
asociada al fracaso. Atkinson (1964) entiende la consecución del éxito como una
capacidad para experimentar orgullo con el éxito y, en relación con la segunda
disposición, Pardo Merino y Alonso Tapia (1990) opinan que la evitación del
fracaso encarna la capacidad del sujeto para sentir temor o vergüenza cuando
Variables personales predictoras del rendimiento académico. Un modelo causal.
76
no se logra obtener el fin propuesto, es una característica aprendida que posee
una cierta estabilidad en el tiempo.
Así pues, los comportamientos tendentes al logro encarnan una disyuntiva
entre dos predisposiciones: la ambición de ganar y el miedo a perder.
Atkinson (1957, 1964) puso en relación dos constructos: motivación y
expectativa, concibió la motivación de logro como la fuerza de la persona en
interacción con el ambiente. Así la motivación de logro, tendencia para rendir,
quedaría representada por la siguiente ecuación:
= ܯ ܫ�ݔ�ܧ�ݔ�
Donde T es la motivación de logro, M es la motivación general del sujeto,
E es la expectativa del sujeto acerca de la probabilidad de obtener éxito, e I es
el incentivo que la tarea posee para el sujeto en cuestión.
Según McClleland (1989), E e I están relacionados de forma inversamente
proporcional: cuanto menor sea la expectativa de tener éxito, el incentivo de
conseguirlo será mayor, a una E baja le corresponde una I alta:
=ܫ 1 − ܧ
Según lo anterior, Atkinson (1957) plantea que los sujetos que están
motivados a conseguir el éxito prefieren tareas de moderada dificultad, mientras
que los que están motivados a huir del fracaso prefieren tareas muy fáciles o
muy difíciles. La explicación está en el hecho de que el individuo orientado al
logro quiere conseguir el éxito, por tanto elige -en el caso de que pueda elegir-
tareas en las que se siente capaz de llevarlas a cabo, trabajos muy difíciles que
se encuentren por encima de su capacidad no le interesan porque no va a tener
éxito en su ejecución. Pero, por otra parte, el sujeto no quiere el éxito a toda
Variables personales. Motivación.
77
costa, desea que la tarea a realizar le suponga un cierto reto, por ello tareas muy
fáciles que no le representan ningún desafío no le interesan.
El sujeto orientado a huir del fracaso desea tareas fáciles porque en ellas
tiene el éxito asegurado, o muy difíciles porque el fracaso es achacable a la
dificultad de la tarea y no a la propia competencia.
En la siguiente tabla (tabla 6) mostramos algunas de las predicciones de
la teoría.
La ecuación se aplica igualmente a la tendencia a evitar el fracaso. Así,
los datos de la tabla los interpretaremos de la forma siguiente: la mayor tendencia
a huir del fracaso se produce en la elección de tareas intermedias, por tanto el
sujeto elegirá las tareas con puntuación T más baja, difíciles o fáciles.
Como vemos la motivación de logro/huida más alta se da en relación con
las tareas de dificultad intermedia (0.2500; 1.0000) y ello con cualquier valor de
la motivación general del sujeto.
La teoría también explica la elección de compañeros de trabajo, Bueno y
Castanedo (1998) exponen que el sujeto con tendencia a huir del fracaso elegirá
a sus amigos porque estos no le recriminarán si no trabaja, sin embargo el
alumno con alta motivación de logro elegirá a compañeros brillantes para
asegurarse el éxito en la tarea pero que tengan una motivación de logro inferior
a la suya para evitar la competitividad en el grupo.
Variables personales predictoras del rendimiento académico. Un modelo causal.
78
Tabla 6.Motivación de logro/huida () en función de la dificultad de la tarea, de la motivacióngeneral ܯ) ), de la expectativa (ܧ) y del incentivo ,(ܫ) según la teoría de Atkinson (1957,1964).
dificultad de la tarea ܯ ܧ =ܫ 1 − ܧ = ܯ ܧݔ ܫݔ
5 (difícil) 1 (baja) 0.05 0.95 0.0475
4 1 0.25 0.75 0.1875
3 (intermedia) 1 0.50 0.50 0.2500
2 1 0.75 0.25 0.1875
1 (fácil) 1 0.95 0.05 0.0475
dificultad de la tarea ܯ ܧ =ܫ 1 − ܧ = ܯ ܧݔ ܫݔ
5 (difícil) 4 (alta) 0.05 0.95 0.1900
4 4 0.25 0.75 0.7500
3 (intermedia) 4 0.50 0.50 1.0000
2 4 0.75 0.25 0.7500
1 (fácil) 4 0.95 0.05 0.1900
Teoría de las atribuciones causales (Weiner, 1970, 1980, 1986).
Esta teoría se refiere a la forma cómo las personas interpretan los sucesos
y cómo aquella se relaciona con su forma de pensar y su conducta, la teoría
asume que las personas tratan de determinar porqué hacen lo que hacen. Un
individuo que trata de entender el porqué de la conducta de otra persona pasa
por tres etapas, en primer lugar el individuo debe observar el comportamiento
del otro, en segundo lugar debe creer que esa conducta es intencional y, por
último, debe establecer si cree que el otro se vio obligado a realizar esa conducta
Variables personales. Motivación.
79
o no, en el primer caso la causa se atribuye a la situación y en el segundo caso
a la persona.
Weiner (1974) focalizó su teoría de la atribución en el logro. Los factores
que afectan de forma notable a las atribuciones en relación con el logro son
cuatro, habilidad, esfuerzo, dificultad de la tarea y suerte, distrinuidas a lo largo
de tres dimensiones causales (Weiner, 1979), locus de control, estabilidad en el
tiempo y controlabilidad, cada una con dos polos: interno-externo, estabilidad-
inestabilidad y controlabilidad-incontrolabilidad, respectivamente. Así:
la aptitud puede ser clasificada como causa interna, estable e
incontrolable,
el esfuerzo sería una causa interna, inestable y controlable,
la dificultad de la tarea sería: externa, estable e incontrolable, y
la suerte: externa, inestable e incontrolable.
Weiner (1980, 1986) afirma que existe una estrecha relación entre
autoconcepto, rendimiento y atribución, los sujetos con una alta autoestima y con
un elevado rendimiento tienden a atribuir sus éxitos a factores internos, estables
e incontrolables tales como la propia inteligencia, y el fracaso a factores como el
esfuerzo puesto en la tarea que es interno, inestable y controlable. Por otro lado,
los sujetos de bajo rendimiento, con baja autoestima, tienden a atribuir sus éxitos
a la suerte y sus fracasos a su falta de capacidad. El rendimiento de los sujetos
que confían en su propia capacidad y esfuerzo, se incrementa significativamente
(Martín del Buey y Romero Viesca, 2003).
Esta teoría también predice -al igual que la de Atkinson- el tipo de tareas
que eligen los sujetos en función de la atribución que hagan de las causas de
Variables personales predictoras del rendimiento académico. Un modelo causal.
80
sus éxitos y fracasos. Los sujetos de alto rendimiento y autoestima elegirán
tareas que les permitan conseguir éxito ya que lo asocian a dos factores que
poseen: la capacidad y al esfuerzo. Los sujetos de bajo rendimiento evitan este
tipo de tareas ya que tienden a dudar de su capacidad o a atribuir un papel
importante a la suerte cuando tienen éxito en alguna tarea. En los primeros,
fracasar no supone un ataque a su autoestima porque lo atribuyen a la falta de
esfuerzo, factor que está bajo el control del sujeto; por el contrario los sujetos de
bajo rendimiento tienen que disculpar el fracaso atribuyendo sus causas a
factores fuera de su control, la mala suerte o la dificultad de la tarea, ya que
atribuirlo a la falta de capacidad supondría un ataque directo a su autoestima.
Resumiendo, los sujetos que atribuyen sus fracasos a factores
incontrolables aprenden a no actuar, caen en un proceso de indefensión
aprendida que se traduce en desmotivación, empleo de estrategias de actuación
menos eficaces, caída de las expectativas y de la persistencia en la acción de
que se trate (Dweck, 2012; Dweck y Reppucci, 1973).
Metas de logro (Dweck, 1975, 1986).
La conceptualización del constructo metas de logro surgió a partir de un
conjunto de estudios (Diener y Dweck, 1978, 1980; Dweck, 1975; Dweck y
Reppucci, 1973) que demostró que niños con igual capacidad respondían de
forma diferente al fracaso ante tareas de logro. Algunos chicos mostraron
patrones adaptativos a la situación de tipo de dominio o de indefensión. Los
chicos que adoptaron el primer patrón, dominio, atribuían el fracaso a su esfuerzo
insuficiente y se sentían impelidos a continuar intentándolo porque sentían que
Variables personales. Motivación.
81
tenían el control de la situación. Los chicos que adoptaron el segundo tipo -
indefensión- atribuyeron el fracaso a la falta de capacidad, lo que les llevó a un
decremento en el rendimiento y a huir de futuras tareas. Dweck (Dweck, 1986;
Dweck y Elliot, 1983) planteó el constructo meta de logro para explicar este
hecho y la definió como el propósito de la persona para involucrar su conducta
en una situación de logro e identificó dos tipos de metas (Grant y Dweck, 2003):
de rendimiento, de ejecución, en las que el sujeto pretende demostrar
su competencia (o evitar demostrar su incompetencia), el sujeto busca
obtener (o evitar) juicios positivos (o negativos) sobre su competencia,
y
de aprendizaje, en las que el sujeto pretende desarrollar su
competencia, es decir, el sujeto pretende adquirir nuevas habilidades
o perfeccionar su ejecución en una determinada tarea.
Los sujetos orientados hacia metas de aprendizaje se implican en las
tareas y aunque experimentan desagrado ante el fracaso, su nivel de ejecución
no disminuye (Covington y Omelich, 1984; Elliot y Dweck, 1981) ya que al atribuir
el fracaso a su falta de esfuerzo - causa interna y controlable- consideran que
tienen el control de la situación, como hemos indicado anteriormente. Dweck
(2007) dice: “Los chicos que creían en el esfuerzo llegaron a la conclusión de
que la dificultad significaba tener que aplicar más esfuerzo. No consideraron el
fallo como un fracaso y tampoco pensaron que fuera un reflejo de su capacidad
intelectual” (p. 105), de hecho los sujetos orientados hacia este tipo de metas no
necesitan sentir que tienen una gran habilidad para perseverar en la tarea (Elliott
y Dweck, 1988).
Variables personales predictoras del rendimiento académico. Un modelo causal.
82
Por el contrario los individuos orientados hacia metas de rendimiento
como buscan obtener juicios positivos, validación de la propia capacidad (Grant
y Dweck, 2003) o evitar los negativos, según Covington (2000b), en un proceso
de comparación social, no asumen riesgos, la confianza en sí mismos baja
notablemente aunque partieran de niveles altos, se desaniman ante el fracaso y
su nivel de ejecución disminuye. Es posible que estos sujetos perseveren en la
ejecución en el caso de tener éxito pero ante contratiempos más o menos
prolondados, se produce un deterioro en la motivación y en el rendimiento (Grant
y Dweck, 2003). Estos sujetos tienden a creer que la capacidad es una cualidad
estable del individuo, mientras que la creencia de los sujetos orientados hacia el
aprendizaje es la de que la capacidad es maleable (Dweck y Leggett, 1988) .
Por último, en primer lugar, apuntar que el hecho de atribuir los resultados
a causas internas (orientación hacia metas de aprendizaje) influye
significativamente sobre las metas de aprendizaje, mientras que las atribuciones
a causa externas (orientación hacia metas de rendimiento) influyen sobre las
metas de rendimiento (González Cabanach, Valle Arias, Suárez Riveiro y
Fernández Suárez, 1999; Valle Arias, González Cabanach, Gómez Taibo,
Rodríguez Martínez y Piñeiro, 1998). En segundo lugar, señalar que la
percepción por parte del sujeto de la existencia de una estructura orientada al
aprendizaje en la organización de que se trate, el aula en nuestro caso, se
relaciona positivamente con una orientación de aprendizaje (Sideridis, 2005), del
mismo modo la percepción de una estructura tendente a evitar la ejecución
favorece la orientación de ejecución (Gaeta González, 2013). En tercer lugar
indicar que tal vez:
Variables personales. Motivación.
83
El estudio de las metas de los alumnos ha estado sesgado hacia el estudio
de las de orden académico, en detrimento de las de carácter social,
aunque éstas se están mostrando con una gran importancia,
especialmente en alumnos de contextos educativos más desfavorecidos
(de la Fuente Arias, 2002, p. 80).
Gonçalves y Lemos (2014) plantean que la existencia en el aula de metas
prosociales puede influenciar, positivamente, las actitudes hacia los chicos con
necesidades especiales.
Teoría de la autodeterminación (Deci y Ryan, 1985, 2000; Ryan y Deci, 2000b).
Según Niemiec y Ryan (2009) la teoría de la autodeterminación (a partir
de ahora la citaremos por sus siglas en castellano TAD) es una macro-teoría de
la motivación humana, la emoción y el desarrollo que se interesa por los factores
que facilitan o impiden los procesos de asimilación y crecimiento en las personas.
La TAD se compone de cinco mini teorías interrelacionadas (Deci y Ryan, 2002),
a saber:
Teoría de los Contenidos de Meta, surge de la distinción entre metas
extrínsecas e intrínsecas y su impacto en la motivación y el bienestar,
manifiesta el impacto de los objetivos intrínsecos y extrínsecos en la
motivación y el bienestar de las personas (Kasser y Ryan, 1996).
Teoría de la Evaluación Cognitiva, pretende especificar los factores
que explican la variabilidad en la motivación intrínseca, la teoría fue
conformada en términos de factores sociales y ambientales que
Variables personales predictoras del rendimiento académico. Un modelo causal.
84
posibilitan o dificultan esta motivación (Deci y Ryan, 1985; Ryan y Deci,
2000a).
Teoría de las Orientaciones de Causalidad, describe como los
individuos incorporan aspectos sociales a sus estilos motivacionales.
Intenta explicar las diferencias individuales que regulan los diferentes
modos de comportarse en función del grado de control, más o menos
interno, de la persona (Deci y Ryan, 1985, 2002). La teoría describe
tres tipos de orientaciones de causalidad:
orientación de autonomía, los sujetos con este tipo de orientación
actúan por interés,
orientación de control, los sujetos se mueven por recompensas,
ganancias y aprobación social,
orientación impersonal, caracterizada por ansiedad con respecto a
la competencia.
Teoría de la Integración Orgánica, aborda el tema de la motivación
extrínseca en sus diversas formas, la cual puede ser regulada de forma
externa, por introyección, por identificación y por integración, en un
continuo de internalización. A medida que la regulación es más interna
las conductas reguladas por factores externos pueden convertirse en
conductas autorreguladas (Deci y Ryan, 2002).
Por último, la Teoría de las Necesidades Psicológicas Básicas plantea
que la motivación intrínseca es facilitada por los entornos sociales que
satisfacen las tres necesidades psicológicas básicas (Deci y Ryan,
2000), lo contrario ocurre cuando el medio social no satisface estos
deseos de la persona; necesidades y motivación intrínseca están
Variables personales. Motivación.
85
fuertemente asociadas (Carreira, 2012). Estas necesidades
universales para el desarrollo -físico y psicológico- correcto de las
personas (Baumeister y Leary, 1995; De Charms, 1968; Deci y Ryan,
1985, 2000, 2002; White, 1959) son:
competencia, definida como la necesidad de experimentar
satisfacción con la mejora de las propias capacidades, muy
relacionada con la autoeficacia (Bandura & Locke, 2003),
relacionarse, es la necesidad de sentirse aceptados por los seres
queridos y
autonomía, que es la necesidad que el individuo tiene de sentirse
el sujeto de su conducta en su inicio, en su mantenimiento y en su
regulación.
La TAD es una teoría empírica de la motivación humana, el desarrollo y el
bienestar. La teoría se centra en los tipos, y no sólo en la cantidad, de motivación,
Deci y Ryan (2008) piensan que aumentar la motivación no produce mayor
rendimiento ni un funcionamiento más satisfactorio. La teoría presta especial
atención a la motivación autónoma, la motivación controlada y la desmotivación
como predictores del rendimiento, de las relaciones sociales y del bienestar de
la persona. También se ocupa de las condiciones sociales que mejoran o
disminuyen estos tipos de motivación y de las metas o aspiraciones de las
personas (Deci y Ryan, 2008a).
En la figura 3 mostramos un esquema de la TAD, como vemos la teoría
plantea una motivación de carácter multidimensional (Reeve, Deci y Ryan, 2004;
Reeve, Ryan, Deci y Jang, 2008) con tres tipos globales de motivación ya
apuntados anteriormente: desmotivación, motivación intrínseca y motivación
Variables personales predictoras del rendimiento académico. Un modelo causal.
86
extrínseca (Deci y Ryan, 1985, 2000, 2008) que reflejan diferentes niveles de
autodeterminación (Deci y Ryan, 1985) desde conductas que reflejan una
carencia absoluta de ella (desmotivación y regulación externa) hasta conductas
totalmente autodeterminadas, caso de la regulación integrada y la motivación
intrínseca.
Figura 3. Tipos de motivación y regulación en el continuo de la TAD (adaptado de Deci& Ryan, 2002, 2008; Ryan & Deci, 2009).
La desmotivación supone ausencia de motivación, de falta de intención de
actuar, son conductas no motivadas que suceden sin intencionalidad y son
percibidas como causadas externamente con una falta total o casi total de
regulación. La desmotivación es esencialmente distinta de la motivación
extrínseca y de la intrínseca. Individuos desmotivados pueden llegar a no percibir
Variables personales. Motivación.
87
ningún tipo de relación entre su conducta y los resultados que de ella se derivan
(Vallerand et al., 1992 ) .
La motivación extrínseca, es un constructo que se refiere siempre que una
actividad se realiza para alcanzar objetivos que tienen poco o nada que ver con
la actividad desarrollada (Ryan y Deci, 2000b), la actividad tiene un valor
instrumental para el sujeto que la realiza, no es un fin en sí misma. Un ejemplo
típico de conducta motivada de forma extrínseca es la realizada para obtener
una recompensa o evitar un castigo.
Los autores (Reeve et al., 2004, 2008) proponen cuatro tipos de
motivación externa según cuatro estilos reguladores que van de mayor a menor
externalidad según su nivel de regulación (autodeterminación), son las
siguientes:
regulación externa, personifica el concepto clásico de motivación
extrínseca, son conductas reguladas por circunstancias externas al
individuo (amenazas, recompensas, demandas exteriores, etc.),
regulación introyectada, que se define como aquella conducta que aunque
está regulada por presiones internas, su locus de control es externo
debido a que la fuente que las inicia es externa; así, si un individuo se dice
a sí mismo: "voy a estudiar para el examen próximo porque el suspenso
que he sacado en este ha sido por no esforzarme suficiente", está
efectuando una regulación introyectada de su conducta (Deci y Ryan,
1985, 2000, 2008, 2008a); las acciones se inician para evitar sensaciones
de culpa o de ansiedad, o para cuidar la autoestima,
regulación identificada, se produce cuando la conducta es regulada por
aspectos importantes para el sujeto, se acepta la regulación externa de la
Variables personales predictoras del rendimiento académico. Un modelo causal.
88
conducta pero se asume como propia: “debo hacer … porque es
importante para mi”; las conductas se realizan por decisión del propio
sujeto,
regulación integrada, se produce cuando las regulaciones identificadas
son coherentes con los intereses y las necesidades del sujeto; el individuo
no se siente dirigido por eventos externos, es la forma más autónoma de
motivación extrínseca (Levesque, Copeland, Pattie y Deci, 2011).
Los tipos de regulación menos externos están mas relacionados con el
tipo de motivación intrínseca que los más externos (Carreira, 2012; Ryan y Deci,
2000). Una persona puede mudar el tipo de regulación, de externa a integrada,
a través de un proceso de internalización mediante el cual el sujeto acepta como
propias las reglas sociales.
La motivación intrínseca es el factor más autodeterminante en la
motivación, aparece cuando la persona realiza una actividad por ella misma, por
placer o satisfacción, Deci y Ryan (1994) y Covington (2000b) la definen como
la motivación que surge espontáneamente por predisposiciones internas y
necesidades psicológicas sin recompensas o presiones externas. La motivación
intrínseca implica desarrollar una conducta en una actividad que es
intrínsecamente satisfactoria que se realiza por el disfrute de la actividad en sí.
El sujeto está interesado en lo que hace, muestra curiosidad, explora nuevos
estímulos, trabaja para dominar los retos que la tarea le presenta (Deci, 1975;
White, 1959). La regulación es, obviamente, intrínseca.
La teoría distingue entre motivación autónoma y motivación controlada
(Deci y Ryan, 2008, 2008a). La motivación autónoma implica comportarse de
Variables personales. Motivación.
89
acuerdo a la propia voluntad y realizar elecciones de acuerdo a ella, abarca la
motivación intrínseca y la regulación identificada.
Motivación controlada, por el contrario, consiste en actuar por presiones
externas, son conductas reguladas por circunstancias externas al individuo que
las ha interiorizado parcialmente (Deci y Ryan, 2002). Si un individuo se plantea
que “debería comer menos grasas” es posible que esa opinión venga motivada
porque otras personas le han dicho que está algo pasado de peso: el entorno
presiona indirectamente aunque quien decide no comer grasas en último término
es el propio individuo. Incluye las regulaciones externa e introyectada (Katz,
Assor y Kanat, 2008; Ratelle, Guay, Vallerand, Larose y Senécal, 2007).
Las relaciones que hay entre la motivación extrínseca-intrinseca y las
metas de rendimiento-aprendizaje son evidentes. Citaremos únicamente la
investigación de Vallerand et al. (1993) en la que se encontraron correlaciones
positivas entre meta de aprendizaje y motivación intrínseca y, por otro lado, entre
meta de rendimiento y motivación extrínseca. En general se suele considerar
que las metas de aprendizaje favorecen la motivación intrínseca y las metas de
rendimiento la extrínseca (Heyman y Dweck, 1992), aunque hay estudios que
encuentran que las primeras favorecen tanto la motivación intrínseca como la
extrínseca (Acat y Dereli, 2012).
Variables personales predictoras del rendimiento académico. Un modelo causal.
90
2.2.2. Motivación y rendimiento académico.
En general, los estudios que relacionan estas variables parten de que los
niveles altos de motivación elevan los resultados académicos, al igual que los
niveles bajos los disminuyen. Algunas investigaciones ya clásicas que
encuentran correlaciones positivas entre motivación y rendimiento académico
son las siguientes:
Tyler (1965) encontró correlaciones de 0.40 entre la motivación y las
calificaciones escolares,
Brengelman (1975) encuentra correlaciones positivas entre el rendimiento
académico y alta ambición de rendimiento, evaluación positiva del propio
rendimiento y demás actitudes intensivas positivas, y
Pelechano (1977), por su parte, también obtiene relaciones positivas y
significativas de la motivación con el rendimiento.
La motivación relacionada con el rendimiento académico (Pintrich y
Zusho, 2002), se refiere a los procesos internos que estimulan y sustentan tareas
enfocadas a conseguir objetivos académicos determinados. Así pues, partiendo
del aforismo según el cual ”no hay peor estudiante que aquel que no quiere
estudiar” y de que el alumno necesita tanto de de la voluntad como de la habilidad
para obtener buenos resultados académicos (González Cabanach, Valle, Núñez
y González Pienda, 1996), hemos de apuntar que el análisis de los motivos que
impulsan a los alumnos a estudiar, o a no hacerlo, y la investigación acerca de
las relaciones existentes entre motivación y rendimiento académico de los
alumnos en la escuela es muy numerosa (Meece, Anderman y Anderman, 2006;
Variables personales. Motivación.
91
Schunk, Pintrich y Meece, 2008), las razones para ello son diversas, entre ellas
la necesidad de evitar el fracaso escolar o facilitar el aprendizaje.
Uno de los aspectos que pueden explicar la motivación en contextos
escolares es, como decíamos antes, el interés del alumno y su nivel de
aspiraciones. Los estudios muestran que, en la medida en que un alumno
muestra más interés por lo que realiza y el nivel de aspiraciones que tiene se
ajusta a sus posibilidades (es realista), obtendrá un mejor aprovechamiento
escolar (Álvaro Page et al, 1990; Pintrich y De Groot, 1990).
Por otra parte, aquellos estudiantes con más interés, más motivados,
dedicarán más tiempo y dedicación que los estudiantes con menos interés, y
estos alumnos presumiblemente pedirán ayuda si la necesitan lo que
incrementará su rendimiento (Bennett, 2003).
Otros aspectos que influyen en la motivación académica son los
autoconceptos referidos a las percepciones y opiniones del sujeto acerca de su
propia capacidad para realizar una determinada tarea, son autoconceptos
relacionados con percepciones de competencia y de autoeficacia (Pintrich y De
Groot, 1990). La relación entre autoconcepto, motivación autónoma académica
y rendimiento académico ha sido estudiada por autores como Guay, Rattelle,
Roy y L’italien (2010), los cuales observaron tres situaciones:
la motivación académica autónoma media en la relación entre
autoconcepto y rendimiento,
el autoconcepto académico media entre la motivación y el rendimiento,
ambas, motivación y autoconcepto, influyen en el rendimiento.
Variables personales predictoras del rendimiento académico. Un modelo causal.
92
Los autores llegaron a la conclusión de que la motivación es el proceso
que explica como el autoconcepto académico contribuye al rendimiento
académico. Esto va en consonancia con la teoría de la Expectativa de Valor de
Wigfield y Eccles (2000), con la Teoría del Autoconcepto (Harter, 1999; Marsh,
2007) y la teoría de la autodeterminación de Deci y Ryan (1985a). Estudios que
apoyan este modelo son los de Fortier, Vallerand y Guay (1995) y Guay y
Vallerand (1997).
Según Pintrich y Zusho (2002), la motivación académica se refiere a los
procesos internos que instigan y mantienen actividades encaminadas a lograr
los objetivos académicos específicos. Desde el punto de vista de la
autodeterminación, se afirma que la motivación académica es de naturaleza
multidimensional, y se compone de tres formas globales de motivación:
intrínseca, extrínseca y la desmotivación (Deci y Ryan, 2002). Veamos algunas
investigaciones desde este punto de vista.
1. Vallerand y Bissonnette (1992) encontraron que la motivación intrínseca
favorece el logro académico. Se investigó el papel de estilos intrínsecos,
extrínsecos y de desmotivación como predictores de la persistencia del
comportamiento en ambientes académicos. Los participantes incluyeron
388 hombres y 674 mujeres estudiantes canadienses franceses de
Montreal. Los resultados indicaron que los estudiantes que persistían y
terminaban sus cursos tenían de inicio niveles más altos de motivación
intrínseca que aquellos que abandonaron.
2. Fortier, Vallerand y Guay (1995), encontraron, con estudiantes de
educación secundaria, que la competencia y la autodeterminación
académicas percibidas influyen en la motivación autónoma percibida que,
Variables personales. Motivación.
93
a su vez, tiene un efecto positivo sobre el rendimiento académico. Pintrich
(2003) dice que los estudiantes están motivados cuando tienen
percepción de competencia. Cuando los estudiantes creen que van a
hacer las cosas bien y creen que tienen las habilidades y los
conocimientos adecuados, tienden a aplicar más esfuerzo y tienen más
probabilidad de alcanzar sus metas (Pintrich & De Groot, 1990; Schunk &
Pajares, 2005); además, Wentzel (1993) opina que hay una relación entre
el rendimiento académico y el hecho de percibirse a uno mismo como que
va a tener éxito.
3. Miserandino (1996), con chicos de primaria, evaluó los efectos de la
competencia percibida y la motivación autónoma sobre el compromiso
académico y el rendimiento académicos. Los resultados indicaron que los
niños que se veían como competentes desarrollaban una motivación
autónoma y estaban más comprometidos con la escuela y su rendimiento
era mayor que el de los chicos que se percibían como menos competentes
en los que además primaba una motivación de tipo controlada.
4. Guay y Vallerand (1997) examinaron a) las relaciones existentes entre
competencia percibida, autonomía y motivación escolar autodeterminada,
y b) el efecto de la motivación escolar autodeterminada sobre el
rendimiento académico en adolescentes. Los resultados obtenidos
apoyan el modelo de motivación propuesto por la TAD, la competencia y
la autonomía percibida ejercen una influencia positiva en su motivación
escolar autodeterminada, además esta última predice su rendimiento
académico incluso después de controlar el rendimiento previo
Variables personales predictoras del rendimiento académico. Un modelo causal.
94
5. Ratelle, Guay, Vallerand, Larose y Senécal (2007) encontraron que los
estudiantes que se caracterizaban pos altos niveles de motivación
autónoma y bajos de motivación controlada, tenían mejores resultados
académicos que los estudiantes con características inversas.
En general, los estudiantes con motivación intrínseca tienden a tener
mejor rendimiento académico (Broussard y Garrison, 2004; Gherasim, Mairean
y Butnaru, 2012; Gottfried, Marcoulides, Gottfried, Oliver y Guerin, 2007;
Kusurkar, Ten Cate, Vos, Westers y Croiset, 2013), menos ansiedad académica
(Gottfried, 1982), mayor implicación con la tarea (Anghelache, 2013; Riaz, Riaz
y Hussain, 2011), y un mejor aprendizaje profundo (Ames y Archer, 1988), el cual
es mayor que el de los alumnos con motivación extrínseca que suelen tener
menor rendimiento académico (Becker et al, 2010; Lepper, Corpus y Iyengar,
2005).
Los defensores de la TAD defienden el papel universal que desempeña la
motivación autonoma en el funcionamiento humano en general y en el
aprendizaje académico en particular (Chirkov, 2009; Jang, Reeve, Ryan y Kim,
2009; Vansteenkiste, Zhou, Lens y Soenens, 2005).
Aunque las conclusiones de estos estudios no dejan lugar a dudas, hay
autores que expresan sus recelos en el sentido de que los participantes en estos
estudios son estudiantes de raza blanca de culturas individualistas (Estados
Unidos y Canadá, por ejemplo) y que los resultados obtenidos no pueden
generalizarse a otras culturas de tipo más colectivista (Iyengar y Lepper, 1999;
Markus, Kitayama y Heiman, 1996; Murphy-Berman y Berman, 2003).
Mnyandu (2001), en un estudio local de 120 alumnos de raza negra de
Variables personales. Motivación.
95
sexto grado (The sample consisted of 120 black grade six learners) de tres
escuelas primarias en Shoshanguve en Sudáfrica, encontró que la motivación
intrínseca no estaba positivamente relacionada con el logro académico, sí
encontró correlaciones negativas entre desmotivación y rendimiento académico.
Este investigador afirma que tanto la motivación intrínseca como la extrínseca
son esenciales en el ámbito académico ya que la motivación intrínseca no
siempre puede ser invocada debido a que no todas las tareas académicas son
interesantes, este autor pone como ejemplo el aprendizaje del alfabeto.
Boggiano y Pittman (1992) encontraron que la motivación intrínseca de
los alumnos que inicialmente habían estado haciendo bien las cosas, se reduce
después de su exposición a recompensas extrínsecas, los mismos resultados
encuentran Deci, Koestner y Ryan (2001) en el meta-análisis que realizaron
sobre 128 investigaciones; igual sucede en aquel alumno que recibe malas
calificaciones, en este caso las figuras de autoridad, padres, maestros,
reaccionan mediante la introducción de incentivos, sanciones u otras
contingencias extrínsecas para alentar un mejor desempeño (Corpus, McClintic-
Gilbert y Hayenga, 2009). La explicación es clara, la motivación intrínseca puede
reducirce cuando los sujetos perciben que su conducta está controlada por
eventos externos (Harackiewicz, Barron y Elliot, 1998).
Otra investigación que no encuentra relación entre la motivación
académica, intrínseca y extrínseca, con el rendimiento académico en alumnos
inmigrantes (asiáticos, latinos y caribeños) en Canadá, es la de Areepattamannil
y Freeman (2008), estos autores achacan estos resultados a la posible falta de
constructo del instrumento empleado en el estudio.
Por su parte, Elias, Mustafa, Roslan y Noah (2011) encuentran correlación
Variables personales predictoras del rendimiento académico. Un modelo causal.
96
negativa entre autodeterminación y rendimiento académico con estudiantes
adolescentes de Malasia. En este estudio, los estudiantes que tenían menor nivel
de regulación autónoma tuvieron un mejor rendimiento, estos chicos necesitaban
una regulación más controlada con el fin de estudiar. Los autores piensan que
posiblemente la motivación interna no había sido lo suficientemente fuerte en
comparación motivaciones externas tales como las exigencias de padres y
maestros.
Zhu y Leung (2011) encontraron que tanto la motivación intrínseca como
extrínseca contribuyen al rendimiento académico de los estudiantes asiáticos
(Hong Kong, Japan, Korea, Singapore, Taiwan), en cambio en el rendimiento de
los estudiantes occidentales (Australia, Inglaterra, Holanda y Estados Unidos), la
motivación extrínseca pareció tener un efecto perjudicial.
Por último, Rotgans y Schmidt (2012) encuentran, con estudiantes
adolescentes de Singapur, que la motivación tiene una influencia indirecta con el
rendimiento académico a través de las estrategias de aprendizaje que emplea el
estudante que, a su vez, tienen una influencia directa sobre el rendimiento
relacionado con la conducta en clase que, finalmente, influye directa y
positivamente sobre el rendimiento académico. Un hallazgo curioso es que la
influencia directa del uso de estrategias de aprendizaje sobre el redimiento
académico es negativa.
Crous, Roets, Dicker y Sonnekus (2000) plantean que, aunque la
motivación intrínseca es la más deseable, los profesores deben tratar de
encontrar un equilibrio entre las dos, intrínseca y extrínseca puesto que no son
Variables personales. Motivación.
97
antagónicas (Covington, 2000a) al menos en los primeros cursos de educación
primaria (Lemos y Veríssimo, 2014), y que la situación específica es la que
determinará qué tipo de motivación será la más importante. Nilsen (2009) opina
que la motivación inicial, intrínseca, desaparece en muchos estudiantes porque
algo o alguien está actuando en su contra.
Bowman (2007) y Sirota, Mischkind y Meltzer (2005) opinan que los
educadores deben ser especialmente cuidadosos y en lugar de preguntarse qué
deben hacer para motivar a sus alumnos, deberían preguntarse qué están
haciendo para conseguir desmotivarlos, ya que la motivación como predictora
del rendimiento académico puede cambiar mediante factores ambientales e
interpersonales (Fabunmi, Brai-Abu y Adenjii, 2007; Reeve, 2002) y, por tanto,
los padres, maestros y otros profesionales pueden crear las condiciones idóneas
para que la motivación surja y mejore el rendimiento académico (La Guardia,
2009) a través, por ejemplo, de la implantación de programas de desarrollo,
prevención o de intervención en las escuelas (Elias, Mustafa, Roslan y Noah,
2011), o mediante la adaptación de las actividades de aprendizaje a los intereses
y objetivos personalizados de los estudiantes (Alonso Tapia, 2005; Garn y Jolly,
2014).
Variables personales. Autoconcepto.
99
2.3. Autoconcepto.
En la literatura sobre el tema se suele diferenciar entre autoconcepto y
autoestima, conceptos muy difíciles de separar uno del otro debido a su
indudable interrelación. El autoconcepto sería la descripción que hago de mí
mismo y la autoestima sería la valoración que hago de esa descripción, la
autoestima como la autoeficacia serían partes del autoconcepto. Aunque hay
investigaciones en las que se encuentran algunas diferencias
(Parker, Marsh, Ciarrochi, Marshall y Abduljabbar, 2013) en la práctica estos
conceptos se usan de forma indistinta (Barrio, Frías y Mestre, 1994), nosotros
los emplearemos como equivalentes.
Daremos dos definiciones de autoconcepto, Núñez, González-Pumariega
y González-Pienda (1995) lo definen:
como el conjunto de creencias o autopercepciones que el sujeto desarrolla
acerca de sí mismo, a partir del análisis, interpretación y valoración de toda
la información autorreferente que recibe a través de su propia experiencia
y de lo que le transmiten los "otros significativos" (padres, profesores e
iguales) (pp. 588-589)
Estos autores consideran el autoconcepto como un constructo cognitivo
que dirige y controla la conducta no de forma global sino a través de cada una
de las facetas o dimensiones que lo constituyen y que actúan como punto de
Variables personales predictoras del rendimiento académico. Un modelo causal.
100
referencia para interpretar los resultados de la propia conducta y guiarla en
función de dicha interpretación.
En segundo lugar, y en la misma línea, Hidalgo y Palacios (2002) definen
el autoconcepto como la imagen que tenemos de nosotros mismos, como el
conjunto de características o atributos que utilizamos para definirnos como
individuos y para diferenciarnos de los demás. El autoconcepto se relaciona con
los aspectos cognitivos del sistema del yo e integra el conocimiento que cada
persona tiene de sí misma como ser único. Se trata de un conocimiento que no
está presente en el momento del nacimiento, sino que es el resultado de un
proceso activo de construcción por parte del sujeto a lo largo de todo su
desarrollo. El autoconcepto postula la idea del yo como objeto de conocimiento
en sí mismo, actualmente tiende a concebirse como una noción pluridimensional,
que engloba representaciones sobre distintos aspectos de la persona.
Por último decir que el autoconcepto está en continua formación mediante
la experiencia y la interacción del individuo con el entorno (Bandura, 1997;
Spinath y Steinmayr, 2012).
2.3.1. Modelo jerárquico del autoconcepto.
Son numerosas las investigaciones sobre el autoconcepto que apuntan a
la multidimensionalidad del constructo (Arens, Craven, Yeung y Hasselhom,
2011; Marsh, 1990), las autopercepciones se agrupan en dimensiones según la
naturaleza de su contenido las cuales, a su vez, están organizadas
Variables personales. Autoconcepto.
101
jerárquicamente en función de su nivel de generalidad/especificidad (González-
Pienda, González-Pumarega y García, 1997), por tanto este concepto tiene un
carácter multidimensional y jerárquico (figura 4).
Figura 4. Dimensiones componenciales del autoconcepto (adaptado de González-
Pienda, González-Pumariega y García, 1997).
El modelo jerárquico más apoyado es el de Shavelson, Hubner y Stanton
(1976) (Núñez Pérez y González-Pienda, 1994; González-Pienda, Núñez Pérez,
González-Pumariega y García, 1997), dicho modelo ha sido comprobado
empíricamente en numerosos trabajos y ha sido revisado en algunos aspectos
de interés como, por ejemplo, su organización y claridad estructural (Byrne 1996,
Marsh y Shavelson, 1985), género (Marsh, 1993) o sus dimensiones (Byrne,
1996).
En este modelo (Shavelson, Hubner y Stanton, 1976; Shavelson y Bolus,
1982), jerárquico y multifacético, se integran aspectos académicos y no
académicos. Entre los primeros, autoconcepto académico, se distingue entre
Variables personales predictoras del rendimiento académico. Un modelo causal.
102
autoconcepto matemático, lingüístico, etc., que son los diferentes autoconceptos
que el sujeto tiene acerca de su competencia en cada una de las materias
académicas. Los aspectos, autoconceptos, no académicos son los referidos a la
apariencia física del individuo (autoconcepto físico), los relacionados con el
status del sujeto dentro de los diferentes grupos de referencia (autoconcepto
social) y los aspectos emocionales, los más subjetivos de todos (figura 5).
Figura 5. Modelo de autoconcepto propuesto por Shavelson, Hubner y Stanton (1976) y
Shavelson y Bolus (1982).
Se dice que el modelo es jerárquico porque las dimensiones inferiores del
autoconcepto se ‘organizan’ para formar las dimensiones superiores y así
sucesivamente. Se dice que es multifacético porque cada dimensión del
autoconcepto no es igual, ni se relaciona con las demás de forma lineal, ni tiene
Variables personales. Autoconcepto.
103
la misma importancia para el individuo, para la construcción del autoconcepto
general.
Basándose en este modelo Marsh construyó varios instrumentos que
pretenden evaluar el autoconcepto:
SDQ. Cuestionario de autoconcepto:
SDQ-I (Marsh, 1992a) para preadolescentes,
SDQ-II (Marsh, 1992b) para adolescentes, y
SDQ-III (Marsh, 1992c) para adultos.
Los aspectos estudiados por estos cuestionarios son las valoraciones
que los sujetos hacen de: sus habilidades e interés en los deportes,
juegos y actividades físicas, su atractivo físico (cómo se compara con
los demás y cómo piensa que los otros le ven, de sus habilidades,
capacidad, disfrute e interés por la lectura, por las matemáticas, su
popularidad entre los compañeros, la facilidad con que hacen amigos,
y si otros los quieren como amigo, lo bien que se llevan con sus padres,
la calidad de sus interacciones con sus padres, estabilidad emocional.
Además evalúan dos aspectos generales: valoraciones de los sujetos
de sí mismos a) como individuos eficaces, capaces, que están
orgullosos y satisfechos con la manera que son, y b) de sus
habilidades, capacidad, disfrute e interés en las materias escolares en
general (en nuestra investigación emplearemos el SDQ-I el cual
trataremos en profundidad más adelante).
ASDQ. Cuestionario de autoconcepto académico: ASDQ-I y II (Marsh,
1990, 1992d, 1993), evalúa el autoconcepto de los sujetos referido a
Variables personales predictoras del rendimiento académico. Un modelo causal.
104
diversos aspectos académicos: materias troncales (informática,
ortografía, lectura, literatura, lengua extranjera, escritura,
matemáticas, estudios sociales, ciencia), materias no troncales (arte,
música, religión, salud, deporte), también evalúa dos aspectos
globales, académico y autoestima general.
PSDQ. Cuestionario de autoconcepto físico (Marsh, Richards,
Johnson, Roche & Tremayne, 1994) que evalúa la percepción que
tiene el sujeto acerca de los siguientes aspectos: fuerza física,
obesidad, los niveles de actividad física en la que se compromete,
resistencia física, capacidad deportiva, coordinación física, salud
física, apariencia física, flexibilidad física, autoconcepto físico global y
autoestima global.
EASDQ. Cuestionario de autoconcepto para deportistas de élite
(Marsh, Perry, Horsely & Roche, 1995; Marsh, Hey, Johnson & Perry,
1997; Marsh, Hey, Roche & Perry, 1997; Marsh, 1998), evalúa los
siguientes aspectos percibidos por el sujeto: nivel de habilidad en el
deporte, idoneidad del cuerpo con respecto a competir, capacidad para
competir en deportes que requieren resistencia, capacidad para
competir en deportes que requieren actividad de alta intensidad
durante periodos cortos, fuerza mental y preparación para la
competición deportiva y, un aspecto global, capacidad para producir
un máximo rendimiento en la competencia.
Todas las dimensiones citadas están relacionadas entre sí, imaginemos
un niño que en el colegio se siente marginado por su aspecto físico, la presión
Variables personales. Autoconcepto.
105
sociocultural sobre la imagen corporal es muy fuerte (Rodríguez-Fernández,
González-Fernández y Goñi-Grandmontagne, 2013), el chico piensa que sus
compañeros se burlan de él, no tiene amigos, etc., cuando se mira al espejo
piensa que sus compañeros tienen razón. Es muy probable que este chico no
desee ir al colegio que para él es un sitio desagradable, de aquí al fracaso escolar
y a pensar que ‘yo no sirvo para esto’ no hay más que un paso: un autoconcepto
físico negativo ha influido en el académico, es evidente que un autoconcepto
positivo ejerce una gran influencia en la forma en que el sujeto se ajusta al medio
en que se desenvuelve (Ybrandt, 2008).
2.3.2. Los ‘otros significativos’ en la formación del autoconcepto.
El origen del autoconcepto en el sujeto es social, se desarrolla en el marco
de la socialización del individuo. En este proceso, en su inicio, el niño siente si
es o no es valorado por su familia, y cómo lo es. Cuando el chico accede a la
escuela, proceso de socialización secundaria, los otros niños se convierten en
las personas más importantes, es aquí donde empiezan a desarrollarse las
diferentes facetas del autoconcepto: “La autoestima es una función de estatus
dentro del grupo. La gente se juzga a sí misma sobre la base de su comparación
con los otros miembros de su propio grupo” (Rich Harris, 1999, p. 308), el
autoconcepto es el reflejo de lo que el individuo cree que los demás piensan de
él (Cooley, 1902).
Variables personales predictoras del rendimiento académico. Un modelo causal.
106
Por último, señalar que en la familia los ‘otros significativos’, padres,
hermanos, nos vienen impuestos pero en la escuela podemos ‘elegir’ dentro de
un margen: nos compararemos con aquellos compañeros que nos resulten
importantes en uno u otro rasgo, son marcos de referencia.
2.3.3. Autoconcepto académico.
Según Miras (2004) el autoconcepto académico es la representación que
el alumno tiene de sí mismo como estudiante, como sujeto que aprende, como
individuo dotado de determinadas destrezas para afrontar el aprendizaje en un
contexto de enseñanza formal.
Como ya hemos indicado anteriormente, el autoconcepto académico se
desarrolla en medio de un proceso de socialización secundaria, el que se origina
cuando el niño empieza a desarrollarse junto a otros niños, y con adultos
diferentes a sus padres, en el medio escolar fundamentalmente. Según Marsh y
Craven (1997) el autoconcepto académico es una evaluación de la
autopercepción que se forma mediante las experiencias e interpretaciones que
se dan en el contexto escolar. Así, los grupos de referencia y las comparaciones
sociales se convierten en los factores de más influencia (Seaton, Marsh y
Craven, 2010).
Por otra parte, en el modelo de autoconcepto propuesto por Shavelson,
Hubner y Stanton (1976) y Shavelson y Bolus (1982), el autoconcepto académico
forma parte de aquel y, a su vez, está formado por los diferentes autoconceptos
Variables personales. Autoconcepto.
107
relativos a las materias impartidas en la escuela, así podemos decir que existe
un autoconcepto científico, matemático, lingüístico, etc.
Podríamos pensar que estas facetas del autoconcepto académico
correlacionan entre sí muy estrechamente, sin embargo Marsh y Shavelson
(1985), Marsh (1986a) y Marsh, Byrne y Shavelson (1988) plantean que no es
así, concretamente la correlación existente entre los autoconceptos relativos a
lenguaje (lengua inglesa) y matemáticas no es significativa. Para explicar esta
falta de correlación Marsh (1986) propone un modelo que él denomina de marco
de referencia, dicho modelo es el resultado de un a) proceso externo, mediante
el que el alumno compara la capacidad que piensa que posee en una
determinada materia con la que cree que poseen sus compañeros, y un b)
proceso interno, en el cual el alumno evalúa sus aptitudes en todas las disciplinas
académicas, decide en cuál de ellas es más hábil y, por tanto, menos hábil en el
resto de materias. Así es cómo se produce una falta de correlación entre
materias.
En apoyo de este modelo podemos citar las investigaciones siguientes:
Marsh y Köller (2004), demuestran con alumnos alemanes que el
rendimiento en matemáticas tiene efecto positivo en el autoconcepto
matemático pero negativo en el autoconcepto lingüístico, lo contrario
ocurre con el rendimiento en alemán que incide positivamente en el
autoconcepto lingüístico y negativamente en el autoconcepto
matemático.
Chen, Yeh, Hwang y Lin (2013), replican la investigación de Marsh y
Köller (2004) con alumnos taiwaneses. Los resultados son semejantes
Variables personales predictoras del rendimiento académico. Un modelo causal.
108
pero encontraron que los efectos causales desde el rendimiento
académico declinan con la edad mientras que los derivados de los
autoconceptos aumentan.
Xu, Marsh, Hau, Ho, Morin y Abduljabbar (2013), encuentran los
mismos resultados con estudiantes chinos, en este caso se encontró
que el rendimiento en chino e inglés (lengua extranjera) predijo
negativamente el autoconcepto en matemáticas y al contrario, el
rendimiento en matemáticas predijo negativamente el autoconcepto en
los dos dominios lingüísticos.
Por último citaremos el meta-análisis llevado a cabo por Möller, Pohlmann,
Köller y Marsh (2009) con 69 conjuntos de datos, estos autores encontraron que,
tal como predecía el modelo interno/externo (I/E) de marco de referencia, la
correlación entre los logros en matemáticas y lengua era bastante alta (0.67)
mientras que entre los autoconceptos matemático y lingüístico era muy cercano
a cero (0.10); los resultados de este estudio demuestran el alcance del modelo
I/E como una descripción adecuada de los procesos de autoevaluación de los
alumnos, procesos que están influenciados por los marcos internos y externos
de referencia.
El proceso externo, citado anteriormente, es un proceso de comparación
social, el niño se compara con los demás chicos de su grupo de referencia, la
clase, de su marco de referencia. Marsh (1990) explica este proceso mediante
lo que denomina BFLPE (Big-Fish-Little-Pond Effect), efecto de pez grande en
estanque pequeño que podríamos explicar con la siguiente metáfora: una rana
Variables personales. Autoconcepto.
109
en un charco se cree una ballena, esa misma rana en un lago piensa que es un
microbio. Según este modelo si un chico piensa que sus compañeros son menos
competentes que él en una determinada materia su autoconcepto en esa materia
será alto, lo contrario también será cierto (Jonkmann, Becker, Marsh, Trautwein
y Lüdtke, 2012; Liem, Marsh, Martin, McInerney y Yeung, 2013).
Según este proceso ser educado con pares de alto rendimiento puede
ejercer una influencia perjudicial sobre el autoconcepto e incluso sobre las
aspiraciones profesionales de aquellos alumnos cuyo rendimiento no es tan alto
(Nagengast y Marsh, 2012). Un sujeto de rendimiento notable si es educado con
pares de rendimiento sobresaliente puede llegar a la conclusión de que es un
estudiante deficiente, lo que no sucedería si su grupo de referencia fuera una
clase ‘normal’.
2.3.4. Autoconcepto y rendimiento académico.
La relación entre autoconcepto y rendimiento académico se empezó a
estudiar ya en los años cincuenta (Coopersmith, 1959; Shaw, 1963; Brookover,
1962; Gimeno Sacristán, 1976) al ver que muchos estudiantes con la misma
inteligencia no rendían igual.
Posteriormente se realizaron numerosos estudios como los de Purkey
(1970); Kifer (1975), Covington y Omelich (1979); Byrne (1984); Hamachek
(1987); Markus, Croos y Wurf (1990), que partiendo de base de los trabajos de
Covington y Beery (1976), encontraron que la percepción positiva de sí mismo y
de las habilidades que uno tiene mejoran el rendimiento académico. González y
Variables personales predictoras del rendimiento académico. Un modelo causal.
110
Núñez (1991) llegaron a la conclusión de que la capacidad intelectual y el
autoconcepto son las variables que mejor predicen el aprovechamiento escolar.
Marsh (1984) demostró que los rendimientos específicos correlacionan
con su autoconcepto en esta área, esto significa que la percepción que el alumno
tiene de sí mismo es clave en su rendimiento posterior. Wattenberg (1964),
Meyers (1968) y Purkey (1970) vieron que la correlación entre rendimiento
académico y autoconcepto era más alta cuando el rendimiento era evaluado con
pruebas objetivas, lo que demuestra que la autoimagen se mantiene
independientemente de profesores y escuelas.
Por su parte, Rodríguez Espinar (1982) encuentra que el autoconcepto
llega a explicar un tercio de la varianza del rendimiento, por su parte Gimeno
Sacristán (1976) obtuvo correlaciones de 0.54 entre estas variables.
Según Álvaro Page (1990) los estudiantes de mejor rendimiento aparecen
siempre como más optimistas, con una mayor adecuación consigo mismos y con
una alta estima, sin embargo, los estudiantes con bajo rendimiento tienen una
peor adecuación consigo mismos, pueden llegar a sentirse rechazados por los
demás y presentan una pérdida de autoestima.
Marsh (1990) encontró que el autoconcepto determina causalmente el
rendimiento, en cambio Chapman y Lambourne (1990) encontraron que son las
experiencias de logro las que determinan el autoconcepto. Helmke y Van Aken
(1995) dicen que esta relación puede variar cuando se tienen en cuenta variables
como la edad o la estimación del rendimiento.
Numerosos estudios también demuestran que hay una estrecha relación
entre autoconcepto y clase social y que los padres influyen en la formación de
aquel. Gutiérrez-Saldaña, Camacho-Calderón y Martínez-Martínez (2007)
Variables personales. Autoconcepto.
111
plantean que la disfuncionalidad familiar es un factor de riesgo para un mal
aprovechamiento escolar por su influencia en el autoconcepto, afirman que los
sujetos con alta autoestima obtienen altos rendimientos académicos y al
contrario. Así pues, aunque el autoconcepto académico tiene su origen en la
escuela, siempre se ve influenciado por el autoconcepto general anterior a la
llegada al colegio.
Diversas teorías (de la Expectancia-Valor de Wigfield y Eccles, 2000; del
Autoconcepto de Harter, 1999; de la Autodeterminación de Deci y Ryan, 1985)
afirman que la motivación es el proceso que explica cómo el autoconcepto
académico contribuye en el rendimiento académico. Cuando los estudiantes
realizan actividades por ellos mismos se sienten competentes y hay un
incremento de la motivación académica autónoma que hace que logren mayores
resultados; en general se acepta la idea de que el autoconcepto funciona como
una variable mediadora en la relación motivación - rendimiento académico: los
estudiantes que están autónomamente motivados son más proactivos en la
escuela, tienen un mayor conocimiento y control de los procesos de aprendizaje,
tienen una alta capacidad de regular la motivación y su esfuerzo, desarrollan un
autoconcepto académico positivo y, consecuentemente, mejoran su rendimiento.
Las investigaciones de Bear y Minke (1996), Covington (1992), Deppe y
Harackiewicz (1996), Fortier, Vallerand y Guay (1995), García y Pintrich (1994),
González-Pienda et al., (1997), Guay y Vallerand (1997), Marsh (2007), McGuire
y McGuire (1996), Midgley, Arunkumar y Urdan (1996), Nuñez et al, 1998 y
Thompson, Davidson y Barber (1995) apoyan estas ideas.
Por su parte, Skaalvik y Hagtvet (1990) concluyeron que la relación que
se da entre rendimiento académico y autoconcepto podría ser, en algunas
Variables personales predictoras del rendimiento académico. Un modelo causal.
112
circunstancias, recursiva siendo el autoconcepto causa del rendimiento, al igual
que encontraron Herrera, Herrera y Ramírez (2007), pero en las demás
condiciones la relación sería recíproca, Marsh y Yeung (1998), González y
Touron, (1992) y Núñez y González-Pienda (1994) y Kumari y Chamundeswari
(2013), llegan a las mismas conclusiones, el autoconcepto y el rendimiento
interactúan dinámica y recíprocamente, es una relación bidireccional.
Posteriormente, Skaalvik y Skaalvik (2013) encontraron que el hecho de
que las escuelas tuvieran estructuradas sus metas de aprendizaje influía
positivamente en la autoestima de sus alumnos (la investigación fue efectuada
con estudiantes noruegos de 4º a 10º grado) así como en su motivación y
esfuerzo en las tareas académicas.
Para diversos autores (Behrens y Greene, 1993; González-Pienda et al.,
1997; Miller, Zimmerman, Bandura y Martínez-Pons, 1992; Núñez et al., 1995;)
la importancia del autoconcepto respecto del rendimiento académico es evidente
ya que cuando el alumno confía en sus propias capacidades, aumenta su
implicación en su proceso de aprendizaje, las tareas las realiza con más esfuerzo
y persistencia, tiene expectativas de autoeficacia, valora las tareas y se siente
responsable de los objetivos de aprendizaje, y presenta un aprendizaje con un
mayor grado de significatividad y funcionalidad.
En la investigación, ya citada, de Parker et al. (2013) con chicos de quince
años, los autores encontraron además de fuertes relaciones entre rendimiento,
autoeficacia y autoconcepto matemático, a) que el autoconcepto y la autoeficacia
fueron predictores independientes y muy fuertes al final de la educación
secundaria, b) que la autoeficacia matemática fue un predictor significativo para
el acceso a la universidad y que el autoconcepto matemático no lo fue, y c) que
Variables personales. Autoconcepto.
113
el autoconcepto matemático predijo la realización de estudios posteriores en
ciencia, tecnología, ingeniería o matemáticas, mientras que la autoeficacia
matemática no era un buen predictor en este aspecto.
Ya para terminar este punto y centrándonos en la relación entre
rendimiento y autoconcepto académico puestas de manifiesto por casi todos los
estudiosos del tema, aunque ya expusimos en este apartado algunos hallazgos
en apoyo del modelo de marco de referencia, expondremos a continuación los
resultados de algunas investigaciones sobre esta relación.
Ghazvini (2011) encuentra que el autoconcepto académico es un
predictor fuerte del desempeño general en literatura y matemáticas.
Guay, Ratelle, Roy y Litalien (2010) sometieron a contraste tres
hipótesis: a) la motivación media la relación entre el autoconcepto
académico y el logro, b) el autoconcepto académico media la relación
entre la motivación y el logro, y c) la motivación y el logro tienen un
efecto aditivo sobre el rendimiento académico. Los resultados
mostraron la importancia de la motivación como mediadora entre el
logro y el autoconcepto académico.
Ireson y Hallam (2009) encontraron que las intenciones de seguir
estudiando en un futuro dependían en mayor medida del autoconcepto
académico que por el rendimiento previo.
Ju, Zhang y Katsiyannis (2013) examinaron el efecto causal recíproco
entre estas dos variables en niños con alguna discapacidad, los
Variables personales predictoras del rendimiento académico. Un modelo causal.
