Artículos
El aporte del
procesamiento cognitivo a los puntajes en matemáticas en el Tercer Estudio
Regional Comparativo y Explicativo
The contribution of
cognitive processing to scores in mathematics in the Third Regional Comparative
and Explanatory Study
Carlos Antonio Pardo Adames capardo@ucatolica.edu.co
Universidad Católica de Colombia, Colombia
Iván Felipe Medina Arboleda ivan.medina@asturias.edu.co
Corporación Universitaria de Asturias, Colombia
Suelen Emilia Castiblanco Moreno secastiblanco@unisalle.edu.co
Universidad de La Salle,
Colombia
El aporte del procesamiento cognitivo a los puntajes en
matemáticas en el Tercer Estudio Regional Comparativo y Explicativo
Interdisciplinaria,
vol. 40, núm. 1, pp. 281-300,
2023
Centro Interamericano de Investigaciones Psicológicas y Ciencias
Afines
Esta obra está bajo
una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0
Internacional. La revista no retiene los derechos de reproducción (copyright)
por lo que los autores pueden volver a publicar sus trabajos con la sola
mención a la fuente original de publicación.
Esta obra está bajo una Licencia Creative
Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
Recepción:
18
Diciembre 2020
Aprobación:
29
Junio 2022
Resumen:
Las pruebas internacionales de
aplicación masiva permiten evaluar los aportes de los factores individuales,
familiares, institucionales y nacionales al logro educativo de los estudiantes
expresado en su desempeño. En este contexto, el propósito de este estudio fue
proponer y evaluar un modelo de efectos centrado en el procesamiento cognitivo
esencial e incidental de las actividades académicas, de acuerdo con el
desempeño en las pruebas de matemáticas en estudiantes de sexto grado de 15
países (y el estado de Nuevo León de México) que participaron en el Tercer
Estudio Regional Comparativo y Explicativo (TERCE). Se formuló un modelo de
ecuaciones estructurales en el que se calcularon índices de procesamiento
esencial (control atencional, memoria de trabajo y supervisión familiar) y
procesamiento incidental (violencia percibida, uso de ocio de la computadora
-videojuegos, redes sociales, reproducción de contenidos, etcétera), con base
en los ítems o preguntas utilizados en el TERCE. Los índices se diseñaron y
obtuvieron según el Modelo de Rasch de la Teoría de Respuesta al Ítem (TRI). El
modelo planteado afecta el desempeño en la prueba en 24 puntos. La variable con
mayor tamaño de efecto es el uso de ocio de computadoras en el hogar. Los
resultados se discuten a la luz de las hipótesis cognitivas sobre la
distribución de recursos de atención y la de entrenamiento para entender el rol
de las tecnologías de la información en el proceso formativo.
Palabras clave: educación básica,
rendimiento en matemáticas, proceso cognitivo, evaluación sumativa.
Abstract: International tests of massive application allow evaluating how
individual, institutional, national, and family factors contribute to students'
educational achievement through their performance. Consequently, education
evaluation is based on the paradigm of general and specific competencies for
life. One of these general competencies is the capacity to solve mathematical
problems and apply logical thinking to problem-solving. In order to evaluate
this general competence, standardized tests have been developed. Among these
tests, the Third Regional Comparative and Explanatory Study (TERCE) in 2013
evaluated the mathematical and other areas' academic performance of children in
the third and sixth grade.
The TERCE Mathematics evaluation allows researchers to capture the students' academic performance in five domains: numeric, geometric, measurement, statistics, and variation, as well as their cognitive performance in objects and elements recognition and simple and complex problem-solving. In addition, to evaluate these eight dimensions, the TERCE test also asks for information regarding academic context, family environment, and teachers, among others.
Despite this information, in Colombia and in general, the
evaluation of the socioeconomic context over academic performance has been
studied mainly considering the schools' characteristics, families' economic
levels, and public expenses. Therefore, there is little evidence of the effects
of psycho-pedagogical and psychological factors on academic performance.
Psycho-pedagogical models emphasize the dependence of the
superior processes on perceptual and attentional processes and the need for
activities that demand deep processing and active involvement with information
before, during, and after classes. Thus, attending simultaneously to different
elements affects the development of cognitive control functions, which leads to
low academic achievement and performance. Frequently, students face academic
activities in different scenarios where the attentional system should divide
its resources between several stimulus sources. Activities in which the
attentional system focuses are “essential processing”, and those not related to
the main academic activity are called “incidental processing”. Consequently,
increasing the sources of incidental processing would decrease the attentional
resources devoted to the essential processing of educational activities
producing low academic performance.
In this context, the study proposes and evaluates an effects
model focused on essential and incidental cognitive processing of academic
activities. The information was captured on the mathematics performance of
sixth-grade students from 15 countries (and the state of Nuevo León de México)
participating in the Third Regional Comparative and Explanatory Study (TERCE).
A Structural Equations model was formulated using indices of Essential
Processing (Attentional Control, Working Memory, and Family Supervision) and
Incidental Processing (Perceived Violence, Leisure use of the computer, and
incidental processing) based on the items or questions used in the TERCE. The
indices were designed based on the Item Response Theory (IRT) model.
Findings show that the proposed model affects the performance in
the test by 24 points. Higher scores in essential processing produce higher
scores in the mathematics component of the TERCE test. Family supervision of
academic activity is the single element with the highest impact on academic
performance (3.020); on the other hand, attentional control (7.48) and working
memory (4.295) also impact academic performance positively.
Regarding the incidental processing variables, lower levels of
perceived violence (1.680), less noise and distractor in class (2.130), and
higher use of computers at home for leisure activities (5.851) have the most
significant impacts on academic performance. The results are discussed
considering the cognitive hypotheses on the distribution of attention resources
and the training hypothesis to understand information technologies' role in the
academic processes.
Suggestions for further research focus on the inclusion of items
with a higher theoretical background that allows researchers to evaluate the
impact of essential and incidental processing on academic performance using
items specially designed with that goal to get more conclusive and robust
results.
Keywords: basic education,
mathematics achievement, cognitive process, summative evaluation.
Introducción
La evaluación en educación, especialmente la que se ha
constituido como rendición de cuentas y se aplica de manera externa a las
instituciones, se ha venido desarrollando en el mundo durante los últimos 30
años, desde la primera prueba TIMSS (por sus siglas en inglés: Trends in
International Mathematics and Science Study) en 1993. Estos procesos de
evaluación del aprendizaje pretenden identificar el estado actual de la calidad
de la educación con base en el desarrollo de competencias de los estudiantes y,
para entender lo que ocurre en el proceso educativo, analizan los factores que
explican los resultados de los estudiantes en diferentes áreas de formación (OREALC/UNESCO, 2007).
La evaluación en educación se basa en el paradigma del
desarrollo de competencias generales y específicas para la vida, y considera
que una de las competencias generales tiene que ver con el tipo de pensamiento
necesario para abordar el conocimiento en matemáticas y las posibilidades de
resolución de problemas matemáticos. Según esto, el Tercer Estudio Regional
Comparativo y Explicativo (TERCE) en 2013 evaluó el desempeño de una muestra de
estudiantes que cursaban tercero y sexto grado, de diferentes países, en matemáticas
y otras disciplinas (LLECE-UNESCO, 2015).
De acuerdo con Flotts et
al. (2016), la evaluación en matemática del TERCE tiene un enfoque
curricular y mide el desempeño de los estudiantes en cinco dominios –numérico,
geométrico, medición, estadístico y variación– y en tres procesos cognitivos
–reconocimiento de objetos y elementos, solución de problemas simples, y
solución de problemas complejos. Adicional al estudio sobre el aprendizaje en
matemáticas, el TERCE identificó los factores asociados con los puntajes (Treviño et al., 2016) para responder a
la pregunta sobre la relación entre el desempeño escolar y variables del
estudiante, el contexto escolar y el entorno familiar, entre otras. El efecto
de los factores sobre el desempeño se mide en la cantidad de mejora (en caso
positivo) de los resultados de desempeño a partir del aumento en una unidad de
la medida del índice utilizado.
