Medición de los factores docentes que influyen en el rendimiento académico de matemáticas en estudiantes de preparatoria en México
Resumen
El objetivo de esta investigación fue determinar si los factores relacionados con los docentes son los que ejercen mayor influencia en el rendimiento académico en matemáticas de los estudiantes de preparatoria. Se analizaron tres factores principales: docentes, institución y alumnos, cada uno con sus respectivas variables. Para ello, se diseñaron dos cuestionarios, uno dirigido a estudiantes y otro a docentes, los cuales fueron aplicados a 75 alumnos de primer semestre, ya que en este periodo se registra la mayor tasa de reprobación en la asignatura de matemáticas, y a 5 docentes con 10 o más años de servicio, quienes cuentan con amplia experiencia en la enseñanza de la materia y profundo conocimiento de los desafíos y estrategias del proceso de enseñanza-aprendizaje. La muestra pertenece a la Preparatoria No. 1 de la Universidad Autónoma de Zacatecas, México. La investigación utilizó la aplicación APP VR Math (cuyo nombre hace referencia al uso de realidad virtual en el aprendizaje de las matemáticas), que emplea el método estadístico de Análisis de Componentes Principales y regresión lineal en un entorno de Realidad Virtual para identificar patrones de comportamiento entre las variables estudiadas. Los resultados mostraron que el factor docente, con variables como actualización, desinterés, vocación y compromiso, uso de herramientas tecnológicas y didácticas, asertividad y empatía, tuvo la mayor influencia en el rendimiento académico de los estudiantes en matemáticas. Además, se observó que, en la muestra de docentes con más de 10 años de experiencia, disminuyó el compromiso, la asertividad y el interés, mientras que aumentaba el desinterés.
Descargas
Citas
Anthony, G. (2000). Factors influencing first-year students' success in mathematics. International Journal of Mathematical Education in Science and Technology, 31(1), 3-14. https://www.tandfonline.com/doi/abs/10.1080/002073900287336
Barrientos Maldonado, J. N., Parra-González, E. F., Zurita-Aguilar, K. A., & Avila-George, H. (2023). Assessing the impact of virtual reality on mathematics teaching in rural middle schools: A quasi-experimental approach. In CISETC 2023: International Congress on Education and Technology
in Sciences. CEUR Workshop Proceedings. https://ceur-ws.org/Vol-3691/paper17.pdf
Brezavšček, A., Jerebic, J., Rus, G., & Žnidaršič, A. (2020). Factors Influencing Mathematics Achievement of University Students of Social Sciences. Mathematics, 8(12), 21-34. https://doi.org/10.3390/math8122134
Boqué, R., & Ferré, J. (2004). Análisis de componentes principales aplicado a la representación de datos multidimensionales. Técnicas de Laboratorio-Barcelona, 214-219, ISSN 0371-5728.
Carballo Aguilar, O. A. (2016). Cuáles son los principales factores en la reprobación en matemáticas, nivel bachillerato: Caso de Estudio en la Escuela Preparatoria Lázaro Cárdenas del Río, Municipio de las Margaritas, Chiapas. Revista Iberoamericana de Producción Académica y Gestión Educativa. https://www.pag.org.mx/index.php/PAG/article/view/637
Cárdenas, P., & Vicente-Villardón, J. (2007). Los métodos Biplot: evolución y aplicaciones. Revista Venezolana de Análisis de Coyuntura, 13(1), 279-303. http://www.redalyc.org/articulo.oa?id=36413113
Carrasquilla-Batista, A., Chacón-Rodríguez, A., Núñez-Montero, K.,Gómez-Espinoza, O., Valverde, J. & Guerrero- Barrantes, M. (2016). Regresión lineal simple y múltiple: aplicación en la predicción de variables naturales relacionadas con el crecimiento microalgal. Tecnología en Marcha, 29(8), 33-45. http://dx.doi.org/10.18845/tm.v29i8.2983
Clement, D. W. (1984). Factors contributing to mathematical problem-solving performance: An exploratory study. Educational Studies in Mathematics, 15(1), 50-64. https://link.springer.com/article/10.1007/BF00240987
Darling-Hammond, L. (2015). The flat world and education: How America's commitment to equity will determine our future. Teachers College Press.
Estepa Castro, A. (2008). Interpretación de los diagramas de dispersión por estudiantes de bachillerato. Enseñanza de las Ciencias: revista de
investigación y experiencias didácticas, 26(2), 257-270. https://raco.cat/index.php/Ensenanza/article/view/118098.
Freina, L., & Ott, M. (2015). A literature review on immersive virtual reality in education: State of the art and perspectives. The International Scientific Conference eLearning and Software for Education, 1(133), 10-15. https://doi.org/10.12753/2066-026X-15-020
Gutiérrez-Guillén, E. S., Chaparro-Sanchez, R., & Soto-Bañuelos, E. (2023). Revisión Sistemática de las Matemáticas en el NMS y el Uso de la Tecnología para Mejora en los Índices de Reprobación. En N. Callaos, J. Horne, E. F. Ruiz-Ledesma, B. Sánchez, A. Tremante (Eds.), Memorias de la Décima Tercera
Conferencia Iberoamericana de Complejidad, Informática y Cibernética: CICIC 2023 (pp. 61-65). International Institute of Informatics and Cybernetics. https://doi.org/10.54808/CICIC2023.01.61
Gutiérrez-Guillén, E. S., Chaparro-Sánchez, R., & Soto-Bañuelos, E. (2023). Propuesta de diseño de modelo paramétrico de indicadores de aprendizaje en matemáticas para estudiantes del Nivel Medio Superior. En A. Escudero-Nahón & R. Palacios-Díaz (Coords.), Horizontes de la transformación digital (pp. 293- 304). Editorial Transdigital. https://doi.org/10.56162/transdigitalb18
Hanushek, E. A., & Rivkin, S. G. (2010). Generalizations about using value-added measures of teacher quality. American Economic Review, 100(2), 267-271. https://doi.org/10.1257/aer.100.2.267
Hanushek, E. A (2011). Teacher quality. In E. A. Hanushek, S. Machin, & L. Woessmann (Eds.), Handbook of the Economics of Education (Vol. 3, pp. 1051-1078). Elsevier.