114
autores demostraron ese efecto recíproco junto con el poder predictivo
de la implicación de los padres en la educación de sus hijos.
Pullmann y Allik (2008) intentan explicar la paradoja de que algunos
alumnos con alto rendimiento tengan un autoconcepto académico más
bajo que algunos alumnos de rendimiento bajo, según los autores los
estudiantes de alto rendimiento tienen una visión muy crítica de ellos
mismos mientras que los estudiantes con logros más modestos
emplean un mecanismo de auto-protección mediante el cual
compensan su logro académico insuficiente elevando su autoestima
general.
Por último citar el estudio meta-analítico realizado por Huang (2011) con
39 muestras, los resultados mostraron la relación recíproca entre el rendimiento
y el autoconcepto académico.
Variables personales. Personalidad.
115
2.4. Personalidad.
Intentar establecer una definición de la personalidad es algo
extremadamente difícil, su raíz etimológica viene del latín persona y hace
referencia al semblante o rostro que permite reconocer a un individuo y al rol que
el individuo representa en el mundo, así cuando Cicerón (s.f./1777) en su obra
De officiis dice:
"… que nos ha revestido, por decirlo así, de dos personas la naturaleza:
una común. Que es por la que todos participamos de la razón, y de aquella
nobleza con que excedemos á los irracionales; de la qual resulta el
conocimiento para hallar las obligaciones, y de guardar el decoro; y la otra
particular, que es como el distintivo de cada individuo (I, XXX, 111, p. 176),
y más adelante: “se añade otro tercero, que impone las circunstancias o
la casualidad, y otro cuarto, que nos tomamos nosotros por propia elección” (I,
XXXII, 119, p. 190),
está empleando el término persona con distintos significados, a saber: un primer
significado referido a la parte común a todos los seres humanos que son los
rasgos que nos da la Naturaleza. Un segundo significado es el que se refiere a
la parte exclusiva de cada individuo, es decir, a nuestros rasgos propios. Un
tercero apunta a los rasgos que son producto de las circunstancias en las que el
sujeto, en particular, se desenvuelve. Y un cuarto significado referido a los rasgos
que libremente elegimos, es el rol social, el papel que el individuo quiere
representar en la vida.
Variables personales predictoras del rendimiento académico. Un modelo causal.
116
Cicerón subraya la importancia de la libertad del individuo en el desarrollo
de la personalidad cuando afirma que la persona que nosotros queremos ser
depende de nuestra voluntad: “más el personage que hemos de representar en
el mundo, depende totalmente de nuestro libre alvedrio” (I, XXXII, 119, p. 190).
En el DRAE (2001b) encontramos las siguientes acepciones del término
personalidad:
“Diferencia individual que constituye a cada persona y la distingue
de otra”.
“Conjunto de características o cualidades originales que destacan
en algunas personas”.
“Persona de relieve, que destaca en una actividad o en un ambiente
social”.
Vemos que la dificultad que tiene el intentar definir la personalidad reside
en que el concepto tiene un elevado nivel de abstracción además de que su uso
ha proliferado mucho (Cano, Rodríguez, García y Antuña, 2005).
En cualquier caso, una primera aproximación a la definición de la
personalidad podría ser la que da Allport (1937), para este autor la personalidad
es la organización dinámica intrasujeto de aquellos sistemas psicofísicos que
determina el pensamiento y el comportamiento característico de cada individuo,
así la personalidad podría referirse a diversos aspectos como la simulación, el
estatus, la dignidad humana o las cualidades individuales.
Otra definición más reciente es la de Pervin (1979): “La personalidad
puede ser definida estrictamente en términos de la interacción del individuo con
sus semejantes, o en los de los roles que una persona adopta y se atribuye a sí
Variables personales. Personalidad.
117
misma en su funcionamiento social” (p. 19). Posteriormente el mismo autor dice
que:
La personalidad es la organización compleja de cogniciones, emociones
y conductas que da orientaciones y pautas (coherencia) a la vida de una
persona. Como el cuerpo, la personalidad está integrada tanto por
estructuras como por procesos y refleja tanto la naturaleza (genes) como
el aprendizaje (experiencia). Además, la personalidad engloba los efectos
del pasado, incluyendo los recuerdos del pasado, así como
construcciones del presente y del futuro (Pervin, 1998, p. 444).
Para Aiken (2003) la personalidad es un conjunto de habilidades
cognitivas, intereses, actitudes, temperamento, además de otras diferencias en
pensamientos, sentimientos y conducta. “Esta definición enfatiza el hecho de que
la personalidad es una combinación única de características cognoscitivas y
afectivas que puede describirse en términos de un patrón típico y bastante
consistente de conducta individual” (Aiken, 2003, p. 313).
Furnham y Chamorro-Premuzic (2004) nos ofrecen una visión más
práctica del concepto de personalidad al compararla con la inteligencia ya que
afirman que “La capacidad intelectual se refiere a lo que una persona puede
hacer, mientras que los rasgos de personalidad pueden proporcionar la
información sobre lo que una persona hará” (p. 944).
Por último citaremos la definición que dan Larsen y Bush (2009), quienes
definen la personalidad como “el conjunto organizado y relativamente duradero
de rasgos y mecanismos psicológicos internos al individuo, este conjunto influye
en las interacciones y en las adaptaciones del sujeto con su medio físico, social
Variables personales predictoras del rendimiento académico. Un modelo causal.
118
e intrapsíquico” (p. 4). Los autores desarrollan los puntos de su definición, así:
los rasgos psicológicos son las características que hacen que cada
individuo sea distinto de otro,
los mecanismos psicológicos son los procesos de personalidad, el
cómo actúan las personas; una persona extrovertida está más
preparada a actuar ante una determinada información social que una
introvertida. la mayoría de estos mecanismos tienen tres
componentes: entradas, reglas de decisión y salidas,
interno al individuo significa que la personalidad, el conjunto de …,
es algo que el individuo lleva consigo en el tiempo y de una situación
a otra.
conjunto organizado y duradero de rasgos y mecanismos, quiere
decir que no es un simple conjunto de elementos, es un conjunto en
el que sus elementos están relacionados unos con otros de forma
coherente; el carácter duradero del conjunto, especialmente en la
vida adulta, se refiere al hecho de que un rasgo de personalidad
aparecerá en diferentes situaciones a lo largo del tiempo, una
persona bondadosa tenderá a serlo hoy y mañana, en una situación
y en otra distinta,
influencia, la personalidad influye en nuestra forma de actuar, como
nos vemos, como pensamos, como actuamos con los demás, como
sentimos, como escogemos nuestros ambientes (sociales), que
objetivos y deseos perseguimos en la vida, y como reaccionamos a
nuestras circunstancias
Variables personales. Personalidad.
119
Podemos decir que no existe una definición universalmente aceptada de
personalidad, pero sí elementos compartidos incluidos en la multitud de
definiciones existentes: internalidad, globalidad, identidad, organización,
coherencia, individualidad. En la tabla 7 ofrecemos una selección no exhaustiva
de definiciones sobre este término.
2.4.1. Teorías de la personalidad.
Las teorías sobre la personalidad tienen un primer objetivo en el interés
por proporcionar una forma de organizar las características que el individuo sabe
sobre sí mismo y sobre los demás, tratan de determinar si ciertas
particularidades van juntas o por qué una persona tiene unos rasgos y no otros.
Otro objetivo de las teorías de la personalidad es explicar las diferencias
que se dan intersujetos.
Un tercer objetivo es indagar como los individuos conducen sus vidas. Las
diferentes teorías tratan de explicar por qué los problemas surgen y por qué las
personas reaccionan ante ellos de diferentes maneras.
Por último, un cuarto objetivo es el de determinar, a al menos intentarlo,
cómo puede ser mejorada las vidas de las personas,
Seguidamente, realizaremos una breve exposición de algunas de las
teorías más significativas para, posteriormente, centrarnos en la Teoría de los
Rasgos.
Variables personales predictoras del rendimiento académico. Un modelo causal.
120
Tabla 7.Definiciones de personalidad.
Prince (1921) “La personalidad es la suma total de todas las disposiciones innatas
biológicas, impulsos, tendencias, apetitos e instintos del individuo y
de todas las disposiciones y tendencias adquiridas por la experiencia”
(p. 532).
Warren y
Carmichael
(1930).
La personalidad es la organización mental total de un ser humano en
cualquier fase de su desarrollo, comprende cualquier aspecto del
carácter humano: inteligencia, temperamento, habilidades, es decir,
cualquier actitud desarrollada a lo largo de su existencia.
Murray (1938) La personalidad es una hipótesis que ayuda a explicar la conducta
de un sujeto, depende de procesos cerebrales siendo su centro
anatómico el cerebro y, por tanto, la relación existente entre la
fisiología cerebral y la personalidad es muy fuerte.
Allport (1961) La personalidad es la organización dinámica de los rasgos los cuales
determinan el ajuste de la persona al ambiente.
Nuttin (1975) Diferencia entre persona y personalidad:
El término persona designa al individuo humano concreto.
Personalidad, por el contrario, es una construcción científica,
elaborada por el psicólogo con la intención de formarse una idea
–al nivel de la teoría científica- de la manera de ser y de funcionar
que caracteriza al organismo psicofisiológico que denominamos
persona humana (p. 24).
Pinillos (1975) La personalidad consiste en lo propio del comportamiento de cada
cual.
Bermúdez (1985) Personalidad hace referencia a la organización relativamente
estable de aquellas características estructurales y funcionales,
innatas y adquiridas bajo las especiales condiciones de su
desarrollo, que conforman el equipo peculiar y definitorio de
conducta con que cada individuo afronta las distintas situaciones
(p. 38).
Dicaprio (1985) Personalidad es una identidad personal, es todo lo que se sabe
acerca de un individuo.
Eysenck y Personalidad es: Una organización más o menos estable y
Variables personales. Personalidad.
121
Eysenck (1985) duradera del carácter, temperamento, intelecto y físico de una
persona que determina su adaptación única al ambiente. El
carácter denota el sistema más o menos estable y duradero de
la conducta conativa (voluntad) de una persona; el
temperamento, su sistema más o menos estable y duradero de
la conducta afectiva (emoción); el intelecto, su sistema más o
menos estable y duradero de la conducta cognitiva (inteligencia);
el físico, su sistema más o menos estable y duradero de la
configuración corporal y de la dotación neuroendócrina (p. 9).
Mischel (1988) La personalidad es un conjunto de patrones diferenciados de
conductas que incluyen las emociones y los pensamientos del
individuo.
Avia (2001) La personalidad encarna las características estructurales
y dinámicas de un individuo/s, tal como se reflejan en sus respuestas
típicas o peculiares a las diferentes situaciones planteadas
McCrae y Costa,
2003)
La personalidad es un patrón permanente de emociones,
pensamientos y comportamientos.
La teoría psicoanalítica de Freud (1920, 1923/1992, 1992) propone que
la personalidad se forma a partir de el ello, el yo y el superyó, introduciendo los
conceptos de inconsciente y de mecanismos de defensa (racionalización,
represión, regresión, desplazamiento, sublimación). El ser humano es un
individuo ‘salvaje’ que acepta las reglas de la sociedad, el ello es el salvaje y el
superyó la sociedad, en una persona sana el yo es el mediador entre el ello y el
superyó. Freud destacó la importancia que tienen los conflictos -y la forma en
que se resuelven-, que se producen en los cinco primeros años de vida en la
formación de la personalidad adulta.
Freud fue el primero que propuso una teoría unificada para entender y
explicar el comportamiento humano, de esta forma el psicoanálisis fue el
precursor de todas las teorías posteriores de personalidad bien en forma de
Variables personales predictoras del rendimiento académico. Un modelo causal.
122
extensiones del trabajo de Freud o reacciones contra dicho trabajo.
Dentro de las teorías del aprendizaje destacamos la teoría conductista,
representada por Watson y Skinner, y la teoría cognitivo-social de Bandura.
Para Watson, representante de la primera generación de conductistas, lo
que una persona hace constituye su personalidad la cual está determinada por
el ambiente:
La personalidad es la suma de las actividades factibles de descubrirse
mediante una observación real de la conducta, suficientemente larga
como para que pueda suministrarnos una información segura. En otros
términos la personalidad no es sino el producto final de nuestros sistemas
de hábitos (Watson, 1924/1972, p. 255).
El hombre no nace, se hace, esta idea queda reflejada cuando en una
muy conocida cita1 suya se compromete a forjar el futuro de cualquier niño con
tal de que el niño sea sano, esté bien formado y se le deje entrenarlo con total
libertad.
Como representante de la segunda generación de conductistas citaremos
a Skinner (1961, 1977, 1977a, 1977b), este autor no estaba interesado en una
teoría o en un concepto general de la personalidad, su interés se centró en las
causas que llevan a una persona a actuar de una forma específica. Le interesaba
más como predecir y controlar la conducta que su comprensión, el cómo el sujeto
aprende los diversos aspectos de su personalidad.
1 Give me a dozen healthy infants, well-formed, and my own specified world to bring them up in and I'llguarantee to take any one at random and train him to become any type of specialist I might select - doctor,lawyer, artist, merchant, chief and, yes, even beggarman and thief, regardless of his talents, penchants,tendencies, abilities, vocations, and race of his ancestors (Watson, 1930, p. 104).
Variables personales. Personalidad.
123
Para Skinner (1977c) “un yo o una personalidad es un repertorio de
comportamiento proporcionado por un conjunto ordenado de contingencias” (p.
140) que pueden existir en el mismo individuo. Así, el comportamiento que una
persona adquiere en el seno de su familia constituye un yo, el que adquiere en
la escuela es otro, ambos pueden coexistir sin conflicto hasta que las
contingencias chocan, como por ejemplo en el caso de los deberes escolares,
tareas de la escuela que se realizan en casa implicando a toda la familia. Para
Skinner (1977a) “la personalidad, al igual que el sí mismo, es responsable de los
rasgos de la conducta” (p. 310), rasgos que no son propiedades comunes de
todos los seres humanos sino que surgen porque las personas cambian según
las ocasiones o los sujetos. Se puede “buscar un equivalente de los rasgos en
un análisis funcional, preguntando de cuántas maneras podemos esperar que
una persona se distinga de otras, o de sí misma en momentos distintos” (Skinner,
1977a, p. 223).
La teoría del aprendizaje cognitivo-social (Bandura, 1971, 1977; Bandura
y Walters, 1963) acentúa la importancia de la observación y el modelado de los
comportamientos, las actitudes y las reacciones emocionales de los otros. Esta
teoría explica el comportamiento humano en términos de interacción continua
recíproca entre lo cognitivo, lo conductual y las influencias ambientales. Los
modelos que resultan ser más eficaces son a) los que son más similares al sujeto
que observa, y b) los que le son más significativos, esto significa que el individuo
aprende nuevos comportamientos de los modelos que el mismo escoge antes
que de modelos que escogen para él otras personas, aunque dichas personas
le sean muy significativas, los padres por ejemplo.
Bandura (1986) denomina determinismo recíproco a la interacción que
Variables personales predictoras del rendimiento académico. Un modelo causal.
124
ocurre entre el sujeto, su conducta y el entorno en el cual ocurre dicha conducta,
este determinismo es el responsable de la formación de la personalidad: la
causalidad del entorno y la conducta de una persona es recíproca. Así, según
Bandura (Bandura, 1977; Bandura y Walters, 1963), la personalidad se forma
mediante la interacción que se produce entre tres factores:
cognoscitivos: procesos psicológicos de la persona, creencias,
intenciones, expectativas, valores, emociones, también las
influencias biológicas y genéticas,
conductuales: los comportamientos que desarrolla el sujeto,y
ambientales: influencias sociales, políticas y culturales, también
nuestro historial de aprendizaje.
Bandura supera el paradigma conductista al incluir dentro de su teoría el
constructo imaginación (dentro de los factores cognoscitivos), de hecho se le
suele considerar el iniciador del movimiento cognitivo.
Para Rogers, uno de los representantes más destacados de la teoría
humanista de la personalidad, cada individuo posee su self que es la imagen
que el sujeto tiene de quién es y de lo que valora de sí mismo. El self se adquiere
en el transcurso de los años observando como reaccionan las demás personas
ante él; así, el sujeto aprende a concederse consideración positiva incondicional
si observa que sus padres -personas significativas- le conceden ese tipo de
consideración; a partir de aquí, las personas son capaces de aceptarse a sí
mismas y a los demás, es lo que Rogers llama funcionamiento completo, que
comprende (Rogers, 1972, 1979, 1980):
apertura a la experiencia, se refiere a la percepción de las
Variables personales. Personalidad.
125
experiencias propias externas e internas, en el medio y los
sentimientos propios, y a la facultad de admitir la realidad,
confianza organísmica, es la confianza en sí mismo, en el propio self;
para ello es imprescindible abrirse a la experiencia y vivir en el
presente,
libertad experiencial, que se tiene cuando se proporcionan las
oportunidades para serlo y el sujeto asume la responsabilidad del
ejercicio de esa libertad,
creatividad, si la persona se siente libre y responsable será una
persona funcional, es decir, participará en la sociedad a través de
diferentes medios o simplemente haciendo su trabajo cotidiano lo
mejor que pueda y sepa, y
vivencia existencial, es el vivir aquí y ahora, el contacto con la
realidad, el pasado y el futuro son recuerdos y sueños que estamos
experimentando en el presente,
Rogers contempla a las personas como esencialmente buenas o sanas y
considera los problemas humanos como irregularidades de la normalidad. Los
sujetos tienden a desarrollar sus potencialidades hasta el máximo, desean hacer
lo mejor que puedan hacer con sus vidas. Este aspecto, este optimismo sobre la
naturaleza humana es la esencia de humanismo.
Por último, apuntar que esta teoría es muy individualista, según Rogers
"El mejor punto de vista para comprender la conducta es desde el propio marco
de referencias del individuo" (1977, p. 419), pone el énfasis en la experiencia
subjetiva privada y en el crecimiento personal.
Variables personales predictoras del rendimiento académico. Un modelo causal.
126
Como representante de la teoría cognitiva de la personalidad tenemos a
George Kelly, la idea central de su teoría de los constructos personales es la de
que nuestros procesos están canalizados psicológicamente por la forma en que
cada uno de nosotros anticipa acontecimientos (Kelly, 1955/1991). Esta teoría
se basa en el análisis que hace el individuo de sus propias percepciones: nuestra
personalidad se compone de nuestros pensamientos sobre nosotros mismos.
Para Kelly (1955/1991, 1958) nuestros constructos son nuestra verdad,
están jerarquizados (para el sujeto, unos son más importantes que otros) y
tienden a ser estables aunque son capaces de cambiar a la luz de nuevas
evidencias, no siempre tienen una coherencia interna pero hacen que nuestro
mundo sea más predecible, reflejan nuestros esfuerzos para darle sentido,
pueden crecer, cambiar e influir en nuestras expectativas y percepciones. La
teoría de Kelly representa un modelo muy flexible de la conducta humana.
2.4.1.1. Teorías de los rasgos.
El modelo de rasgos tiene sus primeros referentes en Allport (1966). Este
autor entiende la personalidad como una organización dinámica interna al sujeto
de aquellos sistemas psicofísicos que determinan la conducta y pensamiento
característicos. Para cualquier teoría de este enfoque, la personalidad está
compuesta por rasgos (Scroggs, 1985) organizados y relacionados de formas
diversas para conformar la estructura de la personalidad, siendo el rasgo la
unidad elemental de la personalidad el cual es inobservable, solo podemos
analizarlo de forma indirecta a través de sus manifestaciones denominadas
indicadores de rasgo (Cano et al. 2005). Los rasgos presentan las siguientes
Variables personales. Personalidad.
127
características comunes: escalabilidad, polaridad, universalidad, generalidad,
organización, estabilidad y consistencia.
Para Guilford (1959a) un rasgo es una forma relativamente duradera que
diferencia a un individuo de otro, empleamos los rasgos para describir similitudes
y diferencias entre las personas (Goldberg, 1981a; Fiske, 1986), representan la
coherencia de la conducta en diferentes situaciones.
Las numerosas teorías de la personalidad referidas a los rasgos han
recibido algunas críticas. Por una parte existe desacuerdo acerca de si los rasgos
causan la conducta o solo la describen (Fiske, 1986) y por otra, su validez
predictiva parece ser baja, a este respecto Mischel (1968) opina que estas
teorías pretenden predecir la regularidad de la conducta pero lo que realmente
se observa es su escasa regularidad.
En cualquier caso, estas teorías tratan de identificar qué rasgos forman la
personalidad y cómo se relacionan con el comportamiento real, se centran en la
identificación, medición y clasificación de las semejanzas y diferencias en las
características, rasgos, de personalidad. En este apartado citaremos las
corrientes representadas por Eysenk, Cattell y el modelo de los Cinco Grandes
(Big Five).
A) Modelo tridimensional jerárquico de Eysenck. Este autor (Eysenck, 1947)
diferencia, en su concepción de la estructura de la personalidad, cuatro niveles
organizados jerárquicamente:
conductas observables, pueden ser o no ser habituales del sujeto
respuestas habituales, que se repiten cuando las circunstancias son
Variables personales predictoras del rendimiento académico. Un modelo causal.
128
parecidas,
rasgos (factores de primer orden), son constructos teóricos basados en
correlaciones entre respuestas habituales observables, y
tipos de rasgos (factores de segundo orden), basados en correlaciones
entre los diversos rasgos, son dimensiones continuas en las que se sitúa
el sujeto.
Eysenck (1970, 1976, 1990; Eysenck y Eysenck, 1985, 1987, 1989)
establece tres factores de segundo orden que explican por sí solos la
personalidad, la cual es considerada como una organización estable y duradera
de aquellas características de la persona que permite la adaptación al ambiente,
estos factores son:
Extraversión - Introversión (E), alto nivel de E representa sociabilidad,
actividad, despreocupación, espontaneidad, los rasgos centrales de este
factor son la sociabilidad y la actividad.
Neuroticismo (N): Estabilidad - Inestabilidad emocional, este factor se
relaciona con la tendencia a padecer trastornos de ansiedad y/o del
estado de ánimo; una persona con N alto es ansiosa, está deprimida,
tensa, tímida, con baja autoestima, se preocupa excesivamente, etc., N
está asociado con las capacidades cognitivas (Eysenck, 1967).
Psicoticismo (P): Dureza emocional, niveles altos de P se relacionan con
agresividad, hostilidad, frialdad en las relaciones, rigidez, impulsividad.
Niveles bajos se relacionan con altruismo, empatía, sociabilidad,
responsabilidad, etc.
Variables personales. Personalidad.
129
B) Teoría factorial de la personalidad de Cattell. En esta teoría (Cattell, 1972) se
entiende la personalidad como aquello que nos dice lo que un individuo realizará
cuando se encuentre en una circunstancia concreta. Las diferencias en conducta
son diferencias en personalidad y la conducta es expresión indirecta de
constructos internos dotados de mayor o menor estabilidad: los rasgos, los
cuales confieren a la personalidad estabilidad en el tiempo.
El modelo parte de la llamada hipótesis léxica, según la cual el lenguaje
contiene las unidades básicas que permiten describir la personalidad (Dixon,
1977; Goldberg, 1981b; John, Angleitner y Ostendorf, 1988), todas las
diferencias individuales importantes están codificadas dentro del lenguaje
natural, por tanto en los diferentes lenguajes quedan asociadas una o varias
palabras -léxicos universales- a cada característica de personalidad según su
importancia y utilidad desde un punto de vista social. Cattell partíó de los casi
18.000 términos recopilados por Allport y Odbert (1936) relativos a aspectos de
la personalidad y por medio de sucesivos análisis factoriales obtuvo 35 escalas
bipolares que derivaron en ‘sus’ 16 factores de personalidad. Así, Cattell (1950,
1957, 1972, 1973) distingue entre:
a) rasgos superficiales que son patrones observables de comportamiento y,
los más importantes, rasgos fuente que son internos y responsables de
nuestra conducta manifiesta,
b) rasgos comunes, de todas las personas, y específicos de cada individuo,
c) rasgos hereditarios y rasgos moldeados por el ambiente,
d) rasgos dinámicos, de habilidad y de temperamento, los primeros impulsan
a la persona hacia un objetivo, los segundos determinan la capacidad del
individuo para alcanzar el objetivo, y los terceros son los aspectos
Variables personales predictoras del rendimiento académico. Un modelo causal.
130
emocionales de la acción encaminada hacia dicho objetivo.
Estos rasgos conforman factores de personalidad, Cattell (Cattell y Kline,
1982) identifica los principales a partir de tres fuentes “datos L, basados en
calificaciones de la vida real, datos Q, basados en cuestionarios y en inventarios
que dan información sobre uno mismo, y datos T, basados en pruebas objetivas”
(p. 52). Establece dieciséis rasgos de primer orden (escalas primarias de
personalidad) y cinco dimensiones globales de personalidad, con dos polos cada
una, son (Cattell, Cattell y Cattell, 1995):
Afabilidad Razonamiento Estabilidad Dominancia
Animación Atención a las normas Atrevimiento Sensibilidad
Vigilancia Abstracción Privacidad Aprensión
Apertura al cambio Autosuficiencia Perfeccionismo Tensión
Las cinco dimensiones globales, factores de segundo orden, de
personalidad semejantes a los factores del modelo de los Big Five, son:
Extraversión Ansiedad Dureza
Independencia Auto-control
C) Modelo de los Cinco Grandes (Big Five). Este modelo es uno de los
paradigmas dominantes en la psicología de los rasgos, propone que la
personalidad puede ser factorizada en cinco dimensiones: neuroticismo,
extraversión, apertura, amabilidad y consciencia (McCrae, 2000, 2001).
El modelo parte de los hallazgos de Cattell, Fiske (1949) planteó que las
35 escalas iniciales de aquel podían agruparse en cinco factores, más adelante
Variables personales. Personalidad.
131
Tupes y Christal (1961) los confirman y los denominan como: extraversión,
amabilidad, conciencia, estabilidad emocional y cultura, nombres que son los
que actualmente se emplean. Norman (1963) replicó el estudio de Tupes y
Christal confirmando la estructura de los cinco factores, Borgatta (1964), Hakel
(1974), y Smith (1967) también la confirman.
Posteriormente Goldberg (1982, 1990, 1992) y, sobretodo, Costa y
McCrae (1985, 1989, 1992) refinan el modelo, los últimos presentaron el modelo
NEO, [Neuroticismo, Extraversión, Apertura (Neuroticism, Extraversion,
Openness), a los que se añaden otros dos factores] que postula la existencia de
cinco dimensiones independientes de la personalidad (Costa y McCrae, 1992,
2008; McCrae, 1996):
Factor I: extraversión, refleja el grado de asertividad, actividad o vivacidad
del sujeto.
Factor II: amabilidad (afabilidad), grado de confianza, altruismo,
sensibilidad, etc., que el sujeto es capaz de mostrar hacia sus semejantes.
Factor III: responsabilidad (tesón), relativo al sentido del deber,
organización, autodisciplina y eficacia. Evalua la propensión de las
personas a trabajar duro, a ser organizado, su motivación para alcanzar
metas, para conseguir los objetivos que se proponen (Costa y McCrae,
1992).
Factor IV: neuroticismo, referido a la inestabilidad emocional y a estados
emocionales desagradables o negativos, ansiedad, depresión y
hostilidad.
Factor V: apertura, muestra el grado en que el sujeto sostiene ideas
nuevas o su amplitud de intereses, grado en que la persona está abierta
Variables personales predictoras del rendimiento académico. Un modelo causal.
132
a la fantasía, a la estética, a los sentimientos, es un rasgo asociado con
una mayor curiosidad, creatividad y actitud liberal (McCrae y Costa, 1997).
En la tabla 8 mostramos las facetas que componen cada uno de estos
cinco factores, y en la tabla 9 las relaciones encontradas entre los tres modelos
representativos de la teoría de rasgos.
Tabla 8.Facetas o escalas que forman los Cinco Grandes (Costa y McCrae, 2008).
Neuroticismo Extraversión Apertura Amabilidad Responsabilidad
ansiedad
hostilidad
depresión
ansiedad
social
impulsividad
vulnerabilidad
cordialidad
gregarismo
asertividad
actividad
búsqueda
de
emociones
emociones
positivas
fantasía
estética
sentimientos
acciones
ideas
valores
confíanza
franqueza
altruismo
conformidad
modestia
sensibilidad
competencia
orden
sentido del
deber
necesidad de
logro
autodisciplina
deliberación
Tabla 9.Relaciones entre los modelos de Eysenck, Cattell y Costa y McCrae (Barbaranelli,Caprara, Rabasca, 2006).
16 PF vs. NEO PI-R Eysenck vs. NEO PI-R
extraversión r + extraversión
ansiedad r + neuroticismo
dureza r - apertura
independencia r + extraversión
independencia r - neuroticismo
independencia r - amabilidad
extraversión r + extraversión
neuroticismo r + neuroticismo
psicoticismo r - amabilidad
psicoticismo r - responsabilidad
Variables personales. Personalidad.
133
2.4.2. Rendimiento académico y personalidad.
Son numerosos los estudios que relacionan la personalidad con el
aprendizaje o con el rendimiento académico. Messick (1984) sugiere que el estilo
de aprendizaje se puede considerar como una característica de auto-
consistencia en el procesamiento de la información que se desarrolla a partir de
una personalidad subyacente. Ejemplos de trabajos que relacionan el
aprendizaje con la personalidad son los de Busato, Prins, Elshout y Hamaker
(1998, 2000), entre otros.
La investigación sobre personalidad y rendimiento académico es muy
extensa y las variables de personalidad estudiadas también son muy numerosas,
partiendo del modelo de los Cinco Grandes encontramos un sinfín de estudios
que relacionan estas variables en mayor o menor medida.
Citaremos en primer lugar a Poropat (2009), quien llevó a cabo un meta-
análisis, con una muestra de casi 80 investigaciones, mediante el que examinó
las relaciones entre el rendimiento académico y los Cinco Grandes. Encontró
que la variable que presentaba la correlación más elevada con el rendimiento
académico era la responsabilidad (0.22) y esta era solamente algo inferior a la
correlación obtenida entre aquel y la inteligencia (0.25), en orden de importancia,
la siguiente correlación encontrada fue entre apertura y rendimiento académico
(0.12). Este autor concluyó que la responsabilidad es el factor que más se asocia
con el rendimiento académico de los cinco factores.
Como ya hemos indicado, los trabajos efectuados para establecer
relaciones entre el rendimiento académico y los Cinco Grandes factores de la
Variables personales predictoras del rendimiento académico. Un modelo causal.
134
personalidad son muy numerosas, sin ánimo de ser exhaustivos, citaremos las
siguientes:
A) Factor extraversión:
Lynn (1959) encontró que los sujetos introvertidos presentan un mayor
rendimiento académico que los extravertidos.
Riding y Armstrong (1982) realizaron un estudio con niños de 11 años
y encontraron correlaciones entre extroversión y algunas actividades
matemáticas, y entre introversión y otras actividades matemáticas
diferentes, además de diferencias significativas en cuanto al sexo.
Petrides, Chamorro-Premuzic, Frederickson y Furnham (2005)
encuentran relaciones negativas con el aprovechamiento escolar.
B) Factor Amabilidad. Diseth (2003), Hair y Graziano (2003) y McCrae (1987)
encontraron correlaciones negativas con el rendimiento académico.
C) Factor Apertura. Por lo que respecta a este factor en relación al rendimiento
académico, los resultados son divergentes. Unos autores (Ackerman, 2000,
Barbaranelli, Caprara, Rabasca, Pastorelli, 2003; Beier y Ackerman, 2001, 2003;
Farsides y Woodfield, 2003; Gilles y Bailleux, 2001; Lounsbury, Sundstrom,
Loveland y Gibson, 2003; Hair y Graziano (2003) han hallado correlaciones
positivas, pero otros (Busato et al., 2000; Chamorro-Premuzic y Furnham, 2003)
no han encontrado relación.
Variables personales. Personalidad.
135
Según Cattell (1971) y Reeve y Hakel (2000), el factor apertura
(conciencia también) afecta al rendimiento académico porque favorece el
mantenimiento de niveles altos de este, centrándose en el desarrollo de
habilidades y en la adquisición de conocimientos).
Para Ackerman (2000) y Barrick y Mount (1991), de los cinco grandes
rasgos de la personalidad, la apertura es la más coherente en relación con la
capacidad cognitiva y el aprendizaje.
Según Heaven y Ciarrochi (2012) sería interesante realizar más
investigaciones para comprobar cómo difieren los que puntúan alto en apertura
de los que puntúan bajo: ¿tal vez estudian más unos que otros?, ¿utilizan
diferentes materiales o técnicas?, ¿están más “inspirados” por la curiosidad que
por la memoria?
D) Factor Neuroticismo:
Child (1964), Chamorro-Premuzic y Furnham (2003a, 2003b),
Entwhistle y Cunningham (1968) y Petrides et al. (2005), encuentran
correlaciones negativas entre estas variables.
Harris y King (1982) hallaron que los individuos con baja capacidad de
regulación emocional tenían bajo rendimiento académico y eran
rechazados por sus compañeros de clase.
Pérez y Garaigordobil (2004) encuentran que los sujetos con buena
adaptación social presentan altas puntuaciones en madurez intelectual
global, verbal y no verbal, altos niveles de autoconcepto, y “tienden
significativamente a caracterizarse por ser emocionalmente estables,
Variables personales predictoras del rendimiento académico. Un modelo causal.
136
perseverantes y respetuosos con las normas, poco excitables,
confiados y seguros de sí mismos, tranquilos y relajados” (p. 164).
Urquijo (2005) encontró una
tendencia general que indicaría que a medida que aumentan el
auto-concepto, el autocontrol, el nivel de inteligencia, el nivel socio-
económico y cultural de las familias, el nivel de razonamiento
abstracto y la aceptación de los pares, y disminuyen los niveles de
depresión, de ansiedad, de estrés escolar y de dificultades de
socialización de un sujeto, aumenta el desempeño académico en
lengua y en matemáticas (p. 8).
E) Factor Responsabilidad. Parece ser que este factor es el gran predictor del
rendimiento académico, las investigaciones que lo relacionan positivamente con
el rendimiento académico son muy numerosas, entre ellas:
Rothstein, Paunonen, Rush y King (1994).
Goff y Ackerman (1992).
Barrick y Mount (1993).
De Raad (1996).
Busato et al. (2000).
Asendorpf y Van Aken (2003).
Barbanelli et al. (2003).
Chamorro-Premuzic y Furnham (2003b).
Diseth (2003).
Shiner, Masten y Roberts (2003).
Variables personales. Personalidad.
137
Abe (2005).
Bidjerano y Dai (2007).
Noftle y Robins (2007).
O'Connor y Paunonen (2007).
Trautwein, Ludtke, Roberts, Schnyder y Niggli (2009).
Beier, Campbell y Crook (2010).
Poropat (2011), en este estudio las variables empleadas fueron las de
Eysenck.
Steinmayr, Bipp y Spinath (2011).
No todas las investigaciones encuentran relaciones entre estas variables,
entre ellas citaremos la de Wilson y Lynn (1990) no encontraron ninguna
correlación positiva entre personalidad, medidas cognitivas y rendimiento
académico, los participantes en la investigación fueron 1200 niños de edades
entre 9 y 11 años; y la de Beier et al. (2010) quienes no pudieron relacionar el
factor apertura con el rendimiento académico, la interpretación que dieron estos
autores fue que el aprendizaje dentro del aula está muy estructurado, las
expectativas del rendimiento y el comportamiento son claves, cosa que reduciría
al mínimo la influencia de los rasgos generales de personalidad.
En cuanto al factor neuroticismo (inestabilidad emocional), Laidra,
Pullmann y Allik (2007) no encontraron asociaciones significativas salvo que
exista un nivel alto de ansiedad lo que conlleva un efecto negativo en el
rendimiento académico (Chamorro-Premuzic y Furnham, 2003b).
Otros estudios plantean el hecho de que hay variables que se mezclan
Variables personales predictoras del rendimiento académico. Un modelo causal.
138
con los factores del modelo como por ejemplo la edad, así el neuroticismo (la
falta de) está positivamente relacionado con el rendimiento académico en la
escuela primaria pero negativamente en el instituto (Farsides y Woodfield, 2003).
La extraversión predice altos resultados en la escuela primaria pero bajos en la
secundaria (De Raad y Schouwenburg, 1996; Eysenck, 1996). Otro trabajo que
confirman que el poder predictivo de la personalidad declina de primaria a
secundaria es el de Smrtnik y Zupančič (2010), aunque sigue siendo importante
en la Universidad (Furnham, Chamorro-Premuzic y McDougall, 2003).
McKenzi (1989) encontró no que la correlación disminuya en secundaria
sino que correlaciona negativamente. Estudios más recientes ratifican estos
resultados y amplian que el factor extraversión correlaciona positivamente con el
rendimiento en primaria y negativamente en secundaria y la universidad (Bratko,
Chamorro-Premuzic y Saks, 2006; Laidra et al., 2007). Una posible explicación
puede venir de las diferentes habilidades inter y intrapersonales de los alumnos:
los introvertidos utilizan más tiempo estudiando que los extravertidos que lo
utilizan socializándose (McCown y Johnson, 1991).
Por otra parte, los ya citados Laidra et al. (2007) y O'Connor y Paunonen
(2007) nos dicen que el factor amabilidad predice el éxito académico en la
escuela primaria pero no hay relación en secundaria. Según Chamorro-Premuzic
y Furnham (2003b) esto es debido por la menor competitividad existente en
primaria, aquí el ambiente propicia buenas relaciones entre el alumnado y los
maestros cosa que conduce a un mejor ajuste académico a lo largo del curso
(Laidra et al., 2007).
Por último, citar las investigaciones de Chamorro-Premuzic y Fumham
(2004, 2005, 2006) quienes han intentado establecer los predictores del
Variables personales. Personalidad.
139
rendimiento académico mediante su teoría Intelectual de la Competencia (IC),
basada en las teorías de Cattell (1971), Horn y Noli (1997) y Ackerman (1996).
Estos autores distinguen entre capacidades fluidas, inteligencia como proceso
de razonamiento (gf), y capacidades cristalizadas, inteligencia como
conocimiento (gc) (Ackerman y Heggestad, 1997; Bates y Shieles, 2003).
Esta teoría plantea que el rendimiento académico es el criterio por
excelencia para validar la inteligencia (Binet y Simon, 1905; Rinderman y
Neubauer, 2004; Spearman, 1904) aunque el rendimiento del trabajo también es
importante. Encuentran que los rasgos de la personalidad influyen en la
evaluación de la inteligencia, concretamente el alto neuroticismo y la baja
extraversión debilitan los efectos de la capacidad y la autoestima provocando un
bajo rendimiento académico. Por el contrario, individuos estables y extravertidos
puntuan más alto en inteligencia y obtienen mejores resultados en pruebas de
habilidad que sus homólogos neuróticos e introvertidos, sin llegar a ser brillantes
(Bates y Rock, 2004; Moutafi, Furnham y Tsaousis, 2006).
Chamorro-Premuzic y Furnham (2005) opina que los vínculos entre los
factores apertura y responsabilidad y las medidas de capacidad apuntan a que
los efectos de estas en el rendimiento académico pueden estar representados
en parte por dichos factores. Así, Chamorro-Premuzic y Furnham (2006)
argumentan que:
una mayor responsabilidad se explica, en parte, como "estrategia" de
menor gf, como una compensación; así, las personas con menor
capacidad de razonamiento abstracto y de aprendizaje rápido serían
más organizadas, conscientes de sus deberes y motivadas para poder
Variables personales predictoras del rendimiento académico. Un modelo causal.
140
alcanzar un mayor rendimiento en la escuela, la Universidad y el trabajo
especialmente en entornos altamente competitivos; las personas con
mayor gf pueden "permitirse" ser menos conscientes y, sin embargo,
alcanzar los mismos niveles de rendimiento,
la apertura, que correlaciona con gc, afectaría al rendimiento
académico independientemente de gf, así, según Bates y Shieles
(2003) este factor es independiente de g, pero puede influir en el
aumento de los conocimientos a través de sus efectos sobre los
intereses del sujeto.
Furnham y Chamorro-Premuzic (2004) consideran que la habilidad
cognitiva (inteligencia) refleja lo que un individuo puede hacer y los rasgos de
personalidad reflejan lo que ese individuo realmente hará en la realidad.
En definitiva, podemos decir que el factor que mantiene más relación con
el rendimiento académico es la de responsabilidad (tesón). Según Martínez,
Redondo, Rua y Fabra (2011) “Esta relación ha sido interpretada frecuentemente
en términos de motivación, ya que se piensa que los estudiantes con alto grado
de Tesón (en sus subdimensiones de escrupulosidad y perseverancia) están
más motivados a obtener resultados excelentes” (p. 6).
Determinantes personales. Género.
141
2.5. Género.
Durante muchos años las mujeres habían tenido restringido el acceso a la
educación, sólo algunas pocas accedían a ella, por lo que el problema de la
mujer ante la educación no existía (Fernández Enguita, 1989). Si hacemos un
repaso por la historia, hasta hace medio siglo las tareas de la mujer quedaban
relegadas a las tareas del hogar. El tipo de educación que se les daba era distinta
a la de los hombres, enfocándola al mantenimiento del hogar y de la familia, por
lo tanto las diferencias en el rendimiento venían marcadas por las diferentes
pautas de socialización y las aptitudes que se fomentaban según el género.
Poco a poco la situación ha ido cambiando hasta llegar al desarrollo actual
de la coeducación y a la existencia de igualdad de oportunidades para ambos
géneros, al menos en el aspecto formal ya que la “la igualación de las
oportunidades escolares en términos de género se ve sustantivamente (aunque
no enteramente) contrapesada por un reforzamiento de la influencia de género
en el acceso al empleo y los primeros pasos en él” (Fernández Enguita, 1995, p.
195). Todo lo anterior se traduce en la existencia de un mayor número de
mujeres en la enseñanza superior que de hombres, aunque aquellas se
concentran en los estudios con menor valor de mercado (Fernández Enguita,
1995).
Variables personales predictoras del rendimiento académico. Un modelo causal.
142
2.5.1. Diferencias de género.
Los estudios que tienen como objetivo establecer las diferencias
aptitudinales entre chicos y chicas, si las hubiera, son muy numerosos. Muchas
de estas investigaciones se han centrado en hallar diferencias entre géneros en
cuanto a la inteligencia y dentro de este contexto se desarrollaron dos vertientes:
los que creen que hay una diferencia en la inteligencia general a favor del
hombre, como Lynn (1994, 1998, 1999) quien formula una teoría según la cual
como los niños y las niñas maduran a ritmos diferentes, el crecimiento de las
niñas es más rápido entre los 9 y los 15 años en que empieza a desacelerar, y
los chicos siguen creciendo, por lo que su CI medio aumenta con respecto al de
las chicas.
Colom y Lynn (2004), en un estudio posterior encuentran evidencia que
apoya la teoría del desarrollo de Lynn, estos autores afirman que la tendencia
general muestra que las niñas obtienen mejores resultados en las edades más
jóvenes y su rendimiento disminuye en relación a los niños entre los grupos de
mayor edad.
Sin embargo el mismo autor (Lynn e Irwing, 2002) había constatado
anteriormente la no existencia de diferencias significativas de género en
inteligencia en relación con la cultura general. En esta investigación, los autores
emplearon una forma abreviada del GKT (General Knowledge Test) formado por
seis factores de primer orden: noticias de actualidad, moda, familia, artes,
ciencias, salud física y recreación (Irwing, Cammock y Lynn, 2001), y hallaron
que los hombres obtenían medias más altas en cultura general de
Determinantes personales. Género.
143
aproximadamente media desviación estándar, pero que esta discrepancia no
podía ser explicada por diferencias de género en inteligencia, la correlación que
encontraron entre estas dos variables -inteligencia y cultura general- fue
bastante baja (.23). También demostraron que la experiencia diferencial y el
estatus socioeconómico tenían un impacto marginal en las diferencias de género
observadas.
Por otro lado, Jackson y Rushton (2006), analizando las respuestas dadas
por más de 46.000 hombres y más de 56.000 mujeres de 17 a18 años de edad
al Scholastic Assessment Test que es un examen estandarizado ampliamente
utilizado para la admisión a la universidad en los Estados Unidos (SAT, College
Entrance Examination Board, 1992), encontró que los hombres superaban a las
mujeres en el factor g de inteligencia y que estas diferencias se encontraban en
todos los estratos sociales y en todos los grupos étnicos.
Dykiert, Gale y Deary (2009) plantean que parte de la ventaja masculina
en la capacidad cognitiva general podría atribuirse a la combinación de una
mayor variabilidad de los chicos en dicha capacidad y a la restricción de la
muestra. Estos autores, empleando el British Cohort Study de 1970 (IOE, sf) -
este estudio sigue la vida de más de 17.000 personas nacidas en Inglaterra,
Escocia y Gales en una sola semana de 1970- encontraron que a los diez años
de edad los chicos obtenían una ligera ventaja sobre las chicas, ventaja que se
ampliaba cuando se les examinó dieciseis y veinte años más tarde, la mortalidad
experimental fue significativamente mayor entre los hombres que entre las
mujeres. Los autores subrayan la importancia de controlar esta variable en los
estudios longitudinales y de emplear muestras representativas en el estudio de
las diferencias sexuales en la inteligencia.
Variables personales predictoras del rendimiento académico. Un modelo causal.
144
Por su parte, Tran, Hofer y Voracek (2014) efectuaron un estudio meta-
analítico sobre las diferencias de género en relación con la cultura general. Estos
autores encontraron diferencias a favor de los chicos pero concluyeron que esas
diferencias dependían de factores tales como la escolarización, el proceso de
selección que llevan a cabo las escuelas, o la educación de los padres, en suma
de factores contextuales y socioculturales que pueden actuar como barreras en
relación con el éxito educativo, especialmente para las niñas. Es posible que
estas diferencias de género sean posibles indicadores de desigualdades de
género en las etapas tempranas de la vida (Hausmann, Tyson y Zahidi, 2008).
Por último apuntar que Savage-McGlynn (2012), empleando medidas de
inteligencia general (test Raven), no encuentra apoyo empírico a la teoría del
desarrollo de Lynn.
El otro punto de vista es el que sostiene que la diferencia entre géneros
se da en habilidades específicas, siendo mejores las mujeres en habilidades
verbales y los hombres mejores en las viso-espaciales (Colom y García López,
2002; Deary, Strand, Smith y Fernandes, 2007; Fergusson y Horwood, 1997;
Weissa, Kemmlera, Deisenhammerd, Fleischnackera y Delazerc, 2003).
Storek y Furham (2013) demuestran que los hombres puntúan más alto
en inteligencia espacial e inteligencia matemática que las mujeres. Es curioso
que cuando son interrogados hombres y mujeres acerca de lo que piensan sobre
sus competencias, los hombres se otorgan puntuaciones algo mayores que las
mujeres en inteligencia matemática y espacial y las mujeres se las otorgan en
inteligencia social y emocional, por otra parte, cuando las mujeres evaluaron a
Determinantes personales. Género.
145
los hombres les dieron puntuaciones más altas en inteligencia matemática y
espacial de lo que lo hicieron los hombres a las mujeres (Szymanowicz y
Furnham, 2013).
Esta similitud de resultados ha sido comprobada en numerosos estudios,
por ejemplo Deary, Thorpe, Wilson, Starr y Whalley (2003) describen la
distribución de la capacidad cognitiva en 80.000 niños y niñas de 11 años
nacidos en Escocia en 1921 (casi todos los niños nacidos en ese año), estos
niños fueron evaluados en 1932 y no se encontraron diferencias significativas en
las puntuaciones medias de los chicos y las chicas pero sí se encontró una
diferencia muy significativa y es que los niños estaban excesivamente
representados en los extremos alto y bajo. Según estos autores esta diferencia
podría explicar, en parte, el ligero exceso de hombres que alcanzan grados
universitarios y el exceso de varones con dificultades de aprendizaje.
En una replica de la investigación anterior, Strand, Deary y Smith (2006)
estudiaron el razonamiento verbal, no verbal y cuantitativo con una muestra
representativa a nivel nacional del Reino Unido de más de 320.000 chicos y
chicas, evaluados entre 2001 y 2003, de edades comprendidas entre los 11 y los
12 años. Los resultados mostraron que las chicas obtenían una puntuación
media más alta que los chicos en razonamiento verbal, en razonamiento no-
verbal, las puntuaciones medias eran prácticamente iguales (ligeramente
superiores en favor de las chicas), y en lo concerniente al razonamiento
cuantitativo, los chicos superan a las chicas aunque también de forma ligera. Al
igual que Deary et al. (2003) los autores observan observan diferencias notables
es en los extremos de las puntuaciones, con una sobrerrepresentación de los
chicos en los extremos superiores e inferiores en las tres escalas, a excepción
Variables personales predictoras del rendimiento académico. Un modelo causal.
146
del 10 % superior de la escala de razonamiento verbal. Esta
sobrerrepresentación de los chicos la encuentran también Deary, Irwing, Der y
Bates (2007).
Otro estudio en el que se encuentran diferencias de género en habilidades
cognitivas es el llevado a cabo por Echavarri, Godoy y Olaz (2007), las
diferencias que encuentran son pequeñas pero estadísticamente significativas a
favor de los chicos en los tests de razonamiento verbal, abstracto y cálculo y de
las chicas en ortografía y lenguaje. Estos autores sugieren que las mejores
puntuaciones de las chicas se deben, en parte, a la naturaleza ‘lingüística’ de las
pruebas usadas. En la misma línea, Gil-Verona et al. (2003) nos dice que las
habilidades de tipo lingüístico maduran antes en las chicas y tienen una
aplicación más amplia y generalizada en los procesos de aprendizaje.
También Ardila, Rosselli, Matute y Inozemtseva (2011) encontraron en
una muestra de 350 varones y 438 mujeres, de edades entre 5 y 16 años,
provenientes de México y Colombia diferencias de género en expresión y
comprensión del lenguaje oral, habilidades espaciales y tareas perceptivas
táctiles visuales, que los chicos superaban a las niñas en la mayoría de los
casos, a excepción de la tareas táctiles.
Lo que sí parece indudable es que las preferencias de chicos y chicas por
uno u otro tipo de estudios universitarios son distintas, las chicas están
sobrerrepresentadas en los estudios relacionados con las ciencias de la salud,
mientras que los chicos lo están en los relacionados con la rama de ingeniería y
arquitectura (figura 6).
Determinantes personales. Género.
147
2.5.2. Género y rendimiento académico.
A partir del acceso masivo de la mujer a la educación se empezaron a
desarrollar investigaciones como las de Maccoby y Jacklin (1974), Mednick
(1972) o Rodríguez Espinar (1982) que demostraban que no existen diferencias
aptitudinales en función del género para el rendimiento escolar. Otras
investigaciones sí encontraron diferencias pero no de índole genéticas sino
culturalmente adquiridas. Por ejemplo, McClelland, Atkinson, Clark y Lowell
(1953) y Hoffman (1975) vieron que la diferencia de rendimiento según el género
venia determinada por las diferentes metas que se proponían los sujetos, siendo
en el caso de las mujeres metas orientadas a la búsqueda de la aceptación
social.
Figura 6. Distribución de los estudiantes matriculados en Grado y 1er y 2º Ciclo por ramade enseñanza. Curso 2012/13 (fuente: elaboración propia a partir de MECD, 2013).
CC.SS yJurídicas
Ingeniería yArquitectura
Artes yhumanidades
CC. de la Salud Ciencias
mujeres 60,9 26,1 61,6 70,1 52,6
hombres 39,1 73,9 38,4 29,9 47,4
25
35
45
55
65
75
po
rcen
taje
Variables personales predictoras del rendimiento académico. Un modelo causal.
148
También se ha sugerido que la diferencia viene marcada por el diferente
comportamiento de los chicos y las chicas (Fergusson y Horwood, 1997) o por la
motivación y el esfuerzo, las chicas tienden a trabajar más (OHMCI, 1997), así
Mau y Lynn (2000) encontraron que los chicos obtenían mejores puntuaciones
que las chicas en matemáticas y ciencias, y las chicas en lectura y cantidad de
tarea realizada en casa (‘deberes’), encontraron correlaciones significativas y
positivas entre la cantidad de tarea hecha en casa y las puntuaciones en las
pruebas de evaluación.
Estos resultados se confirman en los mostrados por PISA (Programa para
la Evaluación Internacional de Alumnos) en los últimos diez años, en ellos se
muestra que las chicas de 15-16 años presentan un peor (mejor) desempeño
que los chicos en matemáticas (lectura) en la mayoría de los países que
participan en el programa de evaluación (Rica y González, 2013).
En España (INEE, 2012), las alumnas tienen un rendimiento general
superior a los chicos en competencia lingüística, así obtienen mejor puntuación
media en comprensión oral, comprensión lectora y expresión escrita en lengua
extranjera (francés e inglés).
Casi todas las investigaciones coinciden en estos resultados pero no
todas, por ejemplo el estudio meta-analítico efectuado por Voyer y Voyer (2014)
con 369 muestras. Estos autores encontraron una ventaja significativa de las
mujeres sobre los hombres en todas las áreas del rendimiento académico, las
más altas se dieron en lenguaje y las más bajas en matemáticas. Aunque los
tamaños del efecto fueron pequeños, los autores insisten en que debido a su
consistencia no pueden ser ignorados.
Determinantes personales. Género.
149
Son muchas las explicaciones que se dan a estas diferencias, Rica y
González (2013) plantean que las diferencias a favor de los chicos en el área de
matemáticas no es debido a diferencias biológicas sino que reflejan diferentes
oportunidades educativas como resultado de roles o normas culturales de
género. Es el resultado de un proceso de estratificación social de género y de la
transmisión intergeneracional de roles de género. Los resultados que ofrecen
estas autoras muestran que, por ejemplo, el tener una madre que trabaja
aumenta el rendimiento de la hija en matemáticas, lo que parece sugerir que en
las sociedades más igualitarias en relación al género las chicas aumentan su
rendimiento en matemáticas.
Diversos estudios apuntan opiniones semejantes, Hill, Castellino,
Lansford, Nowlin, Dodge, et al. (2004), OECD (2009), y Wong, Lam y Ho (2002)
plantean que es la educación de los padres, y su participación en la escuela, el
principal factor determinante del éxito escolar. Por el contrario, Vez, Martínez y
Lorenzo (2012) observan que las niñas obtienen mejores resultados que los
niños en Inglés, incluso cuando se controla por las características de la familia y
del centro en el que estudian.
Otras posibles explicaciones de la diferencia de resultados académicos
que se da entre chicos y chicas son:
según la perspectiva constructivista, las niñas pueden estar más
motivadas para adoptar comportamientos conducentes a un mejor
rendimiento académico, como la obediencia y la diligencia, porque
tales comportamientos "típicamente femeninos" podrían ayudar a
ganar la aprobación social de su grupo de pares y de la sociedad en
Variables personales predictoras del rendimiento académico. Un modelo causal.
150
general (Francis y Skelton, 2005),
parte de la respuesta a la diferencia de rendimiento entre géneros
viene marcada por la personalidad, concretamente por las variables
neuroticismo y extraversión (Chamorro-Premuzic y Furham, 2006;
Fergusson y Horwood, 1997),
los niños y niñas utilizan de manera diferente sus conocimientos y
habilidades metacognitivas en el proceso de aprendizaje (Ciascai y
Haiduc, 2011),
el peor resultado de los chicos puede explicarse en parte por la
mayor frecuencia de mala conducta en la escuela y por sus menores
expectativas académicas en relación con las chicas (Fortin,
Oreopoulos y Phipps, 2013).
En relación con el fracaso escolar que representa la repetición de curso,
Hauser (1999), Hauser, Pager y Simmons (2000) y Jimerson et al. (2006)
encuentran que las chicas lo hacen en menor grado que los chicos y plantean la
necesidad de tener en cuenta las diferencias de género a la hora de establecer
estrategias para promover el éxito académico y la competencia social de los
alumnos. Carabaña (2013) llega a la misma conclusión analizando los datos de
PISA 2009 (OCDE, 2010) y 2012 (OCDE, 2013).
Por último mostramos en las figuras 7 y 8 los porcentajes de alumnos y
alumnas que promocionan de curso en España (son las últimas cifras ofrecidas
por el MECD) en educación primaria y en secundaria obligatoria. En todos los
cursos las chicas tienen los porcentajes mayores.
Determinantes personales. Género.
151
Figura 7. Alumnado que promociona en Educación Primaria. Datos del curso 2011/12(fuente: elaboración propia a partir de MECD, sf).
Figura 8. Alumnado que promociona en Educación Secundaria Obligatoria. Datos delcurso 2011/12 (fuente: elaboración propia a partir de MECD, sf).
2º EP 4º EP 6º EP
mujeres 95,06 96,07 95,78
hombres 93,95 95,13 94,49
90
95
100
po
rcen
taje
1º ESO 2º ESO 3º ESO 4º ESO
mujeres 87,7 85,2 84,89 84,5
hombres 83,3 79,8 81,02 78,79
75
80
85
90
po
rcen
taje
3. Estatus sociométrico, variable socio-ambiental.
Estatus sociométrico, variable socio-ambiental.
155
A través de los años se han realizado muchas investigaciones con el
objetivo de poner de manifiesto la importancia de la interacción social para un
buen desarrollo cognitivo, afectivo y social. El punto de partida está en la idea de
que puesto que la humanidad es una unidad social y ecológica (J.L. Moreno,
1934), el ser humano es un ser social que vive y se desarrolla en sociedad, el
modo en que esté inmerso en esta determinará su ser, pero no solo es social
también es individuo que se integra en el aspecto social a partir de los roles que
desempeña en los grupos a los que pertenece. Algunas investigaciones
muestran que el sentimiento de bienestar correlaciona más alto con la aceptación
social que con el estatus socioeconómico (Anderson, Kraus y Keltner, 2011).