Así, las evaluaciones estandarizadas han dado lugar al análisis
de influencias socioeconómicas, estructurales, institucionales, docentes y
familiares en el desempeño académico, como ejemplo los análisis de TERCE para
el caso internacional (LLECE-UNESCO, 2015).
En Colombia, sobre la base de las pruebas estatales estandarizadas masivas, se
ha estudiado el efecto de características de las familias, planteles y gasto
público (Gaviria y Barrientos, 2001);
entorno socioeconómico y características de los planteles educativos sobre el
rendimiento en la prueba Saber 11 (Iregui
et al., 2007).
En cuanto a los aportes o la evaluación de los factores
psicopedagógicos y su impacto en el desempeño en las pruebas, el acercamiento
se caracteriza por: (1) la preeminencia del uso de variables indirectas o de
clasificación como variables individuales en las evaluaciones estándar (género,
edad, nivel socioeconómico del hogar, educación de los padres, etcétera), que
en algunos casos operan más como variables socioeconómicas que como variables
psicopedagógicas; y (2) el uso de variables proximales a procesos cognitivos
enfocados en tareas académicas, tales como la repitencia o la edad de ingreso
de los estudiantes a la educación formal.
Ahora bien, la conceptualización de esas variables (económicas,
sociales, repitencia, etcétera) como variables psicopedagógicas tiene sentido
en el contexto general de las pruebas estandarizadas y desde una perspectiva en
la que la evaluación tiene un carácter de comparación de estándar versus un logro, dado que el propósito del análisis no
obedece a un ejercicio teórico. En otras palabras, lo que se aborda como
psicopedagógico cae bajo la categoría de características del individuo (LLECE-UNESCO, 2015) y no en la revisión
de modelos teóricos pedagógicos y psicológicos que expliquen el puntaje. Sin
embargo, el tamaño de la muestra y la disponibilidad de información de los
instrumentos son una oportunidad académica para formular y evaluar modelos
teóricos predictivos en psicopedagogía en los que la elección de las variables
se oriente por su concepción teórica.
De acuerdo a lo anterior, el objetivo del estudio fue analizar
el impacto de las variables registradas en el TERCE (hogar y aula) que pudieran
dar cuenta de las fuentes favorecedoras o inhibidoras del procesamiento
esencial e incidental y su relación con el rendimiento en la prueba de
matemáticas en estudiantes de sexto grado de 15 países. La hipótesis de trabajo
de la que se parte es que un aumento de fuentes de procesamiento incidental
disminuiría el procesamiento esencial de las actividades académicas y
redundaría en menores desempeños en pruebas académicas como la prueba TERCE.
El artículo se divide en cinco secciones: (1) una descripción
teórica de los modelos psicopedagógicos y el desempeño en pruebas académicas
estandarizadas; (2) un marco de análisis desde el modelo de procesamiento
esencial e incidental; (3) la metodología; (4) los resultados; y, finalmente,
(5) las conclusiones.
Modelos psicopedagógicos cognitivos y desempeño en
pruebas académicas estandarizadas
Desde el punto de vista cognitivo en relación con las
actividades escolares, el rendimiento académico, verbigracia, el desempeño en
las pruebas estandarizadas, es visto como el resultado de las actividades
superiores de operación y transformación de la información (Van Der Schuur et al., 2015). Las
operaciones se dan, al menos, en dos momentos: (1) la fase de aprendizaje o de
elaboración, en la que la interacción del aprendiz con los entornos de
aprendizaje forma las representaciones cognitivas (motoras, conceptuales,
etcétera); y (2) la fase de recuperación, en la que el estudiante usa la
representación cognitiva en un contexto de evaluación en la que se espera una
ejecución exitosa respecto a un estándar.
Los modelos cognitivos aplicados a las actividades académicas
enfatizan en: (1) la dependencia de los procesos superiores –centrados en la
operación con representación de la información– de los procesos perceptuales y
atencionales; y (2) la necesidad de actividades didácticas que demanden el
procesamiento profundo o involucramiento activo del estudiante con la
información antes, durante y después de las clases (Junco, 2012; Putnam et al., 2016).
La fase de elaboración corresponde a la fase inicial de
actividades cognitivas de representación de la información, es decir, la
relación de procesos perceptuales y atencionales básicos (memoria de trabajo,
atención sostenida, inhibición de respuesta, entre otras) que tienen como
propósito seleccionar la información relevante (Van Der Schuur et al., 2015); con la que
después se observarán procesos tales como la comprensión, la memoria, el
razonamiento, el cálculo, las inferencias, entre otras, y que, a la postre, en
el momento de la evaluación, serán la base de la recuperación y la ejecución en
las pruebas.
Este supuesto de continuidad entre procesos da lugar a la
hipótesis de la atención distribuida o desorganizada: atender varios aspectos a
la vez y de forma recurrente afecta el desarrollo de las funciones de control
cognitivo (perceptual y atencional) y este déficit de control, a su vez, se
traduce en bajos logros académicos (Junco,
2012; Putnam et al., 2016; Van Der Schuur et al., 2015). Junco (2012) especifica que el aprendiz
se expone a las tareas académicas en diferentes situaciones (colegio, hogar,
laboratorios, etcétera) en los que el sistema atencional se distribuye entre
las diferentes fuentes de estímulos situacionales. Así, las actividades en las
que se concentra el sistema atencional son denominadas de procesamiento
esencial. En términos de didáctica, los contenidos o fuentes de estímulo en los
que se centre el procesamiento esencial deberían ser las de índole académica.
Por el contrario, las actividades de procesamiento incidental son aquellas que
no están relacionadas con la actividad principal académica, por ejemplo,
escuchar la música de fondo mientras se estudia o que compiten en tiempos de
dedicación con esta.
En consecuencia, el aumento de fuentes de procesamiento
incidental disminuiría el procesamiento esencial de las actividades académicas
y redundaría en menores desempeños en pruebas académicas. Algunas fuentes de
procesamiento incidental que compiten con las actividades académicas serían:
(a) en el aula: el ruido, las fuentes de estrés no académico (violencia en el
aula), uso de computadoras sin una estructura didáctica, presencia de equipos
de telefonía móvil; y (2) en el hogar: la presencia de internet y computadoras
usadas para fines no académicos, actividades que compiten con el tiempo para
dedicarse a las tareas académicas, como el tiempo en pantalla para actividades
de ocio, verbigracia, los videojuegos. A su vez, algunas condiciones favorecen
el procesamiento esencial, por ejemplo: (1) en el colegio: la cantidad de
estudiantes por profesor y el control del profesor a las actividades
académicas; y (2) en el hogar, la supervisión de tareas por parte de los
padres, contar con un espacio específico para el desarrollo de las tareas, uso
de la tecnología con propósitos académicos, etcétera.
En resumen, la exposición a condiciones que promuevan el
procesamiento atencional esencial sobre las tareas académicas con trabajo
académico activo sobre los contenidos se asocia con mejores ejecuciones
académicas; en cambio, demandas situacionales que promueven el procesamiento
incidental distribuyen la atención y hacen que el trabajo académico sea de
carácter superficial, lo que se asocia con bajo desempeño académico (Putnam et al., 2016).
Los hallazgos de Van Der
Schuur et al. (2015) sobre los efectos de estar expuesto a tareas en
simultáneo sobre el funcionamiento cognitivo soportan en parte esta afirmación,
aunque no son concluyentes. En general, hay evidencia a favor del desempeño en
aprendices expuestos a entornos favorecedores del procesamiento esencial sobre
contenidos académicos en las funciones cognitivas de atención sostenida,
memoria de trabajo, filtro de la información y atención selectiva. En estudios
longitudinales previos, los procesos cognitivos de control atencional (memoria
de corto plazo, memoria de trabajo y funcionamiento ejecutivo) predicen de
forma importante el rendimiento académico en matemáticas y lectura en niños
menores de siete años (Bull et al., 2008).
La predicción del desempeño académico con base en el
procesamiento incidental versus el procesamiento
esencial encuentra en los trabajos de las Tecnologías de Información y
Comunicación (TIC) un ejemplar metodológico importante, dada la presencia de
medios tecnológicos que compiten por la atención antes, durante y después de
las actividades académicas. Levasseur y
Sawyer (2006) revisaron el impacto de las diapositivas en las aulas de
clase sobre el aprendizaje y las actitudes de los estudiantes y encontraron que
las diapositivas con menos elementos, que estén disponibles en versión impresa
antes de las clases presenciales y sobre las que se pueda escribir, están
asociadas con efectos positivos en la memoria. Este hallazgo se discute en
términos atencionales, a saber, el diseño básico no compite con la información
que presenta el profesor; así, los procesos de selección y transformación de la
información (memoria de trabajo, control atencional, inhibición de respuesta,
etcétera) no son sobrepasados por las demandas situacionales. Por otra parte,
al entregarse las diapositivas, el aprendiz puede atender al docente sin tomar
apuntes; en cambio, puede complementar la información que considera relevante y
que no está en las diapositivas.
La revisión de Van Der
Schuur et al. (2015) profundiza en los efectos del uso de medios
tecnológicos –como fuente de multitarea– durante las actividades académicas
sobre el funcionamiento cognitivo, el rendimiento académico y las habilidades
socioafectivas. En términos de los efectos sobre el GPA (Grade
Point Average en el sistema de educativo de los Estados Unidos de
América), en ocho de once estudios se encontró una relación negativa moderada
del uso de medios tecnológicos durante la actividad y el desempeño académico
(rango de . = .03 - .30); con el uso de la red social Facebook en simultáneo a
las actividades académicas como principal fuente de efectos negativos. También
encontraron una investigación que reportó efectos negativos en el rendimiento
en tareas académicas de matemáticas –en el hogar– que se desarrollan mientras
se ve televisión, y uno en el que no se encontraron efectos.
Los hallazgos de Rosén y
Gustafsson (2016) sobre el bajo desempeño en comprensión lectora en las
pruebas estandarizadas internacionales (Estudio Internacional del Progreso en
Competencia Lectora, –PIRLS por sus siglas en inglés– 2001 a 2006) con los
datos de la International Association for the Evaluation of Educational
Achievement (IEA) y su relación con el tiempo de uso de la computadora se
discuten en términos atencionales. Por una parte, el mayor uso de la
computadora puede desplazar el tiempo de lectura de textos narrativos durante
el tiempo de ocio o puede ser una fuente de dispersión, por ejemplo,
interacción en redes sociales digitales, en el desarrollo de las actividades
académicas regulares. En el mismo sentido, los estudios de la Unesco sobre
rendimiento en las pruebas internacionales TERCE cuestionan el papel de las
computadoras en el aula de clases en el logro académico, y las responsabilizan
por el bajo rendimiento en países como Chile, Brasil y Colombia (Castellanos, 2015).
Modelo de procesamiento esencial y procesamiento
incidental
En las tablas 1 y 2 se
presenta el resumen de las variables incluidas en el TERCE y su agrupamiento en
índices de acuerdo con procesos de control cognitivo a los que afectarían –que
favorecerían el procesamiento esencial– y aquellos que promoverían el
procesamiento incidental (Junco, 2012;Van Der Schuur et al., 2015). En uno y
otro caso favorecerían (procesamiento esencial) o desfavorecerían
(procesamiento incidental) la ejecución en la prueba.
Procesamiento esencial
En primer lugar, se presentan las preguntas que darían cuenta
del control atencional. Stuss y Benson, citados por Tirapu-Ustárroz, Muñoz-Céspedes y
Pelegrín-Valero (2002), definieron el control atencional como una función
ejecutiva parte de un sistema jerárquico que sirve como mecanismo de control de
las funciones cognitivas básicas. En ese sentido, el control ejecutivo está
compuesto por una serie de funciones que, a su vez, controlan las funciones de
anticipación, la selección de objetivos, formulación y planificación previa de
posibles soluciones e iniciación de la respuesta con control de esta y de sus
consecuencias.
Es importante aclarar que, según Tirapu-Ustárroz et al. (2002), el
control ejecutivo es fundamental cuando los individuos se enfrentan a situaciones
novedosas, no rutinarias, y es necesario activar las funciones previamente
descriptas como aquellas a cargo del control ejecutivo que, en conjunto con la
memoria de trabajo (concepto tomado de Baddeley,
2000) y el sistema atencional supervisor (SAS, concepto tomado del modelo
de Norman y Shallice, 1986),
conformarían el sistema ejecutivo central (SEC).
Por su parte, Tejedor-Tejedor
et al. (2008) señalan que la atención es fundamental para codificar,
procesar y aprender nueva información y, consecuentemente, está relacionada con
la activación de los recursos cognitivos, su focalización en los estímulos
relevantes y en el mantenimiento o flexibilidad del foco atencional. El
desempeño académico se vincula con: la capacidad de concentrarse en los
estímulos presentados, la flexibilidad atencional, la motivación hacia la tarea
y la disponibilidad de estrategias atencionales. Estos autores estudiaron la
predicción del desempeño académico en un grupo de 602 estudiantes españoles;
para un conjunto de seis variables atencionales, construidas a partir de once
ítems, cuatro guardan relaciones positivas significativas con el desempeño
académico (.19), medido en las notas globales de diferentes asignaturas,
incluida matemáticas.
El índice para medir este constructo se compone por elementos de
la prueba que se asocian con las características del ambiente escolar y que
promoverían mayor control del entorno. Por tal razón, se incluyen variables
relacionadas con el trabajo de los profesores: su nivel de escucha, preparación
de las clases, aprovechamiento del tiempo e interés por la comprensión de los
temas por parte de los estudiantes. También incluye ítems sobre el número de
horas dedicadas por los estudiantes a hacer tareas y preparar sus clases (Tabla 1).
Tabla 1
Roles teóricos e
índices propuestos, y códigos y nombres de las variables en la base del TERCE
en procesamiento esencial
Base |
Índice |
Código |
Variable |
Familia |
Control atencional |
DQFIT26 |
Fam_Tareas_días |
Familia |
Control atencional |
DQFIT27 |
Fam_Tareas_horas |
Familia |
Control atencional |
DQFIT28_04 |
Fam_Tareas_juntos |
Familia |
Control atencional |
DQFIT32_01 |
Fam_Supervisión_tareas |
Familia |
Control atencional |
DQFIT32_02 |
Fam_Supervisión_escuela |
Familia |
Control atencional |
DQFIT32_03 |
Fam_Supervisión_notas |
Alumno6 |
Control atencional |
DQA6IT17_12 |
6Ambiente_atenciónprofesores |
Alumno6 |
Control atencional |
DQA6IT17_15 |
6Ambiente_preparaciónclaseprofesores |
Alumno6 |
Control atencional |
DQA6IT17_16 |
6Ambiente_usoadecuadotiempoprofesores |
Alumno6 |
Control atencional |
DQA6IT20 |
6Ambiente_profesoresmonitoreoentendimiento |
Alumno6 |
Control atencional |
DQA6IT21 |
6Ambiente_otrosmétodosdeexplicar |
Alumno6 |
Memoria de trabajo |
DQA6IT17_19 |
6Ambiente_relaciónclasevida |
Alumno6 |
Memoria de trabajo |
DQA6IT17_23 |
6Ambiente_tomaapuntes |
Familia |
Supervisión Familiar |
SUPERVF_std |
Control_y_supervisión_estudios_hogar |
En lo que respecta a la memoria de trabajo, Baddeley (2012) señala que en esta función
se da almacenamiento y transformación u operación de la información. La memoria
de trabajo es entendida como un sistema de cuatro componentes: la agenda
viso-espacial, el ejecutivo central, el bucle fonológico y el búfer episódico.
El ejecutivo central es el componente más complejo de la memoria de trabajo al
ser el encargado de la atención focalizada, el almacenamiento y la toma de
decisiones. Asimismo, este ejecutivo central debe ser capaz de dividir la
atención entre dos estímulos concurrentes, cambiar entre tareas e interactuar
con la memoria a largo plazo (Baddeley,
2012).
Si bien el número de estudios que relacionan memoria de trabajo
y desempeño académico son limitados, es posible identificar que un mayor número
de respuestas incorrectas en las pruebas de memoria de trabajo (estímulos
auditivos) guarda una correlación negativa con el desempeño académico en
estudiantes entre 9 y 13 años. Los hallazgos muestran que déficits en la
memoria de trabajo se traducen en dificultades en el aprendizaje y están relacionadas
con la impulsividad, baja concentración e hiperactividad (Aronen et al., 2005), así como en menores
tasas de aceptación social por sus pares y docentes (Canet-Juric et al., 2017).
Por otra parte, la presentación de información visual acompañada
de una contraparte auditiva ha mostrado ser clave en la consolidación de la
memoria (Northup y Mulligan, 2013). De
acuerdo con esto, los ítems elegidos para la construcción del índice Memoria de
trabajo están relacionados con la manera y frecuencia con la cual los
estudiantes toman notas en el aula. En este contexto, se formula la primera
hipótesis del estudio:
Hipótesis 1. Mayores niveles de control atencional, memoria de
trabajo y supervisión familiar tienen una relación positiva y significativa con
el rendimiento académico.
Procesamiento incidental
Junco (2012) plantea que
el procesamiento incidental se refiere al proceso cognitivo necesario para
procesar estímulos adicionales que no están relacionados con el elemento
central de la información. Este factor se compone de tres índices que son
sensibles a las diversas fuentes de distracción a los que se enfrentan los
estudiantes y que son concomitantes o competidoras con las actividades
escolares. Así, se vincula el nivel de ruido y desorganización al que están
expuestos (índice construido sobre el ruido y desorden en clase con preguntas
de la base), su percepción de violencia física o psicológica en el salón de
clases (índice disponible en la base) y el uso en actividades de ocio con las
computadoras, por ejemplo, videojuegos, redes sociales, consumo de contenidos,
etcétera (índice construido con cinco ítems de la base). La Tabla
2 presenta los ítems analizados de la base TERCE.
Tabla 2
Roles teóricos e
índices propuestos y códigos y nombres de las variables en la base del TERCE en
procesamiento incidental
Base |
Índice |
Código |
Variable |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT17_01 |
6Ambiente_RuidoyDesorden |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT17_02 |
6Ambiente_Atención |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT17_03 |
6Ambiente_Burlas |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT17_14 |
6Ambiente_preparación_profesores |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT17_17 |
6Ambiente_control_salón |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT19_01 |
6Ambiente_miedo_compañeros |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT19_02 |
6Ambiente_amenazaporcompañeros |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT19_03 |
6Ambiente_temorsergolpeado |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT19_04 |
6Ambiente_burlascompañeros |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT19_05 |
6Ambiente_aislamiento |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT19_06 |
6Ambiente_presiónsocial |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT22_01 |
6Casa_espaciotranquilo |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT22_04 |
6Casa_espacioordenado |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT26 |
6Trabajo |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT27_02 |
6Usocomputador_salón |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT27_03 |
6Usocomputador_escuelanosalón |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT28_01 |
6Internet_casa |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT28_02 |
6Internet_salón |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT28_03 |
6Internet_escuelanosalón |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT29_01 |
6Usointernet_días_escuela |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT30_01 |
6Usointernet_horas_escuela |
Alumno6 |
P. Procesamiento
Incidental |
DQA6IT31_01 |
6Usointernet_frecuencia_tiempo
libre |
Alumno6 |
P. Procesamiento
Incidental |
PCD1SCH6 |
6Usocomputador_escuelaundíasemanal |
Alumno6 |
P. Procesamiento
Incidental |
PCD2SCH6 |
6Usocomputador_escueladosdíassemanal |
Alumno6 |
P. Procesamiento
Incidental |
PCD3SCH6 |
6Usocomputador_escuelamásdeundíasemanal |
Familia |
P. Procesamiento
Incidental |
DQFIT16_07 |
Fam_celular |
Familia |
Violencia percibida |
VIOLENF_std |
Violencia_entorno_escuela |
Alumno6 |
Uso de ocio
Computadora |
DQA6IT25_02 |
6Tiempolibre_juegoscomputador |
Alumno6 |
Uso de ocio
Computadora |
DQA6IT31_02 |
6Usocomputador_frecuencia_jugarjuegos |
Alumno6 |
Uso de ocio
Computadora |
DQA6IT31_03 |
6Usocomputador_frecuencia_correoselectrónicosochatear |
Alumno6 |
Uso de ocio
Computadora |
DQA6IT31_04 |
6Usocomputador_frecuencia_redessociales |
Alumno6 |
Uso de ocio
Computadora |
DQA6IT31_06 |
6Usocomputador_frecuencia_vervideosmusica |
Mención aparte requiere el índice de uso de computadoras en el
tiempo libre y, en particular, los videojuegos. Si bien en el modelo se atiende
a la hipótesis de competencia (el estudiante no atiende los deberes de la
escuela por la actividad placentera que compite), los resultados al respecto
son contradictorios. Así, mientras en estudios específicos el tiempo dedicado a
los juegos se considera un factor que afecta negativamente el desempeño
académico y bienestar psicológico de niños, adolescentes y universitarios (Badia et al, 2015; Lloret y Sanz, 2013; López Becerra, 2011; Moreno-Carmiona et al., 2021), se debe
señalar que las relaciones son pequeñas (entre -.8 y -.116) y las evidencias se
encuentran al medir la intensidad y frecuencia del uso de videojuegos, más no
su uso o no uso. Por otra parte, los trabajos que diferencian entre el uso de
videojuegos y las actividades diarias realizadas no encuentran relaciones
significativas entre el consumo habitual de videojuegos, rendimiento académico,
memoria o atención (Rodríguez y Sandoval,
2011).
Los trabajos con grandes muestras señalan que la relación puede
ser positiva y significativa aunque muy baja –datos de GAP en Estados Unidos de
América (Concepcion et al., 2016); negativa para el tiempo de ocio en pantallas
(televisión y videojuegos) aunque sin efectos relevantes –revisión sistemática
con metaanálisis sobre el tema (Adelantado
et al., 2019), o no estar relacionado –desempeño en pruebas PISA en
Ciencias, Lenguaje y Matemáticas (Drummond
y Sauer, 2014).