Hasanah, H., Farida, A., & Yoga, P. P. (2022). Implementation of simple linear regression for predicting of students' academic performance in mathematics. Jurnal Pendidikan Matematika (Kudus), 5(1), 38–52. https://doi.org/10.21043/jpmk.v5i1.14430
Instituto Nacional para la Evaluación de la Educación [INEE] (2019). Informe De Resultados Planea Ems 2017. El Aprendizaje De Los Alumnos De Educación Media Superior En México. Lenguaje Y Comunicación Y Matemáticas. Instituto Nacional para la Evaluación de la Educación, 1–196. https://www.inee.edu.mx/wp-content/uploads/2019/05/P1D320.pdf
Jolliffe, I., & Cadima, J. (2016). Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374(2065). https://doi.org/10.1098/rsta.2015.0202
Kyriakides, L., Creemers, B. P. M., & Antoniou, P. (2009). Teacher behaviour and student outcomes: Suggestions for research on teacher training and professional development. Teaching and Teacher Education, 25(1), 12-23. https://doi.org/10.1016/j.tate.2008.06.001
Leithwood, K., Day, C., Sammons, P., Harris, A., & Hopkins, D. (2010). The impact of leadership on student outcomes: An analysis of the differential effects of leadership types. Educational Administration Quarterly, 46(5), 665-704. https://doi.org/10.1177/0013161X10377347
Leithwood, K., Louis, K.S., Wahlstrom, K., Anderson, S., Mascall, B., Gordon, M. (2010). How Successful Leadership Influences Student Learning: The Second Installment of a Longer Story. In: Hargreaves, A., Lieberman, A., Fullan, M., Hopkins, D. (eds) Second International Handbook of Educational Change. Springer International Handbooks of Education, vol 23. Springer, Dordrecht. https://doi.org/10.1007/978-90-481-2660-6_35
Lozano Treviño, David Fernando, & Maldonado Maldonado, Lauro. (2021). Relación entre el desempeño del docente de matemáticas y el rendimiento académico: caso de estudio de un colegio militarizado. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 12(23). https://doi.org/10.23913/ride.v12i23.1094
Merchant, Z., Goetz, E. T., Cifuentes, L., Keeney-Kennicutt, W., & Davis, T. J. (2014). Effectiveness of virtual reality-based instruction on students' learning outcomes in K-12 and higher education: A meta-analysis. Computers & Education, 70, 29-40. https://doi.org/10.1016/j.compedu.2013.07.033
Mishra, S., Sarkar, U., Taraphder, S.,Datta, S., Swain, D., Saikhom, R., Panda, S., & Laishram, M. (2017). Principal Component Analysis. International Journal of Livestock Research. 7(5), 60-78. https://www.researchgate.net/publication/316652806_Principal_Component_Analysis
Molero-Castillo, Guillermo, Maldonado-Hernández, Gabriel, Mezura-Godoy, Carmen, & Benítez-Guerrero, Edgard. (2018). Interactive System for the Analysis of Academic Achievement at the Upper-Middle Education in Mexico. Computación y Sistemas, 22(1), 223-233. https://doi.org/10.13053/cys-22-1-2773
Molina Roldán, S., Mello, R. & Padrós, M. (2022). Interactive Learning Environments: Fostering Learning, Development, and Relationships for Children with Special Needs. Frontiers in Education, 7, https://doi.org/10.3389/feduc.2022.975142
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to linear regression analysis (5th ed.). Wiley.
Mosia, M., Egara, F. O., Nannim, F. A., & Basitere, M. (2025). Factors Influencing Students’ Performance in University Mathematics Courses: A Structural Equation Modelling Approach. Education Sciences, 15(2), 188. https://doi.org/10.3390/educsci15020188
Organisation for Economic Co-operation and Development [OECD]. (2019). PISA 2018 results (Volume I): What students know and can do. OECD Publishing. https://doi.org/10.1787/5f07c754-en
Pajares, F., & Graham, L. (1999). Self-efficacy, motivation constructs, and mathematics performance of entering middle school students. Contemporary Educational Psychology, 24(2), 124-139. https://doi.org/10.1006/ceps.1998.0991
Pizon, M. G., & Ytoc, S. T. (2021). A Path Model to Infer Mathematics Performance: The Interrelated Impact of Motivation, Attitude, Learning Style and Teaching Strategies Variables. arXiv preprint arXiv:2105.05850. https://arxiv.org/abs/2105.05850
Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68–78. https://doi.org/10.1037/0003-066X.55.1.68
Tomlinson, C.A. (2014) The Differentiated Classroom: Responding to the Needs of All Learners (2nd ed.), ASCD, Alexandria.
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Con el propósito de promover el desarrollo y divulgación de la investigación en educación en América Latina, en La Revista Iberoamericana para la Investigación y el Desarrollo Educativo (RIDE) se adhirió a la Iniciativa de Acceso Abierto de Budapest, por lo que se identifica como una publicación de acceso abierto. Esto significa que cualquier usuario puede leer el texto completo de los artículos, imprimirlos, descargarlos, copiarlos, enlazarlos, distribuirlos y usar los contenidos para otros fines. Las licencias Creative Cummons, permiten especificar los derechos de uso de una revista de acceso abierto disponible en Internet de tal manera que los usuarios conocen las reglas de publicación.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado
