VARIABLES EST PROF Y CONTEXTO PREDICCIÓN REND ACAD

7/22/2019 VARIABLES EST PROF Y CONTEXTO PREDICCIN REND ACAD

1/28

Variables del estudiante, del profesor y del contexto

en la prediccin del rendimiento acadmico en Biologa:anlisis desde una perspectiva multinivel

Jos C. Nez*, Guillermo Vallejo*, Pedro Rosrio**, Ellin Tuero*,y Antonio Valle***

* Universidad de Oviedo, ** Universidade do Minho (Portugal), *** Universidad de A Corua

Resumen

En el presente estudio se analiza la contribucin de variables del alumno y variables del contexto en laprediccin del rendimiento acadmico en Bachillerato. Se han obtenido informacin de 988 estudian-tes, de ltimo curso de Bachillerato y de sus 57 profesores de Biologa. Los datos fueron analizadosdesde una perspectiva multinivel. Los resultados indican que, de la variabilidad observada en el rendi-miento en Biologa, el 85.6% se debe a las variables de nivel de estudiante mientras que el 14.4% res-tante corresponde a las variables de nivel de clase. A nivel de estudiante, el rendimiento en Biologase encontr asociado con el enfoque de aprendizaje, con los conocimientos previos, con el absentismoescolar y con el nivel educativo de los padres. A nivel de clase, el rendimiento nicamente estuvo aso-ciado con el enfoque de enseanza del profesor, y no directamente, sino a travs del enfoque de estudiodel alumno.

Palabras clave: Enfoques de enseanza, enfoques de aprendizaje, rendimiento en Biologa, anli-sis multinivel.

AbstractThe current investigation analyzed how student variables and context variables predicted high schoolstudents academic achievement. The participants were 988 twelfth graders and their corresponding 57Biology teachers. Data were analyzed making use of the multilevel method. Results indicate that 85.6%of the variation observed in the biology achievement was explained by variables at student level, whilethe remaining 14.4% was explained by variables at class level. At student level, biology achievementwas associated with approaches to learning, prior knowledge, class absence and parents education level.At class level, the academic achievement was only associated with teachers approaches to teaching notdirectly, but through students approaches to learning.

Keywords: Approaches to teaching, approaches to learning, Biology achievement, multilevel analy-sis.

Agradecimientos: Este trabajo ha sido realizado con financiacin del Ministerio de Ciencia e Innova-cin de Espaa (Proyectos: EDU2010-16231 y PSI-2011-23395/PSIC).

Correspondencia: Jos Carlos Nez, Departamento de Psicologa de la Universidad de Oviedo. Plazade Feijoo, s/n. 33003 Oviedo. Espaa. E-mail: [email protected]

Revista de Psicodidctica, 2014,19(1), 145-172 ISSN: 1136-1034 eISSN: 2254-4372

www.ehu.es/revista-psicodidactica UPV/EHU

DOI: 10.1387/RevPsicodidact.7127


2/28

JOS C. NEZ, GUILLERMO VALLEJO, PEDRO ROSRIO,146 ELLIN TUERO, Y ANTONIO VALLE

Revista de Psicodidctica, 2014,19(1), 145-172

Introduccin

En lnea con los resultados apor-tados en los informes PISA de 2003y de 2006, en 2009 el alumnado dePortugal y Espaa volvi a presen-tar resultados en Ciencias (493 y488 respectivamente) por debajo dela media de la OCDE (501), lo quesugiere la necesidad de investigarqu puede explicar estos resultados.

Analizando el impacto de las ma-cro-estructuras sociales y centrandoel debate en las cuestiones del pro-ceso de enseanza y aprendizaje, elmismo informe de la OCDE (2010)afirma que las variables econmicasdel pas (en concreto, el productointerior bruto) solamente explicaun 6% de las diferencias de rendi-miento encontradas en los distintossistemas educativos. Este resultadoconstituye un reto para que inves-tigar las variables que explican el94% de varianza que resta por ex-plicar en el rendimiento acadmicodel alumnado de Bachillerato. En lapresente investigacin se pretendeaumentar la comprensin sobre qucondiciones se encuentran determi-nando el rendimiento acadmico enel Bachillerato. Se intentar respon-

der a este reto analizando la con-tribucin de algunas de las varia-bles del alumnado tericamente msrelevantes (p. e., los enfoques deaprendizaje, el rendimiento previo,el tiempo de estudio, la asistencia aclase, la realizacin de deberes es-colares), as como tambin algunasvariables del contexto (p. e., los en-foques de enseanza, el gnero del

profesor, la experiencia docente, el

nmero de alumnos por clase, el ni-vel educativo de los padres). En esteestudio, dado que los datos estn or-ganizados en una estructura jerr-quica (el alumnado est anidado enclases con su respectivo profesor),se utiliza una estrategia de anlisismultinivel que posibilita examinartanto los efectos intra-clase comointer-clases.

Variables del alumnado yrendimiento acadmico

Los enfoques de aprendizaje

Marton y Slj (1976), hace yatres dcadas, describieron dos for-mas diferentes que el alumnado te-na de enfocar el trabajo de un textoacadmico. Este estudio constituyel inicio de una importante lneade investigacin centrada en el es-tudio de lo que se denomin enfo-ques de aprendizaje del alumnado(Entwistle, 2009). Estos autores hanidentificado un nivel de procesa-miento profundo y uno superficialde acuerdo con el enfoque de apren-dizaje que el alumno utilizaba paraacercarse a la tarea. El alumnado

que utiliza preferencialmente un en-foque superficial est movido porun objetivo que es extrnseco a latarea de aprendizaje; su implicacinen la tarea es baja y su esfuerzo esajustado a la mnima exigencia. Porcontra, el alumnado que utiliza pre-ferencialmente un enfoque profundoest motivado por la intencin demaximizar la comprensin y cons-


3/28

VARIABLES DEL ESTUDIANTE, DEL PROFESOR Y DEL CONTEXTO

EN LA PREDICCIN DEL RENDIMIENTO ACADMICO EN BIOLOGA... 147


truccin de significados al relacio-

nar la tarea con sus conocimientosprevios (Entwistle, 2009; Rosrioet al., 2010; Rosrio, Nez, Valle,Paiva, y Polydoro, 2013).

El conocimiento previo

El alumnado organiza los cono-cimientos jerrquicamente, lo cualle permite comprender las nuevas

experiencias. Por este motivo, la-gunas graves en los conocimientosprevios en un dominio pueden com-prometer seriamente la adquisicinde nuevos conocimientos (Alexan-der, Kulikowich, y Schulze, 1994;Miano y Castejn, 2011). En con-secuencia, el nivel de conocimientoprevio parece ser una variable de in-ters a incluir en este estudio.

El tiempo de estudio

El tiempo de estudio, en gene-ral, es considerado un buen predic-tor del rendimiento escolar (Plant,Ericsson, Hill, y Asberg, 2005). Noobstante, para que esto sea as, eltiempo de estudio y la correspon-diente implicacin del alumno tie-nen que ser constantemente ajusta-

dos en funcin tanto de los objetivosdel alumnado como de la naturalezade las tareas demandadas (p.e., elgrado de dificultad, la utilidad per-cibida), y de las variables del con-texto (p.e., el nivel de ruido, la tem-peratura). Quizs, por esta razn losdatos de la literatura no apoyan in-equvocamente la relacin directaentre el tiempo de estudio y el ren-

dimiento escolar (Gortner-Lahmers

y Zulauf, 2000; Nez, Rosrio, Va-llejo, y Gonzlez-Pienda, 2013).

Los deberes escolares

Pese a la larga historia de in-vestigacin sobre el papel de losdeberes escolares, an falta por de-terminar claramente la fuerza dela relacin entre la prescripcin de

stos y el rendimiento acadmico(Dettmers, Trautwein, y Ludtke,2009; Rosrio et al., 2009; Traut-wein y Kller, 2003). Mientras queen algunos estudios se encontr unarelacin positiva (p.e., Cooper, Ro-binson, y Pattal, 2006; Paschal etal., 1984), en otros las conclusionesson menos optimistas, indicandoque esta relacin es muy dbil y queest mediada por variables persona-les, escolares y familiares (Ronning,2011).

La asistencia a clase

Finalmente, en este estudio tam-bin se consider importante incluirla variable absentismo escolar, puesha despertado gran inters entre losinvestigadores (Jonanssen, 2011;

McIntyre-Bhatty, 2008) por su aso-ciacin con el bajo rendimiento delalumnado (Reid, 2006). Estudiaresta variable en conexin con otrasvariables personales o del contextode aprendizaje, por ejemplo las in-cluidas en esta investigacin, podraportar algunas pistas para mejorarel proceso de enseanza y de apren-dizaje.


