Horizontes. Revista de Investigación en Ciencias de la Educación
https://doi.org/10.33996/revistahorizontes.v6i24.399
Volumen 6 / No. 24, Edición Extraordinaria
junio 2022
ISSN: 2616-7964
ISSN-L: 2616-7964
pp. 1091 – 1100
Niveles de autoconcepto, procesamiento
estratégico de información y rendimiento académico en una universidad pública
Levels of self-concept, strategic
information processing and academic performance in a public university
Níveis de auto-conceito, processamento
de informação estratégica e desempenho académico numa universidade pública
Juan Charry Aysanoa¹
jcharryaysanoa@gamil.com
https://orcid.org/0000-0003-3728-1291
Virgilio Wilfredo Rodas Serrano²
virgilio_rodas@usmp.pe
https://orcid.org/0000-0002-4111-3525
Cristian Alberto Yong Castañeda²
cyongc@usmp.pe
https://orcid.org/0000-0001-7621-9576
Demetrio Pedro Durand Saavedra²
ddurands@usmp.pe
https://orcid.org/0000-0003-4065-7122
Pedro Amílcar Charry Aysanoa³
nora.rangel@academicos.udg.mx
https://orcid.org/0000-0002-3762-1578
1Universidad
César Vallejo. Lima, Perú
2Universidad de San Martín de Porres. Lima,
Perú
3Universidad Nacional Daniel Alcides
Carrión. Cerro de Pasco, Perú
Artículo recibido el 4 de noviembre 2021 | Aceptado el 21 de junio
2022 | Publicado el 30 de junio 2022
RESUMEN
El autoconcepto y la
capacidad de procesamiento de la información, son factores esenciales en la
formación académica de estudiantes universitarios. El artículo demuestra la
relación entre los niveles de autoconcepto
y procesamiento estratégico de la información, con el rendimiento académico
de los estudiantes de la carrera profesional de Ingeniería Agroindustrial de la
Universidad Nacional Amazónica de Madre de Dios. El estudio desarrollado
corresponde al nivel descriptivo asumiendo
el diseño no experimental correlacional, en una muestra de 90 alumnos, donde se
aplicó la técnica de la encuesta con dos instrumentos de recolección de datos:
cuestionarios válidos y confiables. Como
resultados de tiene que existe una relación
inversa entre el autoconcepto
y el rendimiento académico (r=-0.658) y el procesamiento estratégico de la información con el rendimiento (r=-0.464), por lo que se infiere que los
estudiantes con niveles regulares de autoconcepto
y capacidad de procesamiento de información, no presentan un buen rendimiento académico, lo que explica que existe una relación directamente
inversa entre el autoconcepto y el procesamiento de la información con el
rendimiento académico.
Palabras clave: Autoconcepto; Procesamiento estratégico de la información; Rendimiento académico
ABSTRACT
Self-concept and the capacity to process information
are essential factors in the academic formation of university students. The
article seeks to determine the relationship between the levels of self-concept
and strategic information processing with academic performance in university
students of the National Amazonian University of Madre de Dios, Professional
Career of Agroindustrial Engineering. It is descriptive and assumes a
non-experimental correlational design. The sample consisted of 90 students. Two
data collection instruments were applied through the survey technique: valid
and reliable questionnaires. The existence of an inverse relationship between
self-concept and academic performance (r=-0.658) and strategic information
processing with performance (r=-0.464) is reported. The university students who
are in regular levels of self-concept and information processing ability do not
present a good academic performance. This explains the direct inverse
relationship between self-concept and information processing and academic
performance.
Key words: Self-concept;
Strategic information processing; Academic performance
RESUMO
O auto-conceito e a capacidade de
processar informação são factores essenciais na formação académica dos
estudantes universitários. O artigo procura determinar a relação entre os
níveis de autoconceito e de processamento estratégico de informação com o
desempenho académico em estudantes universitários da Universidade Nacional
Amazónica de Madre de Dios, Carreira Profissional de Engenharia Agroindustrial.