Finalmente, el índice orientado a medir el grado de violencia al
que están expuestos los estudiantes –entendido en el modelo como fuente de
procesamiento incidental– está construido por variables vinculadas con la
criminalidad en el barrio donde queda la escuela. Para Milam et al. (2010) la violencia
comunitaria y escolar percibida afecta la capacidad de concentración por el
temor de los estudiantes de ser víctimas de crímenes. Al respecto, se encontró
que estudiantes de secundaria en Estados Unidos de América, que percibían
mayores niveles de seguridad, tenían un desempeño entre 15.4 % y 22.8 %
superior en las pruebas de lectura y matemáticas, en comparación con los que no
(Milam, et al, 2010). En este
contexto, se formula la segunda hipótesis del estudio:
Hipótesis 2. Mayores cargas del procesamiento incidental,
medidas en términos de la cantidad de distractores que enfrentan los
estudiantes, se relacionan de manera inversa y significativa con el desempeño
académico.
Metodología
Tipo de estudio
El estudio se ajusta a un estudio de factores asociados al
desempeño académico. El uso de ciertas variables o factores que, al
relacionarse con el desempeño de personas en pruebas (o de estudiantes en el
desempeño escolar), permitan conocer su efecto en el aprendizaje, (Beavers et al., 2013).
Participantes
Se trabajó con la base de datos de la evaluación TERCE de
estudiantes de sexto grado. Esta base de datos tiene 64 282 casos en la prueba
de matemáticas. Los estudiantes provinieron de Argentina (4 041), Brasil (3
592), Chile (5 211), Colombia (4 426), Costa Rica (3 557), República Dominicana
(3 697), Ecuador (4 887), Guatemala (4 136), Honduras (3 939), México (8 017),
Nicaragua (3 842), Panamá (3 775), Paraguay (3 384), Perú (4 839) y Uruguay (2
939). La Tabla 3 presenta las distribuciones de frecuencia
de variables sociodemográficas de la población incluida en el estudio.
Tabla 3
Características de la
población incluida en el estudio
Variables |
N |
% |
Tipo de colegio |
||
Público |
44630 |
69.43 |
Privado |
19652 |
30.57 |
Ubicación |
||
Urbana |
42311 |
65.82 |
Rural |
21971 |
34.18 |
Sexo |
||
Niña |
30361 |
47.23 |
Niño |
30704 |
47.76 |
No sabe/No responde |
3217 |
5.00 |
Pertenencia étnica |
||
No |
52724 |
82.02 |
Sí |
4869 |
7.57 |
No sabe/No responde |
6689 |
10.41 |
Finalmente, se estableció como criterio para incluir la
información en el estudio, que los datos de factores asociados y de desempeño
académico estuvieran completos, lo que determinó que la definitiva
correspondiera a 44 157 casos.
Instrumentos
Los resultados de los estudiantes se capturaron a través de dos
instrumentos: la prueba de desempeño en Matemáticas y el cuestionario de
factores asociados (Flotts et al., 2016)
utilizados por el LLECE en la evaluación TERCE. La información de los factores
asociados proviene de los cuestionarios del alumno y de la familia.
Resultados en la prueba de matemáticas de sexto grado
El estudio TERCE se conformó de seis cuadernillos diferentes en
los que se incluyeron las pruebas de Lectura, Ciencias y Matemáticas. Los
cuadernillos de Matemáticas obtuvieron confiabilidades entre .77 (cuadernillo
1) a .83 (cuadernillos 1 y 2) (UNESCO-OREALC,
2016). El número de ítems fue de 16 para los bloques 1 a 4, y de 17 para el
bloque 5; los ítems evaluaron los dominios numérico, geométrico, de medición,
estadístico y de variación y los procesos reconocimiento de objetos y
elementos, solución de problemas simples y solución de problemas complejos.
Los ítems de la prueba de matemáticas se analizaron bajo la
perspectiva del análisis diferencial de los ítems de acuerdo con las variables
en el nivel de análisis país, y se usó como valor de referencia al país con el
puntaje de promedio más cercano a 700 puntos (Ecuador). La prueba de
matemáticas obtuvo un funcionamiento diferencial por país no despreciable
(categorías B –ligero a moderado– o C –moderado a grande–) en México y Uruguay
(UNESCO-OREALC, 2016).
Cuestionario de factores asociados (Estudiante sexto
grado)
Los cuestionarios que alimentaron esta base fueron respondidos
en forma presencial por los estudiantes evaluados en las pruebas TERCE de sexto
grado. Las preguntas, en formato de selección múltiple, indagaron sobre
aspectos educativos del hogar, procesos y estrategias de aprendizaje dentro y
fuera de la sala de clases, actividades recreativas, disponibilidad de
materiales, entre otros. Se recoge información de 26 constructos en los que el
de menor confiabilidad es Uso de las TICs: Frecuencia del uso del computador
(.352) y el de mayor confiabilidad es Uso de las TICs: Uso del computador en clases
de ciencias (.903). De acuerdo con los propósitos del artículo, se
seleccionaron algunas variables e índices de interés provenientes de esta base
(UNESCO-OREALC, 2016).
Procedimiento
Para el análisis de la prueba TERCE, se analizaron las
diferentes preguntas capturadas en el instrumento de caracterización de los
estudiantes que se realiza a la par de la prueba. Estas preguntas fueron
clasificadas, con base en la revisión teórica descripta, en aquellas asociadas
con el procesamiento incidental y esencial, violencia percibida, uso de
computadora para el ocio, control atencional, memoria de trabajo y supervisión
familiar. En la siguiente sección se detalla el proceso de análisis de la
información.
Análisis de datos
De acuerdo con Wright y
Linacre (1989), aunque las observaciones sean ordinales o incluso
nominales, la medición debe darse, por lo menos, en el nivel de intervalo. La
información de las variables de los resultados del aprendizaje está en una
escala de intervalo desarrollada dentro de la perspectiva de la Teoría de
Respuesta al Ítem. Por tal razón, se utilizó el modelo de Rasch que lleva los
resultados del nivel de observaciones al nivel de mediciones (Linacre, 2013). En este estudio se sigue
la misma técnica empleada en el SERCE (Segundo Estudio Regional Comparativo y
Explicativo), que procesa los datos con el software
Winsteps (Linacre, 2013), para
producir índices de factores asociados con el modelo de Rasch.
Para establecer las relaciones entre los resultados de la prueba
de matemáticas y los factores asociados, se utilizaron las Ecuaciones
Estructurales (SEM por su sigla en inglés), que se definen como una técnica
estadística para comprobar relaciones causales fundamentada en procedimientos
multivariados estadísticos (Arbuckle, 2011;
Karimi y Meyer, 2014). En el caso de
índices incluidos en la base del TERCE (violencia percibida y supervisión
familiar), las ecuaciones estructurales se incluyeron de forma independiente y
en los casos en que el efecto esperado fuera negativo, los puntajes de las
variables se cambiaron de sentido.
Resultados
Luego de obtener los índices necesarios, se establecieron las
relaciones directas de los diferentes factores con el desempeño de los
estudiantes en la prueba de matemáticas. La estructura de las relaciones se
presenta en la Figura 1.
Figura 1.
Estructura de relaciones que afectan la prueba de
matemáticas
La letra F al inicio del nombre señala que se obtuvo con
información suministrada por la familia. El efecto del factor F violencia es
negativo sobre la variable matemática que indica el desempeño en la prueba.
Debido a lo anterior, se modificaron los valores de la escala de este índice (a
mayor valor, menor violencia). Adicionalmente se evaluó una estructura que
relaciona algunos de los factores.
El tamaño de las relaciones entre los factores y el desempeño en
matemática se presentan en la Tabla 4.