4/28



Variables del contexto

y rendimiento acadmico

Los enfoques de enseanza

Prosser y Trigwell (p. e., Pros-ser, Trigwell, y Taylor, 1994) de-sarrollaron una lnea de investi-gacin sobre cmo los profesoresenseaban en el contexto de la edu-cacin superior. Considerando los

resultados derivados de sus inves-tigaciones, se identificaron dos for-mas diferentes de afrontar el procesoinstruccional, a las que se deno-min enfoques de enseanza:el en-foque orientado a la transmisin deinformacin, centrado en el profe-sor (Information Transmission/Tea-cher-Focused (ITTF) approach), yel enfoque orientado al cambio con-ceptual, centrado en el alumnado(Conceptual Change/Student-Focu-sed (CCSF) approach). Mientras quelos profesores que adoptan preferen-cialmente un enfoque ITTF centransu actividad en la transmisin de in-formacin relacionada con los con-tenidos de aprendizaje y las cues-tiones tcnicas relativas al procesode enseanza, los que utilizan en suproceso de enseanza preferente-

mente un enfoque CCSF estn com-prometidos con promover la impli-cacin del alumnado en un procesoactivo de construccin de significa-dos. En este sentido, estos profeso-res tienen en consideracin los co-nocimientos previos del alumnado ydesarrollan estrategias de enseanzatendentes a ayudar a la construc-cin del conocimiento (Ramsden,

Prosser, Trigwell, y Martin, 2007).

La investigacin sobre los enfoquesde enseanza fue orientada hacia elanlisis de su relacin tanto con va-riables del contexto, p. e., el tamaode la clase (Lopes y Santos, 2013;Rosrio et al., 2013; Singer, 1996;Stes, Gijbels, y Van Petegem, 2008),como con variables personales delprofesor: la experiencia docente delos profesores (Prosser, Ramsden,

Trigwell, y Martin, 2003; Rosrioet al., 2013), o el gnero del do-cente (Nevgi, Postareff, y Lindblom-Ylnne, 2004; Rosrio et al., 2013).

Enfoques de enseanzay tamao de clase

Los resultados de la investiga-cin en el contexto universitario noson concluyentes respecto a la re-levancia del nmero de alumnadoen clase para la adopcin de un en-foque de enseanza determinado.Por ejemplo, mientras que en el es-tudio de Singer (1996) se obtieneque a medida que aumenta el n-mero del alumnado en clase los pro-fesores estn ms predispuestos aorientar su enseanza mediante unenfoque ITTF, en el trabajo de Stes

et al. (2008) no se encontr rela-cin entre el enfoque CCSF y el n-mero de alumnado por clase. Glo-balmente, los resultados aportansobre todo controversia, dado quehay estudios que apuntan efectosfavorables asociados con la reduc-cin del nmero del alumnado porclase (Pong y Pallas, 2001; Ros-rio et al., 2013; Rosrio, Nez, Va-


5/28




lle, Gonzlez-Pienda, y Loureno,

2013), pero tambin existen otrosque permiten concluir lo contrario(p. e., Greenwald, Hedges, y Laine1996; Konstantopoulos, 2008; Mi-lesi y Gamoran, 2006). En conjunto,estos resultados sugieren la impor-tancia de estudiar la relacin entreel papel del profesor en clase (p. e.,enfoque de enseanza) y el tamaode la clase.

Gnero y enfoquesde enseanza

Respecto a la relacin entre lasvariables personales del profesor yla predileccin por uno u otro en-foque de enseanza, Lacey, Saleh yGorman (1998) encontraron relacinentre el gnero y el enfoque de en-seanza y, al igual que en el estudiode Nevgi et al. (2004), los hombrespuntuaron ms alto en el enfoque deenseanza ITTF, mientras que lasmujeres lo hacan en el CCSF.

Enfoques de enseanza y aosde experiencia

Stes et al. (2008) analizaron larelacin entre la experiencia do-

cente y el enfoque CCSF, hipoteti-zando que a mayor experiencia do-cente mayor sera la probabilidad deutilizar un enfoque CCSF. Los datosaportados por este estudio no con-firmaron esta hiptesis, aunque losautores de la investigacin sugierentomar estos resultados con ciertacautela pues el grupo de profeso-res era pequeo (50 de una univer-

sidad belga). Sin embargo, Rosrio,

Nez, Ferrando, Paiva, Loureno,Cerezo y Valle (2013) obtuvieronevidencia de que a ms aos de ex-periencia ms uso de un enfoque deenseanza orientado a la construc-cin del conocimiento (CCSF).

Nivel educativo de los padresy rendimiento acadmico

Segn los datos aportados porun buen nmero de estudios emp-ricos, el nivel educativo de los pa-dres es un importante predictor delcomportamiento del alumnado enclase y de su rendimiento (Davis-Kean, 2005; Dearing, McCartney,y Taylor, 2001; Duncan y Brooks-Gunn, 1997; Dubow, Boxer, y Hues-mann, 2009). Por ejemplo, Duncany Brooks-Gunn (1997) concluyeronque el nivel educacional de las ma-dres estaba conectado significativa-mente con el rendimiento intelec-tual de los nios incluso despus decontrolados algunos indicadores so-cioeconmicos como el rendimientoeconmico de la familia. Davis-Kean(2005) encontr relaciones positivasentre el nivel educacional de los pa-dres y sus expectativas en relacin

con el xito de sus hijos, sugiriendoque los padres con niveles educati-vos superiores implican a sus hijosactivamente para que desarrollen ex-pectativas personales ambiciosas.

Objetivos del presente estudio

Tal como queda claro en la revi-sin previa, los datos aportados por


6/28



los estudios realizados hasta la fe-

cha no son concluyentes respecto alpapel de las variables del alumno ydel contexto revisadas sobre el ren-dimiento acadmico de estudian-tes preuniversitarios (y menos en elrea especfica de Biologa). Ade-ms, no se dispone de informacinsobre la relevancia de cada una delas variables tomadas en la determi-nacin del rendimiento cuando se

consideran conjuntamente, ni tam-poco hay estudios que analicen es-tas variables considerando los resul-tados al nivel del sujeto y al nivelde la clase. Por ello, el objetivo dela presente investigacin consistien analizar el grado de asociacindel rendimiento acadmico de losestudiantes en Biologa con ciertasvariables del alumno (enfoques de

aprendizaje, conocimientos previos,tiempo de estudio, grado de asisten-cia a clase, realizacin de deberesescolares), variables del profesor(enfoques de enseanza, gnero delos profesores, aos de experiencia),tamao de la clase y el nivel de es-tudios de los padres.

Dado que sobre la mayora delas variables consideradas en este

estudio los datos aportados por lainvestigacin pasada son poco con-cluyentes, y tomando en conside-racin que los resultados aportadospor los trabajos revisados no hansido analizados desde una perspec-tiva multinivel, se plantea el pre-sente estudio desde una perspectivaexploratoria. No obstante, la propiaestrategia de anlisis de los datos

conlleva la bsqueda de respuestas

a las siguientes cuestiones:a) Las variables del nivel de clase,

examinadas en este estudio, con-dicionan significativamente ellogro de los estudiantes en Bio-loga? Si la respuesta a esta pre-gunta fuera afirmativa, entoncesqu variables de nivel de claseson relevantes en dicha determi-nacin? En este nivel, en primer

lugar, se espera que el enfoquede enseanza sea una variablerelevante, de modo que el ren-dimiento del alumnado ser ma-yor en la medida en que los pro-fesores desplieguen usualmenteuna instruccin centrada en elestudiante (en la construccinde significados), y ser menorcuando su enfoque de enseanza

se encuentre centrado principal-mente en la transmisin de in-formacin. En segundo lugar, enrelacin al resto de variables delnivel de clase, se espera que eltamao de clase se encuentre re-lacionado negativamente con elrendimiento, mientras que la ex-periencia docente debera mos-trar una asociacin positiva con

el rendimiento en Biologa.b) Las variables de nivel indivi-dual analizadas explican signifi-cativamente el rendimiento delalumnado en Biologa? Al igualque en caso anterior, si la varia-bilidad explicada a nivel indivi-dual fuera significativa, interesaconocer qu capacidad predic-tiva tiene cada una de estas va-


7/28




riables. Tomando en considera-

cin los estudios previos, por unaparte, se espera que cuanto msel alumnado utilice un enfoqueprofundo de aprendizaje (cen-trado en la comprensin y adqui-sicin de competencia) mayorser el rendimiento en Biologay, a la inversa, cuanto ms utiliceun aprendizaje superficial (inte-rs por la adquisicin de infor-

macin y cumplir con criteriosde logro externos) menor ser elrendimiento acadmico en Bio-loga. Por otra parte, aunque losresultados de la investigacin pa-sada no son concluyentes, tam-bin se espera que el tiempo deestudio, la asistencia a clase, elnivel de conocimientos previosde Biologa, la realizacin de de-beres escolares y el nivel educa-tivo de los padres muestren unaasociacin positiva con el rendi-miento en esta rea acadmica.

c) Existe interaccin entre el en-foque de aprendizaje (nivel deestudiante) y el enfoque de en-seanza (nivel de clase)? Enconcreto, el enfoque de ense-anza de los profesores moderala relacin entre el enfoque de

aprendizaje de los estudiantes yel rendimiento en Biologa?

