Factores Motivacionales, Emocionales y Socioeconómicos Asociados al Rendimiento Académico y Abandono en la Educación Superior: Estudio en dos Universidades del Ecuador

Abstract

A nivel mundial existe una permanente preocupación por el abandono y la deserción en la educación superior, Ferreyra et al. (2017) en un estudio realizado con el apoyo del banco mundial concluye que solamente el 50% de estudiantes universitarios en Latinoamérica y el Caribe logran graduarse; se observa que los estudios al respecto en la región han aumentado, Munizaga et al. (2018) realizó una revisión de publicaciones realizadas entre 1990 y 2016, se seleccionaron 81 artículos de 10 países de la región, en los cuales se identificaron 111 variables relacionadas con el abandono, se resalta que todos estos estudios incluyen información obtenida de los sistemas informáticos de las universidades, pocos trabajos realizaron encuestas adicionales, y ninguno realizó encuestas orientadas a identificar la influencia de la inteligencia emocional, los objetivos de aprendizaje y atribuciones causales. Es en este aspecto que se encuentra un déficit investigativo en el cual se enfoca el presente trabajo, realizando un análisis en dos universidades del Ecuador, la Universidad Nacional de Educación (UNAE) y la Escuela Politécnica Nacional (EPN), las cuales se encuentras en entornos geográficos muy diferentes al igual que su enfoque, siendo la una orientada a formar profesores y la otra orientada a formar ingenieros; de la UNAE no existen estudios hasta el momento que analicen el tema de la deserción o abandono estudiantil, en cuanto a la EPN se tienen dos investigaciones que analizan la correlación con la nota de acceso a la educación superior y datos socioeconómicos obtenidos de la plataforma informática institucional. El objetivo del estudio en la Universidad Nacional de Educación fue determinar qué variables sociodemográficas están asociadas con un mayor éxito de egreso en los estudios universitarios del ámbito de la educación, así como la puesta a prueba de un modelo que permita predecir el éxito/fracaso en el egreso en función de esas variables sociodemográficas. Los participantes de este estudio fueron 285 estudiantes egresados de la promoción 2015-2019, quienes son el 88.07% de los alumnos que ingresaron durante el año 2015. Los datos se obtuvieron de los registros informáticos existentes en la administración de la Universidad Nacional de Ecuador con el permiso otorgado por los responsables de la institución. Se empleó un diseño predictivo y comparativo, y se realizaron análisis de asociación mediante tablas de contingencia para describir cómo se relacionan y agrupan los datos en función de las diferentes variables estudiadas; al someter a prueba un modelo predictivo de la deserción académica mediante regresión logística, solo la variable género fue estadísticamente significativa, obteniendo una exactitud de clasificación de 0,881. Mientras que mediante el modelo de redes neuronales artificiales (RNA), todas las variables resultaron estadísticamente significativas, siendo la de mayor importancia el índice de vulnerabilidad. Obteniéndose una exactitud de clasificación de 0,903. Por lo que se puede indicar que el modelo de RNA hizo una mejor predicción del abandono de la variable dependiente egresa/no egresa. Esto podría indicar que los métodos de aprendizaje automático son capaces de hallar relaciones entre variables que no son posible detectar mediante los métodos tradicionales. De los resultados del presente trabajo se desprende que la tasa de egreso en la Universidad Nacional de Educación (Ecuador) es muy alta, lo que hace interesante analizar las características de esta universidad y de su modelo pedagógico. En el caso de la Escuela Politécnica Nacional los estudios tienen como objetivo identificar los factores asociados con el éxito o fracaso académico en dos trabajos realizados con 1071 y 624 estudiantes que ingresaron al curso de nivelación. Los datos se recopilaron a partir de los registros informáticos existentes de la universidad con el permiso del personal administrativo responsable, adicionalmente se aplicó una prueba diagnóstica de habilidades matemáticas y de lenguaje y comunicación. Para analizar factores adicionales se aplicaron cuestionarios de orientación a metas académicas de Skaalvik, de estrategias motivadas de aprendizaje (MSLQ) y escala de rasgos de meta estado de ánimo (TMMS); adicionalmente en el segundo estudio de la EPN se aplicó la escala de atribuciones causales multidimensionales. En el primer estudio de la EPN se utilizó un modelo predictivo y se realizó un análisis de regresión logística binaria a través del procedimiento de regresión selección hacia adelante (step-forward) basado en el estadístico de Wald para analizar la capacidad predictiva de las variables relacionadas con la inteligencia emocional, las habilidades sociocognitivas motivacionales y autorreguladas, la orientación a objetivos y el rendimiento académico previo. Para determinar el punto de corte para la mejor potencia discriminatoria de cada una de las variables, se ha utilizado un análisis de la curva de características operativas del receptor (ROC). Los resultados indican que las variables que son significativas en la predicción del éxito o fracaso académico son las dos medidas de rendimiento académico, la variable de atención emocional, y los objetivos de enfoque de desempeño y la variable de autoeficacia motivacional. Adicionalmente, el mayor poder predictivo se muestra por la medida de rendimiento académico previo obtenida a través de la prueba de conocimientos realizada al inicio del curso universitario. En el segundo estudio de la EPN se utilizaron técnicas de comparación de perfiles, y redes neuronales artificiales, para analizar los perfiles característicos de los estudiantes que aprobaron el curso de nivelación y los que abandonaron. Los resultados mostraron diferencias significativas entre los perfiles de los estudiantes que aprobaron y los que abandonaron con respecto a las variables relacionadas con el rendimiento académico previo y los aspectos motivacionales y atribucionales. Las redes neuronales artificiales corroboraron la importancia de estas variables en la predicción del abandono en el siguiente orden: prueba matemática (100%), grado de acceso (88,2%), objetivos de evitación del rendimiento (autodestructivo, no querer ser juzgado negativamente por los demás) (76%), motivación intrínseca (74,3%), autoeficacia (66,5%), evitación de metas de trabajo académicas realizar tareas con mínimo esfuerzo (57,7%), prueba de lenguaje (54,8%), ansiedad por la prueba (48,6%) y facilitar la atribución de alto rendimiento (47,3%). En esta investigación, se revelan las variables clave que predicen si un estudiante continúa o abandona la educación superior, permitiendo la identificación de estudiantes en posible riesgo de abandono y promoviendo así iniciativas para proporcionar un apoyo académico adecuado y mejorar la retención de estudiantes. Estos hallazgos permiten abrir un camino para desarrollar políticas educativas nuevas y efectivas para combatir el problema de deserción, especialmente en contextos socioeconómicos vulnerables donde la implementación de intervenciones y un mayor apoyo podrían ser determinantes para la coherencia en todo el sistema educativo superior; cabe indicar que la inversión económica requerida para la implementación de estas políticas puede ser cubierta con creces si se compara con las pérdidas que genera el abandono en educación superior.