Es a partir de la interacción con las personas de su entorno como el niño
adquiere la comprensión de sí mismo, la comprensión de las relaciones que
vinculan a las personas y la representación de los sistemas e instituciones
sociales de la cultura en la que vive (González y Padilla, 1990; Padilla y
González, 1990). La familia ha sido considerada durante años como agente
socializador primario, pero no podemos obviar que desde que la escolarización
fue obligatoria los compañeros y los profesores se han convertido en agentes
socializadores por excelencia. El tipo de experiencias que los niños viven en los
Variables personales predictoras del rendimiento académico. Un modelo causal.
156
años preescolares son fundamentales para su posterior desarrollo social (Erwin
y Letchford, 2003; Keane y Calkins, 2003).
En ambos autores (J.L. Moreno, 1934; González y Padilla, 1990)
encontramos el aspecto social del hombre como algo básico que se desarrolla a
partir de los roles que el individuo desempeña en sus relaciones con los demás,
roles que pueden ser muy variados. En nuestra investigación nos vamos a
centrar en aquellos determinados por los afectos y desafectos que los sujetos
provocan en los demás, los compañeros o iguales. La interacción entre iguales
se efectua con niveles de complejidad conductual similares (Haselager, 1997),
lo que permite a cada niño desarrollarse mediante la socialización, el conflicto
cogntitivo, la negociación y la cooperación. Es necesario distiguir entre amistad
y estatus sociométrico:
Mientras la amistad es una relación diádica, el estatus sociométrico es la
posición ocupada por el sujeto dentro de un entramado social más amplio
que el de la relación de amistad, es la posición que el sujeto ocupa, o se
le adjudica, dentro de un grupo(Cava y Musitu, 2000, p. 2).
La amistad en el niño contribuye a desarrollar sentimientos de
compromiso y vinculación y el estatus sociométrico contribuye a desarrollar los
sentimientos de pertenencia (Bukowski y Hoza, 1989). Los chicos valoran la
aceptación por todo el grupo de pares pero la amistad personal es más valorada
(Erwin, 1998; Ladd, 1999; Sandstrom y Zakriski, 2004), así entre los cuatro y los
siete años se concibe la amistad en función del juego, de la participación en la
misma actividad, no es duradera y se disuelve fácilmente si a alguna de las
partes no le interesa; más adelante, entre los ocho y los diez años, la amistad ya
es más compleja basándose en aspectos psicológicos y de mútuo acuerdo, Los
Estatus sociométrico, variable socio-ambiental.
157
niños se atraen por las cualidades de la otra persona, la confianza es básica en
esta relación. La amistad tarda más en surgir y la amabilidad es fundamental, si
se viola esta se rompe la amistad y es más difícil de restablecer, son necesarias
las explicaciones y las disculpas; por último, entre los once y quince años, la
amistad se caracteriza por la intimidad, los chicos buscan cercanía comprensión
y lealtad (Berk, 1999; Berndt y Perry, 1990; Damon, 1977; Selman, 1980;
Sullivan, 1953).
Por lo que respecta al estatus sociométrico, lo definimos como la posición
de cada individuo en el grupo de que se trate, amigos, compañeros de trabajo o
el aula (J.L. Moreno, 1934), “permite identificar no sólo qué tan elegida y
rechazada es una persona, sino también su capacidad y posibilidades de
adaptación a un grupo o colectividad” (Bezanilla, 2011, p. 29). Coie, Dodge y
Coppotelli (1982, 2000) establecen cuatro niveles de estatus: popular,
rechazado, controvertido y desatendido. Los chicos que obtienen un alto valor
positivo son considerados populares entre sus iguales, por el contrario los
sujetos valorados negativamente son rechazados, mientras que los que ocupan
posiciones intermedias son ignorados o controvertidos (ver figura 9).
Moreno (2002) -partiendo de Coie y Dodge (1988), Coie, Dodge y
Kupersmith, (1990) y Newcomb, Bukowski y Patee (1993)- analiza los
comportamientos que caracterizan a los niños populares. Estos suelen ser
descritos como personas cálidas, cooperativas, prosociales, que rara vez
muestran conductas disruptivas o agresivas. Sus compañeros los perciben como
generosos, entusiastas y afectivos. Son especialmente eficaces a la hora de
resolver conflictos y se comunican con los iguales de forma sensible y madura,
son sujetos con un buen ajuste social (Faul, 2006). Además, cuando tratan de
Variables personales predictoras del rendimiento académico. Un modelo causal.
158
ingresar en un grupo nuevo -tarea nada fácil- su estrategia consiste en hacerlo
lentamente.
Figura 9. Tipos sociométricos (tomado de Coie, Dodge y Coppotelli, 2000, p. 103).
Estas personas una vez que están dentro del grupo son individuos activos,
que sugieren cambios, que llevan la iniciativa, pero que con anterioridad se han
tomado un tiempo hasta comprender el sentido de la actividad que el grupo
realiza para adaptar su conducta al flujo de la actividad de los iguales, para
ofrecer comentarios relevantes sobre el juego en lugar de quedarse remolones
en la proximidad del grupo (lo suelen hacer los ignorados) o irrumpir
Estatus sociométrico, variable socio-ambiental.
159
entrometiéndose (rechazados). En consonancia con estos autores, los estudios
realizados sobre agresividad como los de Petrides, Sangareau, Furnham y
Frederickson (2006), Mavrovelli, Petrides, Rieffe y Bakker (2007), demuestran
que los niños que puntúan alto en inteligencia emocional son cooperativos y
líderes, poco disruptores y poco agresivos. De hecho, algunos estudios como los
de Puckett, Wargo y Cillessen (2008) confirman que la baja agresividad y la alta
sociabilidad son predictores de popularidad.
No obstante, la popularidad puede ser definida de dos maneras (Parkhurst
y Hopmeyer, 1998). La primera, como apuntábamos, define a los niños como
populares, prosociales, cooperativos y con bajos niveles de agresión y es una
medida de aceptación. No obstante, la segunda definición define la popularidad
como percibida y esta se caracteriza por la dominancia social, influencia y
prestigio en el grupo de iguales. Según Alder y Alder (1998), Lease, Kennedy y
Axelrod (2002) y Lease, Michele, Musgrove y Axelrod (2002), hay niños que son
percibidos como populares por los demás, sea por cualquier circunstancia
anteriormente nombrada y no presentan este tipo de cualidades. Estos niños se
caracterizan por ser ‘guays’, poderosos, influyentes, arrogantes, excluyentes,
elitistas, manipuladores, controladores y agresivos. És más, tienden a
involucrarse en actividades visibles y prestigiosas como fumar porros o el
atletismo, a menudo tienen ropa y posesiones cara y son atractivos (Adler y
Adler, 1998; La Fontana y Cillessen, 2002; Lease, Kennedy y Axelrod, 2002).
Hawley (2003) indica que estos chicos se benefician a corto plazo de su estatus,
no obstante Cillessen y Rose (2005) indican que no hay nada demostrado a largo
plazo.
Variables personales predictoras del rendimiento académico. Un modelo causal.
160
Por lo que respecta a los chicos rechazados, cuyo porcentaje se situa
entre el 10% y el 15 % (Coie y Dodge, 1988; Maag, Vasa, Reid y Torrey, 1995),
podemos decir que, al contrario que los anteriores, estos alumnos son aquellos
que son elegidos por sus compañeros para no formar parte del grupo, su
compañía no es deseada, tienen un mal ajuste social (Cava y Musitu, 2000;
Mayeux, Bellmore y Cillessen, 2007) que puede perdurar en su vida adulta (Coie,
Lochman, Terry e Hyman, 1992; Slade, 2008).
El rechazo puede ser bajo o normal (rechazado integral o parcial). Se trata
de sujetos que suelen recibir los ataques de los compañeros, caen en riesgo de
victimización (Cava, Musitu, Buelga y Murgui, 2010; DeRosier y Thomas, 2003)
tanto más grave cuanto más popular sea el agresor (Cillessen y Rose, 2005).
El análisis que hace Moreno (2002) de los comportamientos que
caracterizan a estos alumnos muestra que los niños rechazados presentan
conductas temidas o evitadas por sus pares. Según la autora:
lo que mejor predice el rechazo es la agresión, especialmente la que no
es provocada y que pretende dominar y controlar a los otros o a sus
recursos. Además, suelen ser fanfarrones, tienden a no ser cooperativos
y a ser críticos con las actividades del grupo, a manifestar pobres
habilidades de resolución de problemas y poca conducta prosocial
(Moreno, 2002, p. 419).
Estudios realizados recientemente relacionan la baja inteligencia
emocional con puntuaciones altas de agresividad (Inglés et al., 2014; Mavrovelli
et al., 2007; Petrides y Furnham, 2006). Sin embargo, conviene matizar que no
toda manifestación agresiva conduce al rechazo, la agresividad que es percibida
Estatus sociométrico, variable socio-ambiental.
161
por el grupo como justificada, es valorada por la mayoría de los niños de todas
las edades como una conducta aceptable, de hecho hay investigaciones que
ponen de manifiesto que niños muy pequeños ven la agresión como un medio
aceptable para resolver los conflictos entre iguales (Mayeux y Cillessen, 2003).
Es la agresividad proactiva, la provocadora, la que no es previsible ni se percibe
como justificada, la que no para hasta que el otro no cede, es la que está
asociada casi siempre con el rechazo. Monjas, Sureda y García-Bacete (2008)
comprobaron esto en un estudio con preadolescentes españoles en el que vieron
que la agresividad de tipo prepotencia, intimidación, agresión física o verbal está
asociada con el rechazo. Orue y Calvete (2011) encontraron reciprocidad, solo
en chicos, entre la conducta agresiva manifiesta y el rechazo de los pares lo que
puede ocasionar un círculo vicioso: la agresividad provoca el rechazo que, a su
vez, provoca más agresividad que provoca más rechazo.
De hecho, está agresividad por abuso de poder ha devenido en un
problema en nuestro país. Con objeto de poner de manifiesto esta problemática,
la Oficina del Defensor del Pueblo realizó dos estudios a nivel nacional sobre
Violencia Escolar (Defensor del Pueblo, 2000, 2007). Estos estudios fueron
llevados a cabo con una muestra representativa de estudiantes de secundaria y
puso de relieve la existencia de maltrato entre iguales en todos los centros
aunque a diferente nivel. Si comparamos los resultados del 2000 y del 2007
vemos que han permanecido más o menos iguales: las agresiones verbales se
sitúan entre el 32% y el 36%; la exclusión social entre el 10% y el 33%;
agresiones físicas entre el 4% y el 6%, es evidente que estos niveles deben bajar
de manera significativa.
Variables personales predictoras del rendimiento académico. Un modelo causal.
162
Estos niños, como ya hemos señalado, son percibidos como agresivos,
distorsionantes del grupo, que no respetan las reglas, además tienen un
autoconcepto más negativo que sus compañeros bien adaptados socialmente,
presentan mayores problemas conductuales, mayor falta de atención en el aula
y un rendimiento académico más bajo (Coie, Dodge y Coppotelli, 1982, 2000;
Parker y Asher, 1987). El estatus sociométrico de los niños rechazados tiene una
alta estabilidad temporal (Musitu, 1982; Musitu, Ferrer y Pascual, 1980).
Un tercer grupo lo constituyen los alumnos olvidados, son aquellos que
pasan desapercibidos al resto de miembros del grupo, no despiertan ningún tipo
de afecto, ni positivo ni negativo. Moraleda (1978) y Arruga (1983), establecen
dentro de la categoría de los alumnos olvidados los siguientes:
desatendidos, son sujetos que desean formar parte del grupo pero el
grupo no se ‘acuerda’ de ellos, no son correspondidos,
ignorados, el interés del sujeto por formar parte del grupo es igual que el
del grupo por que el sujeto se incorpore a él: escaso, y
aislados, el sujeto y el grupo se ignoran mutuamente.
Moreno (2002) plantea que los niños ignorados son menos sociables,
agresivos y disruptores que los promedio, también interactúan menos con los
otros. No son niños locuaces, hacen menos intentos que los “promedio” para
entrar en un grupo de juego, permanecen a su alrededor sin hacer nada por
entrar, incluso pueden reaccionar con timidez ante la oferta de compañía de otros
y con frecuencia juegan solos.
Martín (2011) estudió si la aceptación o el rechazo estaban influidos por
el contexto en el que se producían; este investigador estableció dos tipos de
Estatus sociométrico, variable socio-ambiental.
163
contexto, académico y lúdico, los resultados que obtuvo pusieron de manifiesto
que todos los tipos sociométricos tenían influencia contextual siendo el menos
afectado el tipo rechazado y el más el controvertido, niño que es aceptado y
rechazado al mismo tiempo.
Apuntar, por último, que a los niños que presentan dificultades en la
interacción entre los iguales les afecta el sentimiento de soledad y el rechazo de
los compañeros, lo cual es percibido por los niños como un poderoso estresor
(Coie, 1990), estos chicos a menudo presentan síntomas depresivos (Kaya,
2007).
Estatus sociométrico, variable socio-ambiental.
165
3.1. Rendimiento académico y estatus/tipo sociométrico.
Son muchos los estudios realizados sobre el estatus sociométrico que
tratan de la relación existente entre este y el rendimiento académico (Green,
Forehand, Beck, Vosk, 1980; Havighurst, Bowman, Liddle, Mathews y Pierce,
1962; Wentzel y Asher, 1995). En general, todos ellos demuestran que:
la conducta prosocial se relaciona con un alto rendimiento académico,
los niños disruptivos y agresivos obtienen peor rendimiento académico,
los niños aislados e inhibidos presentan dificultades académicas (Green
et al., 1980), y
que el estatus sociométrico covaría con el rendimiento académico
(Wentzel y Asher, 1995; Wentzel, 2003).
Habitualmente, los niños que son aceptados por sus compañeros y son
líderes suelen obtener mejores resultados académicos que los que son
rechazados (Greenman, Schneider y Tomada, 2009; Titkova, Ivaniushina y
Alexandrov, 2013; Wentzel, 1991). Estell, Farmer, Cairns y Cairns (2002) dentro
del grupo de alumnos populares distinguieron dos grupos, prosociales y
agresivos, los primeros correlacionaban con alto rendimiento académico y los
agresivos con bajo rendimiento, estos hallazgos van en la línea del pensamiento
de Newcomb et. al. (1993) quienes afirman que los niños populares prosociales
sobresalen en habilidades académicas y muestran bajos niveles de agresividad
y retraimiento social.
Variables personales predictoras del rendimiento académico. Un modelo causal.
166
Según Inglés et al. (2008), los niños prosociales tienden a establecer
buenas relaciones con los compañeros, una comunicación asertiva y tienen un
comportamiento cooperativo en el aula; en cambio, los niños agresivos violan los
derechos de los demás, insultan, o critican a sus compañeros. De hecho, los
comportamientos agresivos son factores de baja aceptación social y alto rechazo
(Inglés et al., 2014; García-Bacete, 2007; Monjas et al., 2008).
Algunos estudios diferencian entre el alumno popular y el alumno
percibido como popular, en el primero la popularidad y el rendimiento se
relacionan positivamente (Frentz, Gresham y Elliot, 1991; Hatzichristou y Hopf
1996; Wentzel, 1991), pero en el caso de los alumnos percibidos como
populares, los resultados son contradictorios y distintos según el género: las
alumnas correlacionan positivamente con el rendimiento académico positivo y
los alumnos lo hacen negativamente (Adler, Kless y Adler,1992). Algunos
estudios como los de La Fontana y Cillessen (2002) encontraron que los niños
percibidos como populares obtienen buenos resultados, pero otros como el ya
citado de Adler et al. (1992) o Hopmeyer-Gorman, Kim y Schimmelbusch (2002),
hallaron todo lo contrario.
Por su parte, Sanson, Hemphill y Smart (2004) encontraron que el bajo
rendimiento académico está relacionado con alta actividad, distractibilidad, poca
persistencia y baja adaptabilidad, todo ello teniendo la variable inteligencia
controlada.
Wentzel y Candwell (1997) vieron que la variable que más predice el
rendimiento es la de pertenencia a un grupo. Así, Chen, Chang y He (2003)
hallaron que los miembros de grupos de iguales son altamente homogéneos en
Estatus sociométrico, variable socio-ambiental.
167
cuanto a su rendimiento académico, debido a que cada grupo maneja sus
propias normas académicas y también tiene su propio ajuste social.
Wentzel (2009) afirma que las relaciones sociales ofrecen un buen
contexto para el rendimiento académico. Además, Wentzel, Barry y Caldwell
(2004) afirman que tener buenas relaciones con los compañeros (versus estar
aislado) está asociado con un buen logro académico.
Baydik y Bakkaloğlu (2009) establecieron una serie de variables que
determinaban el estatus sociométrico de los alumnos con necesidades
educativas especiales y sin ellas, los autores encontraron que tanto para unos
como para otros eran la competencia académica, las habilidades sociales y la
apariencia física, las que predecían la aceptación social, mientras que la
existencia de problemas de conducta eran los predictores de rechazo social.
Independientemente de estas variables, los alumnos con necesidades
especiales son menos aceptados y más rechazados que sus compañeros sin
ellas (Baydik y Bakkaloğlu, 2009; Frederickson y Furnham, 2001, 2004) y ellos
así lo perciben (Pisula y Łukowska, 2011)
En relación con los alumnos de alto rendimiento, Hoogeeven, Hell y
Verhoeven (2009) encuentran que tienen un estatus social más bajo que sus
compañeros de rendimiento ‘normal’, estos alumnos son vistos por sus iguales
como poco cooperativos, más los chicos que las chicas.
Son varios los modelos que se han propuesto para explicar la relación
entre el estatus sociométrico entre iguales y el rendimiento académico. Un primer
modelo mantiene que el rendimiento académico es consecuencia de la
Variables personales predictoras del rendimiento académico. Un modelo causal.
168
competencia social. En apoyo de este modelo se aduce que los niños
socialmente competentes que son aceptados por los compañeros, desarrollan
sentimientos de pertenencia y aumentan su motivación y autoestima (Bukowski,
Hoza, Boivin, 1993; Furrer y Skinner, 2003; Gherasim, Mairean y Butnaru, 2012;
Wang y Eccles, 2013; Wentzel, 2005), en suma desarrollan recursos
emocionales y sociales que ayudan a un mejor rendimiento académico (Wentzel,
1991; Wentzel y Asher, 1995). Incluso aquellos alumnos que no valoran
determinados aspectos académicos -normas, obligaciones, etc.- pero que
forman parte de grupos que sí los valoran, terminan aceptándolos lo que
demuestra el valor modulador de las normas del grupo de pares (Masland y
Lease, 2013).
Los caracteres prosociales y cooperativos ayudan a crear un buen
ambiente de clase para el aprendizaje mientras que los caracteres agresivos y
hostiles no propician el proceso de aprendizaje. Es más, dentro de los niños
populares se observa que aquellos que muestran conductas prosociales tienen
un buen rendimiento académico mientras que el rendimiento académico de los
que manifiestan conductas agresivas, siendo también populares, es negativo
(Estell et al., 2002).
En general, los niños con habilidades sociales suelen ser cooperativos y
les gusta que les pidan ayuda. En cambio, los niños rechazados tienen menos
oportunidades que el resto de los niños de recibir asistencia de los compañeros.
Un segundo modelo mantiene que es el rendimiento académico el que
afecta a la competencia social y al ajuste (Véronneau, Brendgen, Dishion, Vitaro
y Tremblay, 2010) y, por tanto, al estatus sociométrico. Según este modelo, las
dificultades académicas frustran al individuo el cual desarrolla conductas no
Estatus sociométrico, variable socio-ambiental.
169
sociales; además, el rendimiento académico determina el prestigio social en el
grupo de iguales y consecuentemente también afecta a la autoimagen. Los niños
con bajas calificaciones escolares experimentan dificultades en obtener un
estatus positivo y el respeto de sus pares, la consecuencia es el desarrollo de un
autoconcepto negativo y la aparición de problemas socioemocionales (McGee,
Williams, Share, Anderson y Silva, 1986). Los niños con dificultades académicas
tienden a desarrollar conductas de mala adaptación social y son rechazados, por
ello, por los compañeros. Se observa que aquellos niños que reciben ayuda y
mejoran su rendimiento académico también mejoran su competencia social
(Coie y Krehbiel, 1984).
En este sentido, Moreno (2002) apunta que la importancia del rendimiento
académico aumenta con la edad, y es muy probable que parte de su impacto
radique en el prestigio que los buenos resultados comportan, pero otra parte
importante puede proceder de las actitudes de los profesores, siendo fácil pensar
que quienes tienen un mejor rendimiento sean los que reciban los comentarios
más favorables.
Por otro lado, Wentzel (2005) demuestra que los estudiantes con alto
rendimiento tienen amigos de alto rendimiento, y esa amistad predice un
incremento del rendimiento a largo plazo. Esta relación es más evidente en la
adolescencia ya que los estudiantes tienen más libertad para escoger las
amistades y pasar más tiempo con ellos.
El estudio ya citado de Véronneau et al. (2010) puede servir de apoyo a
este modelo, los resultados de esta investigación longitudinal muestran que el
alto rendimiento académico predice un incremento de la aceptación entre iguales
desde el grado 2 al 6, un decrecimiento de los rechazos desde el grado 2 al 4 y
Variables personales predictoras del rendimiento académico. Un modelo causal.
170
un incremento del rendimiento de los amigos desde el grado 4 hasta el 7. Así,
sugieren que el rendimiento es un buen predictor del estatus en la infancia media
y que los estudiantes con alto rendimiento empiezan a seleccionarse entre ellos
en la adolescencia temprana. Los datos de los investigadores también sugieren
que el rechazo entre iguales en la infancia puede afectar al futuro rendimiento
académico.
Tal vez lo más adecuado es considerar la existencia de reciprocidad entre
el estatus sociométrico y el rendimiento académico mediante la cual uno influye
en el otro y viceversa, este enfoque es el llamado modelo transaccional
(Cicchetti, 1993; Sameroff, 1975; Sameroff y McKenzie, 2003). En este tercer
modelo se propone que a pesar de que la competencia social puede afectar al
rendimiento académico, este, a su vez, puede influir en el ajuste social. Sameroff
y Mackenzie (2003) parten de la idea de que algunos aspectos específicos del
entorno pueden ganar o perder efecto según la etapa del desarrollo, por ello la
relación entre el estatus y el rendimiento varia a lo largo de las diferentes etapas
del desarrollo.
Estudios que apoyan este enfoque son los de Chen, Rubin y Li (1997) y
Eshel, Sharabany y Barsade (2003). Los primeros realizaron un estudio
longitudinal en el que hayaron que el rendimiento académico predice la
competencia social y la aceptación de los iguales, y hayaron también que el
ajuste social de los niños contribuye a predecir el rendimiento académico. Los
autores concluyeron un “efecto recíproco” entre ambas variables. Por su parte,
Eshel et al. (2003) llevaron a cabo un estudio longitudinal en el que se encontró
que un alto rendimiento académico predice un alto número de contactos
Estatus sociométrico, variable socio-ambiental.
171
recíprocos con los compañeros, pero a la vez, un alto nivel de nominaciones no
recíprocas tiene un efecto en detrimento del rendimiento académico.
Este tercer modelo es muy probable pero la bidireccionalidad no ha sido
contrastada todavía claramente ya que para hacerlo se necesitan modelos
longitudinales que incluyan los diferentes periodos del desarrollo. Hasta el
momento, a parte de los estudios que acabamos de nombrar, pocos estudios lo
han contrastado. Por el contrario sí hay investigaciones (Chen, Chang, Liu y He,
2008; Mercer y DeRosier, 2008; Schwartz, Gorman, Nakamoto y Toblin, 2005;
Welsh, Parke, Widaman y O’Neil, 2001) que no han encontrado diferencias
basadas en las pruebas que se han realizado a lo largo de los diferentes
periodos.
4. Conclusiones.
Conclusión
175
A lo largo de estas páginas hemos visto numerosos estudios relacionados
con variables que pueden influir en el rendimiento académico, el objetivo de
todos ellos ha sido la mejora de dicho rendimiento, tema que preocupa por los
alarmantes índices de fracaso escolar. Según el Informe Español de los
indicadores de la OCDE (2014):
A pesar de los esfuerzos realizados durante la última década, España se
sigue posicionando entre los países de la OCDE con mayor proporción de
su población que sólo ha alcanzado la Educación Secundaria Obligatoria
o menos (un 45% de la población adulta), muy por encima de la media de
la UE21 (23%) y de la OCDE (24%).
El tema del rendimiento, aunque se lleva estudiando muchos años sigue
vigente y todavía no se ha hallado una solución plausible. Son muchos los
estudios realizados de las diferentes variables. A continuación hacemos un
resumen de los resultados más significativos revisados en las páginas
anteriores.
Si hacemos una síntesis breve de los estudios revisados vemos que en
un primer momento se intentó predecir el rendimiento académico a partir de la
medida del CI pero se vio que con esta variable no era suficiente ya que no
estudian los más válidos sino los más motivados. Además, muchos estudios
Variables personales predictoras del rendimiento académico. Un modelo causal.
176
indican que hay una asociación entre inteligencia general y rendimiento aunque
todavía hay entre un 51% y un 75% de la varianza que no se puede explicar
mediante el CI. De hecho, como ya indicamos, Furnham y Chamorro-Premuzic
(2004) consideraron que la habilidad cognitiva (inteligencia) refleja lo que un
individuo puede hacer y los rasgos de personalidad reflejan lo que ese individuo
realmente hará en la realidad.
Del CI se pasó al estudio de otras variables como la personalidad. La
mayoría de las investigaciones alrededor de esta variable concluyen que el factor
responsabilidad parece ser que es el que más se asocia con el rendimiento
académico de los cinco factores. No obstante, como ya hemos citado, según
Martínez, Redondo, Rua y Fabra (2011) “Esta relación ha sido interpretada
frecuentemente en términos de motivación, ya que se piensa que los estudiantes
con alto grado de Tesón (en sus subdimensiones de escrupulosidad y
perseverancia) están más motivados a obtener resultados excelentes” (p. 6).
En lo que respeta al estudio de la motivación, en general, los estudios
parten de que niveles altos de motivación elevan los resultados académicos y al
contrario, los niveles bajos los disminuyen. Dentro de la motivación, un aspecto
que influye es el autoconcepto, más concretamente el autoconcepto relacionado
con las percepciones de competencia y autoeficacia. La mayoría de los autores
afirman que existe una relación entre el autoconcepto y el rendimiento
académico ya sea causal, recíproca o mediadora entre la motivación y, por ello,
establecen su importancia para la mejora del rendimiento, sin embargo hay
opiniones discordantes, Baumeister, Campbell, Krueger y Vohs (2005)
reconocen la utilidad de la autoestima en la tenacidad para afrontar un fracaso y
como favorecedora de las relaciones interpersonales, sin embargo opinan que la
Conclusión
177
potenciación de la autoestima no se traduce en un mejor rendimiento académico
o profesional. En nuestra investigación estudiaremos la relación entre estas dos
variables.
Sobre el estatus/tipo sociométrico se ha hallado una estrecha relación
entre rendimiento académico, estatus/tipo sociométrico, autoimagen y
motivación. El rechazo se suele relacionar con una mala adaptación familiar y
con bajos resultados escolares. Estos niños tienen un autoconcepto más
negativo que sus compañeros bien adaptados socialmente, presentan mayores
problemas conductuales, mayor falta de atención y motivación en el aula y un
rendimiento académico más bajo.
En general, todos los estudios demuestran que la conducta prosocial se
relaciona con un alto rendimiento académico. Por el contrario, niños disruptivos
y agresivos obtienen peor rendimiento académico. También se ha encontrado
que los niños aislados e inhibidos presentan dificultades académicas Además,
se ha visto que el estatus sociométrico covaría con el rendimiento académico
(Wentzel y Asher, 1995). Los niños que son aceptados por sus compañeros y
son líderes suelen obtener mejores resultados académicos que los que son
rechazados.
Por lo que respeta a la variable género, los resultados demuestran que no
existe una diferencia aptitudinal, de hecho, si existe diferencia es más de índole
cultural o comportamental y se relacionaría con que las chicas están más
motivadas y trabajan más.
Variables personales predictoras del rendimiento académico. Un modelo causal.
178
Revisados los estudios, vemos que los resultados no son contundentes y
que el problema persiste, tal vez debido a que muchas de estas investigaciones
se centran en el estudio de las variables consideradas aisladamente. En las
páginas que siguen elaboramos un modelo causal en el que interrelacionamos
estas variables con el fin de ver el peso de cada una de ellas en la explicación
del rendimiento académico de nuestros alumnos.
II. ESTUDIO EMPÍRICO
1. OBJETIVOS E HIPÓTESIS.
Objetivos e hipótesis.
183
1.1. Objetivos.
De la revisión teórica efectuada en la primera parte de este trabajo se
desprende que todas las variables consideradas en el estudio se relacionan entre
sí y con el rendimiento académico de una u otra forma.
Por tanto el objetivo general de este trabajo es el de establecer el rol que
juegan esas variables -género, estatus, inteligencia, motivación, atribuciones,
autoconcepto y personalidad- y de qué forma en la explicación del rendimiento
académico de nuestros alumnos. Este objetivo general lo desglosamos en cuatro
objetivos específicos.
El primer objetivo de nuestra investigación es determinar las diferencias,
si existiesen, entre los alumnos de alto y bajo rendimiento académico en relación
a todas las variables consideradas.
El segundo objetivo consiste en establecer qué variables, si es que
existiesen, son predictoras del rendimiento académico y el peso que tiene cada
una de ellas.
Con el tercer objetivo intentamos avanzar en la comprensión de las
relaciones existentes inter variables mediante el establecimiento de un modelo
explicativo de las interrelaciones que se producen entre ellas y con el rendimiento
académico. Mediante este modelo expondremos las vías de influencias directas
e indirectas, e identificaremos las variables causales y mediadoras dentro de
dicho modelo.
Factores predictores del rendimiento académico. Un modelo causal.
184
Por último, el cuarto objetivo gira en torno a las diferentes implicaciones
educativas que podemos hacer a partir del conocimiento de las relaciones entre
las variables. Tratamos de establecer conclusiones determinadas que nos
permitan actuar desde la realidad escolar sobre aquellas variables que influyen
en el rendimiento académico.
Objetivos e hipótesis.
185
1.2. Hipótesis.
Las hipótesis de trabajo las vamos a enunciar en términos de hipótesis
nulas e hipótesis alternativas, así:
H0: no existen diferencias significativas en relación a X.
H1: sí existen diferencias significativas en relación a X.
Fijamos una probabilidad α = .05, por tanto aceptaremos H0 solamente si
la probabilidad obtenida es mayor de .05, en caso contrario la rechazaremos y
aceptaremos la hipótesis alternativa H1.
En relación al primer objetivo que consiste en determinar si existen
diferencias entre los alumnos de alto y bajo rendimiento académico en relación
a las variables consideradas, establecemos las siguientes hipótesis de trabajo:
A) En relación al género de los participantes y la popularidad entre sus pares:
1. H0: no existen diferencias entre alumnos populares y rechazados en
relación a su género.
2. H0: no existen diferencias entre alumnos de alto y bajo rendimiento
académico en relación a su género.
3. H0: no existen diferencias entre alumnos de alto y bajo rendimiento
académico en relación a su popularidad.
Factores predictores del rendimiento académico. Un modelo causal.
186
B) En relación a aspectos intelectuales y de relación:
4. H0: no existen diferencias entre los alumnos de alto y bajo rendimiento
académico en relación a su inteligencia.
5. H0: no existen diferencias entre los alumnos de alto y bajo rendimiento
académico en relación a su estatus sociométrico.
C) En relación a la motivación que los alumnos mantienen hacia el aprendizaje:
6. H0: no existen diferencias entre los alumnos de alto y bajo rendimiento
académico en relación a la motivación hacia el aprendizaje. Esta
hipótesis la subdividimos en las siguientes:
6a.H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al interés que muestran por
actividades que no implican esfuerzo.
6b.H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación a su interés por actividades
académicas.
6c. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al nivel de ansiedad inhibidora
del rendimiento.
6d.H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al nivel de ansiedad facilitadora
del rendimiento.
6e.H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación a su interés por el lucimiento.
Objetivos e hipótesis.
187
6f. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación a su falta de interés por el
lucimiento.
6g.H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación a evitar juicios negativos.
6h.H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto como
trabajador.
6i. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto como vago.
6j. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación a la búsqueda de juicios
positivos de competencia.
D) En relación a los procesos atribucionales:
7. H0: no existen diferencias entre los alumnos de alto y bajo rendimiento
académico en relación a las atribuciones que hacen acerca de las
causas de sus éxitos y sus fracasos. Esta hipótesis la subdividimos en
las siguientes:
1º) relacionadas con el logro académico:
7a. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del éxito académico a
factores externos e incontrolables.
Factores predictores del rendimiento académico. Un modelo causal.
188
7b. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del éxito académico a
factores internos e incontrolables.
7c. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del éxito académico a
factores internos y controlables.
7d. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del fracaso a factores
externos e incontrolables.
7e. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del fracaso a factores
internos e incontrolables.
7f. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del fracaso a factores
internos y controlables.
7g. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del fracaso académico
a factores relacionados con los profesores.
2º) En relación con las relaciones interpersonales:
7h. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del fracaso a factores
internos.
7i. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del fracaso a factores
externos.
Objetivos e hipótesis.
189
7j. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del éxito a factores
internos.
7k. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en la atribución del éxito a factores
externos.
E) En relación al autoconcepto:
8. H0: no existen diferencias entre los alumnos de alto y bajo rendimiento
académico en relación a los diferentes aspectos del autoconcepto.
Esta hipótesis la subdividimos en las siguientes:
8a. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto que los
participantes mantienen acerca de su apariencia física.
8b. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto que los
participantes mantienen acerca de su habilidad física.
8c. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto que los
participantes mantienen acerca de su competencia en
matemáticas.
8d. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto que los
participantes mantienen acerca de su competencia en lengua
castellana.
Factores predictores del rendimiento académico. Un modelo causal.
190
8e. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto que los
participantes mantienen acerca de su competencia en lengua
inglesa.
8f. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto que los
participantes mantienen acerca de sus relaciones con los
profesores.
8g. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto que los
participantes mantienen acerca de sus relaciones con sus
padres.
8h. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al autoconcepto que los
participantes mantienen acerca de sus relaciones con sus
iguales.
F) En relación a la personalidad:
9. H0: no existen diferencias entre los alumnos de alto y bajo rendimiento
académico en relación a los diferentes aspectos de la personalidad.
Subdividimos esta hipótesis en las siguientes:
9a. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al componente de
autorregulación, de perseverancia de la personalidad.
Objetivos e hipótesis.
191
9b. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al componente de apertura
de la personalidad.
9c. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al componente de
extraversión de la personalidad.
9d. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al componente de
prosocialidad de la personalidad.
9e. H0: no existen diferencias entre los alumnos de alto y bajo
rendimiento académico en relación al componente de
inestabilidad emocional de la personalidad.
Con respecto al segundo objetivo, establecer las variables predictoras del
rendimiento académico, establecemos la siguiente hipótesis de trabajo:
10. H0: no existen diferencias en cuanto al poder de predicción de las
diferentes variables en relación al rendimiento académico de los
participantes en la investigación.
La hipótesis que establecemos en relación con el tercer objetivo de
nuestra investigación: establecer un modelo explicativo de las interrelaciones
que se producen entre las variables de nuestro estudio y con el rendimiento
académico, es la siguiente:
Factores predictores del rendimiento académico. Un modelo causal.
192
11. H0: no existen diferencias entre el modelo propuesto y los datos
empíricos obtenidos en nuestra investigación.
2. MÉTODO.
Método
195
En esta sección relatamos el proceso metodológico seguido con el fin de
alcanzar los objetivos que pretendemos conseguir en nuestra investigación y que
hemos enunciado anteriormente. Esta sección la dividimos en cuatro apartados.
En el primero describimos las características de los alumnos participantes
en la investigación.
El segundo apartado lo dedicamos a los instrumentos utilizados. Aquí
describimos las pruebas empleadas en la obtención de los datos que hemos
usado en nuestro estudio.
En el tercer apartado enumeramos y describimos las variables utilizadas
en la investigación.
Por último, en el cuarto apartado referimos el proceso empleado en la
recogida de datos.
Método: Participantes.
197
2.1. Participantes.
Los participantes en nuestra investigación fueron todos los alumnos de 5º
y 6º curso de Educación Primaria (EP) de tres colegios públicos de dos
localidades de una comarca del norte de la provincia de Alicante en los cuales,
la que escribe estas páginas, ha ejercido como maestra a lo largo de estos años
y tuvo un fácil contacto con los centros para poder administrar las pruebas.
En un primer momento, las pruebas se pasaron en el curso 2009/10 para
la obtención del Diploma de Estudios Avanzados (DEA), en este primer momento
los participantes fueron 298 alumnos y alumnas. Durante los dos cursos
siguientes -2010/11 y 2011/12- las pruebas se aplicaron en los mismos centros
a los alumnos de nueva incorporación a 5º curso de EP, 147 y
148 respectivamente, con lo que el número de participantes fue de 593 de los
que eliminamos 21 por no haber conseguido todos los datos (15) o por estar
siguiendo un programa de Adaptación Curricular Significativa (6)
Así pues los datos empleados en nuestro estudio fueron los suministrados
por 572 alumnos de los cuales 282 son chicas y 290 chicos (figura 10), 447 de
quinto curso de EP y 146 de sexto, incluidos tres alumnos repetidores en este
último nivel.
Variables personales predictoras del RA. Estudio empírico.
198
Figura 10. Participantes según género.
2.1.1. Entorno socioeconómico y cultural.
La comarca en las que se ha desarrollado nuestra investigación es de
predominio lingüístico valenciano, en sus centros la ratio es de 20 alumnos por
clase aproximadamente.
Prácticamente la totalidad de los alumnos, a excepción de los inmigrantes
y de una población muy pequeña de chicos provenientes de zonas de predominio
lingüístico castellano, son valencianoparlantes. No obstante, todos hablan y
entienden perfectamente el valenciano y el castellano.
De los 572 alumnos de la muestra, los alumnos inmigrantes se distribuyen
de la siguiente manera (tabla 10):
49%51%
SEX
Hombres Mujeres
Método: Participantes.
199
Tabla 10.Distribución del alumnado inmigrante por nacionalidades.
Nacionalidad Alumnos %
Magreb 32 5.6%
Este de Europa 10 1.75%
Reino Unido (UK) 16 2.8%
América latina 6 1%
Por lo que respecta a la ocupación laboral de los padres, de las madres
no tenemos todos los datos, de los alumnos participantes la podemos desglosar
en (tabla 11):
Tabla 11.Distribución de la ocupación de los padres por sectores.
Ocupación por sectores nº %
primario 11 1.92
secundario 349 61.01
terciario 160 27.97
construcción 52 9.09
La representación gráfica de estas cifras la podemos ver en la figura 11.
Variables personales predictoras del RA. Estudio empírico.
200
Figura 11. Sectores de ocupación.
No obstante el paro también ha afectado a estos municipios, y si bien
antes la mayoría de progenitores trabajaban los dos, por lo que la mayoría de los
niños pasaban muchas horas en casa de los abuelos, ahora en muchas casas
solo trabaja uno de los progenitores. Según fuentes consultadas el paro en la
comarca1 era del 11,05 % en 2012, bastante alejada de la media de la provincia
de Alicante2 que era del 27.52%.
El nivel sociocultural de las familias de nuestros alumnos es medio. Si bien
cada día encontramos un considerable aumento de padres y madres con
estudios superiores, también hay un elevado número de padres con estudios
secundarios y en menor cuantía primarios. No hay alumnado de padres
analfabetos.
1 http://www.dip-alicante.es/documentacion/2demogr.asp?codigo=000262 http://www.ine.es/daco/daco42/daco4211/epapro0212.pdf
2%
61%
28%
9%
SECTOR OCUPACIÓN
Primario Secundario Terciario Construcción
Método: Instrumentos.
201
2.2. Instrumentos1.
A continuación procederemos a describir los instrumentos utilizados en
nuestra investigación.
2.2.1. Test de factor ‘g’, escala 2 (Cattell y Cattell, 1986).
Cattell y Cattell (1986) diseñaron estos tests con el propósito de evaluar
la inteligencia individual mediante pruebas de tipo “no verbal” exentas de
cualquier influencia cultural o educativa. Son test gráficos, de este modo se
puede obtener un resultado más exacto del potencial natural del individuo que
no esté influenciado por su educación.
Con estas pruebas se puede averiguar la capacidad del individuo de modo
que podemos saber el nivel que le podemos exigir y comprobar si aquello que
hace se corresponde con su verdadera capacidad, detectar posibles
problemáticas o alumnos avanzados de modo que podremos actuar mejor en su
proceso de enseñanza-aprendizaje y consecuentemente en su orientación
vocacional.
La escala 2, utilizada en esta investigación, está formada por cuatro
1 Para revisar los datos referidos a la fiabilidad y validez de los instrumentos empleados en la investigaciónremitimos al lector a los manuales de las pruebas (citados en el texto, ver bibliografía).
Variables personales predictoras del RA. Estudio empírico.
202
pruebas y está dirigida a alumnos de 8 a 14 años, edad en la cual están
comprendidos nuestros sujetos, o personas de nivel cultural medio. Dichas
pruebas son (Cattell y Cattell, 1986):
1. Series incompletas, al sujeto se le presenta una serie de dibujos y tiene
que elegir la figura que continúa la serie.
2. Clasificación, son cinco figuras y una de ellas no tiene nada que ver
con las otras, el sujeto debe elegir esa.
3. Matrices, la tarea consiste en terminar una matriz de dibujos con una
de las soluciones que se proponen.
4. Condiciones, hay que elegir de entre cinco posibilidades aquella que
cumple con las características del modelo.
Las puntuaciones obtenidas por los participantes en los cuatro subtest se
convierten, mediante las tablas que ofrece el manual del test, en cocientes
intelectuales de desviación con media 100 y desviación típica 16, o en
puntuaciones centiles, que se pueden comparar directamente en todas las
edades.
2.2.2. Test sociométrico.
La técnica del test sociométrico determina el grado en que los individuos
son aceptados o rechazados dentro de un grupo, establece las relaciones que
se dan entre ellos y muestra la estructura del grupo.
Desde un punto de vista práctico, esta técnica cuantifica los rechazos y
Método: Instrumentos.
203
elecciones que cada sujeto del grupo emite hacia los otros miembros del grupo,
de modo que se puede medir el aspecto socioafectivo del grupo y de sus
componentes. De este modo el test sociométrico nos permite descubrir las
interacciones y el tipo de asociaciones que estén en un grupo, muestra las
elecciones y rechazos de los miembros de un grupo en una situación y momento
particular, expresa de forma cuantitativa las preferencias y los rechazos, pero no
explica sus motivos, permite descubrir el grado de cohesión del grupo así como
las tensiones existentes.
Este instrumento permite determinar el nivel de aceptación o de rechazo
de los individuos en un grupo y revelar la estructura del grupo (Moraleda, 1978).
Concretamente, el test permite obtener datos relativos a (González Álvarez,
1990):
1. Tipos sociométricos:
populares, son los alumnos que poseen un estatus positivo alto,
son los alumnos que han sido elegidos por encima de la media de
los otros alumnos del aula,
rechazados, alumnos que poseen un estatus negativo alto, son los
alumnos que han sido rechazados por encima de la media de los
otros alumnos del aula,
olvidados, alumnos que son muy poco elegidos y muy poco
rechazados y, dentro de ellos:
- desatendidos, son alumnos olvidados muy expansivos, hacen
muchas elecciones positivas pero no son correspondidos,
- ignorados, alumnos que presentan una dentro de los límites
superior e inferior, son los casos que se dan con más
Variables personales predictoras del RA. Estudio empírico.
204
frecuencia,
- aislados, alumnos con expansividad positiva baja, ni eligen ni
son elegidos
2. Valores sociométricos, entre ellos:
estatus positivo/negativo, número de elecciones/rechazos
recibidos por cada participante,
expansibilidad positiva/negativa, número de elecciones/rechazos
que emite cada participante, y
estatus sociométrico que resume en un solo número la posición
relativa que cada individuo ocupa en el grupo desde un punto de
vista sociométrico (González Álvarez, 1990).
Para obtener estos datos se les suministró a los sujetos un cuestionario
(figura 12, elaborado según los criterios planteados por Arruga (1983) y
Rodríguez Pérez y Morera Bello (2001), en el que se les preguntaba a los niños
por sus preferencias positivas y negativas acerca de sus compañeros,
eligiéndose como criterio la constitución de un grupo para trabajar en el aula.
El método es nominativo, con número limitado de respuestas y
ponderando el orden de preferencia.
Método: Instrumentos.
205
1. Escribe por orden de preferencia el nº de orden de los compañeros/as de tu clase
con los que quisieras formar un grupo de trabajo (escribe un máximo de 5).
1º_____ 2º_____ 3º_____ 4º_____ 5º_____
2. Escribe por orden de preferencia el nº de orden de los compañeros/as de tu clase
con los que no quisieras formar un grupo de trabajo (escribe un máximo de 5).
1º_____ 2º_____ 3º_____ 4º_____ 5º_____
3. Escribe por orden de preferencia el nº de orden de los compañeros/as que tú creas
que te han elegido para formar un equipo de trabajo.
1º_____ 2º_____ 3º_____ 4º_____ 5º_____
4. Escribe por orden de preferencia el nº de orden de los compañeros/as que tú creas
que no quieren formar un equipo de trabajo contigo.
1º_____ 2º_____ 3º_____ 4º_____ 5º_____
Figura 12. Test sociométrico. Protocolo.
2.2.3. Cuestionario de motivación hacia el aprendizaje. MAPE-I (Alonso
Tapia y Sánchez Ferrer, 1992).
Según Alonso Tapia y Sánchez (1992) el objetivo de este cuestionario es
identificar los patrones motivacionales básicos relacionados con el aprendizaje y
los logros académicos. Así, los autores incluyen ítems para medir los siguientes
componentes motivacionales:
Variables personales predictoras del RA. Estudio empírico.
206
Búsqueda del incremento de la propia competencia.
Búsqueda de la evaluación o juicio positivo de la propia competencia.
Búsqueda de la evitación de juicios negativos de competencia.
Disponibilidad al esfuerzo de hecho.
Ansiedad facilitadora/ inhibidora del rendimiento.
Motivación intrínseca.
Tendencia a la sobrecarga de trabajo.
Ambición.
Vagancia.
Después del análisis factorial realizado por los autores, el test queda
compuesto por 72 ítems a los que hay que responder Sí o No y que se dividen
en las siguientes escalas:
Escala 1. Interés por actividades que no implican esfuerzo versus interés
por las actividades académicas.
Escala 2. Ansiedad inhibidora del rendimiento
Escala 3. Motivación de lucimiento.
Escala 4. Búsqueda de evitación de juicios negativos de competencia
versus búsqueda de incremento de competencia.
Escala 5. Autoconceptualización como trabajador.
Escala 6. Autoconceptualización como vago.
Escala 7. Búsqueda de juicios positivos de competencia versus búsqueda
de incremento de competencia.
Escala 8. Ansiedad facilitadora del rendimiento.
Método: Instrumentos.
207
2.2.4. Cuestionario de estilos atributivos y motivación. EAT (Alonso Tapia
y Sánchez García, 1992).
Este cuestionario se emplea para evaluar los estilos atributivos mediante
72 ítems a los que hay que responder, mediante una escala tipo Likert: 1 significa
máximo desacuerdo y 4 máximo acuerdo.
El test se divide en dos áreas y, dentro de ellas, en diferentes escalas:
a) Escalas correspondientes al Área de Logros Académicos:
Escala 1. Externalización e incontrolabilidad de los resultados
académicos, fundamentalmente el éxito.
Escala 2. Atribución del fracaso académico a la falta de esfuerzo
Escala 3. Atribución del éxito académico a la habilidad
Escala 4. Atribución del fracaso al profesor
Escala 5. Atribución del éxito al esfuerzo
Escala 6. Externalización e incontrolabilidad del fracaso académico por su
atribución a mala suerte.
Escala 7. Atribución del fracaso a la falta de habilidad.
b) Escalas correspondientes al Área de las Relaciones Interpersonales.
Escala 1. Internalización del fracaso en las relaciones interpersonales.
Escala 2. Atribución del éxito en las relaciones interpersonales al
esfuerzo.
Escala 3. Externalización del éxito en las relaciones interpersonales.
Variables personales predictoras del RA. Estudio empírico.
208
Escala 4. Atribución del éxito en las relaciones interpersonales a la
habilidad.
Escala 5. Externalización del fracaso.
2.2.5. Cuestionario de autoconcepto. SDQ-I (Marsh, 1992a).
Este cuestionario se usa para evaluar el autoconcepto mediante 67 ítems
a los que hay que responder de la misma forma que en el instrumento anterior,
mediante una escala tipo Likert:
1: completamente falso,
2: bastante falso,
3: algunas veces falso y otras cierto,
4: bastante cierto, y
5: completamente cierto.
El cuestionario evalúa tres áreas con sus respectivas variables:
Académica: matemáticas, lengua, académico general, relación
con los profesores y relación con las asignaturas.
No académica: habilidad física, apariencia física, relaciones con
los iguales y relaciones con los padres.
Autoconcepto global.
El cuestionario añade una escala de autocrítica que no es utilizada para
Método: Instrumentos.
209
obtener el autoconcepto total.
2.2.6. Cuestionario “Big-Five” de personalidad para niños y adolescentes.
BFQ-NA (Barbaranelli, Caprara, Rabasca, 2006).
Este cuestionario publicado originariamente en 1998 y adaptado al
mercado español por Del Barrio, Carrasco y Holgado (2006), consta de 65
elementos mediante los cuales explora las cinco grandes dimensiones de la
personalidad.
a) Conciencia: evalúa el grado de autorregulación, precisión,
minuciosidad, escrupulosidad, tenacidad y perseverancia que
caracterizan a una persona. Diferencia entre niños dirigidos a
metas, formales, con un elevado nivel de exigencia, cuidadosos y
ordenados (polo alto) de aquellos que no lo son (polo bajo).
b) Apertura: se refiere a personas abiertas a la novedad, interesadas
por la cultura y el saber, originales y creativas. Se refiere al interés
por lo escolar (polo alto).
c) Extraversión: evalúa el grado de sociabilidad, la capacidad de
locuacidad, la asertividad, el dinamismo y la actividad en niños y
jóvenes.
d) Amabilidad: se trata de la tendencia altruista del niño, su tendencia
al apoyo y la prosocialidad, el grado de cooperación, confianza,
franqueza, conciliación y sensibilidad a las necesidades de los
Variables personales predictoras del RA. Estudio empírico.
210
otros.
e) Inestabilidad emocional: evalúa la tendencia al malestar y al
neuroticismo, manifestada en los cambios de humor, la tendencia
a la tristeza, ansiedad e irritabilidad, las personas que se sitúan en
el polo alto de la escala son personas nerviosas con tendencia a la
tristeza y a perder la calma con suma facilidad.
La respuesta a los ítems se efectúa por medio de una escala Likert de
cinco puntos que va desde casi siempre (5) a casi nunca (1).
2.2.7. Calificaciones académicas de los alumnos.
Las calificaciones, facilitadas por los profesores tutores de los alumnos
participantes, representan la nota de los exámenes junto con el trabajo realizado
por el alumno/a, su esfuerzo y su actitud.
Se recogieron las notas de las asignaturas instrumentales: matemáticas,
lengua (valenciana y castellana) e inglés.
Para cuantificar los datos se adoptó una escala con 5 valores: 1, 3, 5, 7 y
9, el 1 representa el valor más bajo y el 9 el más alto. Para ello, se elaboró un
protocolo (figura 13) en la cual los profesores tenían que marcar para cada
alumno (partiendo de su número de lista) la calificación que le otorgaban en cada
asignatura, así como si seguían ACIS.
Método: Instrumentos.
211
Colegio Nº________ Curso: _________ Asignatura: __________________________
ALUMNO LV LC LI MAT ACIS*
1. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
2. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
3. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
4. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
5. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
6. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
7. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
8. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
9. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
10. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
11. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
12. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
13. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
14. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
15. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
16. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
17. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
18. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
19. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
20. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
21. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
22. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
23. 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9 1 - 3 - 5 - 7- 9
LV: Lengua Valenciana; LC: Lengua Castellana; LI: Lengua Inglesa; MAT: Matemáticas; ACIS*: AdaptaciónCurricular Significativa (* marcar en caso de).
Figura 13. Protocolo de recogida de calificaciones.
Método: Variables.
213
2.3. Variables.
A continuación citamos todas las variables estudiadas en nuestra
investigación. Son 46 variables.
A) Evaluada mediante la escala 2 de los Tests de Factor “g” (Cattell y Cattell,
1986):
1. Cociente Intelectual (CI).
B) Evaluadas las respuestas de los participantes al test sociométrico por medio
del programa informático “SOCIO” (González Álvarez, 1990):
2. Tipo sociométrico. (TS)
Esta variable toma 2 valores:
(2) alumno popular,
(0) alumno ignorado.
3. Estatus sociométrico (SS).
Su valor oscila entre ± 3 viene expresado por la fórmula siguiente
(para cada sujeto):
1
)()(
N
PNSNPPSPSS
SP: estatus positivo, número de elecciones recibidos por cada participante(es el valor primordial),
PP: percepción positiva, es el conjunto de individuos que el sujeto cree quele han elegido a él,
SN: estatus negativo, total de rechazos recibidos por cada sujeto,
PN: percepción negativa número de individuos por los que el sujeto se creerechazado,
N: Nº de sujetos del grupo-clase.
Variables personales predictoras del RA. Estudio empírico.
214
C) Evaluadas mediante el cuestionario MAPE-I (Alonso Tapia y Sánchez Ferrer,
1992):
4. Interés por actividades que no implican esfuerzo (E1A).
5. Interés por actividades académicas (E1B).
6. Ansiedad inhibidora del rendimiento (E2).
7. Motivación (interés por) de lucimiento (E3A).
8. Motivación (falta de interés por) de lucimiento (E3B).
9. Evitar juicios negativos (E4A).
10. Autoconcepto como trabajador (E5).
11. Autoconcepto como vago E6A).
12. Búsqueda de juicios positivos de competencia (E7).
13. Ansiedad facilitadora del rendimiento (E8).
D) Evaluadas mediante el cuestionario EAT (Alonso Tapia y Sánchez García,
1992):
14. Éxito académico - externo/incontrolable (RA1a).
15. Fracaso académico - falta de esfuerzo (RA2a).
16. Éxito académico - habilidad (RA3a).
17. Fracaso académico - profesor (RA4a).
18. Éxito académico - esfuerzo (RA5a).
19. Fracaso académico - externo/incontrolable (RA6a).
20. Fracaso académico - falta de habilidad (RA7a).
21. Fracaso relacional - interno (RI1a).
22. Fracaso relacional - falta de habilidad (RIa1a).
23. Fracaso relacional - falta de esfuerzo (RIb1a).
24. Éxito relacional - esfuerzo (RI2a).
Método: Variables.
215
25. Éxito relacional - externo (RI3a).
26. Éxito relacional - habilidad (RI4a).
27. Fracaso relacional - externo (RI5a)
E) Evaluadas con el cuestionario SDQ-I (Marsh, 1992a):
28. Autoconcepto apariencia física (SDQ_af).
29. Autoconcepto habilidad física (SDQ_cf).
30. Autoconcepto matemático (SDQ_mat).
31. Autoconcepto en lengua (SDQ_leng).
32. Autoconcepto en idioma extranjero (inglés) (SDQ_ing).
33. Autoconcepto relacional con los profesores (SDQ_prof)
34. Autoconcepto relacional con los padres (SDQ_pad).
35. Autoconcepto relacional con los iguales (SDQ_peer).
F) Evaluadas con el cuestionario BFQ-NA (Barbaranelli, Caprara, y Rabasca,
2006):
36. Conciencia (Co).
37. Apertura (Ap).
38. Extraversión (Ext).
39. Amabilidad (AMaB).
40. Inestabilidad (InEm).
G) Variables relativas al rendimiento académico:
41. Calificación del alumno en matemáticas (MAT).
42. Calificación del alumno en lengua castellana (CAS).
43. Calificación del alumno en lengua valenciana (VAL).
44. Calificación del alumno en inglés (ING).
Variables personales predictoras del RA. Estudio empírico.
216
Estas variables adoptan uno de los 5 valores siguientes: 1, 3, 5, 7 y 9.
45. Nota media:
a) de las calificaciones del alumno (NM).
b) dicotomizada, con dos valores (NMb):
(0) nota media ≤ 5,
(1) nota media > 5.
H) Otras:
46. Género, valores: (0) mujer, (1) hombre (SEX).
Las variables anteriores han sido analizadas con los paquetes
estadísticos IBM SPSS Statistics for Windows v. 22.0 (IBM Corp. Released,
2013a) e IBM SPSS AMOS for Windows v. 22.0 (IBM Corp. Released, 2013b).
Método: Proceso.
217
2.4. Proceso.
Como ya indicamos en el apartado dedicado a los participantes de nuestra
investigación, el hecho de escoger estos sujetos y no otros fue por razones de
oportunidad.