Mtodo

Participantes

En el estudio han participado10 Institutos del norte de Portu-

gal, los cuales fueron elegidos al

azar de entre un total de 45 posi-bles. De estos institutos, han parti-cipado 57 profesores de Biologa ysus correspondientes 988 estudian-tes de tercero de Bachillerato. Losestudiantes presentaron las autoriza-ciones de sus padres para participar,y los profesores enviaron un correoelectrnico al investigador principalcomunicando su voluntad de par-

ticipar en la investigacin. De los988 alumnos, 384 (38.9%) son va-rones y 604 (61.1%) mujeres, osci-lando sus edades desde los 16 a los19 aos (M = 17.2; DT = .69). Delos 57 profesores de Biologa queparticiparon en la investigacin, 11(19.3%) son varones y 46 (80.7%)mujeres, oscilando su edad en-tre los 26 y los 61 aos (M= 46.9,DT = 9.2). Su experiencia docenteestuvo comprendida entre los 2 ylos 36 aos (M= 23.5;DT= 9.6).

Instrumentos de medida

Variables del estudiante

Enfoques de aprendizaje. Los da-tos relativos a los enfoques deaprendizaje fueron obtenidos a

travs del cuestionario IEA (In-ventario de Enfoques de Apren-dizaje) (Rosrio et al., 2007). ElIEA est constituido por 12 tems,que se contestan utilizando unaescala tipo Likert de 5 pun-tos, entre 1 (completamente endesacuerdo) y 5 (completamentede acuerdo). Los anlisis facto-riales confirmatorios realizados


8/28



mostraron una estructura factorial

del IEA de dos factores (Ros-rio, Nez, Ferrando et al., 2013):enfoques superficial y enfoqueprofundo, con un buen ajustedel modelo, 2 (49) = 116.64,p< .001, 2/df= 2.38, GFI = .98,AGFI=.98, CFI = .99, TLI = .98,RMSEA = .03 (CI: .02 - .03).Los ndices de fiabilidad ( deCronbach) fueron muy satisfacto-

rios: enfoque profundo (= .91)y enfoque superficial (= .90).Asistencia a clase. Esta varia-

ble fue evaluada al final de cursocomputando el nmero total deausencias o faltas a la clase deBiologa. Esta informacin fuerecogida a finales de curso en lasecretara de los colegios partici-pantes (M= 3.18;DT= 4.16).

Tiempo de estudio. El tiempo fueevaluado diariamente durante unasemana con una cuestin abierta,preguntando sobre el nmero dehoras que el alumnado dedicabaa su estudio personal. Todos res-pondieron rellenando un diarioque fue devuelto a los investiga-dores al final de la semana en unsobre cerrado. La media obtenidafue de 7.47 horas semanales de

estudio (DT= 5.52). Conocimiento previo en Biolo-ga. Esta variable fue evaluadaa travs de la nota obtenida porel alumnado en los dos cursosde Bachillerato. En Portugal, lasnotas oscilan entre 0 y 20 pun-tos, siendo el 10 la nota de cortepara el aprobado. El alumnadofue distribuido de la siguiente

forma: 1 para las notas entre 10

y 13 (n = 686; 45.6%), 2 paralas notas entre 14 y 16 (n= 352;23.4%) y 3 para las notas entre17 y 20 (n= 466; 31.0%).

Deberes escolares. Al final decurso, los profesores asignaronun 1 a todo el alumnado que ha-ba completado menos del 80%de los deberes asignados (41.4%),y un 2 cuando se haba comple-

tado ms del 80% (58.6%).Variables de clase

Enfoques de enseanza. Los da-tos relativos a los enfoques deenseanza fueron obtenidos a tra-vs del cuestionario IEE (Inven-tario de Enfoques de Enseanza).Basado en el marco terico aso-ciado al modelo de Prosser yTrigwell (1999) y Ramsden etal. (2007), este instrumento estintegrado por 12 tems que apor-tan informacin sobre los dosenfoques de enseanza (ITTF yCCSF). Como cada enfoque estconstituido por una motivaciny una estrategia, la escala tam-bin ofrece datos de las dos di-mensiones de cada uno de los

dos enfoques. Se contesta utili-zando una escala tipo Likert de 5puntos, entre 1 (completamenteen desacuerdo) y 5 (completa-mente de acuerdo). Medianteanlisis factorial confirmatoriose contrast la estructura tericade cuatro factores de primer or-den (motivaciones y estrategias)y dos de segundo orden (enfo-


9/28




ques). Los resultados mostra-

ron un buen ajuste del modelo,2(49) = 101.92, p < .001, 2/df= 2.08, GFI = .97, AGFI = .95,CFI = .98, RMSEA = .04(.03 .05), obteniendo eviden-cia, por tanto, de la validez deconstructo del inventario (Ros-rio et al., 2010; Rosrio, Nez,Ferrando et al., 2013). En cuantoa la fiabilidad, ambos factores

mostraron niveles apropiados(ITTF= .92 y CCSF= .94).Experiencia docente. Los datos

relativos a la experiencia docentefueron obtenidos en las secretarasde los institutos. La media obtenidafue de 22.81 aos (DT= 9.84).

Nmero de alumnos por clase.La informacin relativa a la va-riable tamao de la clase (n-mero de alumnos por clase) fueobtenida en las secretaras de losinstitutos participantes.

Nivel educativo de los padres.Esta variable fue categorizadadel siguiente modo: 1 (enseanzaprimaria), 2 (ESO), 3 (bachille-rato), 4 (licenciatura) y 5 (Posgraduado). Esta informacin fueobtenida en las secretaras de losinstitutos participantes.

Rendimiento acadmico

Para cursar una licenciatura delrea de Ciencias (p.e., Qumica,Medicina, Biologa) el alumnadoportugus deben realizar un examennacional de Biologa. Para prepa-rar al alumnado para este examen,el Ministerio de Educacin organiza

tres pruebas, una en cada trimestre.

En la presente investigacin fue cal-culada la media obtenida en las trespruebas de Biologa y tomada comomedida del rendimiento acadmicoen esta asignatura.

Procedimiento

El alumnado y los profesoresfueron informados de los objetivos

de esta investigacin. La informa-cin fue recogida en el segundo se-mestre del curso (desde los mesesde enero a abril) despus de obte-ner la autorizacin de los directoresde los institutos. Se indic que paracontestar a los inventarios tuvieranen cuenta la asignatura de Biologa.

Anlisis de datos

La naturaleza jerrquica de losdatos aconseja analizarlos medianteun modelo jerrquico de dos niveles.El proceso de modelado estadsticoser llevado a cabo en cuatro etapas.Inicialmente se formular un modeloANOVA de efectos aleatorios, o mo-delo incondicional, el cual permiteconocer la cantidad de varianza quepudiera explicarse a nivel individual

(nivel 1) y a nivel de clase (nivel 2).Adems, servir como referente paraevaluar la bondad de ajuste de mo-delos condicionales ms comple-jos. Una vez realizado este primerpaso, se ajustar el modelo corres-pondiente al nivel 2 con el fin de co-nocer en qu medida las variablesdel contexto instruccional explicanel rendimiento de los estudiantes.


10/28



Seguidamente, se ajustar el mo-

delo correspondiente a las variablesdel alumno (nivel 1), con el fin deobservar el grado en qu las varia-bles del alumnado predicen el ren-dimiento acadmico en biologa. Fi-nalmente, se proceder al estudio dela interaccin entre ambos modelos(niveles 1 y 2), al objeto de estimarel grado de interaccin existente en-tre variables del nivel instruccional

y variables del nivel de individuo.En todos los anlisis realizados,la variable dependiente fue la califi-cacin obtenida al finalizar el cursopredicha por un conjunto de varia-bles explicativas registradas tantoen el nivel del estudiante (nivel 1)como en el nivel de clase (nivel 2).Las variables medidas en el nivel 1fueron las siguientes: (a) enfoquesde aprendizaje, medidos con la es-cala IEA y dicotomizada por encimade un punto de corte en funcin dela puntuacin obtenida en esta es-cala. En concreto, si la puntuacinpromedio obtenida en las subescalasasociadas con el enfoque superficial(motivacin y estrategia) > 9, en-tonces enfoque de aprendizaje = 0;mientras que si la puntuacin pro-medio obtenida en las subescalas

asociadas con el enfoque profundo(motivacin y estrategia) > 9, enton-ces enfoque de aprendizaje = 1; (b)el rendimiento previo; (c) el gradode realizacin de las tareas asigna-das por los profesores: inferior al80% = 0, superior al 80% = 1; (d) elgnerodel estudiante: varones = 0,mujeres = 1; (e) las horas dedica-das al estudio de la asignatura a

lo largo de la semana: mnimo = 0,

mximo = 25; (f) las faltas de asis-tencia a clase durante el curso es-colar: mnimo = 0, mximo = 20;(g) el nivel educativo de los padres:primaria = 1, ..., doctorado = 5.