Tabla 4
Factores y desempeño
en matemática
Peso de regresión |
P |
|||
Puntaje estándar |
<--- |
A. Uso computador |
.124 |
*** |
<--- |
F. Violencia |
.016 |
*** |
|
<--- |
F. Supervisión |
.029 |
*** |
|
<--- |
Control atencional |
.054 |
*** |
|
<--- |
Memoria de trabajo |
.066 |
*** |
|
<--- |
Procesamiento
incidental |
.008 |
.110 |
Como se observa, excepto el índice para procesamiento
incidental, todos los pesos de regresión son significativos y el de mayor peso
es el uso del computador. Para esta estructura, tanto el valor de NFI como de
IFI y CFI es de 1.0 para los modelos saturados. El valor de RMSA es de .000
tanto para el modelo independiente como para el por defecto. Finalmente, la Tabla 5 presenta los tamaños del efecto de la relación entre
los seis índices analizados y el puntaje en matemáticas en la prueba TERCE de
los alumnos de sexto grado.
Tabla 5
Tamaños del efecto de
la estructura propuesta sobre el desempeño en matemáticas
Procesamiento
incidental |
Memoria de trabajo |
Control atencional |
F. supervisión |
F. violencia |
Uso computador |
|
Puntaje estándar |
1.260 |
4.295 |
7.488 |
3.020 |
1.680 |
5.851 |
Al considerar que la desviación estándar del desempeño en
matemáticas es de 100 puntos, el conjunto de estas variables incide en,
aproximadamente, 24 puntos; si el uso recreativo del computador sube una
desviación estándar (y las otras variables también) en la escala utilizada (logit), la puntuación en matemática sube en 24 puntos.
Procesamiento esencial
Como se indica en la Figura 1, el procesamiento esencial se
evaluó a través de los ítems relacionados con la memoria de trabajo, la
supervisión familiar y el control atencional. De acuerdo con lo planteado en la
hipótesis 1 se espera que mayores niveles en los índices asociados con este
procedimiento tenga relaciones directas con el desempeño académico.
Los hallazgos de la investigación confirman esta hipótesis al
indicar que el aumento de una unidad en la desviación estándar del índice de
memoria de trabajo, hace que la puntuación en Matemáticas aumente a 4.295
puntos. Los resultados también son positivos para el caso del control
atencional (7.488 puntos) y supervisión familiar (3.020). En conjunto, los
factores relacionados con el procesamiento esencial inciden en 14.803 puntos en
el desempeño en Matemáticas de los estudiantes, lo que lo hace el componente
analizado más importante del procesamiento cognitivo.
Procesamiento incidental
En concordancia con la hipótesis 2, se esperan mayores fuentes
de demanda de procesamiento incidental, a saber: mayores niveles de violencia
percibida, uso recreativo del computador, uso no supervisado de las tecnologías
de la información y trabajo, que influyen de manera negativa sobre el desempeño
académico en matemáticas en la prueba TERCE de los estudiantes analizados.
Debido a que el efecto esperado de estas variables es negativo,
excepto el uso recreativo del computador, los puntajes de las variables
cambiaron de sentido; de esta manera, mayores valores en las variables
significan menor presencia del atributo (por ejemplo, mayor puntaje en la
variable F. violencia, menor violencia percibida). En ese sentido, una
disminución de una desviación estándar en la violencia percibida de los
estudiantes inciden en un aumento de 1.680 puntos en el puntaje en la prueba de
matemáticas. Asimismo, menores niveles de procesamiento incidental aumentan en
1.260 puntos el desempeño y una desviación estándar en el uso recreativo del
computador, aumenta en 5.851 la puntuación en matemáticas en la prueba TERCE.
Discusión
El propósito de la investigación fue evaluar un modelo
psicopedagógico cognitivo de desempeño con el rendimiento en las pruebas de
matemáticas del estudio TERCE en estudiantes de sexto grado, sobre la base de
la información disponible de factores asociados (estudiante, colegio y
familias). El modelo se conforma por variables asociadas al procesamiento
esencial de la información académica (afectación positiva) o que interfieren
con este –procesamiento incidental (afectación negativa). La formulación y
evaluación del modelo permite una comprensión teórica más estructurada que la
del análisis independiente de cada tipo de variable (Putnam, 2016).
La estructura teórica propuesta afecta la puntuación obtenida en
24 puntos (en escala logit), por tanto, hay
evidencia a favor de los postulados de la psicología y la pedagogía cognitivas
sobre las hipótesis atencionales y de profundidad del análisis de la
información académica (Bull et al., 2008;
Putnam et al., 2016). En general, el
aumento en la supervisión familiar y escolar que favorecen la atención,
elaboración y el seguimiento de las tareas académicas (procesamiento esencial)
contribuye a mayores puntajes en las pruebas y, a su vez, en cuanto al
procesamiento incidental, menores distractores en casa y en el colegio, menor
violencia percibida (con puntajes inversos en la base) redundan en mejores
desempeños. Sin embargo, el papel del uso de las computadoras para ocio resulta
contrario al modelo planteado. A continuación, se presenta la información
analizada por los dos grandes constructos de análisis y su aporte a los
resultados.
Procesamiento esencial
El procesamiento esencial está compuesto por variables del
ambiente escolar y familiar que promueven el control del entorno para la
concentración en las actividades académicas: supervisión familiar, control
atencional y memoria de trabajo. En el modelo propuesto, a mayores valores de
procesamiento esencial, mayores desempeños en las pruebas de matemáticas.
De estos, el índice de supervisión familiar de la actividad
académica afecta en 3.020 puntos los resultados de la prueba en coherencia con
los resultados de Ruíz de Miguel (2001)
y los hallazgos de Gaxiola et al. (2020)
en los que se identifica que el ambiente académico positivo por parte de los
padres se relaciona con el compromiso académico y este con el uso de
estrategias de aprendizaje autorregulado. En cuanto a la participación del
control atencional (7.48), el aporte del índice coincide con el reporte de Tejedor-Tejedor et al. (2008), que
encontró relaciones positivas (.19) entre el desempeño académico en matemáticas
y seis variables atencionales construidas a partir de once ítems. En lo que
respecta a la memoria de trabajo (aporte de 4.295), los resultados del factor
son coherentes con los hallazgos de Aronen
et al. (2005), en poblaciones estudiantiles entre 9 y 13 años –rango etario
compartido con la población del TERCE–, en los que un mayor número de
respuestas incorrectas en las pruebas de memoria de trabajo correlacionó en
negativo con el desempeño académico.
En resumen, los factores del hogar, la escuela y el estudiante,
que fueron considerados como aportes al procesamiento esencial en las
actividades de aprendizaje, afectan en 14 puntos la puntuación en la prueba. De
este dato se desprende que las acciones favorecedoras de la atención exclusiva
a las tareas académicas, en la fase de recepción (clases, toma de apuntes,
didáctica, organización de las clases, etcétera), en la de elaboración
(contribución y supervisión de las tareas) y en la de realimentación (revisión
de notas y supervisión de calificaciones de los profesores) son centrales en la
explicación del desempeño en matemáticas.
Procesamiento incidental
El procesamiento incidental está compuesto por la presencia de
tareas, actividades o circunstancias que compiten con el procesamiento esencial
o centrado exclusivamente en las tareas académicas, para el caso, la violencia
percibida en la escuela, el procesamiento incidental (ruido y desorden en
clase) y el uso de ocio de las computadoras.
En cuanto a la violencia percibida, el trabajo es coherente con
los hallazgos de Milam et al. (2010),
es decir, menores índices de violencia percibida (1.680) se asocian con mejores
desempeños académicos en la prueba seleccionada. En otro estudio con muestras
nacionales, el trabajo de Barbosa-Camargo y
Medina-Arboleda (2020) encontró que los estudiantes de las zonas de
Colombia con mayor intensidad de violencia armada, producto del conflicto interno,
tenían rendimiento más bajo (estadísticamente significativo) que sus
contrapartes que estudiaban en colegios con menor violencia y, a su vez, más
bajo comparado con estudiantes de los mismos municipios en periodos de menor
violencia. En cuanto al desorden y ruido en clase, una menor presencia de
distractores contribuye en 2.130 a la puntuación en la prueba de matemáticas.
