Factores que pueden influenciar la selección de una ingeniería como carrera dependiendo de las habilidades matemáticas de los estudiantes
Resumen
Este estudio multimétodos busca lograr un mejor entendimiento de las razones que pueden motivar a un estudiante a seleccionar una carrera en ingeniería, poniendo énfasis en las diferencias que puedan existir entre alumnos con distintos niveles de habilidades matemáticas. Se recolectó información sobre las experiencias académicas y personales de 560 alumnos de una universidad pública de Estados Unidos mediante una encuesta. Esta información fue analizada por medio de pruebas estadísticas inferenciales, separando la muestra en grupos con habilidades matemáticas altas y bajas para comparar resultados y encontrar posibles diferencias entre estudiantes que seleccionaron una ingeniería como su carrera. Ser del género masculino mostró tener la influencia más significativa en la elección de ser ingeniero, seguido por tener una mejor preparación matemática; y estos resultados fueron más evidentes en el grupo de habilidades matemáticas bajas. Por otro lado, los participantes con habilidades matemáticas altas demostraron tener un interés genuino en las carreras de ingeniería y sus aplicaciones, mientras que los participantes con habilidades matemáticas bajas buscaban más el dinero y la posición social que les podía ofrecer un título de ingeniería.
Descargas
Citas
Aronson, J., Fried, C. B. and Good, C. (2002). Reducing the effects of stereotype threat on African American college students by shaping theories of intelligence. Journal of Experimental Social Psychology, 38(2), 113-125.
Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. New Jersey, United States: Prentice Hall.
Betz, N. E. and Hackett, G. (1983). The relationship of mathematics self-efficacy expectations to the selection of science-based college majors. Journal of Vocational Behavior, 23(3), 329-345.
Brown, S. and Burnham, J. (2012). Engineering student’s mathematics self-efficacy development in a freshmen engineering mathematics course. International Journal of Engineering Education, 28(1), 113-129.
Centro Nacional de Evaluación para la Educación Superior [Ceneval]. (2017). Exámenes Diagnósticos. México: Centro Nacional de Evaluación para la Educación Superior. Recuperado de http://www.ceneval.edu.mx/examenes-de-diagnostico.
Collett, D. (1991). Modelling binary data. London, England: Chapman and Hall.
Committee on STEM Education. (2013). Federal Science, Technology, Engineering, and Mathematics (STEM) Education. 5-Year Strategic Plan. D.C., United States: National Science and Technology Council. Retrieved from http://obamawhitehouse.archives.gov/sites/default/files/microsites/ostp/stem_stratplan_2013.pdf.
Consejo Nacional de Ciencia y Tecnología [Conacyt]. (2014). Programa Especial de Ciencia, Tecnología e Innovación 2014-2018. México: Consejo Nacional de Ciencia y Tecnología. Recuperado de http://www.conacyt.gob.mx/images/conacyt/PECiTI_2014-2018.pdf.
Creswell, J. W. (2009). Research design: Qualitative, quantitative and mixed methods research. California, United States: Sage Publications.
Creswell, J. W. and Clark, V. (2011). Designing and conducting mixed methods research. California, United States: Sage Publications.
Cunningham, C. and Knight, M. (2004). Draw an engineer test: Development of a tool to investigate students’ ideas about engineers and engineering. Paper presented at the 2004 American Society for Engineering Education Annual Conference and Exposition. Salt Lake City, Utah, June 20-23, 2004.
Dillman, D. A. (2007). Mail and internet surveys: The tailored design method. New York, United States: Wiley.
Erdmann, V. and Schumann, T. (2010). European Engineering Report. Koln, Alemania: Institut der deutschen wirtschaft. Retrieved from https://www.vdi.de/uploads/media/2010-04_IW_European_Engineering_Report_02.pdf.
Eris, O., Chachra, D., Chen, H. L., Sheppard, S., Ludlow, L. and Rosca, C. (2010). Outcomes of a longitudinal administration of the persistence in engineering survey. Journal of Engineering Education, 99(4), 371-395.
Falk, R. and Well, A. V. (1997). Many faces of the correlation coefficient. Journal of Statistics Education, 5. Retrieved from http://www.amstat.org/publications/jse/v5n3/falk.html.