Por lo que respecta a las varia-bles explicativas registradas en elnivel 2, cabe destacar: (a) el enfo-que de enseanza de los profeso-res, medido mediante la escala IEE

y dicotomizada por encima de unpunto de corte en funcin de la pun-tuacin obtenida en las subescalasde esta escala. En concreto, si lapuntuacin promedio obtenida enlas subescalas asociadas con la do-cencia centrada en la transmisinde informacin (intencin y estra-tegia) > 9, entonces enfoque de en-seanza = 0; mientras que si la pun-tuacin promedio obtenida en lassubescalas asociadas con la docen-cia centrada en la construccin delconocimiento (intencin y estrate-gia) > 9, entonces enfoque de ense-anza = 1; (b) el gnerode los pro-fesores: varones = 0, mujeres = 1;(c) los aos de experiencia docente:mnimo = 1, mximo = 36; (d) elnmero de estudiantes por clase:mnimo = 8, mximo = 33.

Resultados

Estadstica descriptiva

En la Tabla 1 se ofrece la esta-dstica descriptiva correspondiente alas variables de nivel 1 y de nivel 2usadas en la presente investigacin.


11/28




Tabla 1

Estadsticos Descriptivos de las Variables a Nivel de Estudiante y a Nivel de Clase

M DT Mnimo Mximo

Variables Nivel 1(estudiante)

Enfoque de aprendizaje .64 .48 .00 1.00Conocimientos previos 1.85 .85 1.00 3.00Deberes escolares .61 .49 .00 1.00Gnero alumnado .61 .48 .00 1.00Tiempo de estudio 7.79 5.77 .00 25.00Absentismo escolar 3.03 4.19 .00 20.00Nivel educativo de los padres 2.68 1.22 1.00 5.00

Variables Nivel 2 (clase)

Enfoque de enseanza .77 .42 .00 1.00Gnero profesor .80 .40 .00 1.00Nivel de experiencia docente 23.12 9.99 2.00 36.00Nmero de alumnos por clase 20.28 4.77 8.00 33.00

Nota. Nivel 1 (N= 988); Nivel 2 (N= 57).

Anlisis multinivel

Modelo incondicionalde medias

Se comienza el anlisis de losdatos, ajustando el modelo nuloo incondicional de medias que si-gue:

Yij= 00+ u0j+ eij,

donde Yij es el rendimiento obser-vado para el i-simo estudiante ani-dado en la j-sima clase, 00 es elrendimiento promedio global de losestudiantes, u0jdenota la variabili-dad que existe entre los profesoresen trminos del rendimiento prome-

dio de los estudiantes y eijdenota lavariabilidad que existe en el rendi-miento de los estudiantes anidadosen j-sima clase. Se asume que lostrminos aleatorios del modelo sonNID (normal e independientementedistribuidos) con media cero y va-rianza constante; o sea, u0j ~ NID(0, 00) y eij ~ NIK (0, e

2). Re-

prese que se ha asumido que lasclases estudiadas representan unamuestra aleatoria de una determi-nada poblacin, lo que hace que lasinferencias no sean exclusivas parala muestra de clases estudiadas.

Con este modelo incondicionalse formula que el rendimiento sepuede explicar mediante una partefija, la cual contiene un valor global


12/28



Tabla 2

Resumen de los Resultados Obtenidos con el Modelo Incondicional de Medias

Solucin para los efectos fijos

Efecto EstimadorError

estndarGL Valor t Pr > |t|

Intercepto 13.0233 .1974 56 65.98 < .0001

Estimadores parmetros de covarianza

Par Cov Efecto Estimador SE Valor Z Pr > Z

u0j Clases 1.6100 .4156 3.90 < .0001eij Residual 9.8398 .4560 21.58 < .0001

Estadsticos de ajuste

Descripcin Valor

Desvianza 5138.6Criterio AIC 5144.2Criterio BIC 5150.7

Nota. SE = error estndar; GL = grados de libertad; Desvianza = menos dos veces el logaritmo de lafuncin de mxima verosimilitud; AIC = Criterio de Informacin de Akaike; BIC = Criterio de Infor-macin Bayesiano.

que es igual para todas las clases ypara todos los estudiantes, ms unaparte aleatoria que indica la variabi-lidad asociada con los diferentes ni-veles implicados en el anlisis, a sa-ber: nivel del estudiante (nivel 1) ynivel del profesor o clase (nivel 2).Este modelo preliminar sirve como

referente para comparar la bondadde ajuste de sucesivos modelos con-dicionales a los datos. En nuestrocaso, se trata de verificar si los com-ponentes de varianza asociados conel rendimiento de los estudiantesdentro de las clases y con el rendi-miento promedio de los estudiantesentre las clases difieren significa-tivamente de cero, pues si no fuera

as no tendra sentido analizar losdatos a dos niveles.

En la Tabla 2 se muestran losresultados obtenidos tras ajustar elmodelo referido a los datos de lapresente investigacin. Como sepuede observar, se constata que laestimacin del rendimiento pro-

medio en esta muestra de clases(13.02) difiere de cero (p < .0001).Sin embargo, el resultado ms des-tacable es la existencia de diferen-cias estadsticamente significativasen el rendimiento de los estudian-tes dentro de las clases (u

0j= 1.61;

p < .0001), as como en su rendi-miento promedio a travs de lasmismas (e

ij = 9.84; p < .0001). En


13/28




el 95% de los casos cabe esperar

que la magnitud de la variacin en-tre las clases, en cuanto al rendi-miento promedio se refiere, se en-cuentre dentro del intervalo (10.45,15.56). Esto indica un rango mo-derado de variabilidad en los nive-les de rendimiento promedio entrelas clases en esta muestra de datos.A su vez, de la variabilidad obser-vada en el rendimiento acadmico

(1.62 + 9.84 = 11.46), es principal-mente debida a las variables de ni-vel 1: un 85.9% se debe a las va-riables de nivel de estudiante y el14.4% restante es debida a las va-riables de nivel de clase (unas clasesgeneran ms rendimiento que otras).

El grado de dependencia entrelas observaciones de los estudiantesdentro de una misma clase, aproxi-madamente .141 en nuestro caso,impide el cumplimiento de la hi-ptesis de independencia, asumidapor el modelo de regresin clsico,y aconseja el anlisis de los datos ados niveles (individuo y clase).

Modelos con predictoresa nivel de clase

El modelo incondicional de me-

dias no contempla las caractersti-cas de los estudiantes ni de las cla-ses; nicamente proporciona unabase sobre la cual poder compararmodelos ms complejos. Sin em-bargo, el rendimiento podra ser ex-plicado por las caractersticas de losestudiantes que conforman las cla-ses, por las caractersticas de cadaclase, as como por el efecto con-

junto de ambas. Por consiguiente,

una vez que se ha puesto de relieveque el rendimiento promedio es mselevado en unas clases que en otras,se requiere comprender por qu eldesempeo acadmico obtenido enunas clases es mayor que el obte-nido en otras. Para dar cuenta deesto, se llev a cabo un nuevo an-lisis incorporando las variables ex-plicativas registradas en el nivel de

clase (nivel 2), a saber, el enfoquede enseanza, el gnero del profe-sor, el nmero de estudiantes porclase y los aos de experiencia do-cente, prestando especial atencin ala variable enfoque de enseanza.