Durante el curso 2009/10, después de varios años trabajando en
educación, además de tutora desempeñé el cargo de Coordinadora de Ciclo. Ello
me llevó a asistir de forma sistemática a las reuniones de Coordinación
Pedagógica en el centro donde en esos momentos trabajaba. En esas reuniones
se planteaba el paso de Educación Primaria (EP) a Educación Secundaria
Obligatoria (ESO) y la propuesta de alumnos repetidores, que aunque no es que
fuese un número muy elevado, sí había alumnos propuestos, y lejos quedaban
otras soluciones. Esto desató mi interés sobre el tema y fue la razón por la cual
decidí estudiar las variables que influían en el rendimiento en la última etapa de
EP, una etapa complicada para los alumnos por la transición que conlleva y por
los cambios personales que experimentan los niños de estas edades.
Seguidamente explicaremos cómo se procedió para obtener los datos
utilizados en esta investigación.
En primer lugar contactamos con las direcciones de los centros en
cuestión para explicarles la investigación y pedirles su colaboración. No hubo
Variables personales predictoras del RA. Estudio empírico.
218
ningún tipo de impedimento por su parte, se mostraron muy interesados y muy
predispuestos a participar.
A continuación se concertaron citas con los tutores de 5º y 6º curso de
cada uno de los colegios para explicarles el procedimiento y establecer un
calendario de actuación. Se les pidió que comunicaran a los padres de los
alumnos lo que se iba a hacer y que solicitaran su permiso, no hubo problemas.
Por incompatibilidad de horarios, la que escribe estas páginas explicó a
los tutores de los centros donde ella no trabajaba el procedimiento de
administración de las pruebas. En el centro donde ella ejercía en ese momento
las pruebas fueron íntegramente pasadas por la investigadora en horas de
coordinación.
Se estableció una sesión de una hora para cada una de las pruebas y se
dejó un lapso de tiempo de una semana entre cada una de ellas. Por lo general
un mes hubiese sido suficiente pero se dejó un poco más de tiempo a los tutores
ya que siempre pueden haber imprevistos como excursiones u otras actividades.
Asimismo, durante este periodo los tutores rellenaron la tabla de rendimiento
académico.
Hay que aclarar que la mayoría de los tutores tuvieron mucho cuidado con
que estuviesen todos los alumnos a la hora de la prueba. Como ellos imparten
la mayoría de las asignaturas y pueden hacer cambios internamente si es
necesario, procuraron pasar los tests cuando estaban todos los alumnos.
En el caso de las pruebas pasadas por la investigadora, como esta se
tuvo que adaptar a sus horas de coordinación, fue difícil controlar que estuviesen
todos los alumnos. Así, cuando terminó el calendario de aplicación de las
Método: Proceso.
219
pruebas, si algún alumno había faltado se le pasaba la prueba individualmente.
Igual hicieron los profesores tutores de los demás cursos.
Por lo que respecta al sociograma y al test ‘g’ de Cattell, estos si fueron
pasados por la investigadora en las dos localidades. Para ello se utilizaron por
un lado, como ya hemos dicho, las horas de coordinación para pasar estas
pruebas en el centro donde se trabajaba y por otro lado, los días festivos locales
(que no eran los mismos en las dos localidades) para acudir a los centros de la
otra localidad. La razón de acudir a estas pruebas fue porqué el test ‘g’ de Cattell
implica controlar un tiempo y explicar bien cada parte, por lo que se prefirió pasar
personalmente esta prueba. Como la prueba no duraba una hora, en el tiempo
restante se pasaba el sociograma. Se utilizaron dos días para administrar las
pruebas en los colegios de la otra localidad. Como el tiempo era muy limitado se
concertó con cada tutor la hora exacta para que los alumnos estuviesen
preparados y no hubiese contratiempos.
Todas las pruebas se pasaron durante el segundo trimestre del
correspondiente curso académico excepto el test ‘g’ y el sociograma que se pasó
a principios del tercer trimestre.
Los datos personales de los alumnos los obtuvimos mediante entrevista
con los profesores.
Por último indicar que con los datos obtenidos se confeccionó un pequeño
informe que fue entregado a los tutores de los alumnos participantes.
3. RESULTADOS.
Resultados: Variables categóricas y RA.
223
Aquí expondremos los resultados de nuestra investigación. El proceso
seguido hasta lograr un modelo causal del rendimiento académico empieza con
la decisión acerca de qué variables son las que deben entrar en los análisis, para
ello hemos seguido el siguiente guion:
En primer lugar hemos analizado las relaciones que se dan entre las
diferentes variables categóricas empleadas en nuestro estudio para continuar
con el
1º) análisis de la normalidad de las variables con el fin de establecer qué
tipos de pruebas a utilizar: paramétricas, no paramétricas o ambas,
2º) análisis de las diferencias de medias que existen entre los alumnos de
alto y bajo rendimiento académico en cada una de estas variables,
3º) análisis de la fiabilidad de las variables, para no incluir aquellas que
presentan una fiabilidad baja en los posteriores análisis,
4º) análisis la existencia, o no, de multicolinealidad entre variables; la
finalidad es la misma del punto anterior, eliminar variables que están
fuertemente correlacionadas con otras, la evaluamos observando:
a) el factor de inflación de la varianza y la tolerancia, y
b) las correlaciones inter variables,
Variables personales predictoras del RA. Estudio empírico.
224
5º) Las variables que no han sido seleccionadas para ser eliminadas se
emplean en un análisis de regresión logística el cual, finalmente, nos
proporcionará a su vez
6º) las variables a incluir en el análisis SEM, modelado de ecuaciones
estructurales.
Resultados: Variables categóricas y RA.
225
3.1. Variables categóricas y rendimiento académico.
3.1.1. Género y tipos sociométricos.
En la figura 14 observamos que la variable SEX se asocia con la variable
TS de manera que la proporción de rechazados es superior en los chicos que en
las chicas con una chi-cuadrado de .315 con una p asociada de .854, (tabla 14)
lo que nos obliga a aceptar la hipótesis nula de igualdad: no hay diferencias
significativas entre alumnos y alumnas en relación al tipo sociométrico.
La fuerza, que no es significativa, de esta asociación (OR) es de .936, que
representa el riesgo que tienen los chicos frente a las chicas de ser rechazado,
esto indica que el ser chico multiplica por .936 la probabilidad de ser un alumno
popular (tabla 15), lo que indica que casi no ejerce ningún tipo de efecto.
Figura 14. Género y tipos sociométricos (SEX x TS).
0
10
20
30
40
50
hombre mujer
rechazados 39,7 36,5
populares 44,8 46
po
rcen
taje
rechazados populares
Variables personales predictoras del RA. Estudio empírico.
226
Tabla 12.Resumen de procesamiento de casos (SEX x TS)
Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
SEX * TS 204 100,0% 0 0,0% 204 100,0%
Tabla 13.SEX*TS tabulación cruzada.
TS
0, rechazados 2, populares Total
SEX 0,
mujer
Recuento 48 58 106
Recuento esperado 48,8 57,2 106,0
1,
hombre
Recuento 46 52 98
Recuento esperado 45,2 52,8 98,0
Total Recuento 92 94 110
Recuento esperado 92.0 94,0 110,0SEX: género; TS: tipos sociométricos.
Tabla 14.Pruebas de chi-cuadrado.
Valor gl Sig. asintótica (2 caras)
Chi-cuadrado de Pearson .315 2 .854
Razón de verosimilitud .315 2 .854
Asociación lineal por lineal .137 1 .711
N de casos válidos 242
Tabla 15.Estimación de riesgo (valores 0 y 2, rechazados y populares).
Valor
Intervalo de confianza de 95 %
Inferior Superior
Odds ratio para SEX (0 / 1) ,936 ,539 1,623
Para cohorte TS = 0 ,965 ,717 1,298
Para cohorte TS = 2 1,031 ,800 1,330
N de casos válidos 204
Resultados: Variables categóricas y RA.
227
3.1.2. Género y rendimiento académico.
En la figura 15 observamos que la variable SEX se asocia con la variable
NMb de manera que la proporción de calificaciones situadas en la mitad inferior
es mayor en los chicos que en las chicas con una chi-cuadrado de 1.773 con una
p asociada de .183, (tabla 18) lo que nos obliga a aceptar la hipótesis nula de
igualdad: no hay diferencias significativas entre alumnos y alumnas en la
calificaciones medias obtenidas (tampoco encontramos diferencias significativas
con las materias consideradas individualmente).
La fuerza de esta asociación (OR), no significativa, es de .800 (NMb = 0 /
NMb = 1), que representa el riesgo que tienen los chicos frente a las chicas de
obtener una calificación situada en la mitad inferior (NMb ≤ 5) lo que indica que
el ser chico multiplica por .800 la probabilidad de obtener una NM >5 (tabla 19),
por tanto la disminuye.
Figura 15. Género y resultados académicos (SEX x NMb).
0
10
20
30
40
50
60
hombre mujer
NM <= 5 53,8 48,2
NM > 5 46,2 51,8
po
rcen
taje
NM <= 5 NM > 5
Variables personales predictoras del RA. Estudio empírico.
228
Tabla 16.Resumen de procesamiento de casos.
Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
SEX * NMb 572 100.0% 0 0.0% 572 100.0%SEX: género; NMb: nota media recodificada en dos valores.
Tabla 17.SEX*NMb tabulación cruzada.
NMb
TotalNM ≤ 5 NM > 5
SEX 0,mujer
Recuento 136 146 282Recuento esperado 144,0 138,0 282,0
1,hombre
Recuento 156 134 290Recuento esperado 148,0 142,0 290,0
Total Recuento 292 280 572Recuento esperado 292,0 280,0 572,0
SEX: género; NMb: nota media recodificada en dos valores.
Tabla 18.Pruebas de chi-cuadrado.
Valor glSig. asintótica
(2 caras)Sig. exacta(2 caras)
Sig. exacta(1 cara)
Chi-cuadrado dePearson
1.773a 1 .183
Corrección decontinuidadb 1.557 1 .212
Razón deverosimilitud
1.773 1 .183
Prueba exacta deFisher
.210 .106
Asociación lineal porlineal
1.770 1 .183
N de casos válidos 572
Tabla 19.Estimación de riesgo.
Valor
Intervalo de confianza de 95 %
Inferior Superior
Odds ratio para SEX (0 / 1) .800 .576 1.111
Para cohorte NMb = 0 .897 .763 1.053
Para cohorte NMb = 1 1.120 .948 1.325
N de casos válidos 572
Resultados: Variables categóricas y RA.
229
3.1.3. Rendimiento académico y tipos sociométricos.
La variable TS (figura 16) se asocia con la variable NMb de manera que
la proporción de calificaciones situadas en la mitad inferior es muy superior en
los alumnos/as rechazados que en los populares, con una chi-cuadrado de
30.523 con una p asociada de .000, (tabla 22) lo que nos obliga a rechazar la
hipótesis nula de igualdad: sí hay diferencias significativas entre populares y
rechazados en la calificaciones medias obtenidas.
La fuerza de esta asociación (OR), significativa, es de 11.727 (NMb = 0 /
NMb = 1), que es el riesgo, que tienen los alumnos rechazados frente a los
populares de obtener una calificación situada en la mitad inferior (NMb ≤ 5) lo
que indica que el ser rechazado multiplica por 11.727 la probabilidad de obtener
una NM ≤ 5 (tabla 23) es decir, la aumenta.
Figura 16. Tipos sociométricos y resultados académicos (TS x NMb).
0
10
20
30
40
50
60
70
80
Rechazados Populares
NM <= 5 76,6 21,8
NM > 5 23,4 78,2
po
rcen
taje
NM <= 5 NM > 5
Variables personales predictoras del RA. Estudio empírico.
230
Tabla 20.Resumen de procesamiento de casos.
Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
TS * NMb 102 100,0% 0 0,0% 102 100,0%TS: Tipos sociométricos; NMb: nota media recodificada en dos valores.
Tabla 21.TS*NMb tabulación cruzada.
NMb
TotalNM ≤ 5 NM > 5
TS 0,rechazado
Recuento 36 11 47Recuento esperado 22,1 24,9 47,0
2,popular
Recuento 12 43 55Recuento esperado 25,9 29,1 55,0
Total Recuento 292 48 54Recuento esperado 292,0 48,0 54,0
TS: Tipos sociométricos; NMb: nota media recodificada en dos valores.
Tabla 22.Pruebas de chi-cuadrado.
Valor glSig. asintótica
(2 caras)Sig. exacta(2 caras)
Sig. exacta(1 cara)
Chi-cuadrado dePearson
30,523 1 ,000
Corrección decontinuidad
28,364 1 ,000
Razón deverosimilitud
32,196 1 ,000
Prueba exacta deFisher ,000 ,000
Asociación lineal porlineal
30,224 1 ,000
N de casos válidos 102
Tabla 23.Estimación de riesgo.
Valor
Intervalo de confianza de 95 %
Inferior Superior
Odds ratio para TS (0 / 2) 11,727 4,626 29,731
Para cohorte NMb = 0 3,511 2,077 5,932
Para cohorte NMb = 1 ,299 ,175 ,511
N de casos válidos 102
Resultados: Análisis de las variables.
231
3.2. Análisis de las variables.
3.2.1. Normalidad de las variables.
En las tablas 24 y 25 observamos que ninguna de las probabilidades
asociadas supera el valor crítico de .05, por tanto no podemos mantener la
“hipótesis nula de que la distribución observada no se diferencia de la distribución
normal” (Gil, García y Rodríguez, 2001, p. 94).
En la tabla 26 establecemos la tendencia de las variables y observamos
que son muchas las que tienen unos coeficientes de asimetría y curtosis (G1 y
G2 respectivamente) que oscilan entre ± .5 (34 variables en el caso de asimetría
y 11 para la curtosis), y que por tanto podrían considerarse distribuciones
normales aunque para que estrictamente lo sean, ambos coeficientes deben ser
iguales a cero. Sin embargo al considerar los estadísticos de contraste
individuales (zG1 y zG2) vemos que a un nivel de significación del 5 %,
un valor experimental de z(G1) superior en valor absoluto a 1'96 permite
rechazar la hipótesis nula 1ߛ = 0 (la distribución es simétrica) y, de forma
análoga, si |z(G2)| > 1'96, entonces se rechaza la hipótesis nula 2ߛ = 0 (la
distribución es mesocúrtica) (González, Abad y Lévy, 2006, p. 33),
por tanto, son solo 24 variables, en zG1, las que no superan dicho valor crítico,
y en zG2 son 9 las variables que no lo superan.
Variables personales predictoras del RA. Estudio empírico.
232
Por último, si consideramos el estadístico k2, partiendo de los dos
estadísticos de contraste individual z(G1) y z(G2), podemos efectuar un
contraste conjunto de la simetría y curtosis de la muestra, dicho estadístico
se distribuirá asintóticamente como una χ2 con dos grados de libertad, de
forma que un valor de k2 superior a 5'99 permite rechazar la hipótesis nula
1ߛ = 2ߛ = 0 (simetría y curtosis igual a la normal) dado un nivel de
significación del 5% (González, Abad y Lévy, 2006, p. 34).
Ahora, el número de variables que no superan el valor crítico de 5.99 se
reduce a 4, que son: éxito - habilidad (RI4a), fracaso - externo/incontrolable
(RA6a), éxito académico - externo/incontrolable (RA1a) y fracaso - externo
(RI5a). La distribución de estas variables puede considerarse ajustada a la
normalidad.
Tabla 24.
Prueba de normalidad (Kolmogorov-Smirnova). Variables dependientes.
VAR estadístico gl Sig.
NM .100 572 .000
CAS ,206 572 ,000
VAL ,202 572 ,000
MAT ,208 572 ,000
ING ,199 572 ,000
a Corrección de significación de Lilliefors; N = 572
NM: nota media; CAS: calificación lengua castellana; VAL: calificación lengua valenciana; MAT: calificación
matemáticas; ING: calificación lengua extranjera, inglés.
Resultados: Análisis de las variables.
233
Tabla 25.
Prueba de normalidad (Kolmogorov-Smirnova). Variables independientes.
VAR estadístico gl Sig. VAR estadístico gl Sig.
CI .077 572 .000 RIa1a .073 572 .000
SS .069 572 .000 RIb1a .078 572 .000
E1A .189 572 .000 RI2a .081 572 .000
E1B .203 572 .000 RI3a .058 572 .000
E2 .186 572 .000 RI4a .079 572 .000
E3A .179 572 .000 RI5a .056 572 .000
E3B .259 572 .000 SDQ_af .065 572 .000
E4A .189 572 .000 SDQ_cf .091 572 .000
E5 .207 572 .000 SDQ_mat .083 572 .000
E6A .282 572 .000 SDQ_leng .083 572 .000
E7 .186 572 .000 SDQ_ing .084 572 .000
E8 .236 572 .000 SDQ_prof .099 572 .000
RA1a .052 572 .001 SDQ_padres .142 572 .000
RA2a .069 572 .000 SDQ_peer .073 572 .000
RA3a .074 572 .000 CO .121 572 .000
RA4a .105 572 .000 AP .119 572 .000
RA5a .137 572 .000 EXT .166 572 .000
RA6a .049 572 .002 AMaB .109 572 .000
RA7a .083 572 .000 InEm .105 572 .000
RI1a .050 572 .001a Corrección de significación de Lilliefors; N = 572
CI: Cociente Intelectual; SS: Estatus Sociométrico; E1A: interés por actividades que no implican esfuerzo; E1B:
interés por actividades académicas; E2: ansiedad inhibidora del rendimiento; E3A: motivación (interés por) de
lucimiento; E3B: motivación (falta de interés por) de lucimiento; E4A: evitar juicios negativos; E5: autoconcepto
como trabajador; E6A: autoconcepto como vago ("soy vago"); E7: búsqueda de juicios positivos de competencia;
E8: ansiedad facilitadora del rendimiento; RA1a: éxito académico - externo/incontrolable; RA2a: fracaso - falta de
esfuerzo; RA3a: éxito - habilidad; RA4a: fracaso - profesor; RA5a: éxito - esfuerzo; RA6a: fracaso -
externo/incontrolable; RA7a: fracaso - falta de habilidad; RI1a: fracaso - interno; RIa1a: fracaso - falta de habilidad;
RIb1a: fracaso - falta de esfuerzo; RI2a: éxito - esfuerzo; RI3a: éxito - externo; RI4a: éxito - habilidad; RI5a: fracaso
- externo; SDQ_af: apariencia física; SDQ_cf: habilidad física; SDQ_mat: mates; SDQ_leng: lenguaje; SDQ_ing:
inglés; SDQ_prof: profesores; SDQ_pad: padres; SDQ_peer: compañeros; CO: Conciencia; AP: Apertura; EXT:
Extraversión; AMaB: Amabilidad; InEm: Inestabilidad Emocional.
Variables personales predictoras del RA. Estudio empírico.
234
Tabla 26.Asimetría y curtosis.
VAR G1 error.G1 G2 error.G2 z(G1) z(G2) z(G1)2 z(G2)2 k2
CI -,272 ,102 ,355 ,204 -2,67 1,74 7,11 3,03 10,14SS -,437 ,102 ,597 ,204 -4,28 2,93 18,36 8,56 26,92CAS -,091 ,102 -1,043 ,204 -,89 -5,11 ,80 26,14 26,94Val -,095 ,102 -1,067 ,204 -,93 -5,23 ,87 27,36 28,22ING -,061 ,102 -1,187 ,204 -,60 -5,82 ,36 33,86 34,21MAT -,270 ,102 -1,051 ,204 -2,65 -5,15 7,01 26,54 33,55NM -,083 ,102 -1,123 ,204 -,81 -5,50 ,66 30,30 30,97E1A ,139 ,102 -1,579 ,204 1,36 -7,74 1,86 59,91 61,77E1B ,060 ,102 -1,586 ,204 ,59 -7,77 ,35 60,44 60,79E2 -,056 ,102 -1,413 ,204 -,55 -6,93 ,30 47,98 48,28E3A -,123 ,102 -1,393 ,204 -1,21 -6,83 1,45 46,63 48,08E3B -,067 ,102 -1,662 ,204 -,66 -8,15 ,43 66,37 66,81E4A ,138 ,102 -1,471 ,204 1,35 -7,21 1,83 52,00 53,83E5 ,470 ,102 -1,333 ,204 4,61 -6,53 21,23 42,70 63,93E6A ,632 ,102 -1,412 ,204 6,20 -6,92 38,39 47,91 86,30E7 ,007 ,102 -1,465 ,204 ,07 -7,18 ,00 51,57 51,58E8 -,370 ,102 -1,579 ,204 -3,63 -7,74 13,16 59,91 73,07RA1a ,009 ,102 -,425 ,204 ,09 -2,08 ,01 4,34 4,35RA2a ,382 ,102 -,120 ,204 3,75 -,59 14,03 ,35 14,37RA3a -,335 ,102 -,237 ,204 -3,28 -1,16 10,79 1,35 12,14RA4a ,509 ,102 -,603 ,204 4,99 -2,96 24,90 8,74 33,64RA5a -,737 ,102 -,377 ,204 -7,23 -1,85 52,21 3,42 55,62RA6a ,101 ,102 -,383 ,204 ,99 -1,88 ,98 3,52 4,51RA7a ,001 ,102 -,618 ,204 ,01 -3,03 ,00 9,18 9,18RI1a ,056 ,102 -,560 ,204 ,55 -2,75 ,30 7,54 7,84RIa1a ,092 ,102 -,790 ,204 ,90 -3,87 ,81 15,00 15,81RIb1a ,027 ,102 -,689 ,204 ,26 -3,38 ,07 11,41 11,48RI2a -,314 ,102 -,537 ,204 -3,08 -2,63 9,48 6,93 16,41RI3a ,170 ,102 -,523 ,204 1,67 -2,56 2,78 6,57 9,35RI4a -,115 ,102 -,391 ,204 -1,13 -1,92 1,27 3,67 4,94RI5a ,089 ,102 -,337 ,204 ,87 -1,65 ,76 2,73 3,49SDQ_af -,306 ,102 -,340 ,204 -3,00 -1,67 9,00 2,78 11,78SDQ_cf -,407 ,102 -,608 ,204 -3,99 -2,98 15,92 8,88 24,80SDQ_mat -,367 ,102 -,752 ,204 -3,60 -3,69 12,95 13,59 26,53SDQ_leng -,178 ,102 -,843 ,204 -1,75 -4,13 3,05 17,08 20,12SDQ_ing -,137 ,102 -1,060 ,204 -1,34 -5,20 1,80 27,00 28,80SDQ_prof -,708 ,102 ,256 ,204 -6,94 1,25 48,18 1,57 49,75SDQ_pad -1,32 ,102 1,838 ,204 -12,95 9,01 167,73 81,18 248,90SDQ_peer -.477 .102 .208 204 -4.67 1.01 21.80 1.02 22.82CO -,941 ,102 ,669 ,204 -9,23 3,28 85,11 10,75 95,86AP -,508 ,102 -,557 ,204 -4,98 -2,73 24,80 7,46 32,26EXT -1,68 ,102 3,066 ,204 -16,50 15,03 272,25 225,88 498,13AMaB -,856 ,102 ,612 ,204 -8,39 3,00 70,43 9,00 79,43InEm -,666 ,102 ,625 ,204 -6,53 3,06 42,63 9,39 52,02
G1: coeficiente de asimetría; error.G1: error típico; G2: coeficiente de curtosis; error.G2: error típico; z(G1): contraste de
G1; z(G2): contraste de G2; k2: estadístico de contraste conjunto.
CI: Cociente Intelectual; SS: Estatus Sociométrico; CAS: calificación lengua castellana; VAL: calificación lengua
valenciana; MAT: calificación matemáticas; ING: calificación lengua extranjera, inglés; NM: nota media; E1A: interés por
actividades que no implican esfuerzo; E1B: interés por actividades académicas; E2: ansiedad inhibidora del rendimiento;
E3A: motivación (interés por) de lucimiento; E3B: motivación (falta de interés por) de lucimiento: E4A: evitar juicios
negativos; E5: autoconcepto como trabajador; E6A: autoconcepto como vago ("soy vago"); E7: búsqueda de juicios
positivos de competencia; E8: ansiedad facilitadora del rendimiento; RA1a: éxito académico - externo/incontrolable;
RA2a: fracaso - falta de esfuerzo; RA3a: éxito - habilidad; RA4a: fracaso - profesor; RA5a: éxito - esfuerzo; RA6a: fracaso
- externo/incontrolable; RA7a: fracaso - falta de habilidad; RI1a: fracaso - interno; RIa1a: fracaso - falta de habilidad;
RIb1a: fracaso - falta de esfuerzo; RI2a: éxito - esfuerzo; RI3a: éxito - externo; RI4a: éxito - habilidad; RI5a: fracaso -
externo; SDQ_af: apariencia física; SDQ_cf: habilidad física; SDQ_mat: mates; SDQ_leng: lenguaje; SDQ_ing: inglés;
SDQ_prof: profesores; SDQ_pad: padres; SDQ_peer: compañeros; CO: Conciencia; AP: Apertura; EXT: Extraversión;
AMaB: Amabilidad; InEm: Inestabilidad Emocional.
Resultados: Análisis de las variables.
235
Así pues, de las 44 variables consideradas, 19 de ellas presentan una
distribución platicúrtica asimétricamente negativa. En otras 16 variables, la
distribución es también platicúrtica pero de asimetría positiva, por último, las 9
variables restantes presentan una distribución leptocúrtica de asimetría negativa
(ver figura 17 y tabla 27w4).
Distribución platicúrtica Distribución asimétrica negativa
Distribución asimétrica positiva Distribución leptocúrtica.
Figura 17. Tipos de distribución de las variables consideradas.
Variables personales predictoras del RA. Estudio empírico.
236
Tabla 27.Tipos de distribución de las variables.asimétricamente negativa,platicúrtica
asimétricamente positiva,platicúrtica
asimétricamente negativa,leptocúrtica
APE2E3AE3BE8CASVAlMATINGNMRA5aRI2aRA3aRI4aSDQ_cfSDQ_ingSDQ_lengSDQ_matSDQ_af
E1AE1BE4AE5E6AE7RA1aRA2aRA4aRA6aRA7aRI1aRIa1aRIb1aRI3aRI5a
CISSAMaBCOEXTInEmSDQ_padresSDQ_profSDQ_peer
CI: Cociente Intelectual; SS: Estatus Sociométrico; NM: nota media; CAS: calificación lengua castellana;
VAL: calificación lengua valenciana; MAT: calificación matemáticas; ING: calificación lengua extranjera,
inglés; E1A: interés por actividades que no implican esfuerzo; E1B: interés por actividades académicas; E2:
ansiedad inhibidora del rendimiento; E3A: motivación (interés por) de lucimiento; E3B: motivación (falta de
interés por) de lucimiento: E4A: evitar juicios negativos; E5: autoconcepto como trabajador; E6A:
autoconcepto como vago ("soy vago"); E7: búsqueda de juicios positivos de competencia; E8: ansiedad
facilitadora del rendimiento; RA1a: éxito académico - externo/incontrolable; RA2a: fracaso - falta de
esfuerzo; RA3a: éxito - habilidad; RA4a: fracaso - profesor; RA5a: éxito - esfuerzo; RA6a: fracaso -
externo/incontrolable; RA7a: fracaso - falta de habilidad; RI1a: fracaso - interno; RIa1a: fracaso - falta de
habilidad; RIb1a: fracaso - falta de esfuerzo; RI2a: éxito - esfuerzo; RI3a: éxito - externo; RI4a: éxito -
habilidad; RI5a: fracaso - externo; SDQ_af: apariencia física; SDQ_cf: habilidad física; SDQ_mat: mates;
SDQ_leng: lenguaje; SDQ_ing: inglés; SDQ_prof: profesores; SDQ_pad: padres; SDQ_peer: compañeros;
CO: Conciencia; AP: Apertura; EXT: Extraversión; AMaB: Amabilidad; InEm: Inestabilidad Emocional.
3.2.2. Fiabilidad.
Para evaluar la fiabilidad de las variables hemos empleado el índice de
fiabilidad de consistencia interna de Cronbach. En la tabla 28 observamos la
fiabilidad de las 39 variables evaluadas con los instrumentos MAPE, EAT, SDQ-
I y BFQ-NA, los valores oscilan entre .943 y .354.
Resultados: Análisis de las variables.
237
Tabla 28.Fiabilidad ߙ) de Cronbach)
MAPE EAT SDQ-1 BFQ-NA
E1A .919
E1B .877
E2 .926
E3A .919
E3B .674
E4A .928
E5 .880
E6A .943
E7 .886
E8 .879
RA1A .726
RA2A .675
RA3A .667
RA4A .791
RA5A .779
RA6A .698
RA7A .578
RI1A .737
RIa1A .659
Rib1A .477
RI2A .669
RI3A .674
RI4A .583
RI5A .670
AF .797
CF .845
MAT .904
LEN .890
ING .915
PROF .773
PADRES .813
PEER .354
CO .867
AP .830
EXT .843
AMaB .854
InEm .748
TOTAL .907 TOTAL .859 TOTAL .962 TOTAL .918
E1A interés por actividades que no implican esfuerzoE1B interés por actividades académicasE2 ansiedad inhibidora del rendimientoE3A motivación (interés por) de lucimientoE3B motivación (falta de interés por) de lucimiento
E4A evitar juicios (-)E5 autoconcepto como trabajadorE6A autoconcepto como vago ("soy vago")E7 búsqueda de juicios (+)de competenciaE8 ansiedad facilitadora del rendimiento
RA1a éxito académico: externo/incontrolableRA2a fracaso: falta de esfuerzoRA3a éxito: habilidadRA4a fracaso: profesorRA5a éxito: esfuerzoRA6a fracaso: externo/incontrolableRA7a fracaso: falta de habilidad
RI1a fracaso: internoRIa1a fracaso: falta de habilidadRIb1a fracaso: falta de esfuerzoRI2a éxito: esfuerzoRI3a éxito: externoRI4a éxito: habilidadRI5a fracaso: externo
SDQ_af apariencia físicaSDQ_cf habilidad físicaSDQ_mat matesSDQ_leng lenguajeSDQ_ing inglés
SDQ_prof profesoresSDQ_pad padresSDQ_peer compañeros
CO ConcienciaAP AperturaEXT Extraversión
AMaB AmabilidadInEm Inestabilidad Emocional
3.2.3. Multicolinealidad. Factor Inflación de la Varianza.
Mediante Análisis de Regresión Lineal hemos obtenido el Factor de
Inflación de la Varianza (FIV) y la Tolerancia (T) de las 41 variables que vamos
a introducir en el análisis de regresión logística con el fin de observar la
Variables personales predictoras del RA. Estudio empírico.
238
presencia, o no, de multicolinealidad, la cual se da “cuando dos o más variables
explicativas en el modelo de regresión están altamente correlacionadas,
haciendo difícil o imposible aislar sus efectos individuales sobre la variable
dependiente” (Moreu Jalón, 1999, p.20).
Los valores de FIV son inferiores a 10 en todos los casos menos cuatro,
igual ocurre con los de T que son mayores de .1 en los mismos cuatro casos (ver
tabla 29), por lo que podemos afirmar la no existencia de relaciones lineales entre
las variables introducidas, excepto en esos casos.
Tabla 29.
Factor de Inflación de la Varianza (FIV) y Tolerancia (T).
VAR FIV T VAR FIV TC.I 1,23 ,81 RIa1a* ∞ ,00SS 1,71 ,59 RIb1a* ∞ ,00E1A 8,40 ,12 RI2a 2,67 ,38E1B 6,80 ,15 RI3a 2,85 ,35E2 7,30 ,14 RI4a 2,32 ,43E3A 4,98 ,20 RI5a 2,07 ,48E3B 2,72 ,37 SDQ_af 2,07 ,48E4A 12,66 ,08 SDQ_cf 1,82 ,55E5 3,58 ,28 SDQ_mat 1,81 ,55E6A 7,46 ,13 SDQ_leng 2,13 ,47E7 8,26 ,12 SDQ_ing 1,91 ,52E8 6,49 ,15 SDQ_prof 3,15 ,32RA1a 3,06 ,33 SDQ_padres 2,36 ,42RA2a 1,65 ,61 SDQ_peer 2,60 ,39RA3a 2,16 ,46 CO 4,10 ,24RA4a 2,65 ,38 AP 3,17 ,31RA5a 2,62 ,38 EXT 3,14 ,32RA6a 3,37 ,30 AMaB 3,08 ,32RA7a 2,11 ,47 InEm 1,20 ,84RI1a* ∞ ,00
(*) R2 = 1
C.I: Cociente Intelectual; SS: Estatus Sociométrico; E1A: interés por actividades que no implican esfuerzo; E1B: interéspor actividades académicas; E2: ansiedad inhibidora del rendimiento; E3A: motivación (interés por) de lucimiento; E3B:motivación (falta de interés por) de lucimiento: E4A: evitar juicios negativos; E5: autoconcepto como trabajador; E6A:autoconcepto como vago ("soy vago"); E7: búsqueda de juicios positivos de competencia; E8: ansiedad facilitadora delrendimiento; RA1a: éxito académico - externo/incontrolable; RA2a: fracaso - falta de esfuerzo; RA3a: éxito - habilidad;RA4a: fracaso - profesor; RA5a: éxito - esfuerzo; RA6a: fracaso - externo/incontrolable; RA7a: fracaso - falta de habilidad;RI1a: fracaso - interno; RIa1a: fracaso - falta de habilidad; RIb1a: fracaso - falta de esfuerzo; RI2a: éxito - esfuerzo; RI3a:éxito - externo; RI4a: éxito - habilidad; RI5a: fracaso - externo; SDQ_af: apariencia física; SDQ_cf: habilidad física;SDQ_mat: mates; SDQ_leng: lenguaje; SDQ_ing: inglés; SDQ_prof: profesores; SDQ_pad: padres; SDQ_peer:compañeros; CO: Conciencia; AP: Apertura; EXT: Extraversión; AMaB: Amabilidad; InEm: Inestabilidad Emocional.
Resultados: Análisis de las variables.
239
3.2.4. Análisis correlacional.
Hemos empleado el índice de correlación simple de Pearson para llevar a
cabo este análisis, los valores del cual pueden oscilar entre ±1. Los valores
positivos indican una relación directamente proporcional entre las variables
correlacionadas, por el contrario si los valores son negativos la relación es
inversa. En el texto solamente ofrecemos las correlaciones que han resultado
ser significativas. Los datos sombreados son aquellos cuya significatividad es
.05 (bilateral), la del resto de correlaciones es de .01 (bilateral).
Seguidamente vamos a proceder a comentar las correlaciones obtenidas
agrupando las variables en grupos de afinidad con la finalidad examinar las
relaciones que se dan intra e inter grupos, para ello definimos los siguientes
grupos de variables:
Grupo 1. Formado por las variables dependientes (nota media, CAS,
VAL, ING, MAT) cociente intelectual y estatus sociométrico.
Grupo 2. Las variables de este bloque son las evaluadas mediante el
cuestionario MAPE.
Grupo 3. Id. cuestionario EAT.
Grupo 4. Id. cuestionario SDQ-I.
Grupo 5: Id. cuestionario BFQ-NA.
A) Análisis correlacional, intra/inter grupos de las variables del Grupo 1.
En la tabla 30 tenemos las correlaciones obtenidas entre las variables
relacionadas con el rendimiento académico y el cociente intelectual y el estatus
sociométrico, todas ellas son significativas al 1%.
Variables personales predictoras del RA. Estudio empírico.
240
En la tabla 31 mostramos el porcentaje de varianza explicada, es decir el
porcentaje de la variación de una variable debida a la variación de la otra y
viceversa.
Observamos que las correlaciones entre la variable NM con las demás
variables de rendimiento académico son muy altas, superiores a .85 en todos los
casos. En general todas estas variables obtienen correlaciones entre sí bastante
altas. Sin embargo la inteligencia, representada por la variable CI, no
correlaciona muy alto con las variables de rendimiento, siendo la más alta la que
obtiene con las calificaciones en lengua valenciana (VAL) y solo explica un 11%
de la varianza.
Más altas son las correlaciones que obtiene la variable estatus
sociométrico (SS) llegando a explicar un 26% de la varianza la correlación
existente entre esta variable y las calificaciones en la asignatura de matemáticas.
Casi igual ocurre con la variable nota media (NM), en este caso el porcentaje de
varianza explicada es del 22%.
En las tablas siguientes (tablas 32 y 33) ofrecemos los resultados de estas
variables con el resto. Vemos que las correlaciones de las variables relacionadas
con el rendimiento académico y las relacionadas con la motivación hacia el
aprendizaje son especialmente altas las obtenidas con la variable NM. La tónica
de las correlaciones de la variable CI con el resto de variables son bastante bajas
a pesar de ser significativas al 1%, la más alta se da con la variable búsqueda
de juicios positivos de competencia (E7) y solamente explica un 9% de la
varianza.
Resultados: Análisis de las variables.
241
Tabla 30.Correlaciones de Pearson. Grupo 1: NM, CI.
CI SS CAS Val ING MAT NM
CI 1SS .247 1CAS .271 .425 1Val .336 .395 .801 1ING .265 .347 .744 .715 1MAT .304 .512 .728 .702 .645 1NM .330 .472 .916 .902 .875 .866 1Todas las correlaciones son significativas en el nivel 0.01 (2 colas).
Tabla 31.Porcentaje de varianza explicada (coeficientes de determinación). Grupo 1.
CI SS CAS VAL ING MAT NM
CI 1SS .006 1CAS .007 .180 1VAL .112 .156 .641 1ING .070 .120 .553 .511 1MAT .090 .262 .529 .492 .416 1NM .108 .222 .839 .813 .765 .749 1
CI Cociente IntelectualSS Estatus SociométricoCAS Notas Lengua CastellanaVAL Notas Lengua Valenciana
ING Notas InglésMAT Notas MatemáticasNM Nota Media
Tabla 32.Correlaciones de Pearson. Grupos 1-2: Notas - MAPE.
CI SS CAS VAL ING MAT NM
E1A -,217 -,402 -,773 -,689 -,637 -,756 -,802E1B ,180 ,358 ,749 ,656 ,632 ,733 ,778E2 -,252 -,426 -,736 -,646 -,643 -,803 -,795E3A -,251 -,425 -,730 -,649 -,597 -,785 -,776E3B -,177 -,372 -,639 -,532 -,523 -,681 -,667E4A -,281 -,444 -,773 -,689 -,660 -,811 -,825E5 ,203 ,360 ,731 ,635 ,589 ,733 ,755E6A -,289 -,498 -,762 -,672 -,613 -,772 -,792E7 -,298 -,403 -,765 -,691 -,639 -,789 -,810E8 ,269 ,450 ,758 ,667 ,600 ,781 ,788Todas las correlaciones son significativas en el nivel 0,01 (2 colas).
Variables personales predictoras del RA. Estudio empírico.
242
Tabla 33.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 1-2.
CI SS CAS VAL ING MAT NM
E1A .047 .162 .598 .475 .406 .572 .643E1B .032 .128 .561 .430 .399 .537 .605E2 .064 .181 .542 .417 .413 .645 .632E3A .063 .181 .533 .421 .356 .616 .602E3B .031 .138 .408 .283 .274 .464 .445E4A .079 .197 .598 .475 .436 .658 .681E5 .041 .130 .534 .403 .347 .537 .570E6A .084 .248 .581 .452 .376 .596 .627E7 .089 .162 .585 .477 .408 .623 .656E8 .072 .203 .575 .445 .360 .610 .621
CI Cociente IntelectualSS Estatus SociométricoCAS Notas Lengua CastellanaVAL Notas Lengua Valenciana
ING Notas InglésMAT Notas MatemáticasNM Nota Media
E1A interés por actividades que no implicanesfuerzoE1B interés por actividades académicasE2 ansiedad inhibidora del rendimientoE3A motivación (interés por) de lucimientoE3B motivación (falta de interés por) de lucimiento
E4A evitar juicios negativosE5 autoconcepto como trabajadorE6A autoconcepto como vago ("soy vago")E7 búsqueda de juicios + de competenciaE8 ansiedad facilitadora del rendimiento
Las tablas 34 y 35 muestran las correlaciones entre el grupo 1 y las
variables evaluadas con el cuestionario EAT que son las relacionadas con los
estilos atributivos. Los resultados van en la misma línea que en el caso anterior
pero las correlaciones son más bajas. En el caso de la variable NM, la correlación
más alta se da con la variable que atribuye el éxito a causas externas (RI3a)
explicando un escaso 24% de la varianza. Las correlaciones con la inteligencia
son especialmente bajas, igual ocurre con el estatus sociométrico, los
porcentajes máximos de varianza explicada no llegan al 6% y al 11%
respectivamente.
Resultados: Análisis de las variables.
243
Tabla 34Correlaciones de Pearson. Grupos 1-3: Notas - EAT.
CI SS CAS VAL ING MAT NM
RA1a -.234 -.179 -.452 -.467 -.416 -.395 -.486RA2a .150 .171 .166 .213 .257 .228RA3a .152 .149 .317 .309 .272 .364 .355RA4a -.232 -.183 -.426 -.455 -.374 -.333 -.445RA5a .142 .200 .440 .392 .310 .353 .418RA6a -.238 -.223 -.406 -.442 -.392 -.406 -.463RA7a -.201 -.198 -.371 -.307 -.361 -.355 -.392RI1a -.141 -.143 -.389 -.354 -.289 -.376 -.395RIa1a -.137 -.142 -.385 -.357 -.274 -.365 -.387RIb1a -.294 -.257 -.235 -.293 -.303RI2a .292 .227 .182 .166 .242RI3a -.205 -.321 -.449 -.454 -.375 -.458 -.487RI4a .236 .158 .160 .201 .211RI5a -.198 -.194 -.336 -.330 -.307 -.353 -.373
Tabla 35.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 1-3.
CI SS CAS VAL ING MAT NM
RA1a .055 .032 .204 .218 .173 .156 .236RA2a .023 .029 .028 .045 .066 .052RA3a .023 .022 .100 .095 .074 .132 .126RA4a .054 .033 .181 .207 .140 .111 .198RA5a .020 .040 .194 .154 .096 .125 .175RA6a .057 .050 .165 .195 .154 .165 .214RA7a .040 .039 .138 .094 .130 .126 .154RI1a .020 .020 .151 .125 .084 .141 .156RIa1a .019 .020 .148 .127 .075 .133 .150RIb1a .086 .066 .055 .086 .092RI2a .085 .052 .033 .028 .059RI3a .042 .103 .202 .206 .141 .210 .237RI4a .056 .025 .026 .040 .045RI5a .039 .038 .113 .109 .094 .125 .139CI Cociente IntelectualSS Estatus SociométricoCAS Notas Lengua CastellanaVAL Notas Lengua Valenciana
ING Notas InglésMAT Notas MatemáticasNM Nota Media
RA1a éxito académico: externo/incontrolableRA2a fracaso: falta de esfuerzoRA3a éxito: habilidadRA4a fracaso: profesorRA5a éxito: esfuerzoRA6a fracaso: externo/incontrolableRA7a fracaso: falta de habilidad
RI1a fracaso: internoRIa1a fracaso: falta de habilidadRIb1a fracaso: falta de esfuerzoRI2a éxito: esfuerzoRI3a éxito: externoRI4a éxito: habilidadRI5a fracaso: externo
Por lo que respecta a las correlaciones con las variables de autoconcepto
(tablas 36 y 37), estas son aún más bajas que en los dos casos anteriores, las
más altas se dan entre las variables de autoconcepto en una materia y las
Variables personales predictoras del RA. Estudio empírico.
244
calificaciones en esa materia, aunque en ningún caso explican más del 28% de
la varianza. El porcentaje de varianza explicado por las correlaciones de las
variables CI y SS con el resto no llega a explicar más de un 5%.
Tabla 36.Correlaciones de Pearson. Grupos 1-4: Notas - SDQ-I.
CI SS CAS VAL ING MAT NM
af .133 .120 .199 .135cf .152 .228 .150ing .366 .360 .528 .266 .428leng .303 .295 .296 .160 .295mat .217 .253 .226 .305 .403 .336padres .118 .364 .294 .277 .322 .353prof .207 .401 .341 .356 .398 .420peer .093 .221 .128 .105 .165 .162 .158
Tabla 37.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 1-4.
CI SS CAS VAL ING MAT NM
af .018 .014 .040 .018cf .023 .052 .023ing .134 .130 .279 .071 .183leng .092 .087 .088 .026 .087mat .047 .064 .051 .093 .162 .113padres .014 .132 .086 .077 .104 .125prof .043 .161 .116 .127 .158 .176peer .008 .048 .016 .011 .027 .026 .024CI Cociente IntelectualSS Estatus SociométricoCAS Notas Lengua CastellanaVAL Notas Lengua Valenciana
ING Notas InglésMAT Notas MatemáticasNM Nota Media
af apariencia físicacf habilidad físicamat matesleng lenguajeing inglés
prof profesorespad padrespeer compañeros
Por último, las correlaciones del bloque rendimiento académico con las
variables de personalidad (tablas 38 y 39) siguen la tónica anterior, correlaciones
bajas con porcentajes de varianza explicados nunca superiores al 28%.
Resultados: Análisis de las variables.
245
Tabla 38.Correlaciones de Pearson. Grupos 1-5: Notas - BFQ-NA.
CI SS CAS VAL ING MAT NM
AMaB .150 .317 .236 .208 .151 .247 .236AP .204 .287 .450 .341 .424 .510 .486CO .237 .358 .262 .305 .340 .356EXT .169 .135 .122InEm -.187 -.120 -.197 -.161
Tabla 39.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 1-5.
CI SS CAS VAL ING MAT NM
AMaB .023 .100 .056 .043 .023 .061 .056AP .042 .082 .203 .116 .180 .260 .236CO .056 .128 .069 .093 .116 .127EXT .029 .018 .015InEm .035 .014 .039 .026
CI Cociente IntelectualSS Estatus SociométricoCAS Notas Lengua CastellanaVAL Notas Lengua Valenciana
ING Notas InglésMAT Notas MatemáticasNM Nota Media
CO ConcienciaAP AperturaEXT Extraversión
AMaB AmabilidadInEm Inestabilidad Emocional
B) Análisis correlacional, intra/inter grupos de las variables del Grupo 2.
El análisis intragrupo de las variables relacionadas con los estilos
atributivos muestra correlaciones bastante altas llegando a explicar en algunos
casos el 81% de la varianza (r entre E2 y E4A).
Por otra parte, ninguna de las correlaciones entre el grupo 2 y las variables
atributivas (tablas 42 y 43) explican más de un 25% de la varianza.
Variables personales predictoras del RA. Estudio empírico.
246
Tabla 40.Correlaciones de Pearson. Grupo 2: MAPE.
E1A E1B E2 E3A E3B E4A E5 E6A E7 E8
E1A 1E1B -,880 1E2 ,808 -,792 1E3A ,781 -,709 ,832 1E3B ,724 -,678 ,689 ,663 1E4A ,855 -,797 ,902 ,833 ,763 1E5 -,747 ,794 -,732 -,637 -,649 -,715 1E6A ,868 -,780 ,798 ,760 ,696 ,864 -,681 1E7 ,824 -,775 ,833 ,848 ,743 ,915 -,687 ,821 1E8 -,837 ,830 -,790 -,713 -,697 -,839 ,730 -,868 -,789 1Todas las correlaciones son significativas en el nivel 0,01 (2 colas).
Tabla 41.Porcentaje de varianza explicada (coeficientes de determinación). Grupo 2.
E1A E1B E2 E3A E3B E4A E5 E6A E7 E8
E1A 1E1B .774 1E2 .652 ,627 1E3A ,.609 ,503 ,692 1E3B .524 ,460 ,475 ,440 1E4A .731 ,635 ,814 ,694 ,582 1E5 .558 ,630 ,536 ,406 ,421 ,511 1E6A ,.753 ,608 ,637 ,578 ,484 ,746 ,464 1E7 .678 ,601 ,694 ,719 ,552 ,837 ,472 ,674 1E8 .700 ,689 ,624 ,508 ,486 ,704 ,533 ,753 ,623 1
E1A interés por actividades que no implican esfuerzoE1B interés por actividades académicasE2 ansiedad inhibidora del rendimientoE3A motivación (interés por) de lucimientoE3B motivación (falta de interés por) de lucimiento
E4A evitar juicios negativosE5 autoconcepto como trabajadorE6A autoconcepto como vago ("soy vago")E7 búsqueda de juicios positivos de competenciaE8 ansiedad facilitadora del rendimiento
Resultados: Análisis de las variables.
247
Tabla 42.Correlaciones de Pearson. Grupos 2-3: MAPE - EAT.
E1A E1B E2 E3A E3B E4A E5 E6A E7 E8
RA1a .403 -.351 .456 .458 .370 .483 -.326 .400 .488 -.411RA2a -.181 .180 -.259 -.237 -.164 -.243 .191 -.164 -.177 .189RA3a -.348 .365 -.336 -.256 -.330 -.341 .397 -.365 -.302 .335RA4a .406 -.355 .417 .420 .347 .445 -.303 .441 .430 -.385RA5a -.460 .426 -.355 -.323 -.401 -.402 .408 -.462 -.370 .428RA6a .411 -.343 .447 .457 .335 .487 -.347 .423 .474 -.416RA7a .363 -.303 .399 .398 .296 .410 -.293 .378 .390 -.359RI1a .335 -.267 .404 .434 .277 .420 -.332 .362 .397 -.291RIa1a .338 -.264 .401 .414 .281 .425 -.335 .372 .394 -.298RIb1a .244 -.200 .302 .347 .198 .304 -.241 .254 .298 -.205RI2a -.270 .287 -.198 -.143 -.253 -.243 .275 -.308 -.231 .285RI3a .419 -.361 .442 .482 .354 .481 -.377 .428 .490 -.396RI4a -.249 .262 -.224 -.162 -.234 -.204 .229 -.288 -.162 .261RI5a .296 -.275 .407 .422 .266 .383 -.261 .312 .376 -.318
Tabla 43.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 2-3.
E1A E1B E2 E3A E3B E4A E5 E6A E7 E8
RA1a .162 .123 .208 .210 .137 .233 .106 .160 .238 .169RA2a .033 .032 .067 .056 .027 .059 .036 .027 .031 .036RA3a .121 .133 .113 .066 .109 .116 .157 .133 .091 .112RA4a .165 .126 .174 .176 .120 .198 .091 .194 .185 .148RA5a .212 .181 .126 .104 .161 .162 .166 .213 .137 .183RA6a .169 .118 .200 .209 .112 .237 .120 .179 .225 .173RA7a .132 .092 .159 .158 .088 .168 .085 .143 .152 .129RI1a .112 .071 .163 .188 .077 .176 .110 .131 .158 .085RIa1a .114 .070 .161 .171 .079 .181 .112 .138 .155 .089RIb1a .060 .040 .091 .120 .039 .092 .058 .065 .089 .042RI2a .073 .082 .039 .020 .064 .059 .075 .095 .053 .081RI3a .176 .130 .195 .232 .125 .231 .142 .183 .240 .157RI4a .062 .069 .050 .026 .055 .042 .052 .083 .026 .068RI5a .088 .076 .166 .178 .071 .147 .068 .097 .141 .101E1A interés por actividades que no implican esfuerzoE1B interés por actividades académicasE2 ansiedad inhibidora del rendimientoE3A motivación (interés por) de lucimientoE3B motivación (falta de interés por) de lucimiento
E4A evitar juicios negativosE5 autoconcepto como trabajadorE6A autoconcepto como vago ("soy vago")E7 búsqueda de juicios positivos de competenciaE8 ansiedad facilitadora del rendimiento
RA1a éxito académico: externo/incontrolableRA2a fracaso: falta de esfuerzoRA3a éxito: habilidadRA4a fracaso: profesorRA5a éxito: esfuerzoRA6a fracaso: externo/incontrolableRA7a fracaso: falta de habilidad
RI1a fracaso: internoRIa1a fracaso: falta de habilidadRIb1a fracaso: falta de esfuerzoRI2a éxito: esfuerzoRI3a éxito: externoRI4a éxito: habilidadRI5a fracaso: externo
Variables personales predictoras del RA. Estudio empírico.
248
Por lo que se refiere a las correlaciones del grupo 2 con las variables de
autoconcepto (tablas 44 y 45) podemos decir, al igual que en el caso anterior,
que ningún valor explica más allá de un 25% de varianza.
Tabla 44.Correlaciones de Pearson. Grupos 2-4: MAPE - SDQ-I.
E1A E1B E2 E3A E3B E4A E5 E6A E7 E8
af -.125 .154 -.136 -.141 -.147 .194 -.171 .167cf -.144 .182 -.233 -.191 -.218 .235 -.198 -.173 .240mat -.359 .381 -.365 -.248 -.368 -.352 .356 -.308 -.305 .347leng -.272 .272 -.186 -.131 -.194 -.207 .275 -.188 -.197 .173ing -.359 .383 -.368 -.258 -.284 -.344 .379 -.308 -.290 .303prof -.420 .411 -.379 -.292 -.363 -.393 .424 -.403 -.361 .372padres -.389 .381 -.339 -.281 -.319 -.351 .299 -.411 -.332 .379peer -.172 .198 -.177 -.149 -.176 .188 -.196 -.120 .174
Tabla 45.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 2-4.
E1A E1B E2 E3A E3B E4A E5 E6A E7 E8
af .016 .024 .018 .020 .022 .037 .029 .028cf .021 .033 .054 .036 .048 .055 .039 .030 .058mat .129 .145 .133 .062 .135 .124 .126 .095 .093 .120leng .074 .074 .035 .017 .038 .043 .075 .035 .039 .030ing .129 .147 .135 .067 .081 .118 .143 .095 .084 .092prof .176 .169 .144 .085 .132 .154 .179 .162 .130 .138padres .151 .145 .115 .079 .102 .123 .089 .169 .110 .144peer .029 .039 .031 .022 .030 .035 .038 .014 .030E1A interés por actividades que no implican esfuerzoE1B interés por actividades académicasE2 ansiedad inhibidora del rendimientoE3A motivación (interés por) de lucimientoE3B motivación (falta de interés por) de lucimiento
E4A evitar juicios negativosE5 autoconcepto como trabajadorE6A autoconcepto como vago ("soy vago")E7 búsqueda de juicios positivos de competenciaE8 ansiedad facilitadora del rendimiento
af apariencia físicacf habilidad físicamat matesleng lenguajeing inglés
prof profesorespad padrespeer compañeros
Con las variables de personalidad (tablas 46 y 47), ninguna del grupo 2
explica más de un 24%. La más alta se da entre la variable ansiedad inhibidora
del rendimiento y apertura (E2-AP).
Resultados: Análisis de las variables.
249
Tabla 46.Correlaciones de Pearson. Grupos 2-5: MAPE - BFQ-NA.
E1A E1B E2 E3A E3B E4A E5 E6A E7 E8
CO -.384 .423 -.339 -.280 -.316 -.318 .376 -.344 -.313 .313AP -.446 .463 -.485 -.381 -.409 -.459 .460 -.429 -.423 .467EXT -.142 .162 -.128 .170 -.151 .119AMaB -.308 .302 -.237 -.220 -.226 -.238 .239 -.293 -.231 .261InEm -.137 .132 -.184
Tabla 47.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 2-5.
E1A E1B E2 E3A E3B E4A E5 E6A E7 E8
CO .147 .179 .115 .078 .100 .101 .141 .118 .098 .098AP .199 .214 .235 .145 .167 .211 .211 .184 .179 .218EXT .020 .026 .016 .028 .023 .014AMaB .095 .091 .056 .048 .051 .057 .057 .086 .053 .068InEm .019 .017 .033E1A interés por actividades que no implican esfuerzoE1B interés por actividades académicasE2 ansiedad inhibidora del rendimientoE3A motivación (interés por) de lucimientoE3B motivación (falta de interés por) de lucimiento
E4A evitar juicios negativosE5 autoconcepto como trabajadorE6A autoconcepto como vago ("soy vago")E7 búsqueda de juicios positivos de competenciaE8 ansiedad facilitadora del rendimiento
CO ConcienciaAP AperturaEXT Extraversión
AMaB AmabilidadInEm Inestabilidad Emocional
C) Análisis correlacional, intra/inter grupos de las variables del Grupo 3.
En este grupo (tablas 48 y 49) también hay correlaciones altas llegando
en algunos casos a explicar más del 84% de la varianza, es el caso de la variable
RI1a, atribución del fracaso a causas internas, con la variable RIa1a, atribución
del fracaso a la falta de habilidad.
Las correlaciones intergrupos (tablas 50, 51, 52 y 53) suelen ser bastante
bajas, no superado el porcentaje de varianza explicada el 22%.
Variables personales predictoras del RA. Estudio empírico.
250
Tabla 48.Correlaciones de Pearson. Grupo 3: EAT.
RA1a RA2a RA3a RA4a RA5a RA6a RA7a RI1a RIa1a RIb1a RI2a RI3a RI4a RI5a
RA1a 1RA2a -,203 1RA3a 1RA4a ,568 -,265 1RA5a -,236 -,129 ,609 -,450 1RA6a ,726 -,246 -,164 ,673 -,281 1RA7a ,496 -,395 ,451 -,212 ,598 1RI1a ,551 -,399 -,164 ,485 -,232 ,572 ,548 1RIa1a ,533 -,346 -,202 ,501 -,283 ,567 ,493 ,918 1RIb1a ,430 -,365 ,335 ,427 ,478 ,848 ,568 1RI2a -,224 ,502 -,259 ,613 -,056 1RI3a ,715 -,187 -, ,578 -,205 ,661 ,496 ,524 ,511 ,405 1RI4a , -,137 ,486 ,494 ,681 1RI5a ,549 -,346 ,472 ,613 ,538 ,505 ,496 ,386 ,142 ,568 ,160 1
Tabla 49.Porcentaje de varianza explicada (coeficientes de determinación). Grupo 3.