Gobierno de la República. (2013). Plan Nacional de Desarrollo 2013-2018. México: Gobierno de la República. Recuperado de http://pnd.gob.mx/wp-content/uploads/2013/05/PND.pdf.
Goetz, T., Bieg, M., Lüdtke, O., Pekrun, R. and Hall, N. C. (2013). Do girls really experience more anxiety in mathematics? Psychological Science, 24(10), 2079-2087.
Hackett, G. (1985). Role of mathematics self-efficacy in the choice of math-related majors of college women and men: A path analysis. Journal of Counseling Psychology, 32(1), 47-56.
Hackett, G. and Betz, N. E. (1989). An exploration of the mathematics self-efficacy/mathematics performance correspondence. Journal for Research in Mathematics Education, 20(3), 261–273.
Hayes, A. F. (2013). Methodology in the social sciences. Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. New York, United States: Guilford Press.
Kokkelenberg, E. C. and Sinha, E. (2010). Economics of education review who succeeds in STEM studies. An analysis of Binghamton University undergraduate students. Economics of Education Review, 29(6), 935-946.
Lent, R., Lopez, F. and Bieschke, K. (1991). Mathematics self- efficacy sources and relation to science-based career choice. Journal of Counseling Psychology, 38(4), 424-430.
Lent, R. W., Brown, S. D. and Hackett, G. (1994). Toward a unifying social cognitive theory of career and academic interest, choice, and performance. Journal of Vocational Behavior, 45(1), 79-122.
Levin, J. and Wyckoff, J. (1988). Effective advising: Identifying students most likely to persist and succeed in engineering. Engineering Education, 78(11), 178–182.
National Academy of Engineering. (2015). Introduction to the grand challenges for engineering. Washington, D.C. Recuperado de http://www.engineeringchallenges.org/challenges/16091.aspx
Nicholls, G. M., Wolfe, H., Besterfield, M., Shuman, L. J. and Larpkiattaworn, S. (2007). A method for identifying variables for predicting STEM enrollment. Journal of Engineering Education, 96(1), 33–44.
Ohland, M. W., Brawner, C. E., Camacho, M. M., Layton, R. A., Long, R. A., Lord, S. M. and Wasburn, M. H. (2011). Race, gender, and measures of success in engineering education. Journal of Engineering Education, 100(2), 225–252.
Organización para la Cooperación y el Desarrollo Económicos [OCDE]. (2014). PISA 2012 Results: What students know and can do – student performance in mathematics, reading and science. Paris, France: OECD Publishing.
Paderewski, P., García-Arenas, M. I., Gil, R. M., González, C. S., Ortigosa, E. M. and Padilla, N. (2017). Initiatives and strategies to encourage women into engineering. IEEE Revista Iberoamericana de Tecnologías del Aprendizaje, 12(2), 106–114.
Porter, C. H. (2011). An examination of variables which influence high school students to enroll in an undergraduate engineering or physical science major. (doctoral thesis). Clemson University, Clemson.
R Development Core Team. (2012). R: A language and environment for statistical computing. Vienna, Germany: R Foundation for Statistical Computing. Retrieved from https://www.gbif.org/tool/81287/r-a-language-and-environment-for-statistical-computing.
Rovine, M. L. and Von Eye, A. (1997). A 14th way to look at a correlation coefficient: Correlation as the proportion of matches. American Statistician, 51, 42-46.
Sadler, P. M., Sonnert, G., Hazari, Z. and Tai, R. (2012). Stability and volatility of STEM career interest in high school: A gender study. Science Education, 96, 411-427.
Saldaña, J. (2009). The Coding Manual for Qualitative Researchers. London, England: SAGE.
Sandelowski, M., Voils, C. I. and Knafl, G. (2009). On quantitizing. Journal of Mixed Methods Research, 3(3), 208-222.
Secretaría de Educación Pública [Sep]. (2007). Programa sectorial de educación 2007-2012. México: Secretaría de Educación Pública.
Seymour, E. and Hewitt, N. M. (1997). Talking about leaving: Why undergraduates leave the sciences. Colorado, United States: Westview Press.
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