Especficamente, se formula anivel-2 el modelo condicional quesigue:

Yij= 00+ 01(enfoques enseanza)j+

02(gnero)j+

03(tamao clase)+

04

(experiencia docente)j+

u0j

+ eij.

donde Yijdenota el rendimiento ob-servado para el i-simo estudianteanidado en la j-sima clase, 00 re-presenta el desempeo promedio delos estudiantes instruidos por docen-

tes de experiencia media en gruposde tamao medio, 01 indica si elrendimiento de los estudiantes ins-truidos con mtodos centrados prin-cipalmente en el docente (enfoque deenseanza centrado en la trasmisinde informacin) difiere de los ins-truidos con mtodos principalmentecentrados en el discente (enfoque deenseanza centrado en la construc-


14/28



cin del conocimiento por parte del

alumnado), controlando los efectosde las variables gnero del profesor,nmero de alumnos por clase y ex-periencia docente; 02 indica si elrendimiento de los estudiantes ins-truidos por mujeres difiere de losinstruidos por varones, controlandolos efectos de las variables enfoquede enseanza, nmero de alumnospor clase y experiencia docente; 03

denota el cambio en el rendimientopromedio de los estudiantes por cadaunidad de aumento en el tamao delos grupos de clase, controlando losefectos de las variables enfoque deenseanza, gnero y experiencia do-cente; 04 denota el cambio en elrendimiento promedio de los estu-diantes como consecuencia del incre-mento de la experiencia del profesor,controlando los efectos de las varia-bles enfoque de enseanza, gneroy nmero de alumnos por clase. Fi-nalmente, u0jrepresenta la variacinen el rendimiento promedio entre lasclases, mientras que eijrepresenta lavariacin dentro de las mismas.

Los resultados de ajustar sen-dos modelos condicionales de in-tercepto aleatorio con predictoresde nivel 2 aparecen recogidos en

la Tabla 3. Por un lado, de acuerdocon el primero de los dos modelosajustados (Modelo A), no hay evi-dencia de que exista un cambio es-tadsticamente significativo en elrendimiento promedio de los estu-diantes en funcin del mtodo deinstruccin empleado (enfoque deenseanza), del gnero de los pro-fesores, del nmero de estudiantes

por profesor y de los aos de ex-

periencia docente. Represe que elpanorama cambia ligeramente ajus-tando un modelo condicional msparco (Modelo B de la Tabla 2),pues la diferencia entre los valoresdel intercepto de cada modelo espequea (13.16 12.31 = .85). Aun-que con el modelo reducido (Mo-delo B) se aprecia una relacin mar-ginalmente no significativa entre la

forma de instruir de los profesores(enfoque de enseanza) y el rendi-miento promedio de los estudiantes(01= .907;p= .055). Por otra parte,examinando la varianza correspon-diente al nivel 2, tampoco se apre-cia que sta se reduzca significati-vamente al incorporar la variableforma de instruir (enfoque de ense-anza) en el nivel de la clase; es-pecficamente, mientras la varianzaincondicional vala 1.61 la varianzacondicional vale 1.46. Esto indicaque alrededor de un 10% de la va-riabilidad observada en el rendi-miento promedio es explicado porel enfoque de enseanza. Tambinse puede observar que el coeficientede correlacin intra-clase condicio-nal o residual slo se redujo en doscentsimas, tras controlar el efecto

de la variable forma de instruir delos profesores: antes .14 y ahora .12(1.46/11.31 = .12).

Si bien es cierto que el Mo-delo B no permite concluir, estads-ticamente hablando, que la formade instruir de los profesores afecteal rendimiento de los estudiantes,dicha variable no ser extrada delanlisis por resultar marginalmente


15/28




Tabla 3

Resumen de los Resultados Obtenidos con el Modelo Condicional de Intercepto Aleatoriocon Mltiples Predictores de Nivel 2

Modelo A Modelo B

Efectos fijos

Efecto Estimador (SE) GL Pr > |t| Estimador (SE) GL Pr > |t|

Intercepto 13.162 (1.02) 52 Z

u0k

1.38(0.37) 3.68


16/28



en el rendimiento de los estudiantes,

ni tampoco hay evidencias de quela variabilidad observada entre lasclases no sea ms que un artefactodebido al perfil diferente de los es-tudiantes que son instruidos por losprofesores en cada clase. Para res-ponder a esta cuestin se realiza unnuevo anlisis con siete variablesde nivel estudiante, a saber, rendi-miento previo, realizacin de debe-res escolares

,gnero

,enfoque de

aprendizaje, nivel educativo de lospadres, horas dedicadas al estudioy absentismo escolar; estas dos lti-mas variables centradas con respectoa la media de su grupo. Inicialmente,se realiz un testeo para compro-bar la variacin aleatoria de las pen-dientes una tras otra y se observque todas se mantenan constantes,a excepcin de la correspondiente alfactor enfoques de aprendizaje quevariaba a lo largo de las clases.

El modelo de coeficientes alea-torios resultante puede ser escritocomo sigue:

Yij=

00+

10(tiempo estudio)

ij+

20

(conocimiento previo)ij+

30(deberes)ij+

40

(absentismo)ij+

50(gnero)ij+

60(educacin padres)

ij+

70

(enfoque aprendizaje)ij+ u

0j+

u1j

(enfoque aprendizaje )ij+ e

ij

donde Yijdenota el rendimiento ob-servado para el i-simo estudianteanidado en la j-sima clase, 00 re-presenta el desempeo promedio delos estudiantes, 10 denota el cam-

bio en el rendimiento promedio de

los estudiantes por cada unidad deaumento en las horas de estudio,controlando los efectos de las varia-bles restantes; 20indica la relacinexistente entre el conocimiento pre-vio y el rendimiento, controlandolos efectos de las variables restan-tes; 30 indica la relacin existenteentre la realizacin de los deberesy el rendimiento, controlando los

efectos de las variables restantes;40 denota el cambio en el rendi-miento promedio de los estudian-tes por cada unidad de aumento enel absentismo escolar, controlandolos efectos de las variables restan-tes; 50 indica la relacin existenteentre el gnero de los estudiantes yel rendimiento de los mismos, con-trolando los efectos de las variablesrestantes; 60indica la relacin exis-tente entre el nivel formativo de lospadres y el rendimiento de los hi-jos, controlando los efectos de lasvariables restantes; 70 indica cmoafecta el mtodo de estudio (enfo-que de aprendizaje) al rendimiento,controlando los efectos de las varia-bles restantes. Finalmente, u1jindicasi la relacin entre los enfoques deaprendizaje y el rendimiento prome-

dio varan a travs de las clases.En la Tabla 4 se muestran losresultados ms importantes que seobtuvieron tras ajustar sendos mo-delos de coeficientes aleatorios. Deacuerdo con el primero de los dosmodelos ajustados, Modelo A, nohay evidencia de que existan cam-bios en el rendimiento promedio enfuncin de las horas dedicadas al es-


17/28




Tabla 4

Resumen de los Resultados Obtenidos con los Modelos de Interceptos y PendientesAleatorias con Mltiples Predictores de Nivel 1

Modelo A Modelo B

Efectos fijos

Efecto Estimador (SE) GL Pr > |t| Estimador (SE) GL Pr > |t|

Intercepto 9.846(.477) 56


18/28



estudiantes (p = .389). Obsrvese

que tampoco se pudo rechazar lahiptesis nula de falta de asocia-cin entre la variable grado de rea-lizacin de los deberes asignadospor los profesores y la variable ren-dimiento (p= .431).

Por ltimo, los resultados repor-tados en la Tabla 4 para el ModeloA, tambin ponen de relieve que larelacin entre la forma de estudiar y

el rendimiento promedio dentro delas clases variaba significativamentea lo largo de las mismas (u1j= .948,p = .015). Sin embargo, no existaninguna evidencia de que la formade estudiar dependiese del rendi-miento promedio de la clase, puesla covarianza pendiente e interceptoa travs de las clases no fue estads-ticamente significativa (p= .227).

De lo dicho se colige la conve-niencia de ajustar un modelo mssimple, por ejemplo, uno en el cualan se permita al intercepto y a lapendiente variar a travs de las cla-ses, pero se elimine las variables ex-plicativas que no resultaron signifi-cativas en el paso anterior; es decir,que es factible que un modelo msparco, Modelo B, ofrezca un ajusterazonable de los datos. Lo anterior-

mente dicho se puede comprobarfcilmente examinando los estads-ticos de ajuste mostrados en la Ta-bla 4, recurdese que buscamos mo-delos con los valores ms pequeosde los criterios AIC y BIC. Dadoque el Modelo A no explica mejorlos datos que el Modelo B y ste esms parsimonioso, seleccionaremosel segundo modelo.

Lo primero que cabe des-

tacar tras ajustar el Modelo B esque, en promedio, existe una re-lacin estadsticamente significa-tiva dentro de las clases entre losenfoques de aprendizaje de los es-tudiantes y su rendimiento acad-mico (70= 1.821;p< .0001). Msen concreto, tomando en cuenta elsigno de la asociacin, los resulta-dos obtenidos indican que los es-

tudiantes que suelen emplear unenfoque profundo en su estudio al-canzan logros significativamentemayores que los estudiantes quesuelen emplear un enfoque super-ficial. Tambin se constat que elconocimiento previo predice po-sitiva y significativamente el ren-dimiento acadmico presente(20= .745;p< .0001). Adems, seencontr que tanto el absentismoescolar como nivel educativo delos padres afectaban significativa-mente al rendimiento de los parti-cipantes (40= .109, p < .0001 y60 = .372, p< .0001, respectiva-mente); sin embargo, mientras queel primero reduca el rendimientoel segundo lo incrementaba. Resal-tar, por ltimo, que la variabilidadresidual dentro de las clases y a tra-

vs de los mismas an permanecesignificativa (e

ij= 8.343,p< .0001;

u0j

= .667, p= .009). Por este mo-tivo, es muy importante seguir in-vestigando otras posibles causasno tenidas en cuenta en este an-lisis y que pueden explicar, al me-nos en parte, tales variabilidades.Represe, no obstante, que en estecaso no slo se redujo la varianza


19/28




dentro de las clases desde 9.848

hasta 8.343, sino que tambin se re-dujo varianza entre las clases desde1.385 hasta .677.