RA1a RA2a RA3a RA4a RA5a RA6a RA7a RI1a RIa1a RIb1a RI2a RI3a RI4a RI5a
RA1a 1RA2a .041 1RA3a 1RA4a .323 .070 1RA5a .056 .017 .371 .203 1RA6a .527 .061 .027 .453 .079 1RA7a .246 .156 .203 .045 .358 1RI1a .304 .159 .027 .235 .054 .327 .300 1RIa1a .284 .120 .041 .251 .080 .321 .243 .843 1RIb1a .185 .133 .112 .182 .228 .719 .323 1RI2a .050 .252 .067 .376 .003 1RI3a .511 .035 .334 .042 .437 .246 .275 .261 .164 1RI4a .000 .019 .236 .244 .464 1RI5a .301 .120 .223 .376 .289 .255 .246 .149 .020 .323 .026 1
RA1a éxito académico: externo/incontrolableRA2a fracaso: falta de esfuerzoRA3a éxito: habilidadRA4a fracaso: profesorRA5a éxito: esfuerzoRA6a fracaso: externo/incontrolableRA7a fracaso: falta de habilidad
RI1a fracaso: internoRIa1a fracaso: falta de habilidadRIb1a fracaso: falta de esfuerzoRI2a éxito: esfuerzoRI3a éxito: externoRI4a éxito: habilidadRI5a fracaso: externo
Resultados: Análisis de las variables.
251
Tabla 50.Correlaciones de Pearson. Grupos 3-4: EAT - SDQ-I.
RA1a
RA2a
RA3a
RA4a
RA5a
RA6a
RA7a
RI1a
RIa1a
RIb1a
RI2a
RI3a
RI4a
RI5a
af .136 .165 .170 .144cf .275 .188 .143 .202mat -.137 .382 -.139 .267 -.147 -.121 -.129 .223 .253leng .296 .292 .286 .275ing -.133 .349 -.213 .315 -.162 .250 .304prof .436 -.124 .369 -.130 -.125 -.127 .328 -.141 .310padr .364 -.162 .400 -.137 -.140 .354 .304peer .349 .250 .215 .299
Tabla 51.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 3-4.
RA1a
RA2a
RA3a
RA4a
RA5a
RA6a
RA7a
RI1a
RIa1a
RIb1a
RI2a
RI3a
RI4a
RI5a
af .018 .027 .029 .021cf .076 .035 .020 .041mat .019 .146 .019 .071 .022 .014 .017 .050 .064leng .088 .085 .082 .076ing .018 .122 .045 .099 .026 .063 .092prof .190 .015 .136 .017 .016 .016 .108 .020 .096padres
.132 .026 .160 .019 .020 .125 .092
peer .121 .062 .046 .089RA1a éxito académico: externo/incontrolableRA2a fracaso: falta de esfuerzoRA3a éxito: habilidadRA4a fracaso: profesorRA5a éxito: esfuerzoRA6a fracaso: externo/incontrolableRA7a fracaso: falta de habilidad
RI1a fracaso: internoRIa1a fracaso: falta de habilidadRIb1a fracaso: falta de esfuerzoRI2a éxito: esfuerzoRI3a éxito: externoRI4a éxito: habilidadRI5a fracaso: externo
af apariencia físicacf habilidad físicamat matesleng lenguajeing inglés
prof profesorespad padrespeer compañeros
Variables personales predictoras del RA. Estudio empírico.
252
Tabla 52.Correlaciones de Pearson. Grupos 3-5: EAT - BFQ-NA.
RA1a RA2a RA3a RA4a RA5a RA6a RA7a RI1a RIa1a RIb1a RI2a RI3a RI4a RI5a
CO -.138 -.005 .241 -.125 .264 -.169 -.135 -.139 .200 -.168 .217AP -.131 .140 .367 -.132 .269 -.190 -.246 -.129 -.163 .188 -.178 .269EXT .200 .119 .159 .173AMaB .214 .188 -.137 .162 .188InEm
Tabla 53.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 3-5.
RA1a RA2a RA3a RA4a RA5a RA6a RA7a RI1a RIa1a RIb1a RI2a RI3a RI4a RI5a
CO .019 .000 .058 .016 .070 .029 .018 .019 .040 .028 .047AP .017 .020 .135 .017 .072 .036 .060 .017 .027 .035 .032 .072EXT .040 .014 .025 .030AMaB .046 .035 .019 .026 .035InEmRA1a éxito académico: externo/incontrolableRA2a fracaso: falta de esfuerzoRA3a éxito: habilidadRA4a fracaso: profesorRA5a éxito: esfuerzoRA6a fracaso: externo/incontrolableRA7a fracaso: falta de habilidad
RI1a fracaso: internoRIa1a fracaso: falta de habilidadRIb1a fracaso: falta de esfuerzoRI2a éxito: esfuerzoRI3a éxito: externoRI4a éxito: habilidadRI5a fracaso: externo
CO ConcienciaAP AperturaEXT Extraversión
AMaB AmabilidadInEm Inestabilidad Emocional
D) Análisis correlacional, intra/inter grupos de las variables del Grupo 4.
Las correlaciones intragrupo (tablas 54 y 55) de las variables de
autoconcepto no son demasiado altas, solo una de ellas (padres-prof) explica
algo más del 40% de la varianza. Ninguna de las correlaciones intergrupo (tablas
56 y 57) explica un porcentaje de varianza superior al 19%.
Resultados: Análisis de las variables.
253
Tabla 54.Correlaciones de Pearson. Grupo 4: SDQ-I.
af cf mat leng ing prof padres peer
af 1cf ,591 1mat ,270 ,396 1leng ,297 ,229 ,379 1ing ,242 ,272 ,410 ,582 1prof ,460 ,400 ,550 ,606 ,520 1pad ,452 ,377 ,404 ,474 ,365 ,663 1peer ,550 ,463 ,424 ,488 ,427 ,614 ,560 1
Todas las correlaciones son significativas en el nivel 0,01 (2 colas).
Tabla 55.Porcentaje de varianza explicada (coeficientes de determinación). Grupo 4.
af cf mat leng ing prof pad peer
af 1cf .349 1mat .073 .157 1leng .088 .052 .144 1ing .059 .074 .168 .339 1prof .212 .160 .303 .367 .270 1pad .204 .142 .163 .225 .133 .440 1peer .302 .214 .179 .238 .182 .376 .313 1
Tabla 56.Correlaciones de Pearson. Grupos 4-5: SDQ-I - BFQ-NA.
af cf mat leng ing prof padres peer
CO .131 .134 .258 .275 .293 .432 .299 .288AP .177 .287 .408 .303 .379 .434 .255 .327EXT .122 .141 .163 .226AMaB .204 .234 .149 .306 .201 .311InEm .185
Tabla 57.Porcentaje de varianza explicada (coeficientes de determinación). Grupos 4-5.
af cf mat leng ing prof padres peer
CO .017 .018 .067 .076 .086 .186 .089 .082AP .031 .082 .166 .092 .144 .188 .065 .106EXT .015 .020 .026 .051AMaB .042 .055 .022 .093 .040 .096InEm .034af apariencia físicacf habilidad físicamat matesleng lenguaje
ing inglésprof profesorespad padrespeer compañeros
CO ConcienciaAP AperturaEXT Extraversión
AMaB AmabilidadInEm Inestabilidad Emocional
Variables personales predictoras del RA. Estudio empírico.
254
E) Análisis correlacional, intra grupo de las variables del Grupo 5.
Destacamos aquí (tablas 58 y 59) la correlación entre la variable
amabilidad con conciencia que llega a explicar más de un 55 % de la varianza.
Tabla 58.Correlaciones de Pearson. Grupo 5: BFQ-NA.
CO AP EXT AMaB InEm
CO 1AP ,695 1EXT ,653 ,505 1AMaB ,744 ,538 ,703 1InEm 1
Tabla 59.Porcentaje de varianza explicada (coeficientes de determinación). Grupo 5.
CO AP EXT AMaB InEm
CO 1AP .483 1EXT .426 .255 1AMaB .554 .289 .494 1InEm . 1
CO ConcienciaAP AperturaEXT Extraversión
AMaB AmabilidadInEm Inestabilidad Emocional
Las conclusiones a las que llegamos después de analizar las variables
anteriores son las siguientes:
1. Solamente encontramos cuatro variables que siguen una distribución
claramente normal:
RI4a: éxito - habilidad,
RA6a: fracaso - externo/incontrolable
RA1a: éxito académico - externo/incontrolable, y
RI5a: fracaso - externo.
Resultados: Análisis de las variables.
255
2. La fiabilidad de las variables es alta en la mayoría de ellas, por su bajo
valor destacan las siguientes:
SDQ_peer: autoconcepto en las relaciones con los iguales, y
Rib1A: fracaso - falta de esfuerzo.
3. Los valores del Factor de Inflación de la Varianza nos indican la existencia
de cuatro variables que presentan multicolinealidad:
E4A: evitar juicios negativos
RI1a: fracaso - interno
RIa1a: fracaso - falta de habilidad, y
RIb1a: fracaso - falta de esfuerzo.
4. En el análisis correlacional observamos que las correlaciones más altas
se dan, lógicamente, entre las variables evaluadas por el mismo
instrumento.
Resultados. Análisis de diferencia de medias.
257
3.3. Análisis de diferencia de medias.
Aunque el tamaño de la muestra empleada es lo suficientemente grande
para poder emplear la prueba paramétrica t de Student para contrastar las
hipótesis propuestas, en ausencia de normalidad en las variables, hemos
considerado conveniente utilizar la prueba U de Mann-Whitney como alternativa
no paramétrica a esta prueba, ya que las variables implicadas, la mayoría, no
siguen una distribución normal estricta tal como hemos visto en las tablas 24, 25
y 26.
La elección de esta prueba se basa en el hecho de que es una prueba “de
las más potentes dentro del contexto no paramétrico, para dos muestras
independientes” (Martín Martín, 2001, p.85).
En 34 de las 39 variables (tablas 60, 62, 64, 66, 68), el estadístico de
contraste (Z) presenta significación asintótica igual a cero, por lo que concluimos
rechazando la hipótesis nula de no existencia de diferencias entre los dos grupos
de la variable dependiente (NMb).
La variable SDQ_peer, evaluada por el cuestionario SDQ-I (tabla 66), y
EXT e InEm, evaluadas con el BFQ-NA (tabla 68), presentan una significación
inferior a .05 (.014, .032 y .008, respectivamente), por tanto también rechazamos
la hipótesis nula de igualdad.
Variables personales predictoras del RA. Estudio empírico.
258
En el caso de las variables, SDQ-af y SDQ-cf, evaluadas con el ya citado
SDQ-I (tabla 66), la significación que presentan es superior a .05, por tanto en
estos dos casos sí aceptamos la hipótesis nula de igualdad.
Resultados. Análisis de diferencia de medias.
259
Tabla 60.Prueba U de Mann-Whitney para muestras independientes (variables CI y SS).Estadísticos de prueba.
CI SS
U de Mann-Whitney 27974 20284
W de Wilcoxon 70752 63062
Z -6.538 -10.425
Sig. asintótica (bilateral) .000 .000Variable de agrupación: NMb (nota media dicotomizada).
Tabla 61.Medias de las puntuaciones en los dos grupos de alumnos (CI y SS).
VAR alumnos ≤ 5 alumnos > 5
CI 97.86 105.54
SS -.1916 .3481CI: Cociente Intelectual; SS: Estatus Sociométrico.
Variables personales predictoras del RA. Estudio empírico.
260
Tabla 62.Prueba U de Mann-Whitney para muestras independientes (evaluadas con elinstrumento MAPE). Estadísticos de prueba.
E1A E1B E2 E3A E3B
U de Mann-Whitney 9778 10522 11672 12696 18256
W de Wilcoxon 49118 53300 51012 52036 57596
Z -16.143 -15.796 -15.028 -14.507 -12.215
Sig. asintótica (bilateral) .000 .000 .000 .000 .000
E4A E5 E6A E7 E8
U de Mann-Whitney 9416.000 10166.000 13214.000 10982.000 11756.000
W de Wilcoxon 48756.000 52944.000 52554.000 50322.000 54534.000
Z -16.197 -16.046 -15.084 -15.414 -15.418
Sig. asintótica (bilateral) .000 .000 .000 .000 .000Variable de agrupación: NMb (nota media dicotomizada).
Tabla 63.Medias de las puntuaciones en los dos grupos de alumnos (MAPE).
VAR alumnos ≤ 5 alumnos > 5
E1A 12.2123 8.3857
E1B 6.1027 8.7000
E2 19.4521 14.3071
E3A 15.9384 11.9786
E3B 3.4658 2.5857
E4A 17.4521 12.3286
E5 5.7397 8.2143
E6A 8.1918 5.3929
E7 12.3082 8.9500
E8 5.1986 7.4286E1A interés por actividades que no implican esfuerzoE1B interés por actividades académicasE2 ansiedad inhibidora del rendimientoE3A motivación (interés por) de lucimientoE3B motivación (falta de interés por) de lucimiento
E4A evitar juicios negativosE5 autoconcepto como trabajadorE6A autoconcepto como vago ("soy vago")E7 búsqueda de juicios positivos de competenciaE8 ansiedad facilitadora del rendimiento
Resultados. Análisis de diferencia de medias.
261
Tabla 64.Prueba U de Mann-Whitney para muestras independientes (evaluadas con elinstrumento EAT). Estadísticos de prueba.
RA1a RA2a RA3a RA4a RA5a RA6a RA7a
U de M-Whitney 22438 32448 26656 24146 24780 23596 27524
W de Wilcoxon 61778 75226 69434 63486 67558 62936 66864
Z -9.346 -4.276 -7.215 -8.491 -8.175 -8.763 -6.785
Sig. asintótica
(bilateral).000 .000 .000 .000 .000 .000 .000
RI1a RIa1a RIb1a RI2a RI3a RI4a RI5a
U de M-Whitney 26994 26986 30756 31614 23218 32898 28246
W de Wilcoxon 66334 66326 70096 74392 62558 75676 67586
Z -7.036 -7.056 -5.147 -4.699 -8.953 -4.052 -6.407
Sig. asintótica
(bilateral).000 .000 .000 .000 .000 .000 .000
Variable de agrupación: NMb (nota media dicotomizada).
Tabla 65.Medias de las puntuaciones en los dos grupos de alumnos (EAT).
VAR alum < 5 alum ≥ 5 VAr alum ≤ 5 alum > 5
RA1a 25.2877 19.9857 RI1a 21.4452 17.7500
RA2a 14.3151 16.1500 RIa1a 12.0616 9.6286
RA3a 20.0959 23.0000 RIb1a 9.3836 8.1214
RA4a 15.8082 11.5786 RI2a 20.7397 22.6714
RA5a 21.7534 25.5214 RI3a 18.6781 14.6929
RA6a 18.3151 14.3714 RI4a 16.5753 17.8500
RA7a 12.6575 10.5786 RI5a 18.9726 16.2429RA1a éxito académico: externo/incontrolableRA2a fracaso: falta de esfuerzoRA3a éxito: habilidadRA4a fracaso: profesorRA5a éxito: esfuerzoRA6a fracaso: externo/incontrolableRA7a fracaso: falta de habilidad
RI1a fracaso: internoRIa1a fracaso: falta de habilidadRIb1a fracaso: falta de esfuerzoRI2a éxito: esfuerzoRI3a éxito: externoRI4a éxito: habilidadRI5a fracaso: externo
Variables personales predictoras del RA. Estudio empírico.
262
Tabla 66.Prueba U de Mann-Whitney para muestras independientes (evaluadas con elinstrumento SDQ-I). Estadísticos de prueba.
SDQ_af SDQ_cf SDQ_mat SDQ_leng SDQ_ing
U de M-Whitney 38400 37296 28270 28612 23194
W de Wilcoxon 81178 80074 71048 71390 65972
Z -1.258 -1.817 -6.394 -6.219 -8.967
Sig. asintótica (bilateral) .209 .069 .000 .000 .000
SDQ_asig SDQ_prof SDQ_padres SDQ_peer SDQ_aut
U de M-Whitney 22954 24014 27328 36034 32066
W de Wilcoxon 65732 66792 70106 78812 74844
Z -9.087 -8.556 -6.891 -2.458 -4.509
Sig. asintótica (bilateral) .000 .000 .000 .014 .000Variable de agrupación: NMb (nota media dicotomizada).
Tabla 67.Medias de las puntuaciones en los dos grupos de alumnos (SDQ-I).
VAR alumnos ≤ 5 alumnos > 5
SDQ_af 20.47 21.21
SDQ_cf 20.58 21.61
SDQ_mat 19.45 22.91
SDQ_leng 18.94 22.19
SDQ_ing 17.24 22.42
SDQ_prof 19.98 23.64
SDQ_padres 23.40 26.33
SDQ_peer 24.87 26.05SDQ_af apariencia físicaSDQ_cf habilidad físicaSDQ_mat matesSDQ_leng lenguajeSDQ_ing inglés
SDQ_prof profesoresSDQ_pad padresSDQ_peer compañeros
Resultados. Análisis de diferencia de medias.
263
Tabla 68.Prueba U de Mann-Whitney para muestras independientes (evaluadas con elinstrumento BFQ-NA). Estadísticos de prueba.
CO AP EXT AMaB InEm
U de M-Whitney 26414 21742 36656 31088 35674
W de Wilcoxon 69192 64520 79434 73866 75014
Z -7.329 -9.706 -2.147 -4.959 -2.639
Sig. asintótica (bilateral) .000 .000 .032 .000 .008Variable de agrupación: NMb (nota media dicotomizada).
Tabla 69.Medias de las puntuaciones en los dos grupos de alumnos (BFQ-NA).
VAR alumnos ≤ 5 alumnos > 5
CO 41.21 46.59
AP 18.92 23.14
EXT 24.05 24.79
AMaB 49.28 53.39
InEm 41.86 39.74CO ConcienciaAP AperturaEXT Extraversión
AMaB AmabilidadInEm Inestabilidad Emocional
En la tabla siguiente (tabla 70) mostramos los resultados que nos ofrece
la aplicación de la prueba t para la igualdad de medias en las cuatro variables
que se ajustan a la normalidad.
Como vemos, en tres de los cuatro casos la prueba de Levene ofrece una
significación superior a 0,05, por lo que aceptamos la hipótesis nula (H0) de
homogeneidad de las varianzas. El valor de Levene para la variable RI4a es <
.05, lo que nos obliga a rechazar la hipótesis nula de homogeneidad de las
varianzas y concluir que son heterogéneas. Debido a ello hemos utilizado el
supuesto de no asunción de varianzas iguales.
Variables personales predictoras del RA. Estudio empírico.
264
Con respecto a la prueba t, en las cuatro variables obtenemos una
significación < .05, por lo que rechazamos la hipótesis nula de igualdad de
medias. Concluimos que los dos grupos comparados son distintos en las
variables evaluadas.
Tabla 70.Prueba de muestras independientes (prueba t) para las variables que ajustan ala curva normal.
Prueba de Levene para la
igualdad de varianzasPrueba t para la igualdad de medias
F Sig. t gl Sig. (bilateral)
RA1a* .192 .661 10.280 570 .000
RA6a* .103 .748 9.272 570 .000
RI4a** -3.748 558.699 .000
RI5a* .005 .943 6.531 570 .000* se asumen varianzas iguales; ** no se asumen varianzas iguales.Variable de agrupación: NMb (nota media dicotomizada).RA1a: éxito académico - externo/incontrolable; RA6a: fracaso - externo/incontrolable; RI4a: éxito - habilidad;
RI5a: fracaso - externo.
Los resultados obtenidos coinciden con los que nos da la prueba U de
Mann-Whitney para estas variables (ver tabla 64).
Igual ocurre para el resto de variables que no se distribuyen de una forma
estrictamente normal (tabla 71), hay dos diferencias:
en el caso de la variable SDQ_cf rechazaríamos la hipótesis nula
de igualdad, a un nivel de confianza de .05, que antes habíamos
aceptado, y
aceptaríamos la hipótesis nula en el caso de la variable EXT que
antes habíamos rechazado.
Resultados. Análisis de diferencia de medias.
265
Tabla 71.Prueba de muestras independientes (prueba t) para las variables que no ajustana la curva normal.
Prueba de Levene parala igualdad de varianzas
Prueba t para la igualdad de medias
F Sig. t gl Sig. (bilateral)
C.I* 1,103 ,294 -6,850 570 ,000SS** -11,180 561,444 ,000E1A** 22,020 535,267 ,000E1B* ,350 ,554 -20,209 570 ,000E2** 19,359 568,754 ,000E3A* ,273 ,602 17,706 570 ,000E3B* 3,382 ,066 14,117 570 ,000E4A** 21,505 557,154 ,000E5** -19,716 511,109 ,000E6A** 20,516 380,518 ,000E7** 19,519 569,988 ,000E8** -21,243 447,818 ,000RA2a* 1,435 ,231 -4,341 570 ,000RA3a* 3,348 ,068 -7,386 570 ,000RA4a** 9,066 562,235 ,000RA5a** -8,864 545,122 ,000RA7a** 6,710 560,111 ,000RI1a* ,042 ,838 7,127 570 ,000RIa1a* ,508 ,476 7,295 570 ,000RIb1a* ,634 ,426 4,945 570 ,000RI2a** -4,638 565,934 ,000RI3a** 9,572 564,297 ,000SDQ_af** -1,689 542,437 ,092SDQ_cf** -2,092 560,107 ,037SDQ_mat** -6,733 558,240 ,000SDQ_leng* 3,848 ,050 -6,375 570 ,000SDQ_ing* ,221 ,638 -9,565 570 ,000SDQ_prof** -9,637 509,591 ,000SDQ_padres** -7,672 504,604 ,000SDQ_peer** -2,822 553,554 ,005CO** -7,317 561,948 ,000AP** -10,567 550,122 ,000EXT* ,324 ,569 -1,749 570 ,081AMaB** -5,121 554,579 ,000InEm** 3,718 512,910 ,000
* se asumen varianzas iguales; ** no se asumen varianzas iguales. Variable de agrupación: NMb (notamedia dicotomizada).
CI: Cociente Intelectual; SS: Estatus Sociométrico; E1A: interés por actividades que no implican esfuerzo;E1B: interés por actividades académicas; E2: ansiedad inhibidora del rendimiento; E3A: motivación (interéspor) de lucimiento; E3B: motivación (falta de interés por) de lucimiento; E4A: evitar juicios negativos; E5:autoconcepto como trabajador; E6A: autoconcepto como vago ("soy vago"); E7: búsqueda de juiciospositivos de competencia; E8: ansiedad facilitadora del rendimiento;; RA2a: fracaso: falta de esfuerzo;RA3a: éxito: habilidad; RA4a: fracaso: profesor; RA5a: éxito: esfuerzo; RA7a: fracaso: falta de habilidad;RI1a: fracaso: interno; RIa1a: fracaso: falta de habilidad; RIb1a: fracaso: falta de esfuerzo; RI2a: éxito:esfuerzo; RI3a: éxito: externo; SDQ_af: apariencia física; SDQ_cf: habilidad física; SDQ_mat: mates;SDQ_leng. lenguaje; SDQ_ing: inglés; SDQ_prof: profesores; SDQ_pad: padres; SDQ_peer: compañeros;CO: Conciencia; AP: Apertura; EXT: Extraversión; AMaB: Amabilidad; InEm: Inestabilidad Emocional.
Resultados. ARL.
267
3.4. Análisis de Regresión Logística Binaria (ARL).
En principio pensamos emplear la técnica de análisis discriminante para
establecer las variables que diferencian entre alumnos de alto y bajo rendimiento,
pero para poder utilizar esta técnica se tienen que cumplir una serie de
condiciones, una de las cuales es que las variables independientes a emplear
deben seguir una distribución normal cosa que no sucede en nuestro caso, por
tanto abandonamos la idea de utilizar esta técnica y empleamos la de análisis de
regresión logística binomial, que es la alternativa a aquel cuando no se cumple
el supuesto de normalidad.
Este tipo de análisis no se enfrenta a los supuestos tan estrictos a los que
se somete el análisis discriminante y es mucho más robusto cuando dichos
supuestos, entre ellos el de normalidad, no se cumplen (Hair et al., 2005;
Martínez Arias, 1999).
3.4.1. Previos.
A) Variables a eliminar/incluir en el análisis.
Las variables que vamos a eliminar en el análisis de regresión son las que
siguen a continuación (y por los motivos que exponemos):
Variables personales predictoras del RA. Estudio empírico.
268
Baja fiabilidad: SDQ_peer y Rib1a (y FIV > 10).
Factor de Inflación de la Varianza mayor de 10: E4A, RI1a, RIa1a.
Alta correlación con otras variables: E1B, E3A, E3B (y relativa baja
fiabilidad), E6A y E7.
Otras:
Ra6a, por semejanza con RI5a, sobrerrepresentación de
las variables RA y relativa baja fiabilidad,
RI3a, por semejanza con RA1a, correlación
relativamente alta y fiabilidad relativamente baja, y
RI4a, por semejanza inversa con RA7a y relativa baja
fiabilidad.
Así pues las variables, independientes, incluidas en el ARL son las 26
siguientes:
CI: Cociente Intelectual
SS: Estatus Sociométrico
E1A: interés por actividades que noimplican esfuerzo
E2: ansiedad inhibidora del rendimiento
E5: autoconcepto como trabajador
E8: ansiedad facilitadora del rendimiento
RA1a: éxito académico -externo/incontrolable
RA2a: fracaso - falta de esfuerzo
RA3a: éxito - habilidad
RA4a: fracaso - profesor
RA5a: éxito - esfuerzo
RA7a: fracaso - falta de habilidad
RI2a: éxito - esfuerzo
RI5a: fracaso - externo
SDQ_af: apariencia física
SDQ_cf: habilidad física
SDQ_mat: mates
SDQ_leng: lenguaje
SDQ_ing: inglés
SDQ_prof: profesores
SDQ_pad: padres
CO: Conciencia
AP: Apertura
EXT: Extraversión
AMaB: Amabilidad
InEm: Inestabilidad Emocional
Resultados. ARL.
269
B) Tamaño de la muestra. Para determinar si su tamaño es el adecuado para
nuestro análisis hemos empleado la fórmula de Freeman (1987) según la cual:
T = 10 * (k + 1), siendo k = nº de covariables (es decir VIs)
Nosotros hemos empleado 26 variables, por tanto el tamaño de la muestra
debe ser igual o superior a: T = 10 . (26 + 1) = 270, nuestro estudio supera esta
cifra (572 participantes).
C) Variable dependiente. Como hemos apuntado anteriormente, la VD la hemos
definido hallando la media de las notas obtenidas por los alumnos en
matemáticas, lengua castellana, lengua valenciana e inglés, por tanto la fórmula
empleada ha sido la siguiente:
4
ingvalcasmatNM
Los modelos de regresión logística permiten establecer si una variable
categórica, en nuestro caso la nota media (NM), depende de otras variables. El
modelo que utilizamos es binomial porque la variable dependiente adopta 2
valores: 0 para los participantes cuya NMb ≤ 5, y 1 para los que obtienen una
NMb > 5.
D) Método a emplear. En esta técnica, ARL con una VD binaria, hemos seguido
el método por pasos hacia delante utilizando como criterio la significación
estadística de los coeficientes "b" de las variables introducidas usando el
estadístico "W" de Wald (Alderete, 2006).
Variables personales predictoras del RA. Estudio empírico.
270
3.4.2. Cálculos iniciales.
En la tabla 72 presentamos la clasificación de los casos según su
ocurrencia y según la predicción realizada en función del modelo nulo.
Observamos que hay un 100% de acierto del pronóstico de nota media igual o
menor de 5 (NMb = 0), y cero aciertos en el pronóstico de NMb = 1, por lo que el
tanto por cien de acierto es igual al 51 %.
Tabla 72.
Tabla de clasificación (a, b).
Observado
Pronosticado
Nota Media Porcentaje
correcto0 1
Paso 0 Nota Media 0 292 0 100.0
1 280 0 .0
Porcentaje global 51.0
a: Se incluye constante en el modelo; b: El valor de corte es .500.
Tabla 73.
Estadísticos estimados del modelo nulo (paso 0).
B E.T. Wald gl Sig. Exp(B)
Paso 0 Constante -.042 .084 .252 1 .616 .959
En la tabla 73 mostramos los parámetros del modelo nulo, como vemos el
estadístico Wald no es significativo (,208) por lo que podemos decir que “B” no
difiere de forma estadísticamente significativa de 0 por lo que no produce ningún
cambio sobre la variable dependiente NMb.
En la tabla siguiente (tabla 74) se presenta la ganancia obtenida en cada
modelo (en cada paso se introduce una variable nueva). La hipótesis nula (H0) a
Resultados. ARL.
271
contrastar es que los coeficientes de las variables introducidas en el último paso
son iguales a cero, en todos los caso el Chi-cuadrado es significativo por lo que
la H0 se desestima.
Tabla 74.
Pruebas omnibus de coeficientes de modelo.
Chi-cuadrado Gl Sig.
Paso 1 Paso 301.509 1 .000Bloque 301.509 1 .000Modelo 301.509 1 .000
Paso 2 Paso 40.039 1 .000Bloque 341.548 2 .000Modelo 341.548 2 .000
Paso 3 Paso 32.864 1 .000Bloque 374.412 3 .000Modelo 374.412 3 .000
Paso 4 Paso 23.148 1 .000Bloque 397.560 4 .000Modelo 397.560 4 .000
Paso 5 Paso 17.642 1 .000Bloque 415.202 5 .000Modelo 415.202 5 .000
Paso 6 Paso 16.999 1 .000Bloque 432.201 6 .000Modelo 432.201 6 .000
Paso 7 Paso 7.932 1 .005Bloque 440.133 7 .000Modelo 440.133 7 .000
Paso 8 Paso 10.779 1 .001Bloque 450.912 8 .000Modelo 450.912 8 .000
Paso 9 Paso 5.620 1 .018
Bloque 456.532 9 .000
Modelo 456.532 9 .000
Variables personales predictoras del RA. Estudio empírico.
272
3.4.3. Pruebas de bondad de ajuste.
A continuación evaluaremos si el modelo ajusta a los datos y para ello
emplearemos tres procedimientos: R2 de Nagelkerke, la prueba de Hosmer y
Lemeshow y curva COR.
A) Con respecto a la R2 de Nagelkerke, en la tabla 75 ofrecemos un resumen de
los modelos. Vemos que el valor de “-2 log” va disminuyendo desde el paso 1 al
paso 9, lo que quiere decir que el modelo ajusta cada vez más y su verosimilitud
es mayor.
Los coeficientes de determinación (R2) son relativamente altos. La R2 de
Cox y Snell no puede alcanzar el valor máximo de 1, por lo que Nagelkerke
propuso una modificación que recoge los rangos entre 0 y 1 (Hair et al., 2005).
La R2 de Nagelkerke indica que las variables introducidas en el noveno paso
explican el 73.3 % (.733) de la varianza de la variable dependiente (NMb).
B) La prueba de Hosmer y Lemeshow (tabla 76) evalúa la correspondencia de
los valores reales y predichos de la variable dependiente (Hair et al., 2005). Si
Chi-cuadrado fuera significativo la prueba indicaría un pobre ajuste del modelo,
rechazaríamos la H0 de igualdad, en nuestro caso Chi-cuadrado no es
significativo en el paso 9 (.166), aceptamos la hipótesis nula de no existencia de
diferencias entre los datos predichos y los observados y, por tanto, podemos
decir que el modelo ajusta bien a los datos, basta notar la similitud entre valores
esperados y observados en la tabla 77.
Resultados. ARL.
273
Tabla 75.
Resumen de los modelos. R2 de Nagelkerke.
Paso Logaritmo de la verosimilitud -2 R2 de Cox y Snell R2 de Nagelkerke
1 491.199a .410 .546
2 451.160a .450 .600
3 418.297b .480 .641
4 395.148b .501 .668
5 377.507b .516 .688
6 360.507b .530 .707
7 352.575b .537 .716
8 341.797b .545 .727
9 336.177b .550 .733a. La estimación ha terminado en el número de iteración 5 porque las estimaciones de parámetro han
cambiado en menos de .001.
b. La estimación ha terminado en el número de iteración 6 porque las estimaciones de parámetro han
cambiado en menos de .001.
Tabla 76.
Prueba de Hosmer y Lemeshow.
Paso Chi-cuadrado gl Sig.
1 44.701 5 .000
2 57.952 6 .000
3 36.041 8 .000
4 15.966 8 .043
5 22.530 8 .004
6 14.487 8 .070
7 10.350 8 .241
8 13.622 8 .092
9 11.683 8 .166
Tabla 77.
Tabla de contingencia para la prueba de Hosmer y Lemeshow (último paso).
NMb ≤ 5 NMb > 5
TotalObservado Esperado Observado Esperado
Paso 9 1 58 57,846 0 ,154 58
2 58 57,407 0 ,593 58
3 58 56,323 0 1,677 58
4 46 47,566 12 10,434 58
5 30 33,339 28 24,661 58
6 18 21,640 40 36,360 58
7 16 11,228 42 46,772 58
8 8 4,663 50 53,337 58
9 0 1,741 58 56,259 58
10 0 ,246 50 49,754 50
Variables personales predictoras del RA. Estudio empírico.
274
C) Otra forma de evaluar el ajuste del modelo es mediante el análisis de la curva
COR (Característica Operativa del Receptor). La hipótesis nula a contrastar en
este tipo de curvas es la de no discriminación que en la curva corresponde a la
diagonal, la cual representa la nula capacidad de discriminación.
Figura 18. Curva COR (variable: probabilidad pronosticada y NMbb).
Los ejes de la curva COR (figura 18) representan a) la sensibilidad, que
en nuestro caso es la proporción de sujetos clasificados en NMb > 5 en relación
con todos los que realmente tienen NMb > 5, por tanto si todos los alumnos que
han obtenido una NMb > 5 los hemos clasificado correctamente, la sensibilidad
será igual a 1, y b) la especificidad mide la proporción de sujetos clasificados en
el grupo NMb ≤ 5 en relación con todos los sujetos que han obtenido esa
Resultados. ARL.
275
calificación. La especificidad será igual a 1 si todos los alumnos han sido
clasificados correctamente. En la tabla 79, último paso, podemos observar estos
parámetros:
especificidad: 84.2,
sensibilidad: 87.9,
proporción de falso negativo: .12, y
proporción de falso positivo: .15
El área bajo la curva (ABC) es un parámetro para evaluar la bondad de la
prueba. Este área puede interpretarse como la probabilidad de que ante un par
de individuos, uno con NMb > 5 y el otro con NMb ≤ 5, la prueba los clasifique
correctamente (Hanley, 1988; Hanley y McNeil, 1982, 1983). Los valores de ABC
oscilan entre los valores de 1 y .5, el primer valor representa el ajuste perfecto y
el segundo la no existencia de ajuste.
En nuestro caso el valor de ABC es .942 (tabla 78) con una significación
de .000, lo que significa que la probabilidad de clasificar correctamente a un par
de sujetos, uno con bajo rendimiento y otro con alto, es del 94.2 %.
Tabla 78.
Área bajo la curva COR.
Área Error estándara Sig. asintóticab
95% de intervalo de confianza asint.
Límite inferior Límite superior
,942 ,009 ,000 ,925 ,959Variable(s) de resultado de prueba: probabilidad pronosticada;a. Bajo el supuesto no paramétrico; b. Hipótesis nula: área verdadera = 0,5
Variables personales predictoras del RA. Estudio empírico.
276
3.4.4. Variables en el modelo. Valor predictivo.
En la tabla 79 observamos que en el último modelo, paso 9, el porcentaje
global de clasificación correcta es de 86 %, dicho modelo clasifica correctamente
el 84,2% de los casos incluidos en el valor 0, y el 87.9 % de los incluidos en el
valor 1. Podemos decir acerca de las variables del modelo que:
tienen alta sensibilidad para diagnosticar adecuadamente a los
sujetos con NMb > 5, la proporción es del 87.9 %,
también es alta su especificidad es decir su capacidad de detectar
los casos que no son NMb > 5 (84.2 %),
es bastante baja la proporción de falso positivo (15 %) que consiste
en diagnosticar NMb > 5 cuando no lo es, y
también es baja (12 %) la proporción de falso negativo, es decir de
cometer el error de diagnosticar NMb ≤ 5 cuando no lo es.
En la tabla 80 vemos que la primera variable que ingresa en el modelo es
E1A, en el paso 1, y en el último paso las variables que forman el modelo son:
• CI: cociente intelectual,
• SS: estatus sociométrico
• E1A: interés por actividades que no implican esfuerzo
• E5: autoconcepto como trabajador
• E8: ansiedad facilitadora del rendimiento
• RA1a: éxito académico: externo/incontrolable
• SDQ_cf: autoconcepto referido a la habilidad física
• SDQ_ing: autoconcepto referido a la materia inglés
• InEm: Inestabilidad Emocional
Resultados. ARL.
277
El resto de las variables han sido descartadas debido a que sus
coeficientes no presentan una diferencia significativa de 0, por lo que no aportan
nada a la predicción que pretendemos con el modelo.
Tabla 79.
Tabla de clasificación (a).
Observado
Pronosticado
Nota Media Porcentaje
Correcto0 1
Paso 1 Nota Media 0 214 78 73,3
1 44 236 84,3
Porcentaje global 78.7
Paso 2 Nota Media 0 216 76 74.0
1 44 236 84.3
Porcentaje global 79.0
Paso 3 Nota Media 0 230 62 78.8
1 48 232 82.9
Porcentaje global 80.8
Paso 4 Nota Media 0 234 58 80.1
1 50 230 82.1
Porcentaje global 81.1
Paso 5 Nota Media 0 238 54 81.5
1 40 240 85.7
Porcentaje global 83.6
Paso 6 Nota Media 0 244 48 83.6
1 40 240 85.7
Porcentaje global 84.6
Paso 7 Nota Media 0 242 50 82.9
1 36 244 87.1
Porcentaje global 85.0
Paso 8 Nota Media 0 242 50 82.9
1 40 240 85.7
Porcentaje global 84.3
Paso 9 Nota Media 0 246 46 84.2
1 34 246 87.9
Porcentaje global 86.0
a El valor de corte es .500
Variables personales predictoras del RA. Estudio empírico.
278
Tabla 80.
Variables en la ecuación.
B E. T. Wald gl Sig. Exp(B)
95% I.C. para EXP(B)
Inferior Superior
Paso 1a E1A -.659 .049 179.126 1 .000 .517 .470 .570
Constante 6.675 .504 175.094 1 .000 792.049
Paso 2b E1A -.466 .058 64.011 1 .000 .628 .560 .704
E5 .512 .084 37.258 1 .000 1.668 1.415 1.966
Constante 1.161 .978 1.408 1 .235 3.193
Paso 3c SS 1.318 .247 28.507 1 .000 3.737 2.303 6.064
E1A -.451 .062 53.231 1 .000 .637 .564 .719
E5 .494 .086 33.315 1 .000 1.639 1.386 1.939
Constante .905 1.008 .806 1 .369 2.473
Paso 4d SS 1.271 .251 25.569 1 .000 3.566 2.178 5.837
E1A -.408 .063 41.317 1 .000 .665 .587 .753
E5 .539 .090 35.830 1 .000 1.715 1.437 2.046
RA1a -.100 .022 21.123 1 .000 .905 .867 .944
Constante 2.469 1.081 5.220 1 .022 11.813
Paso 5e SS 1.355 .252 28.986 1 .000 3.876 2.367 6.347
E1A -.377 .065 33.447 1 .000 .686 .603 .779
E5 .505 .092 30.206 1 .000 1.657 1.384 1.984
RA1a -.108 .023 22.149 1 .000 .897 .858 .939
SDQ_ing .084 .020 16.865 1 .000 1.087 1.045 1.131
Constante .935 1.149 .661 1 .416 2.546
Paso 6f SS 1.393 .253 30.322 1 .000 4.028 2.453 6.614
E1A -.428 .070 37.937 1 .000 .652 .569 .747
E5 .446 .094 22.480 1 .000 1.561 1.299 1.877
RA1a -.115 .023 23.996 1 .000 .892 .852 .934
SDQ_ing .098 .022 20.444 1 .000 1.103 1.057 1.150
InEm -.083 .021 15.590 1 .000 .920 .883 .959
Constante 5.135 1.588 10.461 1 .001 169.820
Paso 7g SS 1.504 .262 32.921 1 .000 4.499 2.692 7.520
E1A -.420 .071 35.157 1 .000 .657 .572 .755
E5 .513 .101 26.029 1 .000 1.671 1.372 2.035
RA1a -.113 .024 22.053 1 .000 .893 .852 .936
SDQ_cf -.071 .026 7.664 1 .006 .932 .886 .980
SDQ_ing .110 .023 23.851 1 .000 1.117 1.068 1.167
InEm -.088 .021 17.106 1 .000 .916 .878 .955
Constante 5.972 1.653 13.053 1 .000 392.308
Resultados. ARL.
279
Paso 8h SS 1.436 .268 28.660 1 .000 4.205 2.485 7.114
E1A -.294 .082 12.746 1 .000 .745 .634 .876
E5 .440 .105 17.631 1 .000 1.553 1.264 1.907
E8 .470 .146 10.416 1 .001 1.600 1.203 2.127
RA1a -.103 .025 16.940 1 .000 .903 .859 .948
SDQ_cf -.097 .028 12.315 1 .000 .907 .859 .958
SDQ_ing .119 .024 25.602 1 .000 1.126 1.076 1.179
InEm -.093 .022 18.248 1 .000 .912 .874 .951
Constante 2.403 1.974 1.482 1 .223 11.059
Paso 9i CI .028 .012 5.352 1 .021 1.028 1.004 1.053
SS 1.368 .273 25.031 1 .000 3.927 2.298 6.711
E1A -.324 .084 15.006 1 .000 .724 .614 .852
E5 .446 .106 17.726 1 .000 1.563 1.269 1.923
E8 .418 .146 8.177 1 .004 1.519 1.140 2.022
RA1a -.088 .026 11.916 1 .001 .915 .871 .963
SDQ_cf -.098 .028 12.536 1 .000 .907 .859 .957
SDQ_ing .119 .023 25.563 1 .000 1.126 1.075 1.179
InEm -.092 .021 18.419 1 .000 .912 .874 .951
Constante -.161 2.253 .005 1 .943 .852a. Variables especificadas en el paso 1: E1A; b. Variables especificadas en el paso 2: E5; c. Variablesespecificadas en el paso 3: SS; d. Variables especificadas en el paso 4: RA1a; e. Variables especificadasen el paso 5: SDQ_ing; f. Variables especificadas en el paso 6: InEm; g. Variables especificadas en elpaso 7: SDQ_cf; h. Variables especificadas en el paso 8: E8; i. Variables especificadas en el paso 9: CI.
CI: cociente intelectual; SS: estatus sociométrico; E1A: interés por actividades que no implican esfuerzo;E5: autoconcepto como trabajador; E8: ansiedad facilitadora del rendimiento; RA1a: éxito académico:externo/incontrolable; SDQ_cf: habilidad física; SDQ_ing: inglés, InEm: Inestabilidad Emocional.
Ninguno de los intervalos de confianza incluye el valor 1, por tanto los
valores de Odds-Ratio (OR) son todos estadísticamente significativos:
Los valores de la OR que se aproximan a 1, coeficiente B próximo
a 0 [( = ,[(ܤ)ݔܧ indican que los cambios que se produzcan en
la variable explicativa asociada de que se trate tendrán muy escaso
efecto sobre la variable dependiente NMb. Si la OR = 1, el efecto
es nulo, no hay asociación entre variables.
Los valores OR menores de 1 se consideran factores de protección
ya que la asociación es negativa, es decir que la presencia del
Variables personales predictoras del RA. Estudio empírico.
280
factor se asocia con la menor ocurrencia del evento. Son los
valores relacionados con las variables: E1A, RA1A, SDQ_cf e
InEm, los valores que aportan estas variables a la ecuación de
ajuste son negativos.
Por último, los valores OR mayores de 1 se consideran factores de
riesgo porque la asociación es positiva, es decir la presencia del
factor se asocia a la mayor ocurrencia del evento. Son los valores
relacionados con las variables: CI, SS, E5, E8 y SDQ_ing, en este
caso los valores que aportan a la ecuación de ajuste son positivos.
El coeficiente B indica el valor de la aportación al modelo de cada variable.
Así la variable que más aporta es SS (B = 1.368), y la que menos CI (B = .028).
La ecuación de ajuste (Pérez, 2005), en función de las variables
introducidas en el paso 9, es la siguiente (hemos de hacer notar que la constante
no tiene significatividad -.943- y es adecuado sacarla del modelo):
ee
x
x
P
1
siendo e = 2,7182818 (constante), y siendo
x = 0.028CI + 1.368SS - 0.324E1A + 0.446E5 + 0.418E8 - 0.088RA1a -
0.098SDQ_cf + 0.119SDQ_ing - 0.092InEm
Valores de P ≥ ,50 llevan a pronosticar la pertenencia de un sujeto
determinado al valor 1; por el contrario valores de P < ,50 pronostican la
pertenencia al valor 0.
Resultados. ARL.
281
3.4.5. Análisis de medias.
Seguidamente aplicamos la ecuación obtenida y obtenemos el valor
correspondiente para cada uno de los 572 participantes en la investigación, esta
nueva variable la dicotomizamos en función de la probabilidad obtenida (P < .50
= 0; P ≥ .50 = 1) para utilizarla como variable de agrupación en la aplicación de
la prueba U de Mann-Whitney, para muestras independientes, a las variables
nota media (NM), calificación de lengua castellana (CAS), calificación de lengua
valenciana (VAL), calificación de matemáticas (MAT) y calificación de inglés
(ING) (tabla 81).
Tabla 81.
Prueba U de Mann-Whitney para la igualdad de medias, variables: NMb, CAS,
Val, MAT, ING. Estadísticos de prueba.
NM CAS VAL MAT ING
U de Mann-Whitney 4908 8060 10370 9388 10704
W de Wilcoxon 40954 44106 46416 45434 46750
Z -18.208 -17.100 -15.847 -16.339 -15.621
Sig. asintótica (bilateral) .000 .000 .000 .000 .000
Tabla 82.
Medias, variables: NMb, CAS, Val, MAT, ING.
Media
P<.50
n=268
P≥.50
n=304
NM 3.239 6.638
CAS 3.160 6.550
VAL 3.300 6.550
MAT 3.300 6.870
ING 3.190 6.580NM: nota media; CAS: calificación de lengua castellana; VAL: calificación de lengua valenciana; MAT:calificación de matemáticas; ING: calificación de inglés; SUS: número de suspensos.
Variables personales predictoras del RA. Estudio empírico.
282
Como vemos (tablas 81 y 82) existen diferencias significativas entre las
variables que presentamos. La diferencia de medias que se da entre los dos
grupos dicotomizados por la probabilidad .50 es de más de 3 puntos sobre 10 en
todas las variables. Representamos en la figura 19 estos resultados.
Figura 19. Medias de las calificaciones obtenidas por los sujetos dicotomizadospor el valor P obtenido.
NM CAS VAL MAT ING
P < .50 3,239 3,16 3,3 3,3 3,19
P > .50 6,638 6,55 6,55 6,87 6,58
1
2
3
4
5
6
7
8
Resultados. Modelo causal.
283
3.5. Modelo causal explicativo del rendimiento académico.
Los modelos causales se basan lógicamente en la existencia de
relaciones de causa-efecto, las cuales implican una secuencia temporal en el
sentido de que unas están antes y otras después. Si A es causa de B, siempre
que suceda A sucederá B y siempre que varíe A variará B.
La construcción de un modelo causal implica “la construcción de un
modelo simplificado de la realidad social” (Gondar Nores, 2002, p. 3), el cual se
define con un número escogido y limitado de variables relacionadas de alguna
forma y que explican de la mejor forma posible nuestro objeto de estudio -la
variable dependiente, endógena- en nuestro caso el rendimiento académico.
A partir del modelo propuesto se establecen toda una serie de ecuaciones
estructurales que forman un sistema que describe las relaciones que se
establecen entre las variables independientes, exógenas, entre sí y con la VD.
Así mismo, partiendo del sistema formulado se establecen los parámetros
que representan las relaciones inter-variables, estos se comparan con los “datos
empíricos que se poseen, con el fin de evaluar el modelo construido, en términos
de aceptarlos o rechazarlos” (Gondar Nores, 2002, p. 3), consiste en evaluar si
el modelo construido se ajusta a los datos y en introducir los cambios que se
crean oportunos (Bisquerra, 1989).
Por tanto, con la finalidad de progresar en la comprensión de las
Variables personales predictoras del RA. Estudio empírico.
284
relaciones existentes inter-variables mediante el establecimiento de un modelo
explicativo de las interrelaciones que se producen entre ellas y con el rendimiento
académico, tercer objetivo de nuestro trabajo, efectuamos el contraste de un
modelo causal mediante la técnica del modelado de ecuaciones estructurales.
Para evaluar los datos -que son las puntuaciones originales, no matrices
de correlaciones o de covarianzas, ya que facilitan el análisis cuando su
distribución no es normal (Arias, 2008)- vamos a emplear dos métodos, el de
mínimos cuadrados generalizados (generaliced least squares, GLS) porque
puede ajustar el modelo cuando los datos no sean normales como es nuestro
caso (Gondar Nores, 2002), y el de máxima verosimilitud (maximum likelihood,
ML) porque es suficientemente robusto cuando existen desviaciones de la
normalidad, especialmente cuando la muestra es grande y los valores de
asimetría y curtosis no son extremos: valores de asimetría y de curtosis
superiores a |2| y a |7| respectivamente (Browne, 1984; West, Finch, y Curran,
1995; Finney y DiStefano, 2006). En nuestro caso no hay ninguna variable que
supere esos valores.
El programa informático empleado ha sido el IBM SPSS AMOS v. 22
(Arbuckle, 2013).
3.5.1. Modelo teórico inicial.
Partimos del modelo que representamos en la figura 20, el cual es un
modelo recursivo ya que ninguna variable tiene un efecto sobre sí misma, en él
Resultados. Modelo causal.
285
aparecen todas las variables -observadas- que han entrado a formar parte de la
ecuación de ajuste hallada mediante análisis de regresión logística junto con los
términos de error de cada una de estas variables (e*). Estas son:
1. B: Inestabilidad Emocional (InEm-BFQ),
2. CI: cociente intelectual (CI),
3. E: éxito académico: externo/incontrolable (Ra1a - EAT),
4. M1: interés por actividades que no implican esfuerzo (E1A - MAPE),
5. M2: autoconcepto como trabajador (E5 - MAPE),
6. M3: ansiedad facilitadora del rendimiento (E8 - MAPE),
7. S1: autoconcepto en habilidad física (SDQ I-cf),
8. S2: autoconcepto en lengua inglesa (SDQ I-ing),
9. SS: estatus sociométrico (SS),
10.NM, nota media de las calificaciones de lengua castellana, valenciana,
inglesa y de matemáticas: (CAS + VAL + ING + MAT) / 4 (NM).
Hemos cambiado el nombre a algunas de las variables por comodidad en
su manejo, indicamos entre paréntesis el nombre anterior.
Las variables siguientes son los términos de error de cada una de las
variables anteriores:
11. eB
12. eCI
13. eE
14. eM1
15. eM2
16. eM3
17. eNM
18. eS1
19. eS2
20. eSS
Por último, hemos definido una variable latente, M, no observada de forma
directa la cual está en función de tres variables observadas, M1, M2 y M3.
21.M: motivación hacia el aprendizaje.
Con respecto al tamaño de la muestra adecuado en este tipo de análisis,
decir que hay disparidad de criterios, así Jackson (2003) opina que un tamaño
Variables personales predictoras del RA. Estudio empírico.
286
mínimo debe ser de 200 sujetos, por otra parte Kline (2005) considera que el
número de participantes debe estar comprendido entre 10 y 20 por parámetro
estimado. En nuestro caso hemos empleado 11 variables a las que añadimos
otras 10 variables que representan los términos de error, si consideramos 20
participantes: 21 variables x 20 observaciones = 420. Nuestra investigación
supera ese número con creces.
En el modelo inicial (figura 20) representamos las vías de influencia de las
variables que en él intervienen, así:
1) Las variables E, B, CI, SS, S1 y S2 influyen de forma directa sobre la
VD, nota media de los participantes.
2) Las variables M1, M2 y M3 forman un único factor, M, que incide
directamente sobre la VD.
3) Ninguna variable es influida por otra u otras.
Este modelo inicial no ajusta a los datos (tabla 83) aunque explica un 65
y un 82 % de la varianza (según método) de la variable dependiente (tabla 84,
figuras 21 y 22).
La hipótesis nula a contrastar es la de igualdad: la función de discrepancia
es 0 en la población, es decir, el modelo teórico propuesto es igual al modelo
real, por tanto si la P asociada es menor de .05 tendremos que rechazar la H0 y
concluir que ambos modelos son distintos. Es lo que ocurre aquí (tabla 83) el
valor P es de .000 por lo que no nos queda más remedio que rechazar el modelo
teórico como modelo adecuado a los datos que manejamos. Los demás índices
de ajuste tampoco son satisfactorios (tabla 85).
Resultados. Modelo causal.
287
Tabla 83.
Modelo 0 (inicial). Función de discrepancia mínima de la muestra, CMIN / DF.
Método NPAR CMIN DF P CMIN/DF
GLS 20 363.533 35 .000 10.387
ML 20 586.042 35 .000 16.744
NPAR: nº de parámetros diferentes a estimar; CMIN: valor mínimo de la discrepancia; DF: grados delibertad; P: probabilidad de obtener una discrepancia.
Tabla 84.
Modelo 0 (inicial). Correlaciones múltiples al cuadrado.
Método S1 S2 SS CI B E M1 M2 M3 NM
GLS .000 .000 .000 .000 .000 .000 .680 .402 .610 .647
ML .000 .000 .000 .000 .000 .000 .837 .683 .813 .819
S1: autoconcepto en habilidad física; S2: autoconcepto en lengua inglesa; SS: estatus sociométrico; CI:cociente intelectual; B: Inestabilidad Emocional; E: éxito académico: externo/incontrolable; M1: interés poractividades que no implican esfuerzo; M2: autoconcepto como trabajador; M3: ansiedad facilitadora delrendimiento; NM: nota media.
Tabla 85.Modelo 0 (inicial). Índices de bondad de ajuste, resumen.
Método GFI AGFI NFI TLI CFI RMR RMSEA AIC
GLS .873 .800 .278 .079 .284 7.614 .128 403.533
ML .823 .721 .788 .739 .797 4.974 .166 623.042
GfI: índice de bondad de ajuste; AGFI: índice ajustado de bondad de ajuste; NFI: índice de ajustenormalizado; TLI: índice de ajuste no normalizado; CFI: índice de ajuste comparativo; RMR: raíz cuadradamedia residual; RMSEA: error cuadrático medio de aproximación; AIC: criterio de información de Akaike.
El valor óptimo para estos índices que indicarían un buen ajuste del
modelo son: para GFI, AGFI, NFI, TLI y CFI, un valor de 1 representa un ajuste
perfecto. Para RMR y RMSEA el valor óptimo es 0. El valor de AIC debe ir
reduciéndose progresivamente desde el modelo inicial al final, el valor más
pequeño indicará el mejor ajuste.
Variables personales predictoras del RA. Estudio empírico.
288
En las siguientes tablas mostramos a) los pesos de regresión
estandarizados (tabla 86), los cuales expresan la magnitud del efecto de las
variables explicativas, b) los efectos directos estandarizados de unas variables
sobre otras (tabla 87), y c) los efectos indirectos estandarizados (tabla 88) que
en este modelo inicial son todos iguales a cero, por lo que los efectos totales,
suma de efectos directos e indirectos) son iguales a los directos.
Tabla 86.Modelo inicial. Pesos de regresión estandarizados (GLS).
Método VARIABLES Estimate
GLS NM ← E -.144
NM ← B -.148
NM ← CI .080
NM ← SS .187
NM ← S2 .023
NM ← S1 .012
NM ← M -.750
M2 ← M -.634
M3 ← M -.781
M1 ← M .825
ML NM ← E -.126
NM ← B -.143
NM ← CI .063
NM ← SS .165
NM ← S2 .048
NM ← S1 .030
NM ← M -.865
M2 ← M -.827
M3 ← M -.902
M1 ← M .915 E: éxito académico: externo/incontrolable; B: Inestabilidad Emocional; CI: cociente intelectual; SS: estatussociométrico; S2: autoconcepto en lengua inglesa; S1: autoconcepto en habilidad física; M1: interés poractividades que no implican esfuerzo; M2: autoconcepto como trabajador; M3: ansiedad facilitadora delrendimiento; NM: nota media; M: variable latente.
Resultados. Modelo causal.
289
Tabla 87.
Modelo inicial. Efectos directos estandarizados.
Método M S2 S1 SS CI B E
GLS NM -.750 .023 .012 .187 .080 -.148 -.144
M3 -.781 .000 .000 .000 .000 .000 .000
M2 -.634 .000 .000 .000 .000 .000 .000
M1 .825 .000 .000 .000 .000 .000 .000
ML NM -.865 .048 .030 .165 .063 -.143 -.126
M3 -.902 .000 .000 .000 .000 .000 .000
M2 -.827 .000 .000 .000 .000 .000 .000
M1 .915 .000 .000 .000 .000 .000 .000
Tabla 88.