Un lugar de análisis diferente corresponde al uso en tiempo de
ocio del computador (videojuegos, redes sociales digitales, consumo de
contenidos, entre otros). Si bien teóricamente se clasificó como fuente de
procesamiento incidental, fue el componente del modelo con mayor efecto
positivo sobre los resultados de la prueba (5.851); es decir, a mayor uso de
ocio de la computadora, mayores resultados en matemáticas.
El uso de las computadoras con propósitos de ocio ha mostrado
una relación positiva –aunque pequeña– o no relación en trabajos con grandes
muestras en los Estados Unidos de América (Concepción
et al., 2016) y en estudiantes que presentan las pruebas PISA (Drumond y Sauer, 2014). En la misma
dirección, Biagi y Loi (2012), también
con resultados de las pruebas PISA en 2009, incluyeron un apartado de análisis
sobre el uso de computadoras y su relación con los resultados en las pruebas de
matemáticas: su uso con propósitos recreativos está asociado positivamente con
los resultados en las pruebas. En el mismo sentido, Casey et al. (2012), con datos de
estudiantes de Irlanda de nueve años , encontraron que el uso de computadoras
con propósitos de diversión y de forma no supervisada se asociaron con
desempeños positivos en matemáticas y comprensión lectora; no así para el uso
social o para consumo de contenidos.
En contraste, el análisis de Castellanos
(2015) sobre resultados del TERCE y Rosén
y Gustafsson (2016) con los datos de PIRSL encontraron efectos negativos
del uso de computadoras sobre las pruebas en general y en la comprensión de
textos en estudiantes de educación básica en pruebas estandarizadas.
Las discrepancias entre hallazgos sobre este índice y las
implicaciones teóricas de su tratamiento podrían deberse a que, para el primer
caso, los informes parciales del TERCE han controlado el efecto del índice de
ocio del computador –parcialmente solapado con lo propuesto en este estudio–
por ingresos económicos del hogar. En el análisis que se reporta en este
artículo no se controló dicho índice, sino que se integró a una perspectiva más
amplia de análisis de indicadores asociados al modelo psicopedagógico cognitivo
de procesamiento incidental propuesto.
Otra posible explicación del hallazgo es que el vínculo entre el
uso de las computadoras con propósitos de ocio y el desempeño en matemáticas
está dado por el entrenamiento cognitivo. Según esta hipótesis, las situaciones
con múltiples demandas atencionales, como los videojuegos, pueden tener efectos
positivos en términos de funcionamiento cognitivo, al entrenar a los aprendices
en control atencional complejo. A su vez, el control atencional complejo se
asociaría positivamente con las tareas académicas (Van Der Schuur et al., 2015). Así, el uso
de la tecnología para interactuar en actividades con una alta estructura y
demanda de habilidades blandas o generales puede tener, entonces, efectos
colaterales benéficos y llevaría a replantear la forma en que se entiende el
papel de los videojuegos como promotor de procesamiento esencial (control
atencional) y no como promotor de procesamiento incidental.
Limitaciones y sugerencias
Hasta la actualidad, este es un ejercicio poco explorado que
propende por la organización de los referentes de las variables del TERCE a
partir de una propuesta teórica situada en las perspectivas psicopedagógicas de
la comprensión del desempeño educativo. Ahora bien, en cuanto a las preguntas
del estudio y las bases de las que provienen no corresponden a tales propósitos
teóricos la alineación entre constructos y medidas ha de tomarse con cautela,
así como la inferencia sobre la afectación al estudiante en cuanto hay índices
que no provienen del estudiante.
Por otra parte, los valores del modelo corresponden solo a la
dimensión que atañe a la propuesta de procesamiento esencial versus incidental;
de allí que el efecto sea modesto y la varianza que obtiene en fenómenos
sociales como el rendimiento en muestras representativas sea relativamente
bajo. Estudios ulteriores pueden dar lugar a la inclusión de preguntas con
referentes teóricos de interés que permitan usar las evaluaciones nacionales e
internacionales con propósitos de validación disciplinar.
Referencias
Adelantado-Renau,
M., Moliner-Urdiales, D., Cavero-Redondo, I, Beltran-Valls, M. R.,
Martínez-Vizcaíno, V. y Álvarez-Bueno, C. (2019). Association Between Screen
Media Use and Academic Performance Among Children and Adolescents: A Systematic
Review and Meta-analysis. JAMA Pediatrics, 173(11),
1058–1067. https://doi.org/10.1001/jamapediatrics.2019.3176
Arbuckle, J. (2011).
IBM, SPSS, AMOS 20User’s Guide. Version 20. AMOS.
ftp://public.dhe.ibm.com/software/analytics/spss/documentation/amos/20.0/en/Manuals/IBM_SPSS_Amos_User_Guide.pdf
Aronen, E.,
Vuontela, V., Steenari, M., Salmi, J. y Carlson, S. (2005). Working memory,
psychiatric symptoms, and academic performance at school. Neurobiology
of Learning and Memory, 83, 33-42. https://doi.org/10.1016/j.nlm.2004.06.010
Baddeley, A. (2000).
The episodic buffer: a new component of working memory? Trends
in Cognitive Sciences, 4(11), 417-423. https://doi.org/10.1016/S1364-6613(00)01538-2
Baddeley, A. (2012).
Working memory: theories, models and controversies. Annual
Review of Psychology, 63, 1-29. https://doi.org/10.1146/annurev-psych-120710-100422
Badia Martín, M.,
Clariana Muntada, M., Gotzens Busquets, C., Cladellas Pros, R. y Dezcallar
Sáez, T. (2015) Videojuegos, televisión y rendimiento académico en alumnos de
primaria. Pixel-Bit. Revista de Medios y Educación, 46,
25-38. https://recyt.fecyt.es/index.php/pixel/article/view/61608
Barbosa-Camargo, M.
I. y Medina-Arboleda, I. F. (2020). Asociación entre la intensidad del
conflicto armado en escenarios de guerra y posconflicto con el desempeño en las
pruebas Saber 11 en Colombia. En. I. F. Medina-Arboleda, I. Barreto, D. R.
Aguilar y M. Sandoval. (Comps). Perspectivas y contextos
de la prosocialidad y la convivencia (pp. 263-284). Universidad Católica
de Colombia, Konrad Lorenz Editores. https://doi.org/10.14718/9789585133471.2020
Beavers, A.,
Lounsbury, J., Richards, J., Huck, S., Skolits, G. y Esquivel, S. (2013).
Practical Considerations for Using Exploratory Factor Analysis in Educational
Research. Practical Assessment, Research y Evaluation, 8(6).
https://doi.org/10.7275/qv2q-rk76
Biagi, F. y Loi, M.
(2012). ICT and Learning: Results from Pisa 2009. Publication
Office of the European Union. https://doi.org/10.2788/63884.
Bull, R., Espy, K.
A. y Wiebe, S. A. (2008). Short-Term Memory, Working Memory, and Executive
Functioning in Preschoolers: Longitudinal Predictors of Mathematical Achievement
at Age 7 Years. Developmental Neuropsychology, 33(3),
205–228. https://doi.org/10.1080/87565640801982312.Short-Term.
Canet-Juric, L.,
Andrés, M. L., García-Coni, A., Richard’s, M. y Burin, D. (2017) Desempeño en
memoria de trabajo e indicadores comportamentales: relaciones entre medidas
directas e indirectas. Interdisciplinaria, 34(2),
369-387.
Casey, A., Layte,
R., Lyons, S. y Silles, M. (2012). Home computer use and academic performance
of nine-year-olds. Oxford Review of Education, 38(5),
617–634. https://doi.org/10.1080/03054985.2012.731207.