Modelos con predictoresde niveles 1 y 2

Por ello, una vez ajustado porseparado un modelo para las varia-bles registradas en el nivel de los

estudiantes (nivel 1) y otro paralas variables registradas en el ni-vel de las clases (nivel 2), conside-raremos un modelo que contengavariables de ambos niveles. Di-cho modelo nos permitir detectarla posible existencia interaccionescruzadas o transversales entre losmismos.

Combinando el modelo ajustadoen el nivel estudiante y el modeloajustado en el nivel clase se obtienela ecuacin:

Yij=

00+

01(enfoque enseanza)

j+

10

(conocimiento previo)ij+

20

(absentismo)ij+

30

(estudios padres)ij+

40

(enfoque aprendizaje)ij+

11

(enfoque enseanza)ij

(enfoque aprendizaje)ij+ u

0j+

u1j(enfoque aprendizaje )ij+ eij

la cual pone de manifiesto que elrendimiento puede ser visto comouna funcin de los efectos fijos mslos aleatorios. Los efectos fijos se-ran: media general (00), efectoprincipal del enfoque de enseanza(01), efecto principal rendimientoprevio (10), efecto principal absen-

tismo escolar (20), efecto principal

nivel educativo de los padres (30),efecto principal enfoque de apren-dizaje (40), e interaccin cruzadaentre los enfoques de enseanza ylos enfoques de aprendizaje (11).Los efectos aleatorios representanla variabilidad que existe entre lasclases (u0j), entre los enfoques deaprendizaje a travs de las clases(u1j) y dentro de las clases (eij). Fi-

nalmente, dado que todas las cues-tiones que motivan este anlisis yahan sido especificadas, excepto lareferida a la interaccin cruzada, se-alar que estimamos (11) para exa-minar si el enfoque de enseanzacentrado en el profesor (consistenteen transmitir informacin) difieredel enfoque de enseanza centradoen los estudiantes (que consiste enfacilitar la construccin del cono-cimiento por parte del alumno) entrminos de la fuerza de asociacinentre los enfoques de enseanza yel rendimiento acadmico del alum-nado.

En la Tabla 5 aparecen los re-sultados ms importantes que seobtuvieron tras ajustar el modeloque incluye predictores de nivel 1y de nivel 2. En concreto, se cons-

tata que el enfoque de enseanzaempleado por los profesores no re-sult estadsticamente significativocomo efecto principal (01 = .673,p = .125), aunque s lo hizo comoefecto secundario, a travs de su in-teraccin con los enfoques de apren-dizaje del alumnado (11 = 1.403,p= .018). No obstante, el alumnadoinstruido por profesores que utili-


20/28



Tabla 5

Resumen de los Resultados Obtenidos con el Modelo Combinado de Interceptos Aleatorios

Efectos fijos

Efecto Estimador (SE) GL Valor t Pr > |t|

Intercepto 9.424 (.516) 55 18.28


21/28




ferencias de desempeo entre los

estudiantes que utilizaban prefe-rentemente un enfoque profundo ylos que utilizaban un enfoque su-perficial era superior bajo aquellosprofesores que utilizaban preferen-temente un enfoque de enseanzacentrado en el docente que bajo losque utilizaban en su docencia un en-foque preferentemente centrado enel discente.

Finalmente, conviene advertirque los componentes de varianzade intercepto y pendiente an semantienen estadsticamente signi-ficativas (p= .011 y p= .022, res-pectivamente), lo que indica unavariacin significativa a travs delas clases en ambos coeficientes.Ntese tambin, que la adicin dela variable enfoque de enseanzay su interaccin cruzada con el en-foque de aprendizaje redujo ligera-mente la varianza residual del in-tercepto (3%) y varianza residualde la pendiente para los enfoquesde aprendizaje (13%), en compa-racin con la estimada para el mo-delo de coeficientes aleatorios della seccin anterior. No obstante,el rechazo de la hiptesis nula es-tara indicando que todava queda

una variacin significativa del ren-dimiento promedio entre las clasespor ser explicada. Es previsible quela inclusin de variables adiciona-les a nivel de la clase redujese anms la varianza correspondiente alas clases. Por consiguiente, exis-ten adicionales caractersticas delos estudiantes y de los profesoresno tenidas en cuenta en este anlisis

que podran explicar la variacin

reseada.

Discusin

El objetivo de la presente in-vestigacin consisti en analizar enqu medida el rendimiento acad-mico en Biologa, de los estudian-tes de ltimo curso de Bachillerato,

es predicho por ciertas variables delalumnado (enfoques de aprendizaje,conocimientos previos, tiempo deestudio, grado de asistencia a clase,realizacin de deberes escolares),variables del profesor (enfoques deenseanza, gnero, experiencia do-cente) y variables del contexto (ta-mao de la clase, nivel de estudiosde los padres). Dado que los da-tos tenan una estructura jerrquica(alumnos dentro de clases), fueronanalizados a partir de una estrategiamultinivel. Mediante este tipo deanlisis, el presente estudio no slopermiti conocer la relevancia delas variables a nivel de estudiante ya nivel de clase en su prediccin delrendimiento en Biologa sino tam-bin estudiar la interaccin entrevariables de ambos niveles, aspecto

escasamente estudiado en la investi-gacin pasada, pero de especial im-portancia terica y aplicada.

A nivel general, se obtuvo que,mientras que las hiptesis formula-das a nivel de clase resultaron prin-cipalmente no confirmadas, las hi-ptesis a nivel de estudiante fueronen gran medida confirmadas. As,se constat que la mayor parte de


22/28



la variabilidad en el rendimiento en

Biologa estaba asociada con las va-riables tomadas a nivel de alumnado(el 85.6%), mientras que las varia-bles tomadas a nivel de clase sloaportaron un 14.4% de la misma.Sin embargo, de especial relevanciaresultaron los datos correspondien-tes a la interaccin entre cmo en-sean los profesores, cmo apren-den los estudiantes y el rendimiento

acadmico obtenido. Seguidamente,se discuten los hallazgos ms rele-vantes.

Anlisis a nivel de alumnado

En relacin con las variablesanalizadas a nivel de alumnado (ni-vel 1), resultaron ser buenos predic-tores del rendimiento en Biologa elconocimiento previo de la materia,el nivel de absentismo escolar, elnivel de estudios de los padres y elenfoque de aprendizaje, siendo estavariable la ms relevante en estaecuacin. Ni el tiempo de estudio,ni la cantidad de deberes realizados,ni el gnero de los estudiantes mos-traron efectos principales significa-tivos.

En cuanto a los efectos encon-

trados significativos, como era deesperar, se obtuvo que a mayor ni-vel de conocimientos previos mayorrendimiento en Biologa. Asimismo,tambin se observ que a mayor ab-sentismo menor rendimiento aca-dmico (Reid, 2006). Al igual queen algunos trabajos previos, en esteestudio tambin se hall que a ma-yor nivel de estudios de los padres

mayor es el rendimiento en Biolo-

ga de los hijos (Davis-Kean, 2005;Dubow et al., 2009). Finalmente,en esta investigacin se aporta evi-dencia clara de que cuanto ms seutilice un enfoque profundo para elestudio mayor ser el rendimientoy cuanto ms superficial sea el en-foque de aprendizaje utilizado enel proceso de aprendizaje menor esel rendimiento en Biologa. Aun-

que algunos trabajos haban apor-tado dudas sobre esta relacin (Ent-wistle, 1991; Rosrio, Nez et al.,2010; Struyven et al., 2006), losdatos de este trabajo apoyan clara-mente que los beneficios provienendel uso de un enfoque profundo, elcual implica una motivacin intrn-seca, o con orientacin a la tarea,y el uso de estrategias cognitivas ymetacognitivas necesarias para lacomprensin y elaboracin de la in-formacin.