Modelo inicial. Efectos indirectos estandarizados.
Método M S2 S1 SS CI B E
GLS NM .000 .000 .000 .000 .000 .000 .000
M3 .000 .000 .000 .000 .000 .000 .000
M2 .000 .000 .000 .000 .000 .000 .000
M1 .000 .000 .000 .000 .000 .000 .000
ML NM .000 .000 .000 .000 .000 .000 .000
M3 .000 .000 .000 .000 .000 .000 .000
M2 .000 .000 .000 .000 .000 .000 .000
M1 .000 .000 .000 .000 .000 .000 .000
M: variable latente; S2: autoconcepto en lengua inglesa; S1: autoconcepto en habilidad física; SS: estatussociométrico; CI: cociente intelectual; B: Inestabilidad Emocional; E: éxito académico: externo/incontrolable;M1: interés por actividades que no implican esfuerzo; M2: autoconcepto como trabajador; M3: ansiedadfacilitadora del rendimiento; NM: nota media.
Variable
spers
onale
spre
dic
tora
sdelR
A.E
stu
dio
em
pír
ico.
290
E:
éxito
aca
dé
mic
o:
exte
rno
/inco
ntr
ola
ble
;B
:In
esta
bili
da
dE
mo
cio
nal;
CI:
cocie
nte
inte
lectu
al;
M:
va
ria
ble
late
nte
;M
1:
inte
rés
po
ra
ctivid
ade
sq
ue
no
implic
an
esfu
erz
o;
M2
:a
uto
co
nce
pto
com
otr
ab
aja
do
r;M
3:
an
sie
dad
facili
tado
rade
lre
nd
imie
nto
;S
S:
esta
tus
socio
mé
tric
o;
S1
:au
toco
nce
pto
en
ha
bili
da
dfísic
a;
S2:
au
toconce
pto
en
len
gu
ain
gle
sa;
NM
:n
ota
me
dia
.
Fig
ura
20
.M
ode
lote
órico
inic
ial.
Resultados.
Modelo
causal.
291
E:
éxito
aca
dé
mic
o:
exte
rno
/inco
ntr
ola
ble
;B
:In
esta
bili
da
dE
mo
cio
nal;
CI:
cocie
nte
inte
lectu
al;
M:
va
ria
ble
late
nte
;M
1:
inte
rés
po
ra
ctivid
ade
sq
ue
no
implic
an
esfu
erz
o;
M2
:a
uto
co
nce
pto
com
otr
ab
aja
do
r;M
3:
an
sie
dad
facili
tado
rade
lre
nd
imie
nto
;S
S:
esta
tus
socio
mé
tric
o;
S1
:au
toco
nce
pto
en
ha
bili
da
dfísic
a;
S2:
au
toconce
pto
en
len
gu
ain
gle
sa;
NM
:n
ota
me
dia
.
Fig
ura
21
.M
ode
lote
órico
inic
ial.
Estim
acio
nes
esta
nd
ariza
da
s.
Méto
do
:G
LS
.
Variable
spers
onale
spre
dic
tora
sdelR
A.E
stu
dio
em
pír
ico.
292
E:
éxito
aca
dé
mic
o:
exte
rno
/inco
ntr
ola
ble
;B
:In
esta
bili
da
dE
mo
cio
nal;
CI:
cocie
nte
inte
lectu
al;
M:
va
ria
ble
late
nte
;M
1:
inte
rés
po
ra
ctivid
ade
sq
ue
no
implic
an
esfu
erz
o;
M2
:a
uto
co
nce
pto
com
otr
ab
aja
do
r;M
3:
an
sie
dad
facili
tado
rade
lre
nd
imie
nto
;S
S:
esta
tus
socio
mé
tric
o;
S1
:au
toco
nce
pto
en
ha
bili
da
dfísic
a;
S2:
au
toconce
pto
en
len
gu
ain
gle
sa;
NM
:n
ota
me
dia
.
Fig
ura
22
.M
ode
lote
órico
inic
ial.
Estim
acio
nes
esta
nd
ariza
da
s.
Méto
do
:M
L.
Resultados. Modelo causal.
293
3.5.2. Modelos intermedios.
A partir del modelo inicial hemos introducido diversas variaciones en él
con la finalidad de ajustar dicho modelo. En las tablas 89 y 90 ofrecemos los
resultados referido a la función de discrepancia mínima de la muestra de los
diferentes modelos propuestos.
El primer modelo en el que encontramos una P >.05, necesaria para
aceptar la hipótesis nula de igualdad, para aceptar el modelo propuesto como
igual al modelo real, es el número 11 (figuras 23 y 24), de donde han
desaparecido tres variables, inestabilidad emocional (InEm), autoconcepto en
habilidad física (S1) y autoconcepto en lengua inglesa (S2).
Este modelo explica un 91 % de la varianza de la VD (92 % con el método
ML). A partir de aquí hemos continuando introduciendo modificaciones con la
finalidad de encontrar el modelo más sencillo posible y que a su vez fuera capaz
de explicar un porcentaje de varianza elevado. Hemos intentado aplicar el
aforismo -atribuido a Einstein- según el cual “Un modelo debe ser tan simple
como sea posible. Pero no más simple”.
Creemos que lo hemos conseguido.
Variables personales predictoras del RA. Estudio empírico.
294
Tabla 89.
Función de discrepancia mínima de la muestra, CMIN / DF (GLS).
NPAR CMIN DF P CMIN/DF
Modelo 1 26 243.381 29 .000 8.392
Modelo 2 23 196.342 22 .000 8.925
Modelo 3 24 161.747 21 .000 7.702
Modelo 4 25 93.197 20 .000 4.660
Modelo 5 27 82.207 18 .000 4.567
Modelo 6 28 68.436 17 .000 4.026
Modelo 7 29 53.394 16 .000 3.337
Modelo 8 23 50.673 13 .000 3.898
Modelo 9 20 32.424 8 .000 4.053
Modelo 10 21 21.939 7 .003 3.134
Modelo 11 23 7.121 5 .212 1.424
Modelo 12 19 .358 2 .816 .179
Modelo 13 14 .267 1 .605 .267
Modelo 14 14 .269 1 .604 .269
Modelo 15 9 2.249 1 .134 2.249
Modelo 16 13 2.216 2 .330 1.108
Modelo 17 13 1.542 2 .463 .771
Modelo 18 13 2.172 2 .338 1.086
Modelo 19 13 2.222 2 .329 1.111
NPAR: nº de parámetros diferentes a estimar; CMIN: valor mínimo de la discrepancia; DF: grados delibertad; P: probabilidad de obtener una discrepancia.
Resultados. Modelo causal.
295
Tabla 90.
Función de discrepancia mínima de la muestra, CMIN / DF (ML).
NPAR CMIN DF P CMIN/DF
Modelo 1 26 378.805 29 .000 13.062
Modelo 2 23 275.700 22 .000 12.532
Modelo 3 24 193.303 21 .000 9.205
Modelo 4 25 103.724 20 .000 5.186
Modelo 5 27 89.434 18 .000 4.969
Modelo 6 28 76.841 17 .000 4.520
Modelo 7 29 62.279 16 .000 3.892
Modelo 8 23 55.320 13 .000 4.255
Modelo 9 20 33.116 8 .000 4.139
Modelo 10 21 22.025 7 .003 3.146
Modelo 11 23 6.994 5 .221 1.399
Modelo 12 19 .361 2 .835 .180
Modelo 13 14 .269 1 .604 .269
Modelo 14 14 .269 1 .604 .269
Modelo 15 9 2.262 1 .133 2.262
Modelo 16 13 2.172 2 .338 1.086
Modelo 17 13 1.546 2 .462 .773
Modelo 18 13 2.172 2 .338 1.085
Modelo 19 13 2.235 2 .327 1.118
NPAR: nº de parámetros diferentes a estimar; CMIN: valor mínimo de la discrepancia; DF: grados delibertad; P: probabilidad de obtener una discrepancia.
En las tablas 91 y 92 ofrecemos los resultados de los diferentes modelos
propuestos referidos a los distintos índices de ajuste que hemos utilizado.
Variables personales predictoras del RA. Estudio empírico.
296
Tabla 91.Índices de bondad de ajuste, resumen (GLS).
ÍNDICES GFI AGFI NFI TLI CFI RMR RMSEA AIC
Modelo 1 .915 .838 .517 .275 .532 5.361 .114 295.403
Modelo 2 .924 .844 .541 .272 .555 5.451 .118 242.342
Modelo 3 .937 .865 .622 .385 .641 4.901 .108 209.747
Modelo 4 .964 .918 .782 .664 .813 3.351 .080 143.197
Modelo 5 .968 .920 .808 .673 .836 3.225 .079 136.207
Modelo 6 .973 .929 .840 .722 .869 3.129 .073 124.436
Modelo 7 .979 .942 .875 .785 .905 1.136 .064 111.394
Modelo 8 .978 .939 .868 .772 .894 1.232 .071 96.673
Modelo 9 .984 .943 .906 .801 .924 .834 .073 72.424
Modelo 10 .989 .956 .936 .851 .954 .837 .061 63.939
Modelo 11 .996 .980 .979 .972 .993 .185 .027 53.121
Modelo 12 1.000 .998 .999 1.000 1.000 .007 .000 38.358
Modelo 13 1.000 .997 .999 1.000 1.000 .004 .000 28.267
Modelo 14 1.000 .9970 1.000 1.000 1.000 .004 .000 28.269
Modelo 15 .998 .980 .992 .972 .995 .019 .047 20.249
Modelo 16 .998 .988 .993 .996 .999 .013 .014 28.216
Modelo 17 .999 .992 .995 1.000 1.000 .029 .000 27.542
Modelo 18 .999 .989 .999 1.000 1.000 .013 .012 28.172
Modelo 19 .998 .988 .993 .996 .999 .022 .014 28.222
GfI: índice de bondad de ajuste; AGFI: índice ajustado de bondad de ajuste; NFI: índice de ajustenormalizado; TLI: índice de ajuste no normalizado; CFI: índice de ajuste comparativo; RMR: raíz cuadradamedia residual; RMSEA: error cuadrático medio de aproximación; AIC: criterio de información de Akaike.
Resultados. Modelo causal.
297
Tabla 92.
Índices de bondad de ajuste, resumen (ML).
ÍNDICES GFI AGFI NFI TLI CFI RMR RMSEA AIC
Modelo 1 .885 .781 .863 .800 .871 3.555 .145 430.806
Modelo 2 .908 .813 .896 .841 .903 3.230 .142 321.700
Modelo 3 .935 .861 .927 .887 .934 2.548 .120 241.303
Modelo 4 .962 .915 .961 .942 .968 1.991 .086 153.724
Modelo 5 .967 .918 .966 .945 .973 1.849 .083 143.434
Modelo 6 .971 .923 .971 .952 .977 1.823 .079 132.841
Modelo 7 .976 .932 .977 .960 .982 .609 .071 120.279
Modelo 8 .976 .935 .978 .964 .983 .719 .076 101.320
Modelo 9 .984 .945 .987 .973 .990 .266 .074 73.116
Modelo 10 .989 .958 .991 .982 .994 .265 .061 64.025
Modelo 11 .997 .981 .997 .997 .999 .113 .026 52.994
Modelo 12 1.000 .998 1.000 1.000 1.000 .007 .000 38.361
Modelo 13 1.000 .997 1.000 1.000 1.000 .004 .000 28.269
Modelo 14 1.000 .997 1.000 1.000 1.000 .004 .000 28.269
Modelo 15 .998 .980 .999 .996 .999 .019 .047 20.262
Modelo 16 .999 .989 .999 1.000 1.000 .013 .012 28.172
Modelo 17 .999 .992 .999 1.000 1.000 .028 .000 27.546
Modelo 18 .999 .989 .999 1.000 1.000 .013 .012 28.172
Modelo 19 .998 .988 .999 .999 1.000 .020 .014 28.235
GfI: índice de bondad de ajuste; AGFI: índice ajustado de bondad de ajuste; NFI: índice de ajustenormalizado; TLI: índice de ajuste no normalizado; CFI: índice de ajuste comparativo; RMR: raíz cuadradamedia residual; RMSEA: error cuadrático medio de aproximación; AIC: criterio de información de Akaike.
Variable
spers
onale
spre
dic
tora
sdelR
A.E
stu
dio
em
pír
ico.
298
E:
éxito
acad
ém
ico
:e
xte
rno
/inco
ntr
ola
ble
;C
I:co
cie
nte
inte
lectu
al;
M:
va
ria
ble
late
nte
;M
1:
inte
rés
po
ra
ctivid
ad
es
que
no
imp
lican
esfu
erz
o;M
2:
au
toco
nce
pto
co
mo
tra
ba
jad
or;
M3
:a
nsie
dad
facili
tad
ora
de
lre
nd
imie
nto
;S
S:e
sta
tus
so
cio
mé
tric
o;
NM
:n
ota
me
dia
.
Fig
ura
23
.M
ode
lo11.E
stim
acio
ne
se
sta
nda
riza
da
s.
Mé
todo
:G
LS
.
Resultados.
Modelo
causal.
299
E:
éxito
acad
ém
ico
:e
xte
rno
/inco
ntr
ola
ble
;C
I:co
cie
nte
inte
lectu
al;
M:
va
ria
ble
late
nte
;M
1:
inte
rés
po
ra
ctivid
ad
es
que
no
imp
lican
esfu
erz
o;M
2:
au
toco
nce
pto
co
mo
tra
ba
jad
or;
M3
:a
nsie
dad
facili
tad
ora
de
lre
nd
imie
nto
;S
S:e
sta
tus
so
cio
mé
tric
o;
NM
:n
ota
me
dia
.
Fig
ura
24
.M
ode
lo11.E
stim
acio
ne
se
sta
nda
riza
da
s.
Mé
todo
:M
L.
Variables personales predictoras del RA. Estudio empírico.
300
3.5.3. Modelo final.
El modelo número 20 es el más sencillo de los que hemos probado y que
explica un porcentaje de varianza de la VD considerable (tabla 93, figura 25), un
78%. En la tablas 94 y 95 mostramos los valores de los índices de ajuste
calculados, todos son satisfactorios.
Tabla 93.
Modelo 20 (final). Correlaciones múltiples al cuadrado.
Método SS M2 M3 NM
GLS .000 .534 .204 .775
ML .000 .533 .203 .775
SS: estatus sociométrico; M3: ansiedad facilitadora del rendimiento; M2: autoconcepto como trabajador;NM: nota media.
Tabla 94.
Modelo 20 (final). Función de discrepancia mínima de la muestra, CMIN / DF.
Método NPAR CMIN DF P CMIN/DF
GLS 9 1.525 1 .217 1.525
ML 9 1.532 1 .216 1.532
Tabla 95.
Modelo 20 (final). Índices de bondad de ajuste, resumen.
Método GFI AGFI NFI TLI CFI RMR RMSEA AIC
GLS .999 .987 .994 .988 .998 .018 .030 19.525
ML .999 .987 .999 .998 1.000 .016 .031 19.532
GfI: índice de bondad de ajuste; AGFI: índice ajustado de bondad de ajuste; NFI: índice de ajustenormalizado; TLI: índice de ajuste no normalizado; CFI: índice de ajuste comparativo; RMR: raíz cuadradamedia residual; RMSEA: error cuadrático medio de aproximación; AIC: criterio de información de Akaike.
Resultados. Modelo causal.
301
Hemos primado la sencillez frente a la varianza explicada. En este modelo
observamos:
que las tres variables independientes, ansiedad facilitadora del
rendimiento (M3), autoconcepto como trabajador (M2) y estatus
sociométrico (SS), inciden directamente sobre la variable dependiente,
nota media (NM),
que la VI estatus sociométrico (SS), además de influenciar directamente
a la VD, lo hace también indirectamente a través de su influencia directa
sobre la ansiedad facilitadora del rendimiento (M3),
que la VI ansiedad facilitadora del rendimiento (M3), además de
influenciar directamente a la VD, lo hace también indirectamente a través
de su influencia directa sobre el autoconcepto como trabajador (M2),
que la VI estatus sociométrico (SS) influye indirectamente sobre la
variable autoconcepto como trabajador (M2) a través de su influencia
directa sobre la ansiedad facilitadora del rendimiento (M3).
En las tablas 96, 97, 98 y 99 ofrecemos los cálculos que permiten la
comprensión de las relaciones que se establecen en el modelo. Las diferencias
que se dan entre los dos métodos empleados, GLS y ML, son mínimas cuando
existen.
Variable
spers
onale
spre
dic
tora
sdelR
A.E
stu
dio
em
pír
ico.
302
M2
:a
uto
co
nce
pto
co
mo
tra
ba
jad
or;
M3
:a
nsie
da
dfa
cili
tad
ora
de
lre
ndim
ien
to;
SS
:esta
tus
so
cio
mé
tric
o;
NM
:n
ota
me
dia
.
Fig
ura
25
.M
ode
lofin
al.
Estim
acio
ne
se
sta
nda
riza
da
s.
Mé
todo
:G
LS
yM
L.
Resultados. Modelo causal.
303
Tabla 96.Modelo 20 (final). Pesos de regresión estandarizados.
Método VARIABLES Estimate
GLS M3 ← SS ,451
M2 ← M3 ,731
NM ← SS ,151
NM ← M2 ,383
NM ← M3 ,482
ML M3 ← SS ,450
M2 ← M3 ,730
NM ← SS ,152
NM ← M2 ,383
NM ← M3 ,482
SS: estatus sociométrico; M2: autoconcepto como trabajador; M3: ansiedad facilitadora del rendimiento;NM: nota media.
Tabla 97.Modelo 20 (final). Efectos totales estandarizados.
Método SS M3 M2
GLS M3 ,451 ,000 ,000
M2 ,330 ,731 ,000
NM ,495 ,762 ,383
ML M3 ,450 ,000 ,000
M2 ,329 ,730 ,000
NM ,494 ,761 ,383
Variables personales predictoras del RA. Estudio empírico.
304
Tabla 98.
Modelo 20 (final). Efectos directos estandarizados.
Método SS M3 M2
GLS M3 ,451 ,000 ,000
M2 ,000 ,731 ,000
NM ,151 ,482 ,383
ML M3 ,450 ,000 ,000
M2 ,000 ,730 ,000
NM ,152 ,482 ,383
Tabla 99.
Modelo 20 (final). Efectos indirectos estandarizados.
Método SS M3 M2
GLS M3 ,000 ,000 ,000
M2 ,330 ,000 ,000
NM ,344 ,280 ,000
ML M3 ,000 ,000 ,000
M2 ,329 ,000 ,000
NM ,343 ,280 ,000M3: ansiedad facilitadora del rendimiento; M2: autoconcepto como trabajador; SS: estatus sociométrico;NM: nota media.
4. DISCUSIÓN DE LOS RESULTADOS.
Discusión. 1er objetivo.
307
4.1. Discusión de los resultados obtenidos en relación con el
primer objetivo de nuestra investigación.
El primer objetivo que nos hemos propuesto en nuestro trabajo consiste
en determinar si existen diferencias entre los alumnos de alto y bajo rendimiento
académico en relación a las variables consideradas, hemos establecido seis
grupos en los que englobamos nueve hipótesis de trabajo con diversas hipótesis
secundarias asociadas.
Como expusimos en el apartado correspondiente a las hipótesis (ap. 1.2),
estas han sido enunciadas en términos de hipótesis nulas.
A. Discusión de los resultados obtenidos en relación con el primer grupo
de hipótesis.
El primer grupo lo componen 3 hipótesis relacionadas con el género de
los participantes y la popularidad entre sus pares.
La primera de ellas pretende establecer la existencia, o no, de diferencias
en la popularidad de los alumnos en relación a si se es chico o chica. Los
resultados nos indican que no hay diferencias significativas, tan populares o
rechazados son los chicos como las chicas, es lógico que así sea.
Encontramos que los chicos obtienen una peor nota media que las chicas
(2ª hipótesis) pero los datos no son significativos, también aceptamos la hipótesis
nula de igualdad. Estos hallazgos son contradictorios con los datos que nos
Variables personales predictoras del RA. Estudio empírico.
308
ofrecen los informes PISA (Rica y González 2013), el Estudio Europeo de
Competencia Lingüística (INEE, 2012) o los hallazgos de Voyer y Voyer (2014),
en todos los cuales se obtienen resultados significativos a favor del mejor
rendimiento de las chicas, en el caso del último estudio citado el mejor
rendimiento se extiende a todas las áreas académicas.
Los resultados obtenidos en relación con la popularidad de los alumnos y
el rendimiento académico muestran que los alumnos rechazados obtienen peor
resultado que los alumnos que son percibidos como populares por sus pares, la
interpretación no es clara ya que, por una parte, podría ocurrir que al alumno que
fracasa en la escuela se le rechaza, o que el alumno que es rechazado fracasa
por causa de ese rechazo. Lo más probable es que sea un efecto circular: el
fracaso origina rechazo que a su vez origina más fracaso que a su vez …
Estos hallazgos son congruentes con los obtenidos por Estell et al. (2002),
estos autores encuentran correlaciones entre el rendimiento académico con los
alumnos a) populares prosociales, y b) que manifiestan conductas agresivas, las
correlaciones son positivas en el primer caso y negativas en el segundo.
B. Discusión de los resultados obtenidos en relación con el segundo grupo
de hipótesis.
En este segundo grupo hemos relacionado aspectos intelectuales y de
posición en el grupo, las dos hipótesis nulas que componen este grupo son
rechazadas por lo que podemos afirmar que sí hay diferencias entre los alumnos
de alto y bajo rendimiento académico en relación con la inteligencia,
representada por el CI, y con el estatus sociométrico: los alumnos de alto
Discusión. 1er objetivo.
309
rendimiento obtienen una mayor puntuación en ambas variables. La relación del
estatus con el rendimiento no hace sino confirmar la relación obtenida en el grupo
anterior con las variables popularidad y rendimiento. Por otra parte parece lógica
la existencia de una relación positiva entre inteligencia y los resultados
académicos del alumno, los datos de nuestro estudio la confirman pero el
porcentaje de varianza conjunto explicado (tabla 31) por estas variables aun
siendo significativo no llega al 11% siendo con el rendimiento en lengua
valenciana el más alto (11.2%) y con lengua castellana el más bajo (< 1%).
Hacemos notar que el porcentaje de varianza común explicada por las
variables inteligencia y estatus no llega al 1%.
C. Discusión de los resultados obtenidos en relación con el tercer grupo de
hipótesis.
Este tercer grupo se relaciona con la motivación de los alumnos y la
hipótesis nula principal la establecimos en los siguientes términos: no existen
diferencias entre los alumnos de alto y bajo rendimiento académico en relación
a la motivación hacia el aprendizaje, con diez subhipótesis.
Todas ellas son rechazadas y la conclusión es clara: existen diferencias
entre los chicos con alto y bajo rendimiento. Así, encontramos que los alumnos
con un rendimiento académico bajo obtienen puntuaciones superiores que sus
compañeros de mejor rendimiento en el interés por actividades que no implican
esfuerzo, en ansiedad inhibidora del rendimiento, en la motivación para lucirse -
y también para no lucirse-, en la evitación de juicios negativos y en la búsqueda
de juicios positivos de competencia, y en el sentimiento de ‘vago’.
Variables personales predictoras del RA. Estudio empírico.
310
Los alumnos de alto rendimiento obtienen mejores puntuaciones que sus
compañeros en el interés que muestran por las actividades académicas, en su
autoconcepto como trabajador y en la ansiedad facilitadora del rendimiento.
Observamos que los alumnos de bajo rendimiento persiguen la
aprobación tanto de sus pares como de sus profesores, evitan el fracaso -o lo
intentan- implicándose en actividades fáciles que les supongan un éxito seguro,
tal vez intentan explicar su bajo rendimiento atribuyéndolo a su falta de esfuerzo
(‘soy vago’). Todo ello les lleva a presentar síntomas de ansiedad que hace que
se inhiban ante tareas escolares por miedo a fracasar y, como consecuencia, a
obtener juicios negativos. Los alumnos de mejor rendimiento también puntúan
en estas variables pero evidentemente menos que sus otros compañeros, su
miedo a fracasar es menor y por tanto, la ansiedad que genera el enfrentarse a
una tarea no inhibe la acción sino que la facilita. Observamos que las medias de
las puntuaciones en ansiedad facilitadora e inhibidora son casi las mismas pero
inversas en ambos grupos de alumnos.
Las correlaciones que obtenemos entre estas variables y el rendimiento
académico (tablas 32 y 33) van en la línea de lo que venimos comentando, son
positivas con las variables mencionadas: interés por actividades académicas,
autoconcepto como trabajador y ansiedad facilitadora del rendimiento, y
negativas con el resto. El porcentaje de varianza común explicada es alto, así
rendimiento y evitación de juicios negativos es superior al 68%, la más baja es
con el interés por el lucimiento que es de un 45%. Hacemos notar, igual que en
el apartado anterior que la varianza común que explica cada una de las variables
de motivación con la inteligencia no supera el 10%.
Discusión. 1er objetivo.
311
D. Discusión de los resultados obtenidos en relación con el cuarto grupo
de hipótesis.
Son las atribuciones que los alumnos hacen de las causas de sus éxitos
y de sus fracasos el eje de este grupo de hipótesis, pretendemos demostrar -al
rechazar la hipótesis nula formulada- que sí existen diferencias entre los alumnos
de alto y bajo rendimiento académico en relación a estas atribuciones.
Para ello hemos establecido dos subgrupos de hipótesis, uno relacionado
con el éxito y el fracaso el en rendimiento académico- con siete subhipótesis-, y
el otro con las relaciones interpersonales y, en este caso, con 4 subhipótesis.
Los resultados obtenidos son todos significativos y observamos que los
alumnos de bajo rendimiento obtienen puntuaciones más altas que sus
compañeros en la atribución del éxito y el fracaso académico a factores externos
e incontrolables, en el caso del fracaso también obtienen puntuaciones más altas
en su atribución a factores internos incontrolables.
Por lo que se refiere a las relaciones con sus iguales, estos alumnos
piensan en mayor medida que sus compañeros que fracasan porque son poco
hábiles o porque no se esfuerzan lo suficiente y cuando tienen éxito lo atribuyen
a causas que no tienen que ver con ellos, en suma, atribuyen el fracaso a causas
internas controlables e incontrolables y el éxito a causas externas.
Lo contrario ocurre con los alumnos de más alto rendimiento, los cuales
atribuyen el fracaso académico a la falta de esfuerzo, causa interna y controlable,
y el éxito a la habilidad, causa interna e incontrolable, y al esfuerzo. Igual sucede
con las relaciones interpares.
Variables personales predictoras del RA. Estudio empírico.
312
Las correlaciones que obtenemos entre este grupo de variables con el
rendimiento académico (tablas 34 y 35) son sensiblemente más bajas, aunque
significativas, que en el apartado anterior, el porcentaje de varianza común
explicada no supera en ningún caso el 25%, la más alta se da con la atribución
del éxito tanto académico como social a factores externos e incontrolables (23%
en ambos casos).
Estos resultados se relacionan con los obtenidos en el apartado anterior.
Así, si cruzamos las variables motivacionales con las de atribución (ver tablas 42
y 43) encontramos correlaciones positivas entre aspectos tales como, por un
lado, el interés por actividades académicas, el autoconcepto como trabajador y
la ansiedad facilitadora del rendimiento y, por otro, la atribución del éxito y el
fracaso académico a causas internas y controlables, el esfuerzo. Por el contrario,
las correlaciones negativas se dan con la atribución a causas externas e internas
incontrolables como por ejemplo atribuir el fracaso al profesor o a la falta de
habilidad. Las correlaciones más altas (.487 y .481) se dan entre la variable
‘evitar juicios negativos’ y la atribución del fracaso tanto académico como social
a factores externos/incontrolables, lo que resulta ser un posible mecanismo de
defensa en aquellos alumnos para los que resulta indeseable un juicio negativo
por parte de sus pares, o de sus profesores o de su familia, una forma de
escaparse de este juicio es negar la propia responsabilidad en el éxito/fracaso,
atribuyendo a causas ajenas al sujeto ese éxito o fracaso.
Los datos obtenidos apoyan los hallados por otros autores tales como
Álvaro Page et al. (1990), Bennett (2003), Dweck (2012), Dweck y Reppucci
(1973), Pintrich y De Groot (1990) y Weiner (1970, 1980, 1986) entre otros.
Discusión. 1er objetivo.
313
E. Discusión de los resultados obtenidos en relación con el quinto grupo
de hipótesis.
Este grupo lo forman las hipótesis relacionadas con los diferentes
autoconceptos, la hipótesis nula general es la de que no existen diferencias entre
los alumnos de alto y de bajo rendimiento académico.
Son ocho las subhipótesis que hemos establecido, los resultados son
significativos en todos los casos menos en los autoconceptos referidos a
aspectos físicos, no hay diferencias significativas entre los chicos de alto y bajo
rendimiento en relación a la apariencia y a la habilidad física.
El resto de hipótesis nulas de igualdad son rechazadas, los datos
muestran que los alumnos de alto rendimiento tienen un autoconcepto más
elevado en todos los aspectos evaluados (matemáticas, lenguaje, lengua
inglesa, relaciones con su familia, sus profesores y sus pares) que sus
compañeros de menor rendimiento.
Igual que en el apartado anterior, todas las correlaciones que obtenemos
entre las variables de autoconcepto con el rendimiento académico medio (tablas
36 y 37) son significativas y más bajas que las de los apartados anteriores, la
varianza común explicada no supera en ningún caso el 19%, la más alta se da
con el autoconcepto en lengua inglesa (18%). Las correlaciones son las
esperadas, el rendimiento en cada una de las materias correlaciona
positivamente con su autoconcepto, salvo en un caso, curiosamente es menor la
correlación obtenida entre el rendimiento en lengua castellana con su
correspondiente autoconcepto que con el autoconcepto en lengua inglesa,
Variables personales predictoras del RA. Estudio empírico.
314
podría explicarse este hallazgo por la importancia que la sociedad otorga al
conocimiento del inglés como herramienta de comunicación y de trabajo.
Las correlaciones obtenidas entre los autoconceptos relacionales con el
rendimiento académico son las esperadas, positivas, lo que indica que el alumno
que obtiene buenos resultados percibe una mejor relación con padres,
profesores e iguales, igual ocurre con el estatus sociométrico.
F. Discusión de los resultados obtenidos en relación con el sexto grupo de
hipótesis.
La hipótesis nula general formulada en este grupo es la de no existencia
de diferencias en relación a los diferentes aspectos de la personalidad entre los
alumnos de alto y bajo rendimiento académico, la cual la detallamos en cinco
subhipótesis. Los resultados muestran que sí existen diferencias significativas
entre los grupos de alumnos considerados en todas las facetas de la
personalidad evaluadas.
Los chicos de alto rendimiento obtienen puntuaciones más altas en
autorregulación, apertura, extraversión y prosocialidad, los alumnos de bajo
rendimiento puntúan más alto en inestabilidad emocional. Sin embargo las
correlaciones de estas variables con el rendimiento académico son moderadas,
el porcentaje de varianza explicada más alto (tablas 38 y 39) se da entre el
rendimiento en matemáticas y la apertura (.26). También es esta última variable
la que presenta correlaciones más altas con las variables de rendimiento (tablas
46 y 47), las cuales están cerca de .45, negativas con la ansiedad inhibidora, el
interés por actividades que no implican esfuerzo, evitar juicios negativos y
Discusión. 1er objetivo.
315
autoconcepto como vago, y positivas con el interés por actividades académicas,
el autoconcepto como trabajador y la ansiedad facilitadora del rendimiento.
Por otra parte, las correlaciones que se dan entre personalidad e
inteligencia no son de importancia, cuando son significativas no supera el 5% la
varianza común explicada. Igual sucede con el estatus de los alumnos.
Discusión. 2º objetivo.
317
4.2. Discusión de los resultados obtenidos en relación con el
segundo objetivo de nuestra investigación.
Nuestro segundo objetivo consiste es establecer las variables que pueden
predecir el rendimiento académico y su peso en dicha predicción.
Al igual que en el apartado anterior la hipótesis a contrastar la hemos
definido en términos de nulidad, es decir hemos sometido a contraste la hipótesis
de la no existencia de diferencias entre las variables estudiadas en cuanto al
poder de predicción del rendimiento académico de los alumnos.
Como vimos, los resultados nos muestran que sí existen diferencias y que
hemos conseguido establecer las variables, de entre las estudiadas, que
predicen en mayor o menor manera la variable dependiente.
Así pues, nos encontramos con que las nueve variables que forman parte
de la ecuación de ajuste explican un 73.3% de la varianza de la variable
dependiente (nota media dicotomizada), es más, como dijimos anteriormente la
probabilidad de clasificar de forma correcta a un par de sujetos, uno con bajo
rendimiento y otro con alto, es del 94.2 % (ver curva COR), son porcentajes muy
altos.
Veamos a continuación el peso de cada una de las variables que entran
a formar parte de la ecuación de ajuste. La variable con mayor poder predictivo
es el estatus sociométrico del alumno y la menor su inteligencia representada
por el CI, con respecto a la segunda vemos que se confirman los resultados
Variables personales predictoras del RA. Estudio empírico.
318
obtenidos con anterioridad, recordemos que las correlaciones encontradas entre
inteligencia y rendimiento aunque significativas no eran muy altas. La ecuación
de ajuste recordemos que era la siguiente:
x = 0.028CI + 1.368SS - 0.324E1A + 0.446E5 + 0.418E8 - 0.088RA1a -
0.098SDQ_cf + 0.119SDQ_ing - 0.092InEm
De estas nueve variables, el aporte de tres de ellas -interés por
actividades que no suponen esfuerzo, la atribución del éxito académico a
factores externos e incontrolables, y la inestabilidad emocional- es negativo, es
decir cuanto más alta sea la puntuación en estas variables menor será el
rendimiento académico.
Resulta coherente, el alumno que se interesa por tareas que le resultan
fáciles está huyendo de aquellas que le suponen un reto a su autoestima, en
estas tareas se asegura el éxito y así evita el fracaso que hace peligrar su
autoestima y la forma en que le ven sus compañeros; este hallazgo es coherente
con las teorías de Atkinson (1957, 1964), Atkinson y Feather (1966), Atkinson y
Raynor (1974), Pardo Merino y Alonso Tapia (1990).
El atribuir el éxito a la suerte (factor externo e incontrolado) hace que el
sujeto no tenga ninguna intención de perseverar en la acción ya que este factor
no garantiza la estabilidad en el tiempo, es típico del sujeto que acostumbrado a
fracasar cuando obtiene un éxito lo atribuye a la casualidad y no al esfuerzo que
ha hecho o a su capacidad.
La aportación de la última de las variables negativas indica que es
necesaria una cierta estabilidad emocional para obtener un buen rendimiento
académico, el sujeto que presenta ansiedad en exceso, algún proceso depresivo
Discusión. 2º objetivo.
319
leve, tensión exagerada, timidez, etc., está demasiado preocupado por
demasiadas circunstancias y durante demasiado tiempo lo que le origina una
notable falta de concentración que le impide desarrollar un comportamiento de
rendimiento adecuado.
Por lo que respecta a las cinco variables restantes, podemos decir lo
contrario, contribuyen de forma positiva al rendimiento académico del alumno.
Es lo esperado, la inteligencia del sujeto afecta positivamente pero de forma muy
leve, el hecho de que el sujeto considere que sus habilidades físicas son las que
él espera también ejerce un efecto positivo también leve pero tres veces mayor
que el que ejerce la inteligencia.
La siguiente variable, de menor a mayor influencia es el autoconcepto que
el alumno tiene referido a su capacidad en la materia de inglés, es llamativo que
entre a formar parte de la ecuación de ajuste este autoconcepto y no los del resto
de materias. Es posible que sea debido a la importancia creciente que la
sociedad le da al aprendizaje de la lengua inglesa como herramienta de
comunicación y de trabajo.
Las dos variables siguientes, ansiedad facilitadora del rendimiento y
autoconcepto como trabajador, tienen un peso semejante. Para que se produzca
un rendimiento adecuado es necesario que se dé un cierto nivel de ansiedad en
el sentido de que cuando el sujeto se enfrenta a una tarea más o menos
problemática el sujeto sienta un cierto interés hacia la tarea, interés que se
traduce en ansiedad facilitadora que no debe ser excesiva porque, en ese caso,
el sujeto será incapaz de resolver el problema de que se trate.
Variables personales predictoras del RA. Estudio empírico.
320
El hecho de que el sujeto se considere una persona trabajadora sin duda
ayuda a obtener un buen resultado académico.
La última de las variables positivas es el estatus que el sujeto tiene en el
grupo. Nuestros hallazgos muestran que es la variable con mayor poder predictor
de todas las que entran a formar parte de la ecuación de ajuste, la diferencia
entre esta variable y la de menos poder predictor -inteligencia- es de 48 veces a
favor de la primera. Nuestros resultados son consistentes con los obtenidos por
Greenman, Schneider y Tomada (2009), Hoogeeven, Hell y Verhoeven (2009,
Titkova, Ivaniushina y Alexandrov (2013), Wentzel (1991), Wentzel (2003),
Wentzel y Asher (1995) y Wentzel, Barry y Caldwell (2004) entre otros.
Discusión. 2º objetivo.
321
4.3. Discusión de los resultados obtenidos en relación con el
tercer objetivo de nuestra investigación.
Recordemos que nuestro tercer objetivo consistía en establecer un
modelo que pudiera explicar las relaciones que se producen entre las variables
y con el rendimiento académico y la hipótesis nula de igualdad a contrastar era
la de no existencia de diferencias entre el modelo propuesto y los datos
empíricos obtenidos en nuestro estudio.
Si aceptamos la hipótesis de igualdad estamos diciendo que nuestro
modelo se ajusta a los datos, es decir es un modelo que representa con fidelidad
la realidad. Es lo que hemos conseguido, hemos obtenido un modelo sumamente
sencillo que explica un porcentaje elevado de la varianza de la variable
dependiente (78%).
En un primer momento propusimos un modelo teórico (figuras 20, 21 y
22), en el que las variables incluidas eran todas las que formaban parte de la
ecuación de ajuste hallada mediante análisis de regresión logística. Este modelo
ya explicaba entre un 65 y un 82 % de la varianza de la VD según el método que
se utilizase, porcentaje que no nos debe extrañar ya que el proceso seguido para
seleccionar las variables incluidas en el modelo ha sido muy riguroso.
Evidentemente el modelo no ajustaba a los datos.
En este primer modelo vamos introduciendo modificaciones hasta llegar
al modelo número 11 (figuras 23 y 24) que ya presenta un buen ajuste y un mejor
Variables personales predictoras del RA. Estudio empírico.
322
porcentaje de varianza explicada, un 91%. De este modelo se nos han caído 3
variables: inestabilidad emocional y los autoconceptos relacionados con la
habilidad física y con la lengua inglesa.
Podríamos habernos quedado en este punto y concluir nuestra
investigación pero pensamos que podría ser interesante simplificar este modelo
aunque se perdiera porcentaje de varianza explicada. Seguimos introduciendo
modificaciones en este modelo hasta llegar al definitivo, el número 20, modelo
de solamente tres variables que explican el 78% de la varianza de la VD.
Estas tres variables son el autoconcepto como trabajador, la ansiedad
facilitadora del rendimiento y el estatus sociométrico.
Las tres variables inciden directamente sobre la VD, la que lo hace con
más fuerza en la ansiedad y la que menos es el estatus.
El estatus influye también de forma indirecta sobre la VD y sobre la
variable autoconcepto como trabajador a través de su efecto directo sobre la
variable ansiedad, esta, por su parte, también ejerce influencia indirecta sobre la
VD a través de su influencia directa sobre la percepción que el sujeto tiene de sí
mismo como trabajador.
La explicación de estas relaciones es obvia, por un lado el hecho de que
el sujeto se considere un buen trabajador es condición necesaria pero no
suficiente para obtener un buen aprovechamiento escolar, por otro, una cierta
ansiedad favorecerá sin duda dicho aprovechamiento.
Con respecto a la última de las variables, un estatus alto supone que el
sujeto es valorado por sus iguales, valoración que es percibida por aquel y que
le impulsa a mantener dicho estatus y una de las formas de mantenerlo es
Discusión. 2º objetivo.
323
obteniendo buenas calificaciones académicas, ya que desea demostrar a sus
pares que vale. Este deseo origina ansiedad por conseguir esas calificaciones y,
por tanto, facilita el rendimiento. Al mismo tiempo esa necesidad/ansiedad hace
que el individuo se conceptualice como buen trabajador puesto que está
haciendo lo posible por rendir y, en condiciones normales, lo consigue: es el
efecto indirecto del estatus sobre la ansiedad.
5. CONCLUSIONES FINALES.
Conclusiones.
327
Al llegar a esta última parte de nuestra investigación debemos recordar el
objetivo que lo impulsó, establecer el papel que juegan determinadas variables,
y cómo, en la explicación del rendimiento académico. Este objetivo general lo
desglosamos en otros tres, más uno, que han sido cubiertos sometiendo a
contraste toda una serie de hipótesis a partir de las cuales obtenemos las
conclusiones que siguen a continuación.
A) En relación al primer objetivo. Con este objetivo pretendíamos determinar las
diferencias entre los alumnos de alto y bajo rendimiento académico en relación
a las variables consideradas en el estudio. Las conclusiones obtenidas son que
existen diferencias entre los alumnos de alto y bajo rendimiento en las cuarenta
y una variables independientes consideradas, en el sentido de que los alumnos
de alto rendimiento obtienen mejor puntuación, sea positiva o negativa, que los
de bajo rendimiento. Esas diferencias en relación con el rendimiento académico
resultan ser no significativas en solo tres variables: género y los autoconceptos
referidos a la apariencia y a la habilidad física.
B) De los resultados obtenidos con respecto al segundo objetivo, que consistía
en establecer las variables predictoras del rendimiento académico, concluimos
Variables personales predictoras del RA. Estudio empírico.
328
que sí existen variables, de entre las consideradas, que pueden predecir el
rendimiento académico de nuestros alumnos, son las nueve siguientes
ordenadas de mayor a menor peso explicativo:
a) variables con peso positivo
1. estatus sociométrico
2. autoconcepto como trabajador
3. ansiedad facilitadora del
rendimiento
4. autoconcepto referido a la materia
inglés
5. cociente intelectual
b) variables con peso negativo
1. interés por actividades que no
implican esfuerzo
2. habilidad física
3. inestabilidad emocional
4. éxito académico:
externo/incontrolable
Las cinco variables con peso positivo actúan de forma que a una mayor
puntuación le corresponde un mayor rendimiento académico y las cuatro de peso
negativo al contrario, a mayor puntuación, menor rendimiento.
C) Las conclusiones que establecemos en relación al tercer objetivo de nuestra
investigación que consistía en establecer un modelo explicativo de las relaciones
que se producen entre a) las variables estudiadas, y b) entre ellas y el
rendimiento académico, son las que siguen a continuación.
a) El modelo establecido es muy simple, con solo tres variables explica más de
las tres cuartas partes de la variación de la variable dependiente.
b) En nuestro estudio, las variables que son causa directa del rendimiento
académico de nuestros alumnos son tres siendo su contribución positiva, es
Conclusiones.
329
decir, cuanta más alta sea la puntuación mayor es el rendimiento. Dichas
variables son las siguientes:
autoconcepto como trabajador,
ansiedad facilitadora del rendimiento, y
estatus sociométrico.
c) Dos de las tres variables de nuestro modelo influyen indirectamente sobre el
rendimiento académico a través de la influencia que ejercen sobre las otras
variables independientes, así el estatus sociométrico influye sobre la
ansiedad facilitadora y esta lo hace sobre el autoconcepto como trabajador.
d) Al mismo tiempo, el estatus influye indirectamente sobre el autoconcepto a
través de la influencia que ejerce sobre la ansiedad.
D) Por último, el cuarto objetivo establecido gira en torno a las implicaciones
educativas que podemos hacer a partir de los hallazgos obtenidos en nuestra
investigación con el fin de actuar desde la realidad escolar sobre aquellas
variables que influyen en el rendimiento académico.
Es evidente que si las tres variables que forman nuestro modelo
explicativo explican, valga la redundancia, un porcentaje elevado de la variación
de la variable dependiente, rendimiento académico, de nuestros alumnos y
alumnas, el trabajo en el aula deberá considerar de forma prioritaria favorecer,
mejorar, estas variables.
El estatus que el alumno tiene entre sus iguales se ha revelado como un
importante factor explicativo ya que si su efecto directo sobre el rendimiento es
escaso, su efecto indirecto es muy fuerte. Es la única variable que influye sobre
Variables personales predictoras del RA. Estudio empírico.
330
todas las demás y es por ello que sería más que conveniente establecer dentro
del aula programas que favorezcan el establecimiento de unas relaciones
interpersonales positivas, programas que podrían ir en el sentido de desarrollar
la inteligencia emocional y social.
Estos programas no deben desarrollarse aparte de las materias
ordinarias, deben estar incluidos dentro de la organización ordinaria de la clase
lo que supone cambiar la forma de actuar del profesor, este ha de pasar de un
tipo de enseñanza/aprendizaje en el que el profesor sabe y los alumnos no, el
profesor habla y los alumnos escuchan, a otro en el que todos hablan y
escuchan, apuntamos a un proceso de enseñanza/aprendizaje de tipo
cooperativo en el que los alumnos participen activamente en la construcción de
su aprendizaje. Un proceso en el cual, el grupo sea la base de los aprendizajes,
en el que el debate y el trabajo conjunto sean el motor y el profesor actúe como
guía.
Por otra parte, la educación debe tender a conseguir ‘cabezas bien
formadas’ en lugar de ‘cabezas bien llenas’, debemos abandonar la idea de la
pedagogía ‘bancaria’ que, en palabras de Paulo Freyre, consiste en considerar
al alumno como un recipiente en el cual se van introduciendo contenidos y
cuantos más tenga más réditos le producirán. En caso contrario que es lo que
sucede en el sistema educativo actual en el que, como ya dijimos, priman los
exámenes, los deberes y la memoria, poco espacio queda para salvaguardar y
promocionar aspectos tales como el autoconcepto o el establecimiento de
relaciones con los iguales en el marco del aula. La primera premisa de un
profesor debería ser que “todo alumno sea feliz en el colegio” y la felicidad
empieza por disfrutar de lo que uno hace en compañía. Y para ello lejos han de
Conclusiones.
331
quedar las organizaciones de aula individualistas. El hombre es un ser social,
que vive y se desarrolla en sociedad y que necesita de los demás para
conocerse, crecer y reafirmarse.
Es un problema no solo del trabajo diario del profesor en el aula, es un
problema que empieza, si es que hay un principio, en las facultades de educación
donde observamos unos programas de estudios en los que se priman, no
quisiéramos generalizar, los tres aspectos antes mencionados y como
consecuencia nuestros alumnos cuando se incorporen al mundo educativo
tenderán a reproducir los patrones ¿educativos? que les hemos transmitido.
Por último, algunas reflexiones, en primer lugar, una de las limitaciones
del estudio viene impuesta por la forma de seleccionar a los participantes. Al ser
una selección incidental es posible que nuestros resultados tengan una
generalización débil.
En segundo lugar, hemos de apuntar la conveniencia de estudiar en
profundidad el estatus sociométrico como variable dependiente, estableciendo
sus posibles variables causales.
En tercero, señalar la conveniencia también de intentar establecer un
modelo que explique las variables y sus relaciones en alumnos con necesidades
educativas especiales.
Y en cuarto lugar, decir que si con este trabajo contribuimos a mejorar algo el
proceso de enseñanza/aprendizaje, nos damos por satisfechos.
BIBLIOGRAFÍA
Bibliografía
335
Abe, J.A.A. (2005). The predictive validity of the Five-Factor Model of personality with
preschool age children: A nine year follow-up study. Journal of Research in
Personality, 39, 423-442.
Acat, M.B., & Dereli, E. (2012). Preschool Teaching Students’ Prediction of Decision
Making Strategies and Academic Achievement on Learning Motivations. Educational
Sciences: Theory & Practice, 12 (4), 2670-2678.
Ackerman, P.L. (1996). A theory of adult intellectual development: process, personality,
interests and knowledge. Intelligence, 22, 229-259.
Ackerman, P.L. (2000). Domain-specific knowledge as the “dark matter” of adult
intelligence: Gf/Gc, personality and interest correlates. Journals of Gerontology:
Series B: Psychological Sciences and Social Sciences, 55B, 69-84.
Ackerman, P.L., & Heggestad, E.D. (1997). Intelligence, personality, and interests:
Evidence for overlapping traits. Psychological Bulletin, 121, 219-245.
Adler, P.A., & Adler, P. (1998). Peer power: Preadolescent culture and identity. New
Brunswick, NJ: Rutgers University Press.
Adler, P.A., Kless, S.J., & Adler, P. (1992). Socialization to gender roles: Popularity
among elementary school boys and girls. Sociology of Education, 65, 169-187.
Aiken, L.R. (2003). Tests psicológicos y evaluación, 11ª ed. México: Pearson.
Alderete, A.M. (2006). Fundamentos del Análisis de Regresión Logística en la Investigación
Psicológica. Evaluar, 6, 52-67.
Allport, G.W. (1937). Personality: A psychological interpretation. New York, NY: Holt,
Rinehart and Winston. (Trad. Cast. de 1974: Psicología de la personalidad. Buenos
Aires: Paidós).
Allport, G.W. (1961). Pattern and growth in personality. New York, NY: Holt, Rinehart &
Winston.
Allport, G.W. (1966). La personalidad: su configuración y desarrollo. Barcelona: Herder.
Alonso Tapia, J. (2005). Motivación para el aprendizaje: la perspectiva de los alumnos.
Variables personales predictoras del rendimiento académico. Un modelo causal.
336
En Ministerio de Educación y Ciencia, La orientación escolar en centros educativos.
(pp. 209-242). Madrid: MEC. Disponible en:
http://www.uam.es/gruposinv/meva/publicaciones%20jesus/capitulos_espanyol_jes
us/2005_motivacion%20para%20el%20aprendizaje%20Perspectiva%20alumnos.pd
f
Alonso Tapia, J., y Sánchez Ferrer, J. (1992). El cuestionario MAPE-I: Motivación hacia
el aprendizaje. En J. Alonso Tapia (Coord.), Motivar en la adolescencia. Teoría,
Evaluación e Intervención (pp. 53-91). Madrid: UAM.
Alonso Tapia, J., y Sánchez García, J.C. (1992). Estilos atributivos y motivación: El
cuestionario EAT. En J. Alonso Tapia (Coord.), Motivar en la adolescencia. Teoría,
Evaluación e Intervención (pp. 93-133). Madrid: UAM.
Álvaro Page, M., Bueno Monreal, M.J., Calleja Sopeña, J.A., Cerdán Victoria, J.,
Echeverría Cubillas, M.J., García López, C., et al. (1990). Hacia un modelo causal
del rendimiento académico. Madrid: MEC / CIDE.
Ames, C., & Archer, J. (1988). Achievement goals in the classroom: Students‘ learning
strategies and motivation processes. Journal of Educational Psychology, 80, 260-267.
doi:10.1037/0022-0663.80.3.260
Anderson, C., Kraus, M.W., & Keltner, D. (2011). The Local Ladder Effect: Social Status
and Subjective Well-Being. IRLE Working Paper, No. 110-11. Available:
http://irle.berkeley.edu/workingpapers/110-11.pdf
Andrés Muñoz, M.C. (1952). La inteligencia como factor influyente en el rendimiento
escolar. Bordón, 25-26, 47-59.
Anghelache, V. (2013). Determinant factors of students’ attitudes toward learning.
Procedia - Social and Behavioral Sciences 93, 478-482.
Arden, R, Gottfredson, L.S., Miller, G. & Pierce, A. (2009). Intelligence and Semen
Quality are Positively Correlated. Intelligence, 37 (3), 277-282.
Ardila, A., Rosselli, M., Matute, E., & Inozemtseva, O. (2011). Gender differences in
cognitive development. Developmental Psychology, 47 (4), 984-990.
Areepattamannil, S., & Freeman, J.G. (2008). Academic achievement, academic
selfconcept, and academic motivation of immigrant adolescents in the greater Toronto
area secondary schools. Journal of Advanced Academics, 19, 700-743.
Arens, A., Craven, R., Yeung, A., & Hasselhorn, M. (2011). The twofold
multidimensionality of academic self-concept: Domain specificity and separation
Bibliografía
337
between competence and affect components. Journal of Educational Psychology, 103
(4), 970-981.
Arias, B. (2008). Desarrollo de un ejemplo de análisis factorial confirmatorio con LISREL,
AMOS y SAS. En M.A. Verdugo, M. Crespo, M. Badía y B. Arias (Coords.),
Metodología en la investigación sobre discapacidad. Introducción al uso de las
ecuaciones estructurales. VI Simposio Científico SAID, 2008 (pp. 75-120).
Salamanca: USAL-INICO.
Arruga i Valeri, A. (1983). Introducción al test sociométrico. Barcelona: Herder.
Asendorpf, J.B., & Van Aken, M.A.G. (2003). Validity of five personality judgments in
childhood: A 9-year longitudinal study. European Journal of Personality, 32, 649-656.
Atkinson, J.W. (1957). Motivational determinants of risk-taking behavior. Psychological
Review, 64, 359-372.
Atkinson, J.W. (1958). Motive in fantasy, action, and society. Princeton, NJ: Van
Nostrand.
Atkinson, J.W. (1964). An introduction to motivation. Princeton, NJ: Van Nostrand.
Atkinson, J.W., & Feather, N.T. (1966). A Theory of Achievement Motivation. New York,
NY: Wiley.
Atkinson, J.W., & Raynor, J.O. (1974). Motivation and achievement. Washington, DC:
Raynor.
Avia, M. (2001). Cartas a un joven psicólogo. Madrid. Editorial Alianza.
Baby, A. (2002). Note pour une écologie de la réussite scolaire au Québec. Québec,
CTREQ.
Baker, L.A., Vernon, P.A. & Ho, H.Z. (1991). The genetic correlation between intelligence
and speed of information processing. Behavior Genetics, 21 (4), 351-367.
Bandura, A. (1971). Social learning Theory. New York, NY: General Learning Press.
Available on:
http://www.esludwig.com/uploads/2/6/1/0/26105457/bandura_sociallearningtheory.p
df
Bandura, A. (1977). Social Learning Theory. New York, NY: General Learning Press.
Bandura, A. (1986). Social Foundations of Thought and Action: A Social Cognitive
Theory. Englewood Cliffs, NJ: Prentice-Hall.
Bandura, A. (1997). Self-efficacy: The exercise of control. New York, NY: Freeman.
Variables personales predictoras del rendimiento académico. Un modelo causal.
338
Bandura, A., & Locke, E. A. (2003). Negative self-efficacy and goal effects revisited.
Journal of Applied Psychology, 88(1), 87-99.
Bandura, A., & Walters, R.H. (1963). Social Learning and Personality Development. New
York, NY: Holt, Rinehart and Winston.
Barbaranelli, C., Caprara, G.V., Rabasca, A. & Pastorelli, C. (2003). A questionnaire for
measuring the big five in late childhood. Personality and Individual Differences, 32,
645-664.
Barbaranelli, C., Caprara, G.V., y Rabasca, A. (2006). BFQ-NA. Cuestionario “Big Five”
de personalidad para niños y adolescentes. Madrid: TEA.
Baron, J. (1985). Rationality and Intelligence. Cambridge, UK: Cambridge University
Press.
Barrick, M.R., & Mount, M.K. (1991). The Big Five personality dimensions and job
performance: A meta-analysis. Personnel Psychology, 44, 1-26.
Barrick, M.R., & Mount, M.K. (1993). Autonomy as a moderator of the relationships
between the big five personality dimensions and job performance. Journal of Applied
Psychology, 78, 111-118.
Bartels, M., Rietveld, M.J.H., Van Baal, G.C.M. & Boomsma, D.I. (2002). Heritability of
educational achievement in 12-year-old and the overlap with cognitive ability. Twin
Research 5, 544-553.
Bates, T.C., & Rock, A. (2004). Personality and information processing speed:
Independent influences on intelligent performance. Intelligence, 32, 33-46.
Bates, T.C., & Shieles, A. (2003). Crystallized intelligence as a product of speed and
drive for experience: The relationship of inspection time and Openness to g and gc.
Intelligence, 31, 275−287.
Baumeister, R.F., & Leary, M.R. (1995). The need to belong: Desire for interpersonal
attachments as a fundamental human motivation. Psychological Bulletin, 117, 497-
529.
Baumeister, R.F., Campbell, J.D., Krueger, J.I., Vohs, K.D. (2005). El mito de la
autoestima. Investigación y Ciencia, 342, 70-77.
Baydik, B., & Bakkaloğlu, H. (2009). Predictors of Sociometric Status for Low
Socioeconomic Status Elementary Mainstreamed Students with and without Special
Needs. Kuram ve Uygulamada Eğitim Bilimleri / Educational Sciences: Theory &
Practice, 9 (2), 435-447.
Bibliografía
339
Becker, M., Mcelvany, N., & Kortenbruck, M. (2010). Intrinsic and extrinsic reading
motivation as predictors of reading literacy: A longitudinal study. Journal of
Educational Psychology, 102, 773-785. doi:10.1037/a0020084
Beier, M.E., & Ackerman, P.L. (2001). Current-events knowledge in adults: An
investigation of age, intelligence, and nonability determinants. Psychology and
Aging, 16, 615-628.