É descritivo e assume um desenho correlacional não experimental. A amostra era
composta por 90 estudantes. Dois instrumentos de recolha de dados foram
aplicados através da técnica de inquérito: questionários válidos e fiáveis. É
relatada a existência de uma relação inversa entre autoconceito e desempenho
académico (r=-0,658) e processamento de informação estratégica com desempenho
(r=-0,464). Os estudantes universitários que estão a níveis regulares de
auto-conceito e capacidade de processamento de informação não apresentam um bom
desempenho académico. Isto explica porque existe uma relação inversa directa
entre autoconceito e processamento de informação e desempenho académico.
Palavras-chave: Auto-conceito; Processamento estratégico de informação; Desempenho
académico
INTRODUCCIÓN
El autoconcepto es definido por González et
al. (2012) como una relación de conceptos
cognitivos que involucra el conocimiento que
cada sujeto tiene de sí mismo como un único ser.
La adquisición del autoconcepto se da a través
del tiempo y constituye un proceso de construcción individual de la persona. El
autoconcepto se va desarrollando con mayor énfasis durante
la adolescencia, la misma que constituye una etapa de cambios e
inestabilidad, por lo que para hacer frente
a este periodo se requiere
que el sujeto cuente con recursos personales para facilitar una
adaptación psicosocial a su entorno (Gaeta y López,
2013). Se considera como un constructo psicológico, compuesto por un conjunto de percepciones que un sujeto posee y que se construye a partir de sus experiencias y del ambiente
en donde se desenvuelve.
Un modelo teórico
significativo y vigente, es el propuesto por Shavelson et
al. (1976), que explica
la naturaleza
multidimensional y jerárquica del autoconcepto en el sujeto; identificando la dimensión general en la parte alta de una pirámide
y el autoconcepto académico (verbal
y matemático) y el autoconcepto no académico (emocional,
físico y social) en un nivel inferior. Al considerarse al
autoconcepto como un activo principal para
que los estudiantes desarrollen capacidades y competencias, es preciso reforzar
la autopercepción positiva
en ellos, debiendo ser una meta central de la
universidad (Esnaola et al., 2008)
La base teórica-metodológica relevante que sustenta el estudio, la
fundamenta el Enfoque Informacional
del Paradigma Sistémico, el que explica que la información constituye una categoría principal
que trasciende a la sustancia y a la energía (Afanasiev,
1978), y que permite comprender la información como una categoría que se relaciona con el reflejo
de los diversos objetos
o sistemas en determinados campos.
En el campo de la educación superior, este enfoque favorece
el estudio de la información como un todo polisistémico,
lógico y coherente. A esto se suma la teoría del conectivismo, que es
una de las teorías modernas que emerge como parte de la revolución de las tecnologías de información y comunicación. Su principal finalidad
es la creación de una integración
didáctica entre las nuevas herramientas tecnológicas con la construcción de conocimientos (Siemens, 2004).
Mesén (2019), sostiene
que esta teoría
implica la vinculación de las nuevas
fuentes tecnológicas con los procesos
educativos, lo que permite una mayor
profundización y especialización de los docentes para el logro de un avance evolutivo acorde a la modernidad y no quedarse en el uso de
teorías tradicionales. El Conectivismo, supone un nivel
superior de las tres teorías
anteriores (conductismo,
cognitivismo y constructivismo), las mismas que no consideran el aprendizaje
que se logra fuera de los sujetos, es
decir, el aprendizaje con
manipulación de tecnologías y mediante el trabajo colectivo
(Sobrino, 2014).
En cuanto a la teoría cognitiva del procesamiento de la información, (Pozo, 2006) da cuenta tres teorías del aprendizaje: el asociacionismo, el
cognitivismo y el procesamiento de la información. Cada una de estas,
explica de cómo los sujetos aprenden. El Procesamiento
de la Información explica que el sujeto
es un sistema de procesamiento simbólico de propósitos que se hallan en un nivel de generalización.
En ese sentido, la persona, así como la computadora, son equivalentes funcionalmente, en razón que intercambian información con su entorno a través del empleo
y manipulación de símbolos de la comunicación.