Castellanos, M.
(2015). ¿Son las TIC realmente una herramienta valiosa
para fomentar la calidad de la educación?. (2). Unesco-TERCE. https://unesdoc.unesco.org/ark:/48223/pf0000244952.
Concepcion, L. R.,
Nales-Torres, M. y Rodriguez-Zubiaurre, A. (2016). The Relationship between
Videogame Use, Deviant Behavior, and Academic Achievement among a Nationally
Representative Sample of High School Seniors in the United States. American Journal of Educational Research, 4(16),
1157-1163. https://doi.org/10.12691/education-4-16-6
Drummond, A. y
Sauer, J. D. (2014). Video-games do not negatively impact adolescent academic
performance in science, mathematics or reading. PloSone, 9(4),
e87943. https://doi.org/10.1371/journal.pone.0087943
Flotts, M. P.,
Manzi, J., Jiménez, D., Abarzúa, A., Cayuman, C. y García, M. J. (2016). Informe de resultados TERCE. Logros de Aprendizaje.
UNESCO. Paris. https://unesdoc.unesco.org/ark:/48223/pf0000243532.
Gaviria, A. y
Barrientos, J. H. (2001). Determinantes de la calidad de
la educación en Colombia. FEDESARROLLO. Bogotá, D.C. https://www.repository.fedesarrollo.org.co/handle/11445/1249
.
Gaxiola Romero, J.
C., Gaxiola Villa, E., Corral Frías, N. S. y Escobedo Hernández, P. (2020).
Ambiente de aprendizaje positivo, compromiso académico y aprendizaje
autorregulado en bachilleres. Acta Colombiana de
Psicología, 23(2), 267-288. https://doi.org/10.14718/ACP.2020.23.2.11
Iregui, A. M., Melo,
L. y Ramos, J. (2007). Análisis de eficiencia de la educación en Colombia. Revista de Economía del Rosario, 10(1), 21–41. https://revistas.urosario.edu.co/index.php/economia/article/view/1113
Junco, R. (2012).
In-class multitasking and academic performance. Computers
in Human Behavior, 28(6), 2236–2243. https://doi.org/10.1016/j.chb.2012.06.031
Karimi, L. y Meyer,
D. (2014). Structural Equation Modeling in Psychology: The History, Development
and Current Challenges. International Journal of
Psychological Studies, 6(4), 123-133. https://doi.org/10.5539/ijps.v6n4p123
Levasseur, D. G. y Sawyer,
J. K. (2006). Pedagogy Meets PowerPoint: A Research Review of the Effects of
Computer-Generated Slides in the Classroom. Review of
Communication, 6(1), 101–123. https://doi.org/10.1080/15358590600763383
Linacre, J. M.
(2013). Winsteps® [Computer Software]. http://www.winsteps.com/
LLECE-UNESCO (2015).
Executive summary. Third regional comparative and
explanatory study. UNESCO: Santiago. http://unesdoc.unesco.org/images/0024/002439/243983e.pdf.
Lloret, D., Cabrera,
V. y Sanz, Y. (2013) Relaciones entre hábitos de uso de videojuegos, control
parental y rendimiento escolar. European Journal of
Investigation in Health, Psychology and Education, 3(3), 237-248. https://doi.org/10.1989/ejihpe.v3i3.46
López Becerra, F.
(2011) Relación entre el hábito de consumo de videojuegos y el rendimiento
académico: diferencias en género y edad en tercer ciclo de educación primaria. International Journal of Development and Educational Psychology,
1(1), 603-611
Moreno-Carmona, N.,
Marín-Cortés, A., Cano-Bedoya, V., Sanabria-González, J., Jaramillo-Suárez, A.
y Ossa-Ossa, J. (2021) Mediaciones parentales y uso de internet por niños,
niñas y adolescentes colombianos. Interdisciplinaria,
38(2), 275-290. https://doi.org/10.16888/interd.2021.38.2.18
Norman, D. A. y
Shallice, T. (1986). Attention to action. En. R. Davidson, G. E. Schwartz, y D.
Shapiro. Consciousness and self-regulation (pp.
1-18). Springer: Boston, MA.
Northup, T. y
Mulligan, N. (2013). Online advertisements and conceptual implicit memory:
Advances in theory and methodology. Applied Cognitive
Psychology, 28, 66-78. https://doi./org/10.1002/acp.2958
Milam, A.,
Furr-Holden, C. y Leaf, P. (2010). Perceived school and neighborhood safety,
neighborhood violence and academic achievement in urban school children. The Urban Review, 42(5), 458-467. https://doi.org/10.1007/s11256-010-0165-7.
OREALC/UNESCO.
(2007). El derecho a una educación de calidad para todos en América latina y el
Caribe. Revista Electrónica Iberoamericana sobre Calidad,
Eficacia y Cambio en Educación, 5(3), 1-21, https://revistas.uam.es/index.php/reice/article/view/10139/10249
Putnam, A. L.,
Sungkhasettee, V. W. y Roediger, H. L. (2016). Optimizing Learning in College:
Tips From Cognitive Psychology. Perspectives on
Psychological Science, 11(5), 652–660. https://doi.org/10.1177/1745691616645770
Rodríguez, H. y
Sandoval, M. (2011) Consumo de videojuegos y juegos para computador:
influencias sobre la atención, memoria, rendimiento académico y problemas de
conducta. Suma Psicológica, 18(2), 99-110. https://www.redalyc.org/articulo.oa?id=134222985008
Rosén, M. y
Gustafsson, J. E. (2016). Is computer availability at home causally related to
reading achievement in grade 4? A longitudinal difference in differences
approach to IEA data from 1991 to 2006. Large-Scale
Assessments in Education, 4(1), 5. https://doi.org/10.1186/s40536-016-0020-8
Ruíz de Miguel, C.
(2001). Factores familiares vinculados al bajo rendimiento. Revista Complutense de Educación, 12(1), 81-113. https://revistas.ucm.es/index.php/RCED/article/view/RCED0101120081A/16850
Tejedor-Tejedor, F.,
González-González, S. y García-Señorán, M. (2008). Estrategias atencionales y
rendimiento académico en estudiantes de secundaria. Revista
Latinoamericana de Psicología, 40(1), 123-132. http://publicaciones.konradlorenz.edu.co/index.php/rlpsi/article/view/351/252.
Tirapu-Ustárroz, J.,
Muñoz-Céspedes, J. y Pelegrín-Valero, C. (2002). Funciones ejecutivas:
necesidad de una integración conceptual. Revista de
Neurología, 34(7), 673 - 685. https://doi.org/10.33588/rn.3407.2001311.
Treviño, E., Fraser,
P., Meyer, A., Morawietz, L., Inostroza, P. y Naranjo, E. (2016). Informe de resultados TERCE. Factores asociados. Paris:
UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000243533.
UNESCO-OREALC.
(2016). Reporte Técnico. Tercer Estudio Regional
Comparativo y Explicativo, TERCE. Santiago, Chile. https://unesdoc.unesco.org/ark:/48223/pf0000247123
Van Der Schuur, W.
A., Baumgartner, S. E., Sumter, S. R. y Valkenburg, P. M. (2015). The
consequences of media multitasking for youth: A review. Computers
in Human Behavior, 53, 204–215. https://doi.org/10.1016/j.chb.2015.06.035.
Wright, B. D. y
Linacre, J. M. (1989). Observations are always ordinal; measurements, however,
must be interval. Archives of physical medicine and
rehabilitation, 70(12), 857-860. https://www.researchgate.net/publication/20338407_Observations_are_always_ordinal_measurements_however_must_be_interval
HTML generado a partir
de XML-JATS4R por
Refbacks
- No hay Refbacks actualmente.
Añadir comentario