Beier, M.E., & Ackerman, P.L. (2003). Determinants of health knowledge: An
investigation of age, gender, abilities, personality, and interests. Journal of
Personality and Social Psychology, 84, 439-448.
Beier, M.E., Campbell, M., & Crook, A. (2010). Developing and demostrating knowledge :
Ability and non-ability determinants of learning and performance. Intelligence, 38,
179-186.
Bennett, C.I. (2003). Comprehensive multicultural education: Theory and practice (5th
ed). Boston, MA: Allyn and Bacon.
Berk, L. (1999). Desarrollo del niño y del adolescente, 4ª ed. México: Prentice-Hall.
Bermúdez, J. (1985). Psicología de la personalidad, Tomo 1. Madrid: UNED.
Berndt, T.J., y Perry, T.B. (1990). Distinctive features and effects of early adolescent
freinships. In R. Montemayor, G.R. Adams, T.P. Gullotta (eds.), From childhood to
adolescence: A transitional period? (pp.269-287). Newbury Park, CA: Sage.
Bezanilla, J.M. (2011). Sociometría: Un método de investigación psicosocial. México,
D.F: PEI Editorial.
Bidjerano, T., & Dai, D.Y. (2007), The Relationship between the Big--Five Model of
Personality and Self-Regulated Learning Strategies. Learning and Individual
Differences, 17 (1), 69-81.
Binet, A. (1911). Nouvelles recherches sur la mesure du niveau intellectuel chez les
enfants d’école. L’Année Psychologique, 17, 145-201.
Binet, A. et Simón, T. (1905). Méthodes nouvelles pour le diagnostic du niveau
intellectuel des anormaux. L’Année psychologique, 11, 191-244.
Binet, A. et Simon, T. (1908). Le développement de l’intelligence chez les enfants.
L’Année Psychologique, 14, 1-94.
Bisquerra Alzina, R. (1989). Introducción conceptual al análisis multivariante. Vol II.
Barcelona: PPU.
Variables personales predictoras del rendimiento académico. Un modelo causal.
340
Blickle, G. (1996). Personality traits, learning strategies, and performance. European
Journal of Personality, 10, 337–352.
Bloom, B.S. (1971). Taxonomía de los objetivos de la educación: la clasificación de las
metas educacionales: manuales I y II. México, D.F.: Centro Regional de Ayuda
Técnica.
Boggiano, A.K., & Pittman, T.S. (1992). Achievement and motivation. Toronto, ON:
Cambridge University Press.
Boring, E.G. (1923).Intelligence as the tests test it. New Republic, 35, 35-37.
Bouchard, T. & McGue, M. (1981). Familial studies of intelligence: A review. Science,
212, 1055-1058.
Bouchard, P., et St-Amant, J. (1996). Le retour aux études: Les facteurs de réussite dans
quatre écoles spécialisées au Québec. Revue Canadienne de l'éducation, 21, 1-17.
Bowman, R.F. (2007). How can students be motivated: A misplaced question? Clearing
House, 81 (2), 81-86
Bratko, D., Chamorro-Premuzic T., & Saks, Z. (2006), Personality and School
Performance: Incremental Validity of Self- and Peer-Ratingover Intelligence.
Personality and Individual Differences, 41 (1), 131-142.
Brody, N. (1992). Intelligence (2nd ed.). San Diego: Academic Press.
Broussard, S.C., & Garrison, B. (2004). The Relationship Between Classroom Motivation
and Academic Achievement in Elementary-School-Aged Children. Family and
Consumer Sciences Research Journal, 33, 106-120.
Browne, M.W. (1984). Asymptotically distribution-free methods for the analysis of
covariance structures. British Journal of Mathematical and Statistical Psychology, 37,
62-83.
Bueno, J.A., y Castanedo, C. (1998). Psicología de la educación aplicada. Madrid:
Síntesis.
Bukowski, W.M., & Hoza, B. (1989). Popularity and friendship: Issues in theory,
measurement, and outcome. In T.J. Berndt & G.W. Ladd (Eds.), Peer relationships in
child development (pp. 15-45). New York, NY: Wiley
Bukowski, W.M., Hoza, B., & Boivin, M. (1993). Popularity, friendship, and emotional
adjustment during early adolescence. In B. Laursen (Ed.), Close friendships in
adolescence (pp. 23-37). San Francisco, CA: Jossey-Bass.
Bibliografía
341
Busato, V., Prins, F., Elshout, J., & Hamaker, C. (1998). The relation between learning
styles, the Big Five personality traits and achievement motivation in higher education.
Personality and Individual Differences, 26, 129-140.
Busato, V., Prins, F., Elshout, J., & Hamaker, C. (2000) Intellectual ability, learning style,
achievement motivation and academic success of psychology students in higher
education. Personality and Individual Differences, 29, 1057-1068.
C.S.I.C. (1987). Test de Aptitudes Mentales Primarias - PMA. Madrid: TEA.
Cano, F.J., Rodríguez, L., García, J., y Antuña, M.A. (2005). Introducción a la Psicología
de la Personalidad aplicada a las Ciencias de la Educación. Sevilla: MAD - Trillas
Eduforma.
Carabaña, J. (1979). Origen social, inteligencia y rendimiento académico al final de la
EGB. En INCIE (Ed.), Temas de Investigación Educativa. Madrid: Servicio de
Publicaciones del MEC.
Carabaña, J. (2013). Repetición de curso y puntuaciones PISA ¿Cuál es la causa? En
PISA 2012. Informe español, Vol. II: Análisis secundario (pp. 33-66). Madrid: MCDE-
INEE.
Carreira, J.M. (2012). Motivational orientations and psychological needs in EFL learning
among elementary school students in Japan. System, 40, 191-202.
Carroll, J.B. (1993). Human Cognitive Abilities. New York: Cambridge University Press.
Cascón, I. (2000). Análisis de las calificaciones escolares como criterio de rendimiento
académico. Disponible:
https://campus.usal.es/~inico/investigacion/jornadas/jornada2/comun/c17.html
Cattell, R.B. (1949). Test of "g": Culture fair. Savoy, IL: Institute for Personality and Ability
Testing.
Cattell, R.B. (1950). Personality: A systematic theoretical and factual study. New York,
NY: McGraw-Hill.
Cattell, R.B. (1957). Personality and motivation structure and measurement. New York,
NY: Harcourt, Brace & World.
Cattell, R.B. (1963). Theory of fluid and crystallized intelligence: A critical experiment.
Journal of Educational Psychology, 54, 1-22.
Cattell, R. B. (1971). Abilities: Their structure, growth and action. Boston: Houghton
Mifflin.
Variables personales predictoras del rendimiento académico. Un modelo causal.
342
Cattell, R.B. (1972). El análisis científico de la personalidad. Barcelona: Fontanella.
Cattell, R.B. (1973). Personality pinned down. Psychology Today, 7, 40-46.
Cattell, R.B. (2004), La théorie de l’intelligence fluide e tcristallisée; sa relation avec les
tests « culture fair » et sa vérification chez les enfants de 9 à 12 ans. Revue
Européenne de Psychologie Appliquée, 54, 47–56.
Cattell, R.B. y Cattell, A.K.S. (1986). Tests de Factor g, Escalas 2 y 3. Madrid: TEA.
Cattell, R.B. (1967). La théorie de l'intelligence fluide et cristallisée arelationavec les
tests "culture fair" et saverificationchez les enfants de 9 a 12 ens. Revue de
Psychologie Appliquée, 17 (3), 135-154.
Cattell, R.B., Cattell, A.K.S., y Cattell, H.E.P. (1995). 16PF. Cuestionario de
personalidad, 5ª ed. Madrid: TEA.
Cattell, R.B., y Kline, P. (1982). El análisis científico de la personalidad y la motivación.
Madrid: Pirámide.
Cava, M.J., Musitu, G., Buelga, S., & Murgui, S. (2010). The Relationships of Family and
Classroom Environments with Peer Relational Victimization: An Analysis of their
Gender Differences. The Spanish Journal of Psychology, 13 (1), 156-165.
Cava, M.J., y Musitu, G. (2000). Perfil de los niños con problemas de integración social
en el aula. Revista de Psicología Social, 15 (3), 319-333.
Chadwick, C. (1979). Teorías del aprendizaje y su implicancia en el trabajo en el aula.
Revista de Educación, 70, 22-25.
Chamorro-Premuzic, T., & Furnham, A. (2003a). Personality predicts academic
performance: Evidence from two longitudinal university samples. Journal of Research
in Personality, 37, 319-338.
Chamorro-Premuzic, T., & Furnham, A. (2003b). Personality traits and academic
examination performance. European Journal of Personality, 17, 237-250.
Chamorro-Premuzic, T., & Furnham, A. (2004). A possible model to understand the
personality-intelligence interface. British Journal of Psychology, 95, 249−264.
Chamorro-Premuzic, T., & Furnham, A. (2005). Personality and intellectual competence.
Mahwah, NJ: Lawrence Erlbaum Associates.
Chamorro-Premuzic, T., & Furnham, A. (2006). Intellectual competenceand the
intelligent personality: A third way in differential psychology. Review of General
Psychology, 10, 251−267.
Bibliografía
343
Chen, X., Chang, L., y He, Y. (2003) The peer group as a context: mediating and
moderating effects on relations between achievement and social functioning in
chinese children. Child Development, 74 (3), 710-727.
Chen, X., Chang, L., Liu, H., & He, Y. (2008). Effects of the peer group on the
development of social functioning and academic achievement: A longitudinal study in
Chinese children. Child Development, 79, 235-251.
Chen, X., Rubin, K.H., & Li, D. (1997). Relation between academic achievement and
social adjustment: Evidence from Chinese children. Developmental Psychology, 33,
518-525.
Chen, S.K., Yeh, Y. Ch., Hwang, F.M. & Lin, S.S.J. (2013). The relationship between
academic self-concept and achievement: A multicohort–multioccasion study.
Learning and Individual Differences, 23, 172-178.
Child, D. (1964) The relationship between introversion-extroversion, neuroticism and
performance in school examination. British Journal of Educational Psychology, 34,
178-196.
Chirkov, V.I. (2009). A cross-cultural analysis of autonomy in education: A self-
determination theory perspective., 253-262. doi:10.1177/1477878509104330
Chomsky, N. (1996). Infancia y coeficiente intelectual. El Viejo Topo, 93, 54-58.
Ciascai, L., & Haiduc, L. (2011). Gender differences in metacognitive skills. A study of
the 8th grade pupils in Romania. Procedia - Social and Behavioral Sciences, 29, 396-
401.
Cicchetti, D. (1993). Developmental psychopathology: Reactions, reflections,
projections. Developmental Review, 13, 471-502.
Cicerón, M.T. (s.f./1777). Los Oficios, con los dialogos de la Vejez, de la Amistad, las
Paradoxas, y el Sueño de Escipion, Tomo I. Madrid: Imprenta Real. Disponible en:
http://books.google.es/books?id=-
aR7tE6bYgIC&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=o
nepage&q&f=false
Cillessen, A.H.N., & Rose, A.J. (2005). Understanding popularity in the peer system.
Current Directions in Psychological Science, 14, 102-105.
Coie, J.D. (1990). Toward a theory of peer rejection. In S.R. Asher & J.D. Coie (eds.),
Peer rejection in childhood (pp. 365-401). Cambridge, UK: Cambridge University
Press.
Variables personales predictoras del rendimiento académico. Un modelo causal.
344
Coie, J.D., & Dodge, K.A., (1988). Multiple sources of data on social behavior and social
status in the school: a cross-age comparison. Child Development, 59 (3), 815-829.
Coie, J.D., Dodge, K.A., & Coppotelli, H. (1982). Dimensions and types of social status.
Developmental Psychology, 18 (4), 557-570.
Coie, J.D., Dodge, K.A., & Coppotelli, H. (2000). ). Dimensions and types of social status:
a cross-age perspective. In P.K. Smith & A.D. Pellegrini (eds.), Psychology of
Education. Major Themes, vol. 4 (pp. 94-114). New York, NY: Routledge.
Coie, J.D., Dodge, K.A., & Kupersmidt, J.B. (1990). Group behavior and social status. In
S.R. Asher & J.D. Coie (Eds.), Peer rejection in childhood (pp. 17-59). Cambridge,
England: Cambridge University Press.
Coie, J.D., & Krehbiel, G. (1984). Effects of academic tutoring on the social status of low-
achieving, socially rejected children. Child Development, 55, 1400-1416.
Coie, J.D., Lochman, J.E., Terry, R., & Hyman, C. (1992). Predicting Early Adolescent
Disorder From Childhood Aggression and Peer Rejection. Journal of Consulting and
Clinical Psychology, 60 (5), 783-792.
Coll, C., y Onrubia, J. (1991). Inteligencia, aptitudes para el aprendizaje y rendimiento
escolar. En C. Coll, J. Palacios y A. Marchesi (comp.), Desarrollo psicológico y
educación, II. Psicología de la Educación (pp. 161-174). Madrid: Alianza.
College Entrance Examination Board. (1992). Validity study sample of the 1991 SAT
administration. New York, NY: College Entrance Examination Board.
Colom, R, & García-López, O. (2002). Sex Differences in Fluid Intelligence among High
School Graduates. Personality and Individual Differences, 32, 445- 451.
Colom, R., & Lynn, R. (2004). Testing the developmental theory of sex differences in
intelligence on 12–18 year olds. Personality and Individual Differences, 36, 75-82.
Cominetti, R., Ruiz, G. (1997). Algunos factores del rendimiento: las expectativas y el
género. Human Development Department. LCSHD Paper series, 20, The World
Bank, Latin America and CaribbeanRegional Office.
Cooley, C.H. (1902). Human nature and the social order. New York: Scibner's.
Corpus, J.H., McClintic-Gilbert, M.S., & Hayenga, A.O. (2009). Within-year changes in
children’s intrinsic and extrinsic motivational orientations: Contextual predictors and
academic outcomes. Contemporary Educational Psychology, 34, 154-166.
Costa, P.T., & McCrae, R.R. (1985). The NEO personality inventory manual, form S and
Bibliografía
345
form R. Odessa, FL: Psychological Assessment Resources.
Costa, P.T., & McCrae, R.R. (1989). The NEO-PI/NEO-FFI manual supplement. Odessa,
FL: Psychological Assessment Resources.
Costa, P.T., & McCrae, R.R. (1992). Revised NEO Personality Inventory (NEO-PI-R)
and NEO Five-Factor Inventory (NEO-FFI), professional manual. Odessa, Florida:
Psychological Assessment Resources, Inc.
Costa, P.T., y McCrae, R.R. (2008). NEO PI-R. Inventario de Personalidad NEO
Revisado. Madrid: TEA.
Cotton, S.M., Kiely, P.M., Crewther, D.P., Thomson, B., Laycock, R., &Crewther, S.G.
(2005). A normative and reliability study for the Raven's Colored Progressive Matrices
for primary school aged children in Australia. Personality and Individual Differences,
39, 647−660.
Covington, M.V. (2000a). Intrinsic Versus Extrinsic Motivation in Schools: A
Reconciliation. Current Directions in Psychological Science, 9 (1), 22-25.
Covington, M.V. (2000b). La voluntad de aprender. Madrid: Alianza.
Covington, M.V., & Omelich, C.L. (1984). Task-oriented versus competitive learning
structures: Motivational and performance consequences. Journal of Educational
Psychology, 76, 1038-1050.
CRIRES. Centre de recherche et d’intervention sur la réussite scolaire (1992). Rapport
annuel. Québec: Bureau de la direction du CRIRES, Faculté des Sciences de
l’Éducation, Université Laval.
Crous, S.M., Roets, H.E., Dicker, A., & Sonnekus, I.P. (2000). Study Guide: The Adult
as learner. Pretoria, ZA: Unisa.
Damon, W. (1977). The Social World of the Child. San Francisco, CA: Jossey Bass.
Das J.P., Kirby, J.R. & Jarman, R.F. (1979). Simultaneous and successive cognitive
processes. New York: Academicpress.
Das, J.P. (2003). Sobre la definición de inteligencia. En J. Sternberg y D.K. Detterman
(coords.), ¿Qué es la inteligencia? (pp. 73-75). Madrid: Pirámide.
Das, J.P., Naglieri, J.A. &Kirby, J.R. (1994). Assessment of cognitive processes. The
PASS theory of intelligence. Massachusetts: Allyn & Bacon.
Davis, K., y Newstrom, J.W. (2003). Comportamiento Humano en el Trabajo (11ª ed.).
México, DF: McGraw-Hill.
Variables personales predictoras del rendimiento académico. Un modelo causal.
346
De la Fuente Arias, J. (2002). Perspectivas recientes en el estudio de la motivación: la
teoría de la orientación de la meta. Escritos de Psicología, 6, 72-84.
De Raad, B. (1996). Personality traits in learning and education. European Journalof
Personality, 10, 185-200.
De Raad, B., & Schouwenburg, H.C. (1996). Personality in learning and education: A
review. European Journal of Personality, 10, 303-336.
Deary, I., Irwing, P., Der, G., & Bates, T. (2007). Brother–sister differences in the g factor
in intelligence: Analysis of full, opposite-sex siblings from the NLSY1979. Intelligence,
35, 451-456.
Deary, I.J., Strand, S., Smith, P., & Fernandes, C. (2007). Intelligence and educational
achievement. Intelligence, 35, 13-21.
Deary, I.J., Thorpe, G., Wilson, V., Starr, J.M., & Whalley, L.J. (2003). Population sex
differences in IQ at age 11: The Scottish Mental Survey 1932. Intelligence, 31, 533-
542.
DeCharms, R. (1968). Personal causation. New York, NY: Academic Press.
Deci, E.L. (1975). Intrinsic motivation. New York, NY: Plenum.
Deci, E.L., Koestner, R., & Ryan, R.M. (2001). Extrinsic Rewards and Intrinsic Motivation
in Education: Reconsidered Once Again. Review of Educational Research, 71 (1), 1-
27.
Deci, E.L., & Ryan, R.M. (1985). Intrinsic motivation and self-determination in human
behavior. New York: Plenum.
Deci, E.L., & Ryan, R.M. (1994). Promoting Self Determined Education. Scandinavian
Journal of Educational Research, 38, 3-41.
Deci, E.L., & Ryan, R.M. (2002). Overview of self-determination theory: An organismic
dialectical perspective. In E.L. Deci & R.M. Ryan (Eds.), Handbook of self-
determination research (pp. 3-33). Rochester, NY: University of Rochester Press.
Deci, E.L., & Ryan, R.M. (2008). Facilitating Optimal Motivation and Psychological Well-
Being Across Life‘s Domains. Canadian Psychology, 49, 14-23.
Deci, E.L., & Ryan, R.M. (2008a). Self-Determination Theory: A Macrotheory of Human
Motivation, Development, and Health. Canadian Psychology, 49 (3), 182-185.
Deci, E.L., & Ryan, R.M. (Eds.). (2002). Handbook of self-determination research.
Rochester, NY: University of Rochester Press.
Bibliografía
347
Defensor del Pueblo (2000). Violencia Escolar: El Maltrato entre Iguales en la Educación
Secundaria Obligatoria. Madrid: Publicaciones de la Oficina del Defensor del Pueblo.
Disponible en:
https://www.defensordelpueblo.es/es/Documentacion/Publicaciones/monografico/Do
cumentacion/Estudiovilencia.pdf
Defensor del Pueblo (2007). Violencia Escolar: El Maltrato entre Iguales en la Educación
Secundaria Obligatoria 1999-2006 (Nuevo estudio y actualización del Informe 2000).
Madrid: Publicaciones de la Oficina del Defensor del Pueblo. Disponible en:
http://www.oei.es/oeivirt/Informeviolencia.pdf
Del Barrio, M.V., Carrasco, M.A., y Holgado, P. (2006). BFQ-NA cuestionario de los Cinco
Grandes para niños y adolescentes (adaptación a la población española). Madrid: TEA
Ediciones.
Delors, J. (dir.). (1996). L’éducation, un trésor est caché dedans. Rapport à l’UNESCO
de la Commission internationale sur l’éducation pour le 21e siècle. Paris: Éditions
Odile Jacob et UNESCO.
Delval, J. (1985). La inteligencia: su crecimiento y medida. Madrid: Salvat.
DeRosier, M.E., & Thomas, J.M. (2003). Strengthening Sociometric Prediction: Scientific
Advances in the Assessment of Children’s Peer Relations. Child Development, 75 (5),
1379-1392.
Detterman, D.K. (1982). Does “g” exist? Intelligence, 6, 98-108.
Detterman, D.K. (2003). La inteligencia humana es un sistema complejo de procesos
distintos, En R.J. Sternberg y D.K. Detterman (coords.), ¿Qué es la inteligencia? (3ª.
Ed.) (pp.76-81). Madrid: Pirámide.
Díaz R.F. (1995). La Predicción del Rendimiento Académico en la Universidad: Un
ejemplo de aplicación de la regresión múltiple. Anuario Interuniversitario de Didáctica,
Universidad de Salamanca, 13, 43-62.
Dicaprio. N. (1985). Teorías de la personalidad. México: Interamericana.
Diener, C.I., & Dweck, C.S. (1978). An analysis of learned helplessness: Continuous
changes in performance, strategy, and achievement cognitions following failure.
Journal of Personality and Social Psychology, 36, 451-462.
Diener, C.I., & Dweck, C.S. (1980). An analysis of learned helplessness: II. The
processing of success. Journal of Personality and Social Psychology, 39, 940-952.
Diseth, A. (2003). Approaches to learning, cognitive style and academic
Variables personales predictoras del rendimiento académico. Un modelo causal.
348
achievement.Educational Research, 45, 381-394.
Dixon, R.M.W. (1977). Where have all the adjectives gone. Studies in Languaje, 1, 19-
80.
DRAE (2001). Diccionario de la lengua española (avance de la 23ª ed.). Recuperado de
http://lema.rae.es/drae/?val=inteligencia.
Dweck, C.S. (1975). The role of expectations and attributions in the alleviation of learned
helplessness. Journal of Personality and Social Psychology, 31, 674-685.
Dweck, C.S. (1986). Motivational processes affecting learning. American Psychologist,
41, 1040-1048.
Dweck, C.S. (2007). La actitud del éxito. Barcelona: Vergara.
Dweck, C.S. (2012). Implicit Theories. In P. van Lange, A. Kruglanski, & E. Tory Higgins
(Eds.). The Handbook of Theories of Social Psychology, vol. 2 (p. 43-61). Thousand
Oaks, CA: Sage.
Dweck, C.S., & Elliott, E.S. (1983). Achievement motivation. In E.M. Heatherington (Ed.),
Handbook of child psychology: Socialization, personality, and social development,
Vol. 4 (pp. 643-691). New York, NY: Wiley.
Dweck, C.S., & Leggett, E.L. (1988). A social cognitive approach to motivation and
personality. Psychological Review, 95, 256-273.
Dweck, C.S., & Reppucci, N.D. (1973). Learned helplessness and reinforcement
responsibility in children. Journal of Personality and Social Psychology, 25, 109-116.
Dykiert, D., Gale, C., & Deary, I (2009). Are apparent sex differences in mean IQ scores
created in part by sample restriction and increased male variance? Intelligence, 37,
42-47.
Echavarri, M., Godoy, J.C., y Olaz, F. (2007). Diferencias de género en habilidades
cognitivas y rendimiento académico en estudiantes universitarios. Universitas
Psychologica, 6 (2), 319-329.
Elias, H., Mustafa, S.M.S., Roslan, S., & Noah, S.M. (2011). Motivational Predictors of
Academic Performance in End Year Examination. Procedia - Social and Behavioral
Sciences, 29, 1179-1188.
Elliot, E.S., & Dweck, C.S. (1981). Children’s achievement goals as determinats of
learned helpless and mastery-oriented achievement patterns: An experimental
analysis. Trabajo no publicado. Universidad de Harvard (citado en Dweck y Elliot,
Bibliografía
349
1983).
Elliott, E.S., & Dweck, C.S. (1988) Goals. An approach to motivation and achievement.
Journal of Personality and Social Psychology, 54, 5-12.
Entwhistle, N.J., & Cunningham, S. (1968). Neuroticism ans school attainment. A linear
relationship. British Journal of Educational Psychology, 38, 123-132.
Erwin, P. (1998). Friendship in childhood and adolescende. London, UK: Routledge.
Erwin, P.G., & Letchford, J. (2003). Types of preschool experience and sociometric
status in the primary school. Social Behavior and Personality, 31 (2), 129-131.
Eshel, Y., Sharabany, R. & Barsade, E. (2003). Reciprocated and unreciprocated dyadic
peer preferences and academic achievement of Israeli and immigrant students: A
longitudinal study. Journal of Social Psychology, 143, 746-762.
Estell, D.B., Farmer, T.W., Cairns, R.B., & Cairns, B.D. (2002). Social relations and
academic achievement in inner-city early elementary classroom. International Journal
of Behavioral Development, 26 (6), 518-528.
European Commission (2011). Grade Retention during Compulsory Education in
Europe: Regulations and Statistics. Brussels (Belgium): Education, Audiovisual and
Culture Executive Agency (EACEA P9 Eurydice). Available at
http://eacea.ec.europa.eu/education/eurydice/documents/thematic_reports/126EN.p
df
Eysenck, H.J. (1947). Dimensions of Personality. London, UK: Routledge and Kegan
Paul.
Eysenck, H.J. (1967). Personality patterns in various groups of businessmen.
Occupational Psychology, 41, 249-250.
Eysenck, H.J. (1970). The structure of human personality. London, UK: Methuen Press.
Eysenck, H.J. (1976). The measurement of personality. Lancaster, UK: MTP press.
Eysenck, H.J. (1986). Toward a new model of intelligence. Personality and Individual
Differences, 7, 731-736.
Eysenck, H.J. (1996). Personality and the experimental study of education. European
Journal of Personality, 10, 427-439.
Eysenck, H.J., & Eysenck, M. (1985). Personality and Individual Differences. New York,
NY: Plenum Press (Traducción al español: (1987). Personalidad y diferencias
individuales. Madrid: Pirámide).
Variables personales predictoras del rendimiento académico. Un modelo causal.
350
Eysenck, H.J., y Eysenck, S.B.G. (1987). Cuestionario de Personalidad EPI. Madrid:
TEA Ediciones S.A.
Eysenck, H.J., y Eysenck, S.B.G. (1989). Cuestionario de Personalidad para niños y
adultos EPQ-A (J). Madrid: TEA Ediciones S.A.
Eyssautier de la Mora, M. (2006). Metodología de la investigación: desarrollo de la
inteligencia (5ª. ed.). México: Thompson.
Fabunmi, M., Brai-Abu, P., & Adenjii, I.A. (2007). Class factors as determinants of
secondary school student’s academic performance in Oyo State, Nigeria. Journal of
Social Sciences, 14 (3), 243-247.
Farsides, T. & Woodfield, R. (2003). Individual differences and undergraduate academic
success: The roles of personality, intelligence, and application. Personality and
Individual Differences, 34, 1225-1243.
Faul, L.A. (2006). That’s what i like about you: peer social status and emotion functioning
in boys. Doctoral Dissertation, University of Mississippi, USA.
Fergusson, D.M., & Horwood, L.J. (1997). Gender differences ineducational
achievement in a New Zealand birth cohort. New Zealand Journal of Educational
Studies, 32, 83-96.
Fernández Enguita, M. (1989). La tierra prometida. La contribución de la escuela a la
igualdad de la mujer. Revista de Educación, 290, 21-41.
Fernández Enguita, M. (1995). La escuela a examen. Madrid: Pirámide.
Fernández Enguita, M., Mena Martínez, L., y Riviere Gómez, J. (2010). Fracaso y
abandono escolar en España. Barcelona: Fundació La Caixa.
Feuerstein, R, Rand, Y. & Hoffman, M.B. (1979). The Dynamic Assessment of Retarded
Performers. The Learning Potential Assessment Device: Theory, Instrument and
Techniques. Baltimore: UPP.
Feuerstein, R. (1979). The Dynamic Assessment of Retarded Performers. The Learning
Potential Assessment Device. Theory, Instruments and Techniques. Baltimore, MD:
University Park Press.
Feuerstein, R., Rand, Y. Hoffman, M. & Miller, R. (1980). Instrumental Enrichment: An
intervention program for cognitive modifiability. Baltimore, MD: University Park Press.
Figueroa, C. (2004). Sistemas de evaluació académica. El Salvador: Ed. Universitaria.
Finney, S.J., & DiStefano, C. (2006). Non-normal and categorical data in structural equation
Bibliografía
351
modeling. In G.R. Hancock & R.O. Mueller (Eds.) Structural equation modelling: a
second course (pp. 269–314). Greenwich, CT-USA: Information Age Publishing.
Fiske, D.W. (1949). Consistency of the Factorial Structures of Personality Ratings From
different Sources. Journal of Abnormal and Social Psychology, 44, 329-344.
Fiske, D.W. (1986). The trait concept and the personality questionnaire. In A. Angleitner
y J.S. Wiggins (eds.), Personality assessment via questionnaires: Current issues in
theory and measurement (pp. 35-46). Berlín: Springer-Verlag.
Flynn, J.R. (1984). The mean IQ of Americans: Massive gains 1932 to 1978.
Psychological Bulletin, 95, 29–51.
Flynn, J.R. (1987). Massive IQ gains in 14 nations: What IQ tests really measure.
Psychological Bulletin, 101, 171–191.
Flynn, J.R. (2008). El efecto Flynn. Mente y Cerebro, 31, 29-35.
Flynn, J.R. (2009). What Is Intelligence? Beyond the Flynn Effect. Cambridge, UK:
Cambridge University Press.
Forteza Méndez, J. (1975). Modelo instrumental de las relaciones entre variables
motivacionales y rendimiento. Revista de Psicología General y Aplicada, 132, 75-91.
Fortier, M.S., Vallerand, R.J. & Guay, F. (1995). Academic motivation and school
performance: Toward a structural model. Contemporary Educational Psychology, 20,
257−274.
Fortin, N., Oreopoulos, P., & Phipps, S. (2013). Leaving Boys Behind: Gender Disparities
in High Academic Achievement. Disponible en:
http://faculty.arts.ubc.ca/nfortin/LeavingBoysBehind.pdf
Francis, B., & Skelton, C. (2005). Reassessing gender and achievement: Questioning
contemporary key debates. New York, NY: Routledge.
Frederickson, N.L., & Furnham, A.F. (2001). The Long-term Stability of Sociometric
Status Classification: A Longitudinal Study of Included Pupils Who Have Moderate
Learning Difficulties and Their Mainstream Peers. Journal of Child Psychology and
Psychiatry, 42 (5), 581-592.
Frederickson, N.L., & Furnham, A.F. (2004). Peer-assessed behavioral characteristics
and sociometric rejection: Differences between pupils who have moderate learning
difficulties and their mainstream peers. British Journal of Educational Psychology, 74,
391-410.
Variables personales predictoras del rendimiento académico. Un modelo causal.
352
Freeman, D.H. (1987). Applied categorical data analysis. New York, NY: Marcel Dekker
Inc.
Frentz, C., Gresham, F.M., & Elliot, S.N. (1991). Popular, controversial, neglected, and
rejected adolescents: Contrasts of social competence and achievement difference.
Journal of School Psychology, 29, 109-120.
Freud, S. (1920/1992). Más allá del principio del placer. En S. Freud, Obras completas,
vol. 18. Buenos Aires, AR: Amorrortu.
Freud, S. (1923/1992). El yo y el ello. En S. Freud, Obras completas, vol. 19. Buenos
Aires, AR: Amorrortu.
Freud, S. (1992). Obras Completas. Buenos Aires, AR: Amorrortu.
Fullana, J. (1996). La prevención del fracaso escolar: un modelo para analizar las
variables que influyen en el riesgo de fracaso escolar. Bordón, 48, 151-167.
Furnham, A. (2010). 50 cosas que hay que saber sobre psicología. Madrid: Ariel.
Furnham, A., & Chamorro-Premuzic, T. (2004). Personality and intelligence as predictors
of statistics examination grades. Personality and Individual Differences, 37, 943-955.
Furnham, A., Chamorro-Premuzic, T., & McDougall, F. (2003). Personality, cognitive
ability, and beliefs about intelligence as predictors of academic performance. Learning
and Individual Differences, 14, 49-66.
Furrer, C., & Skinner, E. (2003). Sense of relatedness as a factor in children’s academic
engagement and performance. Journal of Educational Psychology, 95, 148-162.
Gaeta González, M.L. (2013). Learning Goals and Strategies in the Self-regulation of
Learning. US-China Education Review A & B, 3 (1), 46-50.
Galton, F. (1869). Hereditary Genius: An Inquiry into its Laws and Consequences.
London: McMillan.
García de la Hoz, V. (1971). La evaluación del rendimiento escolar en un modelo de la
evaluación educativa. Revista de Educación, 214, 19-28.
García de la Hoz, V. (1979). Tablas de predicción del rendimiento escolar: concepto,
construcción y uso. Revista Española de Pedagogía, 146, 3-19.
García Montalvo, J. (2012). Nivel socioeconómico, tipo de escuela y resultados
educativos en España: El caso de TIMSS PIRLS 2011. En IEA, PIRLS ‐ TIMSS 2011.
Estudio Internacional de progreso en comprensión lectora, matemáticas y ciencias
IEA. Vol. II: Informe Español. Análisis secundario (pp. 66-103). Madrid: MCDE-INEE.
Bibliografía
353
García Yagüe, J. y Sempere Agulló, P. (1956). Personalidad, inteligencia y rendimiento
académico. Bordón, 57, 7-17.
García-Bacete, F.J. (2007). La identificación de los alumnos rechazados, preferidos,
ignorados y controvertidos en el aula [The identification of rejected, liked, neglected,
and controversional students in the classroom]. Revista de Psicología General y
Aplicada, 60, 25-46.
Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. New York:
Basic Books.
Gardner, H. (2001). La inteligencia reformulada. Las inteligencias múltiples en el siglo
XXI. Barcelona: Paidós.
Gardner, H. (2006). On failing to grasp the core of MI theory: A response to Visser et al.
Intelligence, 34 (5), 503-505.
Gardner, H. y Walters, J. (1993). Preguntas y respuestas acerca de la teoría de las
inteligencias múltiples. En H. Gardner (aut.), Inteligencias múltiples. La teoría en la
práctica (pp. 51-76). Barcelona: Paidós.
Gardner, H., Feldman, D.H. y Krechevsky, M. (2001). El Proyecto Spectrum. Tomo III:
Manual de evaluación para la educación infantil. Madrid: Morata.
Garn, A.C., & Jolly, J.L. (2014). High Ability Students' Voice on Learning Motivation.
Journal of Advanced Academics, 25 (1) 7-24.
Gerber, M.M. (2001). All teachers are Dynamic Tests. Issues in Education, 7 (2), 193-
200.
Ghazvini, S.D. (2011). Relationships between academic self-concept and academic
performance in high school students. Procedia - Social and Behavioral Sciences, 15,
1034-1039.
Gherasim, L.R., Mairean, C., & Butnaru, S. (2012). Prediction of school performance:
the role of motivational orientation and classroom environment. Procedia - Social and
Behavioral Sciences, 46, 3931-3935.
Gil, J., García, E., y Rodríguez, G. (2001). Cuadernos de Estadística 12. Análisis
discriminante. Madrid, España: La Muralla.
Gilles, P.Y., & Bailleux, C. (2001), Personality Traits and Abilities as Predictors of
Academic Achievement. European Journal of Psychology of Education, 16 (1), 3-15.
Gil-Verona, J.A., Macías, J.A., Pastor, J.F., Paz, F., Barbosa, M., Maniega, M.A., et al.
Variables personales predictoras del rendimiento académico. Un modelo causal.
354
(2003). Diferencias sexuales en el sistema nervioso humano. Una revisión desde el
punto de vista psiconeurobiológico. Revista Internacional de Psicología Clínica y de
la Salud, 3 (2), 351-361.
Gimeno Sacristan, J. (1976). Autoconcepto, sociabilidad y rendimiento escolar. Madrid,
Servicio de Publicaciones del MEC.
Goff, M., & Ackerman, P.L. (1992). Personality-intelligence relations: Assessing typical
intellectual engagement. Journal of Educational Psychology, 84, 537-552.
Goldberg, L.R. (1981a). Developing a taxonomy of trait-descriptive terms. In D.W. Fiske
(ed.), New directions for methodology of social and behaviorai Science: Problems with
language imprecision (pp. 43-65). San Francisco, CA: Jossey-Bass.
Goldberg, L.R. (1981b). Language and individual differences: The search for universals
in personality lexicons. In L. Wheeler (ed.), Review of Personality and Social
Psychology, vol. 2 (pp. 141-165). Beverly Hills, CA: Sage.
Goldberg, L.R. (1982). From Ace to Zombie: Some explorations in the language of
personality. In C.D. Spielberger and J.N. Butcher (Eds.), Advances in personality
assessment, vol. I (pp. 203-234). Hillsdale, NJ: Erlbaum.
Goldberg, L.R. (1990). An alternative 2description of Personality”: The Big Five factor
estructure. Journal of Personality and Social Psychology, 59, 1216-1229.
Goldberg, L.R. (1992). The development of marker variables for the Big-Five structure.
Psychological Assessment, 4, 26-42.
Gómez Castro, J.L. (1986). Rendimiento escolar y valores interpersonales: Análisis de
resultados en EGB con el cuestionario SIV de Leonardo V. Gordon. Bordón, 262,
257-275.
Gonçalves, T., & Lemos, M. (2014). Personal And Social Factors Influencing Students’
Attitudes Towards Peers With Special Needs. Procedia - Social and Behavioral
Sciences, 112, 949-955.
Gondar Nores, J.E. (2002). Técnicas Estadísticas con SPSS: Modelado de Ecuaciones
Estructurales. Madrid: Data Mining Institute.
González Álvarez, J. (1990). Sociometria per ordinador. El test sociomètric. València.
Consellería de Cultura, Educació i Ciència.
González Cabanach, R., Valle Arias, A., Núñez Pérez, J.C., y González Pienda, J.A.
(1996). Una aproximación teórica al concepto de metas académicas y su relación con
la motivación escolar. Psicothema, 8 (1), 45-61.
Bibliografía
355
González Cabanach, R., Valle Arias, A., Suárez Riveiro, J.M., y Fernández Suárez, A.P.
(1999). Un modelo integrador explicativo de las relaciones entre metas académicas,
estrategias de aprendizaje y rendimiento académico. Revista de Investigación
Educativa, 17 (1), 47-70.
González Fernández, D. (1975). Procesos escolares inexplicables. Aula Abierta, 11, 12.
González, M.M. y Padilla, M.L. (1990). Conocimiento social y desarrollo moral en los
años preescolares. En J. Palacios, A. Marchesi y C. Coll (Comps.), Desarrollo
Psicológico y Educación I. Psicología Evolutiva (págs. 191-204). Madrid: Alianza.
González, N., Abad, J., y Lévy, J.P. (2006). Normalidad y otros supuestos en análisis de
covarianzas. En J. Lévy (Ed.), Modelización con estructuras de covarianzas (pp. 31-
57). La Coruña: Netbiblo
Gottfredson, L.S. (1999). El factor general de inteligencia. Investigación y Ciencia,
Temas 17, 20-25.
Gottfredson, L.S. (2002). Highly General and Highly Practical. In R.J. Sternberg& E.L.
Grigorenko, The general factor of intelligence: How general is it? (pp. 331-
380)Mahwah, NJ: Erlbaum.
Gottfredson, L.S. (2007). Shattering Logic to Explain the Flynn Effect. The IQ
Conundrum. In J.R. Flynn, L.S. Gottfredson, E. Turkheimer & S. Ceci (aut.), The IQ
Conundrum. Washington, DC: The Cato Institute. Disponible en: http://www.cato-
unbound.org/2007/11/08/linda-s-gottfredson/shattering-logic-explain-flynn-effect
Gottfredson, L.S. (2011). Are we getting smarter? New Scientist, 13, 8. Disponible en:
http://www.udel.edu/educ/gottfredson/reprints/2011InstantExpertIntelligence.pdf
Gottfried, A. E. (1982). Relationships between academic intrinsic motivation and anxiety
in children and young adolescents. Journal of School Psychology, 20, 205-315.
Gottfried, A.E., Marcoulides, G.A., Gottfried, A.W., Oliver, P., & Guerin, D. (2007).
Multivariate latent change modeling of developmental decline in academic intrinsic
math motivation and achievement: Childhood through adolescence. International
Journal of Behavioral Development, 31, 317-327.
Grant, H., & Dweck, C.S. (2003). Clarifying Achievement Goals and Their Impact.
Journal of Personality and Social Psychology, 85 (3), 541-553.
Green, K., Forehand, R., Beck, S., & Vosk, B. (1980). An assessment of the relationship
among measures of children's social competence and children's academic
achievement. Child Development, 51, 1149-1156.
Variables personales predictoras del rendimiento académico. Un modelo causal.
356
Greenman, P.S., Schneider, B.H., & Tomada, G. (2009). Stability and Change in
Patterns of Peer Rejection. Implications for Children's Academic Performance Over
Time. School Psychology International, 30 (2), 163-183.
Gregory, R.J. (2012). Pruebas psicológicas. Historia, principios y aplicaciones (6ª. Ed.).
México: Pearson.
Guay, F. Ratelle, C.F., Roy, A. & Litalien, D. (2010). Academic self-concept, autonomous
academic motivation, and academic achievement: Mediating and additive effects.
Learning and Individual Differences, 20, 644–653.
Guay, F., & Vallerand, R.J. (1997). Social context, students‘ motivation, and academic
achievement: Toward a process model. Social Psychology of Education, 1, 211-233.
Guilford, J.P. & Hoepfner, R. (1971). The Analysis of Intelligence. New York: McGraw-
Hill.
Guilford, J.P. (1959a). Personality. New York, NY: McGraw-Hill.
Guilford, J.P. (1959b). Three faces of intellect. American Psychologist, 14, 469-479.
Guilford, J.P. (1967). The nature of human intelligence. New York: McGraw-Hill.
Guilford, J.P. (1985). The structure-of-intellect model. En B.B. Wolman (Ed.), Handbook
of intelligence: Theories, measurements and applications. New York: Wiley.
Gutiérrez-Saldaña, P., Camacho-Calderón, N. y Martínez-Martínez, M.L. (2007).
Autoestima, funcionalidad familiar y rendimiento escolar en adolescentes. Atención
Primaria, 39 (11). Disponible en: http://zl.elsevier.es/es/revista/atencion-primaria-
27/autoestima-funcionalidad-familiar-rendimiento-escolar-adolescentes-13112196-
originales-2007
Hair, J. F., Anderson, R. E., Tatham, R. L. y Black, W. C. (2005). Análisis multivariante (5ª
ed.). Madrid, España: Pearson.
Hair, E.C., & Graziano, W.G. (2003). Self-esteem, personality, and achievement in high
school: A prospective longitudinal study in Texas. Journal of Personality, 71, 971-994.
Hanley, J.A. (1988). The robustness of the binormal model used to fit ROC curves. Medical
Decision Making, 8, 197-203.
Hanley, J.A., & McNeil, B.J. (1982). The meaning and use of the area under a receiver
operating characteristic (ROC) curve. Radiology, 143, 29-36.
Hanley, J.A., & McNeil, B.J. (1983). A method of comparing the areas under receiver
operating characteristic curves derived from the same cases. Radiology, 148, 839-843.
Bibliografía
357
Harackiewicz, J.M., Barron, K.E., & Elliot, A.J. (1998). Rethinking achievement goals:
When are they adaptative for college students and why? Educational Psychologist,
33, 1-21.
Harris, W.J. & King, D.R. (1982) Achievement, sociometric status, and personality
characteristics of children selected by their teachers as having learning and/or
behavior problems. Psychology in the Schools, 19, 452-457.
Harter, S. (1999). The construction of the self: A developmental perspective. New York,
NY: Guilford Press.
Haselager, W.F.G. (1997). Cognitive Science and folk psychology: The right frame of
mind. London, UK: Sage.
Hatzichristou, C., & Hopf, D. (1996). A multiperspective comparison of peer sociometric
status groups in childhood and adolescence. Child Development, 67, 1085-1102.
Hauser, R.M. (1999). How much social promotion is there in the United States? CDE
Working Paper No. 99-06. Madison, WI: Center for Demography and Ecology,
University of Wisconsin, Madison.
Hauser, R.M., Pager, D.I., & Simmons, S.J. (2000). Race‐ethnicity, social background,
and grade retention. Madison, WI: Center for Demography and Ecology, University of
Wisconsin, Madison. Disponible en: https://www.ssc.wisc.edu/cde/cdewp/2000-
08.pdf
Hausmann, R., Tyson, L., & Zahidi, S. (2008). The Global Gender Gap Report 2009.
Geneva, Switzerland: World Economic Forum. Disponible en:
http://www3.weforum.org/docs/WEF_GenderGap_Report_2012.pdf
Havighurst, R.J., Bowman, P.H., Liddle, G.P., Mathews, C.V., & Pierce, J.V. (1962).
Growing up in River City. New York, NY: Riley.
Hawley, P.H. (2003). Prosocial and coercive configurations of resource control in early
adolescence: A case for the welladapted Machiavellian. Merrill-Palmer Quarterly, 49,
279-309.
Haywood, H.C. (1993). As Mediational Teaching Style. International Journal of Cognitive
Education and Mediated Learning, 3(1), 27-38.
Heaven, P., & Ciarrochi, J. (2012). When IQ is not everything: Intelligence, personality
and academic performance. Personality and Individual Differences 53, 518-522.
Herrera, I., Herrera, F. Ramírez, M.I. (2007). ¿Qué ocurre entre el autoconcepto y el
rendimiento académico, en un contexto pluricultural? REOP, 18 (2), 201-213.
Variables personales predictoras del rendimiento académico. Un modelo causal.
358
Herrnstein, R.J., & Murray, C. (1994). The Bell Curve: Intelligence and class structure in
American life. New York: The Free Press.
Herzberg, F.I. (1959). The Motivation to Work. New York, NY: Wiley.
Herzberg, F.I. (1968). One More Time, How Do You Motivate Employees. Harvard
Business Review, 46 (1), 53-62. Disponible en:
http://jakehuber.files.wordpress.com/2013/01/2-one-more-time-how-do-you-
motivate-employees.pdf
Herzberg, F.I., Mausner, B., & Snydermann, B.B. (1959/2010). The motivation to work
(12th ed.). New Brunswic, NB-CA: Transaction Publ.
Heyman, G. y Dweck, C.S. (1992). Achievement goals and intrinsic motivation: Their
relation and their role in adaptative motivation. Motivation and Emotion, 16, 231-243.
Hill, N.E., Castellino, D.R., Lansford, J.E., Nowlin, P., Dodge, K.A., et al. (2004). Parent
academic involvement as related to school behaviour, achievement, and aspirations:
Demographic variations across adolescence. Child Developmental, 75, 1491-1509.
Hoffman, D.A. (1975). Cognitive style and intelligence: their relation to leadership and
self-concept (Tesis doctoral, Universidad Estatal de Ohio, 1975). Dissertations
Abstracts International, 36, 4133 B. Ann Arbor, MI: Xerox Univ. Microfilms
Hoogeeven, L., Hell, J.G., & Verhoeven, L. (2009). Self-Concept and Social Status of
Accelerated and Nonaccelerated Students in the First 2 Years of Secondary School
in Netherlands. The Gifted Child Quarterly, 53 (1), 50-67.
Hopmeyer-Gorman, A., Kim, J., & Schimmelbusch, A. (2002). The attributes adolescents
associate with peer popularity and teacher preference. Journal of School Psychology,
40, 143-165.
Horn, J.L. (1967). Intelligence - Why it grows, why it declines. Trans-action, 5 (1), 23-31.
Horn, J.L. (1968). Organization of abilities and the development of intelligence.
Psychological Review, 75 (3), 242-259.
Horn, J.L. y Noli, J. (1997) .Human Cognitive Capabilities: Gf-Gc theory. En DP
Flanagan, J.L. Genshaft y P.L. Harrison (Eds.) Contemporary Intellectual
assessment: theories, tests and issues pg. 53-91. Nueva York: Guilford Presss.
Huang, Ch. (2011). Self-concept and academic achievement: A meta-analysis of
longitudinal relations. Journal of School Psychology, 49, 505-528.
Hull, C.L. (1930). nowledge and purpose as hábil mechanisms. Psychological Review,
Bibliografía
359
37, 511-525.
Hull, C.L. (1943). Principles of Behaviour. New York, NY: Appleton- Century-Crofts.
Disponible en: http://s-f-
walker.org.uk/pubsebooks/pdfs/Principles%20of%20Behavior%20-
%20Clark%20Hull.pdf
IBM Corp. Released (2013a). IBM SPSS Statistics for Windows, v. 22.0. Armonk, NY: IBM
Corp.
IBM Corp. Released (2013b). IBM SPSS AMOS for Windows, v. 22.0. Armonk, NY: IBM
Corp.
IEA. Asociación Internacional para la Evaluación del Rendimiento Educativo. (2012).
PIRLS - TIMSS 2011. Estudio Internacional de progreso en comprensión lectora,
matemáticas y ciencias, vol. I: Informe Español. Madrid: MECD-INEE. Disponible
en: http://www.mecd.gob.es/dctm/inee/internacional/pirlstimss2011vol2-
1.pdf?documentId=0901e72b81825be5
INEE (2012). EECL, Estudio Europeo de Competencia Lingüística, Vol. I, Informe
Español. Madrid: MECD-INEE.
Inglés, C.J., Martínez-Monteagudo, M.C., Delgado, B., Torregrosa, M.S., Redondo, J.,
Benavides, G., et al. (2008). Prevalencia de la conducta agresiva, conducta prosocial
y ansiedad social en una muestra de adolescentes españoles: Un estudio
comparativo [Prevalence of aggressive behavior, prosocial behavior, and social
anxiety in a sample of Spanish adolescents: A comparative study]. Infancia y
Aprendizaje, 31, 449-461.
Inglés, C.J., Torregrosa, M.S., García-Fernández, J.M., Martínez-Monteagudo, M.C.,
Estévez, E., y Delgado, B. (2014). Conducta agresiva e inteligencia emocional en la
adolescencia. European Journal of Education and Psychology, 7 (1), 29-41.
IOE. Institute of Education (sf). British Cohort Study. University of London. Available:
http://www.cls.ioe.ac.uk/MicrositeHome.aspx?sitesectionid=46&sitesectiontitle=Britis
h%20Cohort%20Study
Ireson, J. & Hallam, S. (2009). Academic self-concepts in adolescence: Relations with
achievement and ability grouping in schools. Learning and Instruction, 19, 201-213.
Irwing, P., Cammock, T., & Lynn, R. (2001). Some evidence for the existence of a general
factor of semantic memory and its components. Personality and Individual
Differences, 30, 857-871.
Variables personales predictoras del rendimiento académico. Un modelo causal.
360
Iyengar, S.S., & Lepper, M.R. (1999). Rethinking the value of choice: A cultural
perspective on intrinsic motivation. Journal of Personality and Social Psychology, 76,
349-366. doi:10.1037/0022-3514.76.3.349
Jackson, D.L. (2003). Revisiting sample size and number of parameter estimates: Some
support for the N:q hypothesis. Structural Equation Modeling, 10, 128- 141.
Jackson, D.N., & Rushton, J.P. (2006). Males have greater g: Sex differences in general
mental ability from 100,000 17- to 18-year-olds on the Scholastic Assessment Test.
Intelligence, 34, 479-486.
Jang, H., Reeve, J., Ryan, R.M., & Kim, A. (2009). Can self-determination theory explain
what underlies the productive, satisfying learning experiences of collectivistically-
oriented Korean adolescents? Journal of Educational Psychology, 101, 644-661.
Jencks, C. (1979). Who gets ahead? The determinants of economic success in America.
New York, NY: Basic Books.
Jensen, A.R. (1998a). The g factor and the design of education. In R.J. Sternberg &
W.M. Williams (eds.), Intelligence, instruction, and assessment: Theory into practice
(pp. 111-131). Mahwah, NJ: Lawrence Erlbaum.
Jensen, A.R. (1998b). The g factor: The science of mental ability. Westport, CT: Praeger.
Jiménez, M. (2000). Competencia social: intervención preventiva en la escuela. Infancia
y Sociedad, 24, 21-48.
Jimerson, S.R., Pletcher, S.M., Graydon K., Schnurr, B.L., Nickerson A.B., & Kundert,
D.K. (2006). Beyond Grade Retention And Social Promotion: Promoting The Social
And Academic Competence Of Students. Psychology in the Schools, 43 (1), 85-97.
John, O.P., Angleitner, A., & Ostendorf, F. (1988). The lexical approach to personality:
A historical review of trait taxonomic research. European Journal of Personality, 2,
171-203.
Johnson, G.R. (1937). High school survey. Public School Messenger, 35, 2–34.
Johnson, S. (2005). Everything bad is good for you. How Today's Popular Culture is
Actually Making Us Smarter. New York: Riverhead.
Jonkmann, K., Becker, M., Marsh, H.W., Trautwein, U. & Lüdtke, O. (2012). Personality
traits moderate the Big-Fish-Little-Pond effect of academic self-concept learning and
individual differences. Learning and Individual Differences, 22, 736-746.
Bibliografía
361
Ju, S., Zhang, D. & Katsiyannis, A. (2013). The Causal Relationship Between Academic
Self-Concept and Academic Achievement for Students With Disabilities: An Analysis
of SEELS Data. Journal of Disability Policy Studies, 24 (1), 4-14.
Kasser, T. & Ryan, R.M. (1996). Further examining the American dream: Differential
correlates of intrinsic and extrinsic goals. Personality and Social Psychology Bulletin,
22, 280-287.
Katz, I, Assor, A., & Kanat, Y. (2008). A projective assessment of autonomous motivation
in children: Correlational and experimental evidence. Motivation and Emotion,
32, 109-119.
Kaya, A. (2007). Sociometric status, depression and locus de control among turkish early
adolescents. Social Behavior and Personality, 35 (10), 1405-1414.
Keane, S.P., & Calkins, S.D. (2003). Predicting Kindergarten Peer Social Status from
Toddler and Preschool Problem Behavior. Journal of Abnormal Child Psychology, 32
(4), 409-423.
Kelly G.A. (1955/1991). The Psychology of Personal Constructs, Vol. 1: A Theory of
Personality. London, UK: Routledge.
Kelly, G.A. (1958). The theory and technique of assessment. Annual Review of
Psychology, 9, 323-352.
Kline, R.B. (2005). Principies and practice of structural equation modeling (2nd Ed.). New
York, NY: Guilford.
Koontz, H. y Weihrich, H. (1999). Administración, una perspectiva global (11ª ed.).
México: McGraw-Hill.
Kumari, A. & Chamundeswari, S. (2013). Self-Concept and Academic Achievement of
Students at the Higher Secondary Level. Journal of Sociological Research, 4 (2), 105-
113.
Kusurkar, R.A., Ten Cate, T.J., Vos, C.M., Westers, P., & Croiset, G. (2013). How
motivation affects academic performance: a structural equation modelling analysis.
Advances in health sciences education: theory and practice, 18 (1) 57-69.
La Guardia, J.G. (2009). Developing who I am: A self-determination theory approach to
the establishment of healthy identifies. Educational Psychologist, 44 (2), 90-104.
Ladd, G. (1999). Peer relationships and social competence during early and middle
childhood. Annual Review of Psychology, 50, 333-359.
Variables personales predictoras del rendimiento académico. Un modelo causal.
362
Laferrière, T., Bader, B., Barma, S., Beaumont, C., Deblois, L., Gervais, F., et al., (2011).
L’étude de la réussite scolaire au Québec: une analyse historicoculturelle de l’activité
d’un centre de recherche, le CRIRES. Education et Francophonie, 39 (1), 156-182.
LaFontana, K.M., & Cillessen, A.H.N. (2002). Children’s perceptions of popular and
unpopular peers: A multimethod assessment. Developmental Psychology, 38, 635-
647. doi: 10.1037/0012-1649.38.5.635.
Laidra, K., Pullmann, H. &Allik, J. (2007). Personality and intelligence as predictors of
academic achievement: A cross-sectional study from elementary to secondary
school. Personality and Individual Differences, 42(3), 441-451.
Larsen, J.L., & Bush, D.M. (2009). Personality Psychology: Domains of knowledge about
human nature (4th ed.). New York, NY: McGraw-Hill.
Lease, A.M., Kennedy, C.A., & Axelrod, J.L. (2002). Children’s social constructions of
popularity. Social Development, 11, 87-109. doi:10.1111/1467-9507.00188.
Lease, A.M., Michele, K., Musgrove, T., & Axelrod, J.L. (2002). Dimensions of Social
Status in Preadolescent Peer Groups: Likability, Perceived Popularity, and Social
Dominance. Social Development, 11 (4), 508-533. doi:10.1111/1467-9507.00213.
Lemos, M.S., & Veríssimo, L. (2014). The relationships between intrinsic motivation,
extrinsic motivation, and achievement, along elementary school. Procedia - Social
and Behavioral Sciences, 112, 930-938.
Lepper, M. R., Corpus, J. H., & Iyengar, S. S. (2005). Intrinsic and extrinsic motivational
orientations in the classroom: Age differences and academic correlates. Journal of
Educational Psychology, 97, 184-196. doi:10.1037/0022-0663.97.2.184
Levesque, C., Copeland, K.J., Pattie, M.D., & Deci, E.L. (2011). Intrinsic and extrinsic
motivation. In S. Järvelä (Ed.), Social and emotional aspects of learning (pp. 15-20).