Según García (2013)
el supuesto principal del procesamiento de la información está en la descomposición recursiva
de los procesos cognitivos del sujeto, lo que significa
que un proceso cognitivo, a medida que se desagregue en pequeñas unidades, puede ser explicado sin la pérdida
de su esencia, desde estas unidades pequeñas. Para Pozo (2006), este postulado
de linealidad y aditividad se
encuentra sobre la base del carácter
de independencia que se evidencia entre los diferentes componentes de los
procesos y representa la utilización de la cronometría cognitiva o la
evaluación de los tiempos de reacción, como una de las
principales maneras de estudio del procesamiento de de la información en sujetos.
Otra definición de esta variable
considera al procesamiento de la información como un proceso holístico y sinérgico, que consiste en el sometimiento de determinada información gestionada (representativos de la realidad) a un proceso de tratamientos y operaciones
básicas empleando las
tecnologías de la información y comunicación (TIC), con el propósito
de extraer información relevante, precisa y confiable
a fin de lograr los objetivos (Gorina y Alonso, 2016). Es preciso tener en cuenta que la
Internet y las redes sociales
particularmente, son medios en donde la producción y difusión sistemática de información, es mayormente sesgada
de contenido (García et al., 2016).
Muchos estudiantes de la carrera profesional
de Ingeniería Agroindustrial de la
Universidad Nacional Amazónica de Madre de Dios, presentan deficiencias en el aprendizaje, lo que se
evidencia en el rendimiento académico. Los resultados del estudio que demuestran los bajos niveles de aprovechamiento académico
por parte de los estudiantes, son contrarios a la
función formativa de la universidad, que orienta sus esfuerzos hacia el logro
de profesionales competitivos, sobre
todo en estudiantes procedentes de zonas vulnerables y de menor desarrollo económico aledañas a
Puerto Maldonado[1], en donde se ubica la
universidad. Si bien los estudiantes
asisten con regularidad a las aulas y cumplen con sus quehaceres académicos, no obstante,
presentan bajos niveles
de rendimiento académico
en las áreas del conocimiento y formación profesional en la carrera
de Ingeniería Agroindustrial. Un indicador apriorístico de incidencia es el factor económico, lo que implica que los estudiantes tengan
que acceder a las tecnologías de información y comunicación que la casa de
estudios les suministra para el soporte técnico de sus sesiones de aprendizaje
y tareas académicas. Otro elemento concurrente observado durante las
interrelaciones docente y alumnos, durante el proceso de enseñanza y
aprendizaje, es que un número significativo de ellos, presenta un nivel regular
de autoconcepto, lo que se manifiesta en sus actitudes emocionales, sociales y
de interacción continua.
En consecuencia, las universidades formadoras
de profesionales en las distintas disciplinas deben acentuar más la
digitalización de la información, dotando a sus estudiantes de las herramientas
y los conocimientos necesarios. Las instituciones universitarias, no deben
poner en riesgo su prestigio, como resultado de la deficiente implementación
tecnológica y científica del mundo moderno, sobre todo, en cuanto a los
productos científicos y académicos, los que deben estar garantizados por un
alto nivel de calidad que generen oportunidades que de ellas se esperan
(Modrego, 2016).
En el nivel universitario, los estudiantes
deben ser inducidos y estar capacitados para procesar información de manera
oportuna, eficiente y eficaz durante su formación profesional y para
comunicarse en un mundo cada vez cambiante y acelerado. Se debe estar preparado
para conocer lo que sucede en el mundo, considerando los diversos puntos de
vista e integrar con sencillez la información generada en el entorno (Carnota,
2015). La manifestación o ejecución de las organizaciones inteligentes en el
ámbito de la educación superior; por ejemplo, ha sido estudiada suficientemente
por Chavarría y Posada (2015). Por ello se precisa que las universidades deben
ser entendidas y desarrolladas para convertirse en organizaciones inteligentes
con mayor frecuencia y profundidad (Modrego, 2016). Tyner, Gutiérrez y Torrego
(2015), señalan que el mundo actual precisa de personas que estén alfabetizadas
digitalmente, por lo que la alfabetización tiende a ser plural e integradora de
dimensiones y múltiples significados de competencias y capacidades más
abarcadoras.