Por lo que respecta a las varia-bles no significativas en la expli-cacin del rendimiento en Biologa(tiempo de estudio, gnero del estu-diante y cantidad de deberes realiza-dos de los prescritos por los profe-sores), el tiempo dedicado al estudiode esta asignatura merece un comen-

tario especial. En concreto, si bienno result relevante cuando se inclu-yeron en la ecuacin todas las varia-bles del estudiante, su efecto princi-pal es significativo si se elimina dela ecuacin las variables que resul-taron significativas (conocimientosprevios, absentismo escolar, niveleducativo de los padres y enfoquesde estudio). Al contrario de lo que


23/28




pudiera parecer, el tiempo de estu-

dio s es una variable importante,pero que al contemplar otras varia-bles como los enfoques de aprendi-zaje, el efecto de aquella variable sevehicula a travs de esta ltima (dehecho el estudio con un aprendizajeprofundo conlleva mayor cantidadde tiempo que el estudio utilizandoun enfoque superficial). En cuanto alas otras dos variables, nuestros da-

tos indican que hacer ms o menosdeberes de los prescritos no explicauna cantidad significativa de varia-bilidad en el rendimiento. Cmoexplicar estos datos? Por una parte,habra que considerar que el errorde estimacin fue alto (1.137), qui-zs debido a la dicotomizacin dela variable (lo que tambin ocurrecon el error de estimacin del g-nero, 1.134). Por otra parte, es po-sible que, al igual que en el caso deltiempo de estudio, el efecto de lacantidad de deberes realizados tam-bin podra estar subsumido por lautilizacin de un determinado enfo-que de aprendizaje (es posible queel trabajo escolar realizado con unenfoque profundo conlleve la reali-zacin de un mayor nmero de de-beres escolares y de ms tiempo de

estudio, comparado con el trabajorealizado utilizando un enfoque su-perficial). Por ello, tal como se co-ment para el tiempo de estudio, lacantidad de deberes puede ser unavariable ms importante de lo quepudiera derivarse de los resultadosdel anlisis cuando estn todas lasvariables presentes. Futuras inves-tigaciones deberan analizar en pro-

fundidad esta hiptesis (midindola

como una variable continua), a lavez que considerarla como una va-riable de nivel de clase.

Anlisis a nivel de clase

Ninguna de las variables inclui-das en la ecuacin a nivel de clasemostr efectos principales significa-tivos. nicamente, los enfoques de

enseanza mostraron un leve efectoprincipal sobre el rendimiento enbiologa a este nivel de anlisis(p< .1), si bien este limitado efectose disip una vez que la forma deensear de los profesores se puso enrelacin (interaccin) con la formade estudiar del alumnado.

Interaccin entreenfoques de enseanza

y enfoques de aprendizaje

Este estudio aporta informacinrelevante y novedosa respecto dela interaccin entre los enfoques deaprendizaje del alumno (nivel 1) ylos enfoques de enseanza de losprofesores (nivel 2). Como ya se in-dic, los resultados a nivel de estu-diante indicaron que cuanto ms el

alumnado estudia con un enfoqueprofundo mayor es su rendimientoy, viceversa, cuanto ms utilizan unenfoque superficial menor es el ren-dimiento. Cuando se tuvo en cuentalos dos niveles de anlisis, se con-firm que esta diferencia en el ren-dimiento era mayor en alumnadoinstruido por profesores con un en-foque de enseanza principalmente


24/28



centrado en transmitir informacin,

que en el alumnado cuyos profeso-res usaban un enfoque de enseanzaorientado preferentemente a ayudaral alumno a construir significados(desarrollo de procesos de compren-sin y elaboracin de la informa-cin). Por qu puede ocurrir esto?Es posible que cuando un profesorplantea su estrategia de enseanzacentrada en la organizacin y trans-

misin de la informacin, el apren-dizaje y el rendimiento del alum-nado estn determinados de modosignificativo por sus caractersti-cas personales aqu consideradas ypor otras no consideradas como porejemplo los objetivos, mientras quesi el profesor promueve contextosinstruccionales en los que se solicitaal alumnado una implicacin activay significativa para la construccinpersonal del conocimiento, el alum-nado tiende a no utilizar tanto unenfoque superficial, pues no seratil en ese contexto de enseanza.

Limitaciones del estudio

La presente investigacin ha su-puesto un gran esfuerzo por reunir

datos suficientes, de alumnado, pa-

dres y profesores, como para rea-lizar anlisis de desde una pers-pectiva multinivel. Sin embargo,existen algunos aspectos que po-dran modular la interpretacin delos resultados obtenidos. En primerlugar, el hecho de que la informa-cin sobre la forma de aprender yla de ensear fue obtenida medianteinstrumentos tipo auto-informe, por

lo que dicha informacin tiene quever con lo que alumnado y profe-sores creen hacer en sus respecti-vas tareas. Aunque muy comn enla investigacin en el campo de laeducacin, esto no deja de ser unalimitacin pues los resultados de-ben ser tomados por lo que profe-sores y estudiantes creen que haceny no lo que en realidad ocurre. Ensegundo lugar, las conclusiones de-rivadas del estudio podran no sercompletamente transferibles a otrasdisciplinas acadmicas, o a otrasedades del alumnado (Stes et al.,2008). Por ello, sera de inters queen futuras investigaciones se busca-sen respuestas a los muchos interro-gantes que todava persisten en estecampo cientfico.

Referencias

Alexander, P. A., Kulikowich, J. M., ySchulze, S. K. (1994). The influenceof topic knowledge, domain knowl-edge, and interest on the compre-

hension of scientific exposition.Learning and Individual Differences,

6, 379-397. doi: 10.1016/1041-6080(94)90001-9


25/28




Cooper, H., Robinson, J. C., y Patall, E.

A. (2006). Does homework improveacademic achievement? A synthesisof research, 1987-2003. Review ofEducational Research, 76, 1-62. doi:10.3102/00346543076001001

Davis-Kean, P. E. (2005). The influenceof parent education and family in-come on child achievement: The in-direct role of parental expectationsand the home environment. Journalof Family Psychology, 19, 294-304.doi: 10.1037/0893-3200.19.2.294

Dearing E., McCartney K., y Tay-lor, B.A. (2001). Change in fam-ily income matters more for chil-dren with less. Child Development,72, 1779-1793. doi: 10.1111/1467-8624.00378

Dettmers, S., Trautwein, U., y Ludtke,O. (2009). The relationship betweenhomework time and achievement isnot universal: Evidence from mul-tilevel analyses in 40 countries.School Effectiveness and SchoolImprovement, 20 , 375-405. doi:10.1080/09243450902904601

Dubow, E., Boxer, P., y Huesmann, L.(2009). Long-term effects of parentseducation on childrens educationaland occupational success: Mediationby family interactions, child aggres-sion, and teenage aspirations.MerrillPalmer Quarterly, 55, 224-249. doi:10.1353/mpq.0.0030

Duncan, G. J., y Brooks-Gunn, J. (1997).Consequences of growing up poor.New York: Russell Sage Foundation.

Entwistle, N. J. (1991). Approachesto learning and perceptions of thelearning environment. Higher Edu-cation, 22, 201-204. doi: 10.1007/BF00132287

Entwistle, N. J. (2009). Teaching forunderstanding at University: Deep

approaches and distinctive ways of

thinking. Basingstoke, UK: Palgrave

Macmillan.Gortner-Lahmers, A., y Zulauf, C. R.(2000). Factors associated with ac-ademic time use and academic per-formance of college students: Arecursive approach. Journal of Col-lege Student Development, 41, 544-556.

Greenwald, R., Hedges, L. V., y Laine,R. D. (1996). The effects of schoolresources on student achievement.Review of Educational Research, 66,361-396. doi: 10.2307/1170528

Jonanssen, C. (2011). The dynamics ofabsence behaviour: Interrelations be-tween absence from class and ab-sence in class.Educational Research,53, 17-32.

Konstantopoulos, S. (2008). Do smallclasses reduce the achievement gapbetween low and high achievers? Ev-idence from Project STAR. Elemen-tary School Journal, 108, 275-291.

doi: 10.1086/528972Lacey, C. H., Saleh, A., y Gorman, R.

(1998, October). Teaching nine tofive: A study of the teaching styles of

male and female professors. Paperpresented at the annual meeting ofthe Women in Educational Leader-ship Conference, Lincoln, NE.

Lopes, J., y Santos, M. (2013).Teachersbeliefs, teachers goals and teachersclassroom management: A study with

primary teachers. Revista de Psico-didctica, 18, 5-24. doi: 10.1387/RevPsicodidact.4615

Marton, F., y Slj, R. (1976). On qual-itative differences in learning: I Outcome and process. British Jour-nal of Educational Psychology, 46,4-11. doi: 10.1111/j.2044-8279.1976.tb02980.x

McIntyre-Bhatty, K. (2008). Truancy andcoercive consent: Is there an alterna-


26/28



tive?Educational Review, 60, 375-390.

doi: 10.1080/00131910802393407Milesi, C., y Gamoran, A. (2006). Ef-fects of class size and instructionon kindergarten achievement. Ed-ucational Evaluation and Pol-

icy Analysis, 28, 287-313. doi:10.3102/01623737028004287

Miano, P., y Castejn, J. L. (2011).Cognitive and motivational variablesin the academic achievement in lan-guage and mathematics subjects: Astructural model. Revista de Psico-didctica, 16, 203-230.