Oxford, UK: Academic Press.
Liem, G.A.D., Marsh, H.W., Martin, A.J., McInerney, D.M. & Yeung, A.S. (2013). The big-
fish-little-pond effect and a national policy of within-school ability streaming:
Alternative frames of reference. American Educational Research Journal, 50 (2), 326-
370.
López Menchero, P. (1970). La predicción del éxito en el bachillerato superior. Revista
de Psicología General y Aplicada, 102.
Lounsbury, J.W., Sundstrom, E., Loveland, J.M. & Gibson, L.W. (2003), Intelligence, "Big
Five" Personality Traits, and Work Drive as Predictors of Course Grade. Personality
Bibliografía
363
and Individual Differences, 35 (6), 1231-1239.
Luo, D., Thompson, L.A., & Detterman, D.K. (2003). The causal factor underlying the
correlation between psychometric "g" and scholastic performance. Intelligence, 31,
67-83.
Luria, A.R. (1966). Human Brain and Psychological Processes. New York: Wiley
Luria, A.R. (1973). The working brain. Middlesex: Penguin
Lynn, R. (1959). Two personality characteristics related to academic achievement.
British Journal of Educational Psychology, 29, 213-216.
Lynn, R. (1994). Sex Differences in Intelligence and Brain Size: A Paradox Resolved.
Personality and Individual Differences, 17, 257-271.
Lynn, R. (1998). Sex Differences in Intelligence: Data from a Scottish Standardisation
Sample of the WAIS-R. Personality and Individual Differences, 24, 289-290.
Lynn, R. (1999). Sex differences in intelligence and brain size: a developmental theory.
Intelligence, 27, 1-12.
Lynn, R. (2013). Who discovered the Flynn effect? A review of early studies of the secular
increase of intelligence. Intelligence, 41 (6), 765-769.
Lynn, R, & Irwing, P. (2002). Sex differences in general knowledge, semantic memory
and reasoning ability. British Journal of Psychology, 93, 545-556.
Lynn, R. & Harvey, J. (2008). The decline of the world's IQ. Intelligence, 36, 112-120.
Maag, J.W., Vasa, S.F., Reid, R., & Torrey, G.K. (1995). Social and behavioral predictors
of popular, rejected, and average children. Educational and Psychological
Measurement, 55 (2), 196-205. http://dx.doi.org/10.1177/0013164495055002004
Maccoby, E., & Jacklin, C. (1974). The psychology of sex differences. Standford, CA.
University Press.
Mackintosh, N.J. (1998). IQ and Human Intelligence. Oxford, UK: Oxford University
Press.
Mahoney, M.J. (1983). Cognición y modificación de conducta. México: Trillas.
Marchesi, A. (2003). El fracaso escolar en España. Madrid: Fundación Alternativas.
Disponible en: http://www.falternativas.org/laboratorio/documentos/documentos-de-
trabajo/el-fracaso-escolar-en-espana
Markus, H.R., Kitayama, S., & Heiman, R.J. (1996). Culture and “basic” psychological
Variables personales predictoras del rendimiento académico. Un modelo causal.
364
principles. In E.T. Higgins & A.W. Kruglanski (Eds.), Social psychology: Handbook of
basic principles (pp. 857-913). New York, NY: Guilford.
Marsh, H.W. (1986). Verbal and Math self-concepts: An internal/external frame of reference
model. American Educational Research Journal, 23, 129-149.
Marsh, H.W. (1990). The structure of academic self-concept: The Marsh/Shavelson
model. Journal of Educational Psychology, 82, 623-636.
Marsh, H.W. (1992a). Self Description Questionnaire (SDQ) I: A theoretical and empirical
basis for the measurement of multiple dimensions of preadolescent self-concept. An
interim test manual and research monograph. Macarthur, New South Wales,
Australia: University of Western Sydney, Faculty of Education.
Marsh, H.W. (1992b). Self Description Questionnaire (SDQ) II: A theoretical and
empirical basis for the measurement of multiple dimensions of adolescent self-
concept. A test manual and research monograph. Macarthur, New South Wales,
Australia: University of Western Sydney, Faculty of Education.
Marsh, H.W. (1992c). Self Description Questionnaire (SDQ) III: A theoretical and
empirical basis for the measurement of multiple dimensions of late adolescent self-
concept. An interim test manual and research monograph. Macarthur, New South
Wales, Australia: University of Western Sydney, Faculty of Education.
Marsh, H.W. (1992d). Content specificity of relations between academic achievement
and academic self-concept. Journal of Educational Psychology, 84, 35-42.
Marsh, H.W. (1993). Academic self-concept: Theory, measurement, and research. In J.
Suls (Ed.), Psychological perspectives on the self: The self in social perspective (Vol.
4, pp. 59-98). Hillsdale, NJ: Erlbaum.
Marsh, H.W. (1998). Age and gender effects in physical self-concepts for adolescent
elite-athletes and non-athletes: A multi-cohort-multi-occasion design. Journal of Sport
& Exercise Psychology, 20 (3), 237-259.
Marsh, H.W. (2007). Self-concept theory, measurement and research into practice: The
role of self-concept in educational psychology. Leicester, UK: British Psychological
Society.
Marsh, H.W. & Craven, R. (1997). Academic self-concept: Beyond the dustbowl. In G. Phye
(Ed.), Handbook of classroom assessment: Learning, achievement, and adjustment (pp.
131−198). Orlando, FL: Academic Press.
Bibliografía
365
Marsh, H.W. & Köller, O. (2004). Unification of theoretical models of academic
selfconcept/ achievement relations: Reunification of east and west German school
systems after the fall of the Berlin Wall. Contemporary Educational Psychology, 29,
264–282.
Marsh, H.W. & Shavelson, R.J. (1985). Self-concept: Its multifaceted. hierarchical structure.
Educational Psychologist, 20, 3, 107-123.
Marsh, H.W., & Yeung, A.S. (1998). Top-down, bottom-up, and horizontal models: The
direction of causality in multidimensional, hierarchical self-concept models. Journal of
Personality and Social Psychology, 75 (2), 509-527.
Marsh, H.W., Byrne, B. & Shavelson, R.J. (1988). A multifaceted academic self-concept:
Its hierarchical structure and its relation to academic achievement, Journal of
Educational Psychology, 80, 30, 366-380.
Marsh, H.W., Hey, J., Johnson, S., & Perry, C. (1997). Elite athlete self description
questionnaire: Hierarchical confirmatory factor analysis of responses by two distinct
groups of elite athletes. International Journal of Sport Psychology, 28, 237-258.
Marsh, H.W., Hey, J., Roche, L.A., & Perry, C. (1997). Structure of physical self-concept:
Elite athletes and physical education students. Journal of Educational Psychology, 89
(2), 369-380.
Marsh, H.W., Perry, C., Horsely, C., & Roche, L.A. (1995). Multidimensional self-
concepts of elite athletes: How do they differ from the general population? Journal of
Sport and Exercise Psychology, 17, 70-83.
Marsh, H.W., Richards, G.E., Johnson, S., Roche, L. & Tremayne, P. (1994). Physical
Self-Description Questionnaire: Psychometric properties and a multitrait-multimethod
analysis of relations to existing instruments. Journal of Sport and Exercise
Psychology, 16, 270-305.
Martín del Buey, F., y Romero Viesca, M.E. (2003). Influencia de las expectativas en el
rendimiento académico. Aula Abierta, 81, 99-110.
Martin González, E. (1986). El rendimiento escolar: una aproximación a su problemática
conceptual y mulideterminación. Madrid: OEI.
Martín Martín, Q. (2001). Cuadernos de Estadística 19. Contrastes de hipótesis. Madrid:
La Muralla.
Martín, E. (2011). The Influence of Diverse Interaction Contexts on Students’ Sociometric
Status. The Spanish Journal of Psychology, 14 (1), 88-98.
Variables personales predictoras del rendimiento académico. Un modelo causal.
366
Martínez Arias, R. (1999). Cuadernos de Estadística 1. El análisis multivariante en la
investigación científica. Madrid, España: La Muralla.
Martínez, C.., Redondo, R., Rua, A., y Fabra, E. (2011). Factores de personalidad (Big
Five) y rendimiento académico en asignaturas cuantitativas de ADE. XIX Jornadas
ASEPUMA - VII Encuentro Internacional. Anales de ASEPUMA, 19, 1-19. Disponible
en: http://www.uv.es/asepuma2011/comunicaciones/0405.pdf
Martínez-Otero Pérez, V. (1997). Los adolescentes ante el estudio: causas y
consecuencias del rendimiento académico. Madrid: Fundamentos.
Masland, L.C., & Lease, A.M. (2013). Effects of achievement motivation, social identity,
and peer group norms on academic conformity. Social Psychology of Education, 16,
661-681.
Maslow, A.H. (1943). A Theory of Human Motivation. Psychological Review, 50, 370-
396. Disponible en: http://psychclassics.yorku.ca/Maslow/motivation.htm
Maslow, A.H. (1954/1991). Motivación y personalidad. Madrid: Ediciones Díaz de
Santos.
Maslow, A.H. (1964). Religions, Values and Peak Experiences. Columbus, OH: Ohio
State University Press. Disponible en: http://www.nostrajewellery.org/files/Abraham-
H.-Maslow-Religions,-Values-and-Peak-Experiences.pdf
Maslow, A.H. (1971). The farther reaches of human nature. New York: The Viking Press.
Mau, W.Ch., & Lynn, R. (2000). Gender differences in homework and test scores in
Mathematics, Reading and Science at tenth and twelfth grade. Psychology, Evolution
& Gender, 2 (2), 119-125.
Mavrovelli, S., Petrides, K.V., Rieffe, C., & Bakker, F. (2007). Trait emotional intelligence,
psychological well-being and peer-rated social competence in adolescence. British
Journal of Developmental Psychology, 25, 263-275.
Mayeux, L., Bellmore, M.D., & Cillessen, A.H.N. (2007). Predicting Changes in
Adjustment Using Repeated Measures of Sociometric Status. The Journal of Genetic
Psychology, 168 (4), 401–424.
Mayeux, L., & Cillessen, A.H.N. (2003). Development of Social Problem Solving in Early
Childhood: Stability, Change, and Associations With Social Competence. The Journal
of Genetic Psychology, 164 (2), 153-173.
McClearn, G.E., Johansson, B., Berg, S., Pedersen, N.L., Ahern, F., Petrill, S.A., et
al.(1997). Substantial Genetic Influence on Cognitive Abilities in Twins 80 or More
Bibliografía
367
Years Old.Science, 276 (5318), 1560-1563.
McClelland, D.C. (1961). The Achieving Society. New York, NY: Van Nostrand.
McClelland, D.C. (1965). Toward a Theory of Motive Acquisition. American Psychologist,
20 (5), 321-333. Disponible en:
http://media.johnwiley.com.au/product_ancillary/64/04702605/DOWNLOAD/chapter
08.pdf
McClelland, D.C. (1975). Power: The Inner Experience. New York, NY: Irvington.
McClelland, D.C. (1989). Estudio de la motivación humana. Madrid: Narcea.
McClelland, D.C., & Boyatzis, R.E. (1982). The leadership motive pattern and long-term
success in management. Journal of Applied Psychology, 67 (6), 737-743.
McClelland, D.C., & Winter, D.G. (1969). Motivating Economic Achievement. New York,
NY: Free Press.
McClelland, D.C., Atkinson, J.W., Clark, R.A., & Lowell, E.L. (1953). The Achievement
Motive. New York, NY: Appleton-Century and Crofts.
McClelland, D.C., Davis, W.N., Kalin, R., & Wanner, E. (1972). The Drinking Man:
Alcohol and Human Motivation. New York, NY: Free Press.
McCown, W., & Johnson, J. (1991). Personality and chronic procrastination by university
students during an academic examination period. Personality and Individual
Differences, 12, 413-415.
McCrae, R.R. (1987). Creativity, divergent thinking and openness to experience. Journal
of Personality and Social Psychology, 52, 1258-1265.
McCrae, R.R. (1996). Social consequences of experiential openness. Psychological
Bulletin, 120, 323-337.
McCrae, R.R. (2000). Emotional intelligence from the perspective of the five-factor model
of personality. In R. Bar-On & J.D.A. Parker (Eds.), Handbook of emotional
intelligence (pp. 263-276). San Francisco, CA: Jossey-Bass.
McCrae, R.R. (2001). Trait psychology and culture: exploring intercultural comparisons.
Journal of Personality 69 (6), 819–846.
McCrae, R.R., & Costa, P.T. Jr. (1997). Conceptions and correlates of Openness to
Experience. In R. Hogan, J. A. Johnson, & S. R. Briggs (Eds.), Handbook of
personality psychology (pp. 825-847). San Diego: Academic Press.
McCrae, R.R., & Costa, P.T. (2003). Personality in adulthood: A Five-Factor Theory
Variables personales predictoras del rendimiento académico. Un modelo causal.
368
perspective (2nd ed.). New York, NY: Guilford Press.
McGee, R., Williams, S., Share, D.L., Anderson, J., & Silva, P.A. (1986). The relationship
between specific reading retardation, general reading backwardness, and behavioural
problems in a large sample of Dunedin boys: A longitudinal study from five to eleven
years. Journal of Child Psychology and Psychiatry, 27, 597-610.
McKenzie, J. (1989). Neuroticism and academic achievement: The Furneaux factor.
Personality and Individual Differences, 10, 509-515.
MECD (2013). Datos básicos del sistema universitario español. Curso 2013-2014.
Madrid: MECD. Secretaría General Técnica. Disponible en:
http://www.mecd.gob.es/dms/mecd/educacion-mecd/areas-
educacion/universidades/estadisticas-informes/datos-
cifras/DATOS_CIFRAS_13_14.pdf
MECD (sf). Enseñanzas no universitarias. Alumnado. Resultados académicos. Curso
2011-2012. Disponible en: http://www.mecd.gob.es/servicios-al-ciudadano-
mecd/estadisticas/educacion/no-universitaria/alumnado/resultados/2011-2012.html
Mednick, S.A. (1972). Aprendizaje. Mexico: Uteha.
Meece, J.L., Anderman, E.M., & Anderman, L.H. (2006). Classroom goal structures,
student motivation, and academic achievement. Annual Review of Psychology, 57,
487-503. doi:10.1146/annurev.psych.56.091103.070258
Melgarejo, X. (2013). Gracias, Finlandia. Barcelona: Plataforma Actual.
Mercer, S.H., & DeRosier, M.E. (2008). Teacher preference, peer rejection, and student
aggression: A prospective study of transactional influence and independent
contributions to emotional adjustment and grades. Journal of School Psychology, 46,
661-685.
Messick, S. (1984). The nature of cognitive styles: problems and promise in educational
practice. Educational Psychologist, 19, 59-74.
Mira y López, E. (1966). El pensamiento: leyes y factores, límites y posibilidades del
pensamiento. Buenos Aires: Kapelusz.
Miras, M. (2004) Afectos, emociones, atribuciones y expectativas: El sentido del
aprendizaje escolar. En C. Coll, J. Palacios y A. Marchesi (Ed.), Desarrollo
psicológico y educación 2. Psicología de la educación escolar (pp. 309-330). Madrid:
Alianza,
Mischel, W. (1968). Personality and assessment. New York, NY: Wiley.
Bibliografía
369
Mischel, W. (1988). Teorías de la personalidad. México: McGraw-Hill.
Miserandino, M. (1996). Children who do well in school: Individual differences in
perceived competence and autonomy in above-average children. Journal of
Educational Psychology, 88, 203-214. doi:10.1037/0022-0663.88.2.203
Mnyandu, P.T. (2001). The relation between self-determination, achievement motivation
ans academic achievement. University of South Africa. Thesis submitted for the
degree of Master of Arts. Unpublished. Disponible en:
http://uir.unisa.ac.za/bitstream/handle/10500/4346/dissertation_coetzee_l.pdf?seque
nce=1
Molina, S., Arráiz, A. y Garrido, M. J. (1993). Batería para la Evaluación Dinámica del
Potencial de Aprendizaje y de las Estrategias Cognitivas (BEDPAEC). Madrid: CEPE.
Möller, J., Pohlmann, B., Köller, O. & Marsh, H.W. (2009). A Meta-Analytic Path Analysis
of the Internal/External Frame of Reference Model of Academic Achievement and
Academic Self-Concept. Review of Educational Research, 79 (3), 1129-1167.
Monjas, M.I., Sureda, I., y García-Bacete, F.J. (2008). ¿Por qué los niños y las niñas se
aceptan y se rechazan? [Why do children accept and reject each other?]. Cultura y
Educación, 20, 479-492.
Montes Gutiérrez, I.C., y Lerner Matiz, J. (2011). Rendimiento académico de los
estudiantes de pregrado de la Universidad EAFIT. Disponible:
http://www.eafit.edu.co/institucional/calidad-
eafit/investigacion/Documents/Rendimiento%20Ac%C3%A1demico-
Perrspectiva%20cuantitativa.pdf
Moraleda, M. (1978). Sociodiagnóstico del aula. Madrid: Marova.
Moreno, J.L. (1934). Who Shall Survive? A New Approach to the Problem of Human
Interrelations. Washington, DC: Nervous and Mental Disease Publishing Co.
Available: https://archive.org/details/whoshallsurviven00jlmo
Moreno, M.C. (2002). Desarrollo y conducta social de los 6 años a la adolescencia. En
J. Palacios, A. Marchesi y C. Coll (Comps. ). Desarrollo psicológico y educación, I.
Psicología Evolutiva (pp. 405-430). Madrid: Alianza Editorial.
Moreu Jalón, P. (1999). Estadística informatizada. Madrid, España: Paraninfo.
Moutafi, J., Furnham, A., & Paltiel, L. (2006). Can personality factors predict intelligence?
Personality and Individual Differences, 38, 1021−1033
Murphy-Berman, V., & Berman, J. (Eds.). (2003). Cross-cultural differences in
Variables personales predictoras del rendimiento académico. Un modelo causal.
370
perspectives on the self. Lincoln, NE: University of Nebraska Press.
Murray, H. (1938). Explorations in Personality. New York, NY: Oxford University Press.
Disponible en: https://archive.org/details/explorationsinpe031973mbp
Musitu, G. (1982). La integración del rechazado escolar. Actas de las II Jornadas de
Orientación Escolar y Profesional. Valencia. 407-428.
Musitu, G., Ferrer, J., y Pascual, J. (1980). El líder y el rechazado escolar. Revista de
Psicología y Pedagogía Aplicadas, 12 (23-24), 121-135.
Myers, D. (1994). Psicología (3a. ed.). Madrid: Ed. Médica Panamericana.
Nagengast, B., & Marsh, H.W. (2012). Big Fish in Little Ponds aspire more: Mediation
and cross-cultural generalizability of school-average ability effects on self-concept
and career aspirations in science. Journal of Educational Psychology, 104 (4), 1033-
1053.
Newcomb, A.F., Bukowski, W.M., & Pattee, L. (1993). Children's peer relations: a meta-
analytic review of popular, rejected, neglected, controversial, and average sociometric
status. Psychological Bulletin, 113 (1), 99-128.
Nickerson, R.S., Perkins, D.N. y Smith, E.E. (1987). Enseñar a pensar. Aspectos de la
aptitud intelectual. Barcelona: Paidós.
Niemiec, C., & Ryan, R. (2009). Autonomy, competence, and relatedness in the
classroom. Theory and Research in Education, 7, 133-144.
Nilsen, H. (2009). Influence on Student Academic Behaviour through Motivation, Self-
Efficacy and Value-Expectation: An Action Research Project to Improve Learning.
Issues in Informing Science and Information Technology, 6, 545-556.
Noftle, E.E. & Robins, R.W. (2007), Personality Predictors of Academic Outcomes: Big
Five Correlates of GPA and SAT Scores. Journal of Personality and Social
Psychology, 93 (1), 116-130.
Norman, W. (1963). Toward an adequate taxonomy of personality attributes: Replicated
factor structure in peer nomination personality ratings. Journal of Abnormal & Social
Psychology, 66, 576-583.
Núñez Pérez y González-Pienda (1994). Determinantes del rendimiento académico.
Oviedo: Servicio de Publicaciones de la Universidad de Oviedo.
Bibliografía
371
Núñez Pérez, J.C., González-Pienda, J.A., García Rodríguez, M., González-Pumariega,
S., Roces Montero, C., Álvarez Pérez, L. y González Torres, M.C. (1998). Estrategias
de aprendizaje, autoconcepto y rendimiento académico. Psicothema, 10 (1), 97-109.
Nuttin, J. (1963). La motivation. In J. Nuttin, P. Fraisse, R. Meili et P. Roubertoux (eds.),
Traité de psychologie experiméntale. Vol. V, Motivation, émotion et personnalité (pp.
1-82). París: PUF.
Nuttin, J. (1975). La estructura de la personalidad. Buenos Aires: Kapelusz.
O’Connor, M., & Paunonen, S.V. (2007), Big Five Personality Predictors of Post-
Secondary Academic Performance. Personality and Individual Differences, 43 (5),
971-990.
OCDE (2010). PISA 2009. Programa para la Evaluación Internacional de los Alumnos.
Informe español. Madrid: ME-Instituto de Evaluación.
OCDE (2013). PISA 2012. Programa para la Evaluación Internacional de los Alumnos
Informe español, Vol. I: Resultados y contexto. Madrid: MCDE-INEE.
OCDE (2014). Panorama de la educación Indicadores de la OCDE 2014. Informe
Español. Madrid: MECD-INEE
OECD (2009). Equally prepared for life? How 15-year-old boys and girls perform in
school. Available: http://www.oecd-ilibrary.org/education/equally-prepared-for-
life_9789264064072-en
OHMCI (1997). The Relative Performance of Boys and Girls. Cardiff, UK: Office of Her
Majesty's Chief Inspector in Wales.
Orue, I, & Calvete, E. (2011). Reciprocal relationships between sociometric indices of
social status and aggressive behavior in children: Gender differences. Journal of
Social and Personal Relationships, 28, 963-982.
Ovejero, A. (2003). La cara oculta de los tests de inteligencia. Madrid: Biblioteca Nueva.
Padilla, M.L., y González, M.M. (1990). Conocimiento social y desarrollo moral en los
años escolares. En J. Palacios, A. Marchesi y C. Coll (Comps.), Desarrollo
Psicológico y Educación I. Psicología Evolutiva (págs. 265-275). Madrid: Alianza.
Papalia, D.E y Olds, S.W. (1987). Psicología. Mexico: McGraw-Hill.
Papalia, D.E, Olds, S.W. y Feldman, R.D. (2009). Psicología del desarrollo. De la
infancia a la adolescencia (11ª. ed.). Mexico: McGraw-Hill.
Pardo Merino, A. y Alonso Tapia, J. (1990). Motivar en el aula. Madrid: Servicio de
Variables personales predictoras del rendimiento académico. Un modelo causal.
372
Publicaciones UAM.
Parker, J.G., & Asher, S.R. (1987). Peer relations and later personal adjustment: Are
low-accepted children at risk? Psychological Bulletin, 102 (3), 357-389.
Parker, P., Marsh, H., Ciarrochi, J., Marshall, S. & Abduljabbar, A. (2013). Juxtaposing
math self-efficacy and self-concept as predictors of long-term achievement outcomes.
Educational Psychology: An International Journal of Experimental Educational
Psychology. Advance Online Publication. Disponible en:
http://www.acceptandchange.com/wp-content/uploads/2013/05/Parker-Marsh-
ciarrochi-et-al-2013-Seff-ASC-as-Longterm-Ach-predictors-EdPsychUK.pdf
Parkhurst, J.T., & Hopmeyer, A.G. (1998). Sociometric popularity and peer-perceived
popularity: Two distinct dimensions of peer status. The Journal of Early Adolescence,
18, 125-144. doi: 10.1177/0272431698018002001.
Pavlov, I. P. (1927). Conditioned Reflexes: An Investigation of the Physiological Activity
of the Cerebral Cortex (translated and edited by G.V. Anrep). London, UK: Oxford
University Press. Disponible en: http://psychclassics.yorku.ca/Pavlov/
Pérez Serrano, G. (1981). Origen social y rendimiento escolar. Madrid: Centro de
Investigaciones Sociológicas.
Pérez, C. (2005). Técnicas estadísticas con SPSS 12. Madrid: Pearson.
Pérez, J.I., y Garaigordobil, M. (2004). Relaciones de la socialización con inteligencia,
autoconcepto y otros rasgos de la personalidad en niños de 6 años. Apuntes de
Psicología, 22 (2), 153-169.
Perrenoud, P. (2002). Réussir à l’école: tout le curriculum, rien que le curriculum! Texte
d’une intervention dans le débat d’ouverture du 10e colloque de l’Association des
cadres scolaires du Québec (ACSQ). Québec, 27-29 novembre 2002. Disponible:
http://www.unige.ch/fapse/SSE/teachers/perrenoud/php_main/php_2002/2002_33.h
tml
Pervin, L.A. (1979). Personalidad: teoría, diagnóstico e investigación. Bilbao: Desclée
de Brouwer.
Pervin, L.A. (1998). La Ciencia de la Personalidad. Madrid: McGraw-Hill.
Petrides, K.V., & Furnham, A. (2006). The role of trait emotional intelligence in a gender-
specific model of organizational variables. Journal of Applied Social Psychology, 36,
552-569.
Petrides, K.V., Chamorro-Premuzic, T., Frederickson, N. &Furnham, A. (2005).
Bibliografía
373
Explaining individual differences in scholastic behaviour and achievement. British
Journal of EducationalPsychology, 75, 239-255.
Petrides, K.V., Sangareau, Y., Furnham, A., & Frederickson, N. (2006). Trait emotional
intelligence and children's peer relations at school. Social Development, 15 (3), 537-
547.
Piaget, J. (1969). El nacimiento de la inteligencia en el niño. Madrid: Aguilar.
Pind, J., Gunnarsdóttir, E.K. &Jóhannesson, H.S. (2003). Raven’s standard progressive
matrices: New school agenorms and a study of the test’s validity. Personality and
Individual Differences, 34, 375-386.
Pinillos, J.L. (1975). Principios de Psicología. Madrid: Alianza.
Pintrich, P. R. (2003). Motivation and classroom learning. In W. M. Reynolds & G. E.
Miller (Eds.), Handbook of psychology: Educational psychology, Vol. 7 (pp. 103-122).
Hoboken, NJ: Wiley.
Pintrich, P., & De Groot, A. (1990). Motivational and self-regulated learning components
of classroom academic performance. Journal of Educational Psychology, 82, 33-40.
Pintrich, P. R., & Schunk, D. H. (1996). Motivation in education: Theory, research and
applications. Englewood Cliffs, NJ: Prentice Hall.
Pintrich, P.R., & Zusho, A. (2002). The development of academic self-regulation: the role
of cognitive and motivational factors. In A. Wigfield & J.S. Eccles (Eds.), Development
of achievement motivation (pp. 249-284). San Diego, CA: Academic Press.
Pisula, E., & Łukowska, E. (2011). Perception of social relationships with classmates and
social support in adolescents with Asperger syndrome attending mainstream schools
in Poland. School Psychology International, 33 (2), 185-206.
Plomin, R. (1994). Genetics and experience: The interplay between nature and nurture.
Thousand oaks, CA: Sage.
Plomin, R. y De Fries, J.C. (1999). Genética y cognición. Investigación y ciencia. Temas,
17, 16-23
Plomin, R. & Spinath, F.M. (2004). Intelligence: Genetics, genes and genomics. Journal
of Personality and Social Psychology, 85(1), 112-129.
Poropat, A.E. (2009). A meta-analysis of the Five-Factor model of personality and
academic performance. Psychological Bulletin, 135, 322-338.
Poropat, A.E. (2011). The Eysenckian personality factors and their correlations with
Variables personales predictoras del rendimiento académico. Un modelo causal.
374
academic performance. British Journal of Educational Psychology, 81, 41-58.
Porter, L.W., & Lawler, E.E (1968). Managerial Attitudes and Perfomance. Hommewood,
lL: Richard D. Irwin.
Prince, M. (1921). The unconscious, the fundamentals of human personality, normal and
adnormal. New York, NY: Macmillan CO. Available on:
https://archive.org/stream/unconsciousthefu00priniala#page/4/mode/2up
Puckett, M.B., Wargo, J., & Cillessen, A.H. (2008). Moderators of the association
between relational aggression and perceived popularity. Aggressive Behavior, 34,
563-576.
Pullmann, H. & Allik, J. (2008). Relations of academic and general self-esteem to school
achievement. Personality and Individual Differences, 45, 559-564.
Ratelle, C., Guay, F., Vallerand, R., Larose, S., & Senécal, C. (2007). Autonomous,
controlled, and amotivated types of academic motivation: A person-oriented
analysis. Journal of Educational Psychology, 99 (4), 734-746.
Raven, J.C. (1938). Progressive matrices: A perceptual test of intelligence. London: H.K.
Lewis
Reeve, J. (2002). Self-determination theory applied to educational settings. In E. L. Deci
& R. M. Ryan (Eds.), Handbook of self-determination research (pp. 183-203).
Rochester, NY: University of Rochester Press.
Reeve, J., Deci, E.L y Ryan, R.M. (2004). Self-determination theory: A dialectical
framework for understanding sociocultural influences on student motivation. En D.
McInerney y S. Van Etten (Eds.), Big theories revisited (pp. 31-60). Greenwich, CT:
Information Age Press.
Reeve, C.L. & Hakel, M.D. (2000). Toward an understanding of adult intellectual
development: Investigating within person convergence of interest and knowledge
profiles. Journal of Applied Psychology, 85, 897-908.
Reeve, J., Ryan, R.M., Deci, E.L., & Jang, H. (2008). Understanding and promoting
autonomous self-regulation: A self-determination perspective. In D. Schunk & B.
Zimmerman (Eds.), Motivation and self-regulated learning: Theory, research, and
applications (pp. 223-244). London: LEA.
Reparaz, C. Tourón, J. y Villanueva, C. (1990). Estudio de algunos factores relacionados
con el rendimiento académico en 8º de EGB. Bordón, 42, 167-178.
Reyes Tejada, Y.N. (2003). Relación entre el Rendimiento Académico, la Ansiedad ante
Bibliografía
375
los Exámenes, los Rasgos de Personalidad, el Autoconcepto y la Asertividad en
Estudiantes del Primer Año de Psicología de la UNMSM. Tesis doctoral. Disponible:
http://sisbib.unmsm.edu.pe/bibvirtualdata/tesis/salud/reyes_t_y/t_completo.pdf
Riaz, A., Riaz, A., & Hussain, M. (2011). Students’ acceptance and commitment to e-
learning: Evidence from Pakistan. Proceedings of the 2011. International Conference
on Teaching, Learning and Change.
Rica, S., y González, A. (2013). Brechas de Género en los Resultados de PISA: El
Impacto de las Normas Sociales y la Transmisión Intergeneracional de las Actitudes
de Género. Madrid: Fedea – Fundación de Estudios de Economía Aplicada.
Disponible en: http://documentos.fedea.net/pubs/dt/2013/dt-2013-10.pdf
Rich Harris, J. (1999). El mito de la educación. Barcelona: Grijalbo.
Riding, R.J. & Armstrong, J.M. (1982) Sex and personality differences in performance
on mathematics tests in 11-year-old children. Educational Studies, 8 (3), 217-225.
Rindermann, H. & Neubauer, A.C. (2004). Processing speed, intelligence, creativity, and
schoolperformance: Testing of causal hypotheses using structural equation models.
Intelligence, 32, 573-589.
Rodríguez Espinar, S. (1982). Un modelo de predicción del rendimiento académico en
la 2ª etapa de EGB. Modelos de Investigación Educativa. Barcelona: Edicions
Universitat.
Rodríguez Espinar, S. (1985). Factores del rendimiento escolar. Oikos-Tau. Barcelona.
Rodríguez Pérez, A. y Morera Bello, D. (2001). El sociograma. Estudio de las relaciones
informales en las organizaciones. Madrid: Pirámide.
Rodríguez-Fernández, A., González-Fernández, O. & Goñi-Grandmontagne, A. (2013).
Sources of perceived sociocultural pressure on physical self-concept. Psicothema, 25
(2), 192-198.
Roesell, F.P. (1937). Comparative mental ability of high school pupils in threeMinnesota
towns in 1920 and 1934. Minnesota Studies in Articulation (pp. 122-128).Minneapolis,
MN: University of Minessota Press.
Rogers, C.R. (1972). Psicoterapia centrada en el cliente. Buenos Aires, AR: Paidós.
Rogers, C.R. (1977). El poder de la persona. México: El Manual Moderno.
Rogers, C.R. (1979). El proceso de convertirse en persona. Buenos Aires, AR: Paidós
Rogers, C.R. (1980). A Way of Being. Boston, MA: Houghton Mifflin.
Variables personales predictoras del rendimiento académico. Un modelo causal.
376
Rohde, T.E. & Thompson, L.A. (2007). Predicting academic achievement with cognitive
ability. Intelligence, 35 (1), 83-92.
Rotgans, J.I., & Schmidt, H.G. (2012). The Intricate Relationship Between Motivation
and Achievement: Examining the Mediating Role of Self-Regulated Learning and
Achievement-Related Classroom Behaviors. International Journal of Teaching and
Learning in Higher Education, 24 (2), 197-208.
Rothstein, M.G., Paunonen, S.V., Rush, J.C., & King, G.A. (1994), Personality and
Cognitive Ability Predictors of Performance in Graduate Business School. Journal of
Educational Psychology, 86 (4), 516-530.
Ruiz, G., Ruiz, J., y Ruiz, E. (2010). Indicador global de rendimiento. Revista
Iberoamericana de Educación, 52 (4), 1-11. Disponible:
http://www.rieoei.org/deloslectores/3258Ruiz.pdf
Runquist, E.A. (1936). Intelligence test scores and school marks in 1928
and 1933. School & Society, 43, 301-304.
Ryan, R.M. & Deci, E.L. (2000a). Self-determination theory and the facilitation of intrinsic
motivation, social development, and well-being. American Psychologist, 55, 68-78.
Ryan, R.M., & Deci, E.L. (2000b). Intrinsic and extrinsic motivations: classic definitions
and new directions. Contemporary Educational Psychology, 25, 54-67.
Ryan, R.M., & Deci, E.L. (2009). Promoting self-determined school engagement:
Motivation, learning, and well-being. In K.R. Wentzel & A. Wigfield (Eds.), Handbook
of motivation at school (pp. 171–196). New York, NY: Routledge
Sameroff, A.J. (1975). Transactional models in early social relations. Human
Development, 18, 65-79.
Sameroff, A.J., & MacKenzie, M.J. (2003). Research strategies for capturing
transactional models of development: The limits of the possible. Development and
Psychopathology, 15, 613-640.
Sandstrom, M., & Zakriski, A. (2004). Understanding the experience of peer rejection.
En J.B. Kupersmidt & K.A. Dodge (Eds.), Children’s peer relations: From development
to intervention (pp. 101-118). Washington, DC: American Psychological Association.
Sanson, A., Hemphill, S.A. y Smart, D. (2004). Connections between temperament and
social development: a review. Social Development, 13 (1), 142-170.
Savage-McGlynn, E. (2012). Sex differences in intelligence in younger and older
participants of the Raven’s Standard Progressive Matrices Plus. Personality and
Bibliografía
377
Individual Differences, 53, 137-141.
Schermer, J.A. & Vernon, P.A. (2010). The correlation between general intelligence (g),
a general factor of personality (GFP), and social desirability. Personality and
Individual Differences, 48, 187-189.
Schooler, C. (1999). Environmental Complexity and the Flynn Effect. In U. Neisser (ed.)
The Rising Curve (pp. 67-79). Hyattsville, MD: APA.
Schunk, D.H., & Pajares, F. (2005). The Development of Academic Self-Efficacy. In A.
Wigfield & J. Eccles (Eds.), Development of achievement motivation. San Diego:
Academic Press. Disponible en:
http://www.uky.edu/~eushe2/Pajares/SchunkPajares2001.PDF
Schunk, D.H., Pintrich, P.R., & Meece, J.L. (2008). Motivation in education: Theory,
research, and applications (3rd ed.). Columbus, OH: Merrill.
Schwartz, D., Hopmeyer-Gorman, A., Nakamoto, J., & Tobin, R.L. (2005). Victimization
in the peer group and children’s academic functioning. Journal of Educational
Psychology, 97, 425-435.
Scroggs, J.R. (1985). Key ideas in personality theory. St. Paul, MN: West Publishing Co.
Seaton, M., Marsh, H.W. & Craven, R.G. (2010). Big-fish-little-pond effect:
generalizability and moderation – two sides of the same coin. American. Educational
Research Journal, 47, 390-433.
Secadas, F. (1989). Test Factorial de Inteligencia. AMPE-F. Madrid: TEA.
Selman, R.L. (1980). The growth of interpersonal understanding. New York, NY:
Academic Press.
Shayer, M. Ginsburg, D. & Coe, R. (2007). Thirty years on - a large anti-Flynn effect?
The Piagetian test Volume & Heaviness norms 1975–2003. British Journal of
Educational Psychology, 77, 25-41.
Shiner, R.L., Masten, A.S., & Roberts, J.M. (2003). Childhood personality foreshadows
adult personality and life outcomes two decades later. Journal of Personality, 71,
1145-1170.
Sideridis, G.D. (2005). Goal orientations, classroom goal structures, and regulation in
students with and without learning disabilities: Should we alter student’s motivation, a
classroom’s goal structure, or both? In G.D. Sideridis & T.A. Citro (Eds.), Research to
practice: Effective interventions in learning disabilities (pp. 193-219). Boston, MA:
Learning Disabilities Worldwide.
Variables personales predictoras del rendimiento académico. Un modelo causal.
378
Sirota, D., Mischkind, L., & Meltzer, M. (2005). Assumptions that kill morale. Leader to
Leader, 38, 24-27.
Skaalvik, E.M. & Skaalvik, S. (2013). School goal structure: Associations with students’
perceptions of their teachers as emotionally supportive, academic self-concept,
intrinsic motivation, effort, and help seeking behavior. International Journal of
Educational Research, 61, 5-14.
Skinner, B.F. (1938). The Behavior of Organisms. New York: Appleton-Century-Crofts.
Available on: http://s-f-
walker.org.uk/pubsebooks/pdfs/The%20Behavior%20of%20Organisms%20-
%20BF%20Skinner.pdf
Skinner, B.F. (1977a). Ciencia y conducta humana. Barcelona: Fontanella.
Skinner, B.F. (1977b). Más allá de la libertad y la dignidad. Barcelona: Fontanella.
Skinner, B.F. (1977c). Sobre el conductismo. Barcelona: Fontanella.
Skinner, B.F. (1979). Tecnología de la enseñanza. Barcelona: Labor.
Skinner, B.F. (1985). Aprendizaje y comportamiento. Barcelona: Martínez Roca.
Slade, M. (2008). A study of the interrelationship between the behaviour and social status
of a class of Year 2 pupils. Support for Learning, 23 (2), 63-70.
Smith, S. (1942). Language and non-verbal test performance of racial groups in Honolulu
before and after a fourteen-year interval. The Journal of General Psychology, 26, 51-
93.
Smrtnik, H., & Zupančič, M. (2010). Robust and Mid-Level Personality Traits as
Predictors of Adolescents' Academic Achievement in Secondary School. Suvremena
psihologija, 13 (2), 203-219.
Solana, R.F. (1993). Administración de Organizaciones. Buenos Aires: Ediciones
Interoceánicas S.A.
Spearman, C. (1904). General intelligence objectively determined and measured.
American Journal of Psychology, 15, 201-293.
Spearman, C. (1923). The nature of 'intelligence’ and the principies of cognition. London:
Macmillan.
Spearman, C. (1927). The abilities of man. London: Macmillan.
Bibliografía
379
Spinath, B. & Steinmayr, R. (2012). The roles of competence beliefs and goal
orientationsfor change in intrinsic motivation. Journal of Educational Psychology, 104
(4), 1135–1148.
St-Amant, J.C. (1993). Les pratiques de raccrochage et la réussite scolaire. Centre de
recherche et d’intervention sur la réussite scolaire, 3, 1-8.
Steinmayr, R., Bipp, T., & Spinath, B. (2011), Goal Orientations Predict Academic
Performance Beyond Intelligence and Personality. Learning and Individual
Differences, 21 (2), 196-200.
Steinmayr, R., & Spinath, B. (2007). Predicting School Achievement from Motivation and
Personality. Zeitschrift für Pädagogische Psychologie, 21 (3/4), 207-216.
Stern, W. (1912). The Psychological Methods of Intelligence Testing. Baltimore: Warwick
and York.
Sternberg, R.J. (1982). Thinking and learning skills: A view of intelligence. Education
Digest, 47, 20-22.
Sternberg, R.J. (1985). Beyond IQ: A triarchic theory of human intelligence. New York:
Cambridge University Press.
Sternberg, R.J. (1988a). The triarchic mind: A new theory of human intelligence. New
York: Viking.
Sternberg, R.J. (1988b). Mental self-government: A theory of intellectual styles and their
development. Human Development, 31, 197-224.
Sternberg, R.J. (1991). Triarchic Abilities Test. In D. Dickinson (ed.), Creating the Future:
Perspectives on Educational Change. Disponible en:
http://education.jhu.edu/PD/newhorizons/future/creating_the_future/crfut_sternberg.
cfm
Sternberg, R.J. (1993). Sternberg Triarchic Abilities Test. Unpublished research
instrument available from author.
Sternberg, R.J. (1997). Inteligencia exitosa. Barcelona: Paidós.
Sternberg, R.J. (1999). Medición de la inteligencia. Investigación y Ciencia. Temas, 17,
8-13.
Sternberg, R.J. & Grigorenko, E. (1995). Theme. Park Psychology a case study
regarding human intelligence and its implication in education. Educational Psychology
Review, 12 (2), 246-268.
Variables personales predictoras del rendimiento académico. Un modelo causal.
380
Sternberg, R.J., Grigorenko, E.L. & Bundy, D.A. (2001). The predictive value of IQ.
Merril-Palmer Quarterly, 47, 1-41.
Sternberg, R.J., Grigorenko, E.L. & Kidd, K.K. (2005). Intelligence, race, and genetics.
American Psychologist, 60, 46-59.
Sternberg, R.J. & Kaufman, J.C. (1998). Human abilities. Annual Review of Psychology,
49, 479-502.
Storek, J., & Furnham, A. (2013). Gender, g, Gender Identity Concepts, and Self-
Constructs as Predictors of the Self-Estimated IQ. The Journal of Genetic
Psychology, 174 (6), 664-676.
Strand, S., Deary, I, & Smith, P. (2006). Sex differences in cognitive abilities test scores:
a UK national picture. British Journal of Educational Psychology, 76 (3), 463-80.
Sullivan, H.S. (1953). The interpersonal theory of psychiatry. New York, NY: Norton.
Sundet, J.M., Barlaug, D.G. & Torjussen, T.M. (2004). The end of the Flynn effect? A
study of secular trends in mean intelligence test scores of Norwegian conscripts
during half a century. Intelligence, 32, 349-362.
Szymanowicz, A, & Furnham, A. (2013). Gender and Gender Role Differences in Self-
and Other-Estimates of Multiple Intelligences. The Journal of Social Psychology, 153
(4), 399-423.
Tapia, A.H. (1989). Fracaso escolar, replanteamiento del problema. Revista de Ciencias
de la Educación, 138, 111-119.
Teasdale, T.W. & Owen, D.R. (2005). A long-term rise and recent decline in intelligence
testperformance The Flynn Effect in reverse. Personality and Individual Differences,
39, 837-843.
Terman, L.M. (1916). The measurement of intelligence. Boston: Houghton Mifflin.
Terman, L.M. (1921). In Symposium: Intelligence and its measurement. Journal of
Educational Psychology, 12, 127-133.
Terman, L.M. & Merrill, M.A. (1937). Measuring intelligence: A guide to the administration
of the new revised Stanford–Binet tests of intelligence. Boston (MA): Houghton Mifflin.
Thorndike, R. L., Hagen, E. P., y Sattler, J.M. (1986). The Stanford-Binet Intelligence
Scale: fourth edition. Guidefor administering and scoring. Chicago: Riverside
Publishing.
Thurstone, L.L. (1921). Intelligence. En E.L. Thorndike (ed.), Intelligence and Its
Bibliografía
381
Measurement: A Symposium. Journal of Educational Psychology, 12, 123-147, 195-
216.
Thurstone, L.L. (1938). Primary mental abilities. Chicago, Il: Univ. of Chicago Press.
Titkova, V., Ivaniushina, V., & Alexandrov, D. (2013). Sociometric popularity in a school
context. Basic Research Program. Working Papers, Series: EDUCATION. Available:
http://www.hse.ru/data/2013/03/02/1293260250/10EDU2013.pdf
Tonconi Quispe, J. (2010). Factores que Influyen en el Rendimiento Académico y la
Deserción de los Estudiantes de la Facultad de Ingeniería Económica de la UNA-
Puno (Perú). Cuadernos de Educación y Desarrollo, 2 (1), 45.
Torres, L.E., y Rodríguez, N.Y. (2006). Rendimiento académico y contexto familiar en
estudiantes universitarios. Enseñanza e investigación en Psicología, 2 (2), 255-270.
Disponible: http://www.redalyc.org/pdf/292/29211204.pdf
Tourón, J. (1984). Factores del rendimiento académico en la Universidad. Barañaín,
Navarra: EUNSA.
Tourón, J. (1985). La predicción del rendimiento académico: Procedimientos, resultados
e implicaciones. Revista Española de Pedagogía, 169-170, 473-495. Disponible en:
http://dadun.unav.edu/handle/10171/18774
Tran, U.S., Hofer, A.A., & Voracek, M. (2014). Sex Differences in General Knowledge:
Meta-Analysis and New Data on the Contribution of School-Related Moderators
among High-School Students. PLoS ONE 9 (10): e110391.
doi:10.1371/journal.pone.0110391
Trautwein, U., Ludtke, O., Roberts, B.W., Schnyder, I., & Niggli, A. (2009), Different
Forces, Same Consequences: Conscientiousness and Competence Beliefs are
Independent Predictors of Academic Effort and Achievement. Journal of Personality
and Social Psychology, 97 (6), 1115-1128.
Tucker, C.M., Zayco, R.A., & Herman, K.C. (2002). Teacher and child variables as
predictors of academic engagement among low-income African American children.
Psychology in the Schools, 39 (4), 477-488.
Tupes, E.C., & Christal, R.E. (1961, May). Recurrent personality factors based on trait
ratings (ASD-TR-61-97). Lackland Air Force Base, TX: Aeronautical Systems
Division, Personnel Laboratory. Disponible en:
http://www.dtic.mil/dtic/tr/fulltext/u2/267778.pdf
Turkheimer, E., Haley, A., Waldron, M., D'Onofrio, B. & Gottesman, I.I. (2003).
Variables personales predictoras del rendimiento académico. Un modelo causal.
382
Socioeconomic status modifies heritability of IQ in young children. Psychological
Science, 14 (6), 623-8.
Tzuriel, D. (2001). Dynamic Assessment is not Dynamic Testing. Issues in Education, 7
(2), 237-250.
Urquijo, S. (2005). Características psicológicas y sociales asociadas al desempeño
académico. Argentina: Universidad Nacional de Mar del Plata – CONICET. Facultad
de Psicología. Disponible en: http://www.fchst.unlpam.edu.ar/iciels/165.pdf
Valle Arias, A., González Cabanach, R., Gómez Taibo, M.L., Rodríguez Martínez, S.,
Piñeiro Aguin, I. (1998). Influencia de las atribuciones causales internas y externas
sobre las metas académicas. Bordón, 50 (4), 405-413.
Vallerand, R.J., & Bissonnette, R. (1992). Intrinsic, Extrinsic, and Amotivational Styles
as Predictors of Behavior: A Prospective Study. Journal of Personality 60 (3), 599-
620.
Vallerand, R.J., Pelletier, L.G., Blais, M.R., Briere, N.M., Senécal, C., & Vallieres, E.F.
(1992). The Academic Motivation Scale: A measure of intrinsic, extrinsic, and
amotivation in education. Educational and Psychological Measurement, 52, 1003-
1017.
Vallerand, R.J., Pelletier, L.G., Blais, M.R., Brière, N.M., Senécal, C., & Vallières, E.F.
(1993). On the assessment of intrinsic, extrinsic, and amotivation in
education. Educational and Psychological Measurement, 53, 159-172.
Vander Zanden, J. (1986). Manual de Psicología Social. Barcelona: Paidós.
Vansteenkiste, M., Zhou, M., Lens, W., & Soenens, B. (2005). Experiences of autonomy
and control among Chinese learners: Vitalizing or immobilizing? Journal of
Educational Psychology, 97, 468-483. doi:10.1037/0022-0663.97.3.468
Vernon, P.A. (1983). Speed of information processing and general intelligence.
Intelligence, 7 (1) 53-70.
Vernon, P.E. (1960). The structure of human abilities (rev. ed.). London: Methuen.
Véronneau, M.H., Vitaro, F., Brendgen, M., Dishion, T.J, & Tremblay, R.E. (2010).
Transactional Analysis of the Reciprocal Links Between Peer Experiences and
Academic Achievement From Middle Childhood to Early Adolescence.
Developmental Psychology, 46 (4), 773-790.
Vez, J.M., Martínez, E., y Lorenzo, A. (2012). La exposición y uso ambiental de la lengua
extranjera en contextos no formales mejora su comprensión oral. En Estudio Europeo
Bibliografía
383
de Competencia Lingüística, EECL, Vol. II. Análisis de Expertos (pp. 30-52). MECD-
INEE.
Visser, B.A., Ashton, M.C. & Vernon, P.A. (2006a). Beyond g: Putting multiple
intelligences theory to the test. Intelligence, 34 (5), 487–502.
Visser, B.A., Ashton, M.C. & Vernon, P.A. (2006b). g and the measurement of Multiple
Intelligences: A response to Gardner. Intelligence, 34 (5), 507-510.
Visser, B.A., Ashton, M.C. & Vernon, P.A. (2008). What Makes You Think You’re so
Smart? Journal of Individual Differences, 29 (1), 35-44.
Voyer, D., & Voyer, S.D. (2014). Gender Differences in Scholastic Achievement: A Meta-
Analysis. Psychological Bulletin, 140 (4), 1174-1204.
Vroom, V.H. (1964). Work and motivation. New York, NY: Wiley.
Vygotsky, L.S. (1930/1990). La imaginación y el arte en la infancia. Madrid. AKAL.
Vygotsky, L.S. (1931/1978). El desarrollo de los procesos psicológicos superiores.
Madrid, Grijalbo.
Vygotsky, L.S. (1934/1987). Pensamiento y lenguaje. Buenos Aires, AR: La Pléyade.
Wang, M.T., & Eccles, J.S. (2013). School context, achievement motivation, and
academic engagement: A longitudinal study of school engagement using a
multidimensional perspective. Learning and Instruction, 28, 12-23.
Warren, H.C., & Carmichael, L. (1930). Elements of human psychology. Boston, MA:
Houghton Mifflin Company.
Watkins, M.W., Lei, P-W & Canivez, G.L. (2007). Psychometric intelligence and
achievement: A cross-lagged panel analysis. Intelligence 35, 59–68.
Watson, J.B. (1913). Psychology as the behaviorist views it. Psychological Review,
20, 158-177. Disponible en:
http://pages.pomona.edu/~rt004747/lgcs11read/Watson13.pdf
Watson, J.B. (1919). Psychology from the Standpoint of a Behaviorist. Philadelphia, PA:
Lippincott. Disponible en: https://archive.org/details/psychologyfromth008005mbp
Watson, J.B. (1924/1972). El Conductismo. Buenos Aires, AR: Paidos.
Watson, J.B. (1925). Behaviorism. New York, NY: People’s Institute Publishing
Company. Disponible en: https://archive.org/details/behaviorism032636mbp
Watson, J.B. (1928). Psychological Care of the Infant and Child. New York, NY: Norton.
Variables personales predictoras del rendimiento académico. Un modelo causal.
384
Watson, J.B. (1930). Behaviorism (revised edition). Chicago, ILL: University of Chicago
Press.
Wechsler, D. (1939). Wechsler-Bellevue intelligence scale. New York, NY: The
Psychological Corporation.
Wechsler, D. (1944). The measurement of adult intelligence (3a. ed.). Baltimore, MD:
Williams and Wilkins.
Wechsler, D. (1949). Wechsler intelligence scale for children. New York: The
Psychological Corporation.
Wechsler, D. (1967). Manual for the Wechsler Preschool and Primary Scale of
Intelligence. San Antonio, TX: The Psychological Corporation.
Weiner, B. (1974). Achievement motivation and attribution theory. Morristown, N.J.:
General Learning Press.
Weiner, B. (1979). A theory of motivation for some classroom experiences. Journal of
Educational Psychology, 71, 3-25.
Weiner, B. (1980). Human Motivation. New York, NY: Holt, Rinehart & Winston.
Weiner, B. (1986). An attributional theory of motivation and emotion. New York: Springer-
Verlag.
Weissa, E.M., Kemmlera, G., Deisenhammerb, E.A., Fleischhacker, W., & Delazerc M.
(2003). Sex Differences in Cognitive Functions. Personality and Individual
Differences, 35, 863-875.
Welsh, M., Parke, R.D., Widaman, K., & O’Neil, R. (2001). Linkages between children’s
social and academic competence: A longitudinal analysis. Journal of School
Psychology, 39, 463-481.
Wentzel, K.R. (1991). Relations between social competence and academic achievement
in early adolescence. Child Development, 62, 1066-1078. doi:10.2307/1131152.
Wentzel, K.R. (1993). Motivation and achievement in early adolescence: The role of
multiple classroom goals. Journal of Early Adolescence, 13, 4-20.
Wentzel, K.R. (2003). Sociometric status and adjustment in middle school: A longitudinal
study. The Journal of Early Adolescence, 23 (1), 5-28.
Wentzel, K.R. (2005). Peer relationships, motivation, and academic performance at
school. In A.J. Elliot & C.S. Dweck (Eds.), Handbook of competence and motivation
(pp. 279-296). New York, NY: Guilford Press.
Bibliografía
385
Wentzel, K.R. (2009). Peers and academic functioning at school. In K.H. Rubin, W.M.
Bukowski & B. Laursen (Eds.), Handbook of peer interactions, relationships, and
groups (pp. 531-547). New York, NY: The Guilford Press.
Wentzel, K.R. & Asher, S.R. (1995). Academic lives of neglected, rejected, popular, and
controversial children. Child Development, 66, 754-763.
Wentzel, K.R., & Caldwell, K. (1997). Friendships, peer acceptance, and group
membership: Realtions to academic achievement in middle school. Child
development, 68 (6), 1198-1209.
Wentzel, K.R., Barry, K.R., & Caldwell, K. (2004). Friendships in middle school:
Influences on motivation and school adjustment. Journal of Educational Psychology,
96, 195-203.
Wertsch, J.V. (1988). Vygotsky y la formación social de la mente. Barcelona Paidós.
West, S.G., Finch, J.F., & Curran, P.J. (1995). Structural equation models with non-
normal variables. In R.H. Hoyle (Ed.), Structural Equation Modelling: Concepts,
Issues and Applications (pp. 56-75). Thousand Oaks, CA: Sage.
Wheeler, L.R. (1942). A comparative study of the intelligence of East Tennesse mountain
children. Journal of Educational Psychology, 33, 321-334.
White, R.W. (1959). Motivation reconsidered: The concept of competence. Psychological
Review, 66, 297-333.
Wigfield, A. & Eccles, J.S. (2000). Expectancy-value theory of achievement motivation.
Contemporary Educational Psychology, Special Issue: Motivation and the
Educational Process, 25 (1), 68-81.
Wilson, R.G., & Lynn, R. (1990) Personality, intelligence components and foreign
language attainment. Educational Psychology, 10 (1), 57-71.
Wong, K.C., Lam, Y.R., & Ho L.M. (2002). The effects of schooling on gender
differences. British Educational Research Journal, 28, 827–843.
Woodbridge, N.B., & Manamela, N.M. (1992). Promoting children's motivation at school.
Educare, 21 (1 & 2), 114-119.
Woolfolk, A. (1996). Psicología educativa. México: Prentice-Hall.
Xu, M.K., Marsh, H.W., Hau, K.T., Ho, I.T., Morin, A.J.S. & Abduljabbar, A.S. (2013). The
internal/external frame of reference of academic self-concept: Extension to a foreign
Variables personales predictoras del rendimiento académico. Un modelo causal.
386
language and the role of language of instruction. Journal of Educational Psychology,
105 (2), 489-503.
Ybrandt, H. (2008). The relation between self-concept and social functioning in
adolescence. Journal of Adolescence, 31, 1-16.
Yela, M. (1987). Estudios sobre inteligencia y lenguaje. Madrid: Pirámide.
Yela, M. (1996). La estructura diferencial de la inteligencia: el enfoque factorial.
Psicothema, 8 (supl.), 293-325.
Yuste, C. (2006). Batería de Aptitudes Diferenciales y Generales – BadyG. Madrid:
CEPE.
Zhu, Y., & Leung, F.K.S. (2011). Motivation and achievement: is there an east asian
model? International Journal of Science and Mathematics Education, 9, 1189-1212.
Zimmer, C. (2008). Genética de la inteligencia. Investigación y ciencia, 387,30-37.