La variable rendimiento académico por su
lado, de acuerdo a Closas et al. (2018), es una manifestación formal de los
logros que adquiere la persona en capacidades y competencias; se evidencia
tradicionalmente mediante notas o calificaciones. De hecho, representa
actualmente un fenómeno multidimensional y debe ser abordado desde distintas
dimensiones de estudio, sin perder de vista que es el conocimiento que se
refleja en una determinada área, considerando la edad y el nivel de la media de
cada estudiante (Torres y Rodríguez, 2006). Habitualmente el rendimiento
académico, ha sido entendido como la obtención de un promedio cuantitativo de
calificaciones asignadas al estudiante (Imose y Barber, 2015). No obstante,
este rendimiento, puede también asumir datos cualitativos que se fundamenta en
valores autopercibidos por el individuo, como “me considero un buen
estudiante”; o la percepción del docente hacia el educando: “es un buen
estudiante” o “ha logrado desarrollar ciertas capacidades”.
Sea cuantitativa o cualitativa la información
que proyecte el rendimiento académico del estudiante, se debe tener en cuenta
que se trata de una variable multifactorial, en la que se hallan involucrados
factores de carácter individual y contextual (Suárez, Fernández y Muñiz, 2014).
Para Espinoza (2019), el rendimiento académico es considerado como una de las
categorías más cuestionadas, razón por la que el docente tiende a resolver a
través de interrelaciones informales, contextualizándola con la cultura local y
brindando a la praxis educativa, un espacio de interacciones con la finalidad
de lograr el logro de aprendizajes de sus estudiantes. Si bien, el rendimiento
como producto, es una clara, aunque limitada manifestación del aprendizaje o la
formación de los estudiantes, no debe obviarse lo que señala Rojas (2016), en
el sentido que todo proyecto de aprendizaje es insoslayable al desarrollo de
actividades, las que deben apoyarse en estrategias educativas que se debe
integrar al contexto educativo y a las necesidades de los estudiantes, para
lograr la integración, participación y producción activa del estudiante.
MÉTODO
La investigación desarrollada fue básica de
acuerdo a la tipología; ubicada en el nivel descriptivo con diseño no experimental correlacional (con tres variables) y de corte transeccional ex
post facto, orientada por el paradigma Positivista con enfoque cuantitativo,
empleándose el método hipotético-deductivo. El instrumento que midió el
autoconcepto constó de 30 ítems en las dimensiones: autoconcepto:
académico/laboral, emocional, familiar, físico y social, mientras que el
instrumento empleado para medir el procesamiento de la información, tuvo 59
ítems en las dimensiones: actitud ante el estudio, selección y uso de
estrategias, control estratégico y personal, y metaconocimiento estratégico.
Para medir el rendimiento académico, se
recurrió a las notas a través del sistema virtual en una población de 170
estudiantes con una muestra representativa de 90 alumnos pertenecientes a tres
aulas de los ciclos VII y IX de Ingeniería Agroindustrial, los que en su
mayoría pertenecen al nivel socioeconómico bajo, provenientes de zonas rurales
caracterizados por vivir solos y porque trabajan para subsistir. El muestreo se
hizo de manera intencional no probabilístico, considerando como
criterios de inclusión a los estudiantes que han aceptado participar en la
investigación a través del consentimiento informado.
RESULTADOS Y
DISCUSIÓN
A continuación, se presentan los datos obtenidos en el trabajo de campo y que
constituyen resultados descriptivos,
por cada variable de la
investigación:
De acuerdo a los datos obtenidos como se
muestra en la Tabla 1, un 52,2% de los estudiantes de la carrera
profesional de Ingeniería Agroindustrial de la Universidad
Nacional Amazónica de Madre de Dios,
presenta un autoconcepto medio; el 46,7% presenta
un buen autoconcepto. Esto significa que un poco más de la mitad de los universitarios presenta un regular
autoconcepto relacionado a lo académico/laboral, emocional, familiar, físico y
social.