Nevgi, A., Postareff, L., y Lindblom-Ylnne , S. (2004, June). The ef-fect of discipline on motivational

and self-efficacy beliefs and on ap-

proaches to teaching of Finnish and

English university teachers. A paperpresented at the EARLI SIG HigherEducation Conference.

Nez, J. C., Rosrio, P., Vallejo, G.,y Gonzlez-Pienda, J. A. (2013). A

longitudinal assessment of the ef-fectiveness of a school-based men-toring program in middle school.Contemporary Educational Psy-

chology, 38, 11-21.doi: 10.1016/j.cedpsych.2012.10.002

OECD (2010). PISA 2009 Results: Whatstudents know and can do: Student

performance in reading, mathemat-ics and science (Volume I). doi:10.1787/9789264091450-en

Paschal, R. A., Weinstein, T., y Walberg,H. J. (1984). The effects of home-work on learning: A quantitative syn-thesis. Journal of Educational Re-search, 78, 97-104.

Plant, E. A., Ericsson, K. A., Hill, L., yAsberg, K. (2005). Why study timedoes not predict grade point averageacross college students: Implicationsof deliberate practice for academicperformance. Contemporary Educa-

tional Psychology, 30, 96-116. doi:

10.1016/j.cedpsych.2004.06.001Pong, S., y Pallas, A. (2001). Class sizeand eighth-grade math achievementin the united states and abroad. Ed-ucational Evaluation and Pol-

icy Analysis, 23 , 251-273. doi:10.3102/01623737023003251

Prosser, M., y Trigwell, K. (1999). Un-derstanding learning and teaching.

The experience in higher education.Buckingham, UK: Open UniversityPress.

Prosser, M., Ramsden, P., Trigwell, K., yMartin, E. (2003). Dissonance in ex-perience of teaching and its relationto the quality of student learning.Studies in Higher Education, 28, 37-48. doi: 10.1080/03075070309299

Prosser, M., Trigwell, K., y Taylor, P.(1994). A phenomenographic studyof academics conceptions of sci-ence learning and teaching. Learn-ing and Instruction, 4, 217-231. doi:

10.1016/0959-4752(94)90024-8Ramsden, P., Prosser, M., Trigwell, K., y

Martin, E. (2007). University teach-ers experiences of academic leader-ship and their approaches to teach-ing. Learning and Instruction, 17,140-155. doi: 10.1016/j.learnin-struc.2007.01.004

Raudenbush, S. W., y Bryk, A. S. (2002).Hierarchical linear models: Applica-

tions and data analysis methods (sec-

ond ed.). Thousand Oaks, CA: Sage.Reid, K. (2006). An evaluation of theviews of secondary staff towardsschool attendance issues. Oxford Re-view of Education, 32, 303-324. doi:10.1080/03054980600775557

Ronning, M. (2011). Who benefits fromhomework assignments? Economicsof Education Review, 30, 55-64.

Rosrio, P., Mouro, R., Baldaque, M.,Nunes, T., Nez, J. C., Gonzlez-


27/28




Pienda, J., y Valle, A. (2009). Tareas

para casa, autorregulacin del apren-dizaje y rendimiento en matemti-cas. Revista de Psicodidctica, 14,179-192.

Rosrio, P., Mouro, R., Nez, J. C.,Gonzlez-Pienda, J. A., Solano, P., yValle, A. (2007). Evaluating the ef-ficacy of a program to enhance col-lege students self-regulation learn-ing processes and learning strategies.Psicothema, 19,353-358.

Rosrio, P., Nez, J. C., Gonzlez-Pienda, J. A., Valle, A., Trigo, L. yGuimares, C. (2010). Enhancingself-regulation and approaches tolearning in first-year college students:A narrative-based program assessedin the Iberian Peninsula. EuropeanJournal of Psychology of Education,25, 411-428. doi: 10.1007/s10212-010-0020-y

Rosrio, P., Nez, J. C., Valle, A.,Paiva, O., y Polydoro, S. (2013). Ap-

proaches to teaching in high schoolwhen considering contextual vari-ables and teacher variables. Revistade Psicodidctica, 18, 25-45. doi:10.1387/RevPsicodidact.6215

Rosrio, P., Nez, J. C., Valle, A.,Gonzlez-Pienda, J. A., y Loureno,A. (2013). Grade level, study time,and grade retention and their effectson motivation, self-regulated learningstrategies, and mathematics achieve-

ment: a structural equation model.European Journal of Psychology of

Education.doi: 10.1007/s10212-012-0167-9

Rosrio, P., Nez, J. A., Ferrando, J. P.,

Paiva, O., Loureno, A., Cerezo, R.,y Valle, A. (2013). The relationshipbetween approaches to teaching andapproaches to studying: A two-levelstructural equation model for biologyachievement in high school. Meta-cognition and Learning, 8, 47-77.doi: 10.1007/s11409-013-9095-6

Singer, E. (1996). Espoused teachingparadigms of college faculty. Re-search in Higher Education, 37, 659-679. doi: 10.1007/BF01792951

Stes, A., Gijbels, D., y Van Petegem, P.(2008). Student-focused approachesto teaching in relation to context andteacher characteristics. Higher Edu-cation, 55, 255-267. doi: 10.1007/s10734-007-9053-9

Struyven, K., Dochy, F., Janssens, S., yGielen, S. (2006). On the dynamicsof students approaches to learning:The effects of the teaching/learningenvironment. Learning and Instruc-tion, 16, 279-294. doi: 10.1016/j.learninstruc.2006.07.001

Trautwein, U., y Kller, O. (2003).The relationship between home-work and achievementstill muchof a mystery. Educat iona l Psy-chology Review, 15, 116-145. doi:v10.1023/A:1023460414243

Vallejo, G., Tuero, E., Nez, J. C., yRosrio, P. (en prensa). Performanceevaluation of recent information cri-

teria for selecting multilevel modelsin behavioral and social sciences.In-ternational Journal of Clinical and

Health Psychology.


28/28


Jos Carlos Nez, Catedrtico de Dificultades de Aprendizaje de la Universidad de

Oviedo (Espaa) y Director del Departamento de Psicologa. Sus dos principaleslneas de investigacin son: a) dimensiones psicolgicas y educativas del apren-dizaje auto-regulado en contextos educativos; b) dificultades del aprendizaje es-colar y TDAH. Actualmente, es responsable de un proyecto del Plan Nacional deInvestigacin (EDU2010-16231).

Guillermo Vallejo, Catedrtico de Metodologa de las Ciencias del Comportamientode la Universidad de Oviedo (Espaa). Imparte docencia sobre Diseos de Inves-tigacin en la Facultad de Psicologa de dicha universidad. Es Investigador Prin-cipal de un proyecto del Plan Nacional de Investigacin (PSI-2011-23395/PSIC).

Pedro Rosrio, Profesor Titular de Psicologa de la Educacin de la Universidad deMinho (Portugal). Sus dos principales lneas de investigacin son: a) dimensio-nes psicolgicas y educativas del aprendizaje auto-regulado; b) procesos de auto-rregulacin en ambientes de aprendizaje tecnolgicos y en pizarras electrnicas.Tiene numerosas publicaciones en su pas y en el extranjero en cualquiera de lasdos lneas de investigacin. Es el investigador principal del grupo GUIA (www.guia-psiedu.com).

Ellin Tuero, Becaria de FPI, en fase de contratada, en el Departamento de Psicolo-ga de la Universidad de Oviedo (Espaa). Imparte docencia en la Facultad dePsicologa y en la de Formacin del Profesorado y Educacin. A nivel de inves-tigacin, se ha especializado en el anlisis de datos en diseos de medidas repeti-das y en estructuras que requieren estrategias de anlisis multinivel.

Antonio Valle, Catedrtico de Psicologa de la Educacin y Director del Departa-mento de Psicologa Evolutiva y de la Educacin en la Universidad de A Co-rua (Espaa). La motivacin acadmica, las estrategias de estudio y el apren-dizaje auto-regulado son sus principales tpicos de investigacin. Actualmente,es responsable de un Proyecto de Investigacin de la Xunta de Galicia (10PXI-B106293PR).

Fecha de recepcin: 22-01-2013 Fecha de revisin: 17-03-2013 Fecha de aceptacin: 15-05-2013

Documents

VARIABLES EST PROF Y CONTEXTO PREDICCIÓN REND ACAD