Tabla 1. Niveles de autoconcepto.
|
|
Frecuencia |
Porcentaje |
|
|
Niveles |
Nivel bajo |
1 |
1,1 |
|
Nivel medio |
47 |
52,2 |
|
|
Nivel alto |
42 |
46,7 |
|
|
Total |
90 |
100,0 |
|
Según los datos que se muestran en la Tabla 2
de frecuencias, el 57,8% de los universitarios de la carrera profesional de
Ingeniería Agroindustrial, procesa estratégicamente la información obtenida en
un nivel medio. El 40% lo hace de manera
óptima, lo que explica que una mayoría de los futuros profesionales, desarrolla
tal procesamiento de la información medianamente, teniéndose luego que, en un
nivel bajo, los alumnos asumen una adecuada actitud hacia los estudios, así
como sus formas de seleccionar y usar estrategias para su desarrollo
profesional; el control personal y estratégico y el proceso de metaconocimiento
estratégico.
Tabla 2.
Niveles de las
capacidades de procesamiento estratégico de la información.
|
|
Frecuencia |
Porcentaje |
|
|
Niveles |
Nivel bajo |
2 |
2,2 |
|
Nivel medio |
52 |
57,8 |
|
|
Nivel alto |
36 |
40,0 |
|
|
Total |
90 |
100,0 |
|
El 62,2% de los
universitarios participantes de la investigación tiene un rendimiento
académico medio; en tanto, el 35,6%
tiene un rendimiento bajo. Solo el 2,2 % tiene un alto rendimiento. Esto indica
que la mayoría de los estudiantes, en un total de siete asignaturas de ciencias
y letras, presenta un nivel medio de rendimiento académico. (Tabla 3).
Tabla 3. Niveles del
rendimiento académico.
|
|
Frecuencia |
Porcentaje |
|
|
Niveles |
Nivel bajo |
32 |
35,6 |
|
Nivel medio |
56 |
62,2 |
|
|
Nivel alto |
2 |
2,2 |
|
|
Total |
90 |
100,0 |
|
PRUEBA DE HIPÓTESIS
Ha: El autoconcepto y el procesamiento
estratégico de la información tienen relación positiva con el
rendimiento académico en estudiantes.
H0:
El autoconcepto y el procesamiento
estratégico de la información no tienen relación positiva con el rendimiento académico en estudiantes.
Reglas
de decisión
Si
el valor p es > de 0,05, entonces se acepta la hipótesis nula
Si
el valor p es < de 0,05, entonces se rechaza la hipótesis nula
Los resultados obtenidos, producto del
análisis con el rho de Spearman, arroja un r = -0,658 y -0,464 (donde p < de 0,05), lo que indica que existe
una relación inversa (negativa), entre el autoconcepto y el procesamiento estratégico de la
información con el rendimiento académico de los estudiantes de la Carrera Profesional de Ingeniería Agroindustrial de la UNAMAD. Al tenerse una significancia
bilateral de 0,000 para ambos casos, la misma que se encuentra dentro del valor permitido (0,01) se acepta la hipótesis alterna,
pero con una relación negativa.
(Tabla 4).
Tabla 4.
Correlaciones entre autoconcepto, procesamiento
estratégico de la información y rendimiento académico.
|
|
X: Autoconcepto en
estudiantes |
Y: Procesamiento
estratégico de la información |
Z: Rendimiento
académico de estudiantes |
||
|
Rho de Spearman |
X: Autoconcepto en estudiantes |
Coeficiente de correlación |
1,000 |
,439** |
-,658** |
|
Sig. (bilateral) |
. |
,000 |
,000 |
||
|
N |
90 |
90 |
90 |
||
|
Y: Procesamiento estratégico de la información |
Coeficiente de correlación |
,439** |
1,000 |
-,464** |
|
|
Sig. (bilateral) |
,000 |
. |
,000 |
||
|
N |
90 |
90 |
90 |
||
|
Z: Rendimiento académico de estudiantes |
Coeficiente de correlación |
-,658** |
-,464** |
1,000 |
|
|
Sig. (bilateral) |
,000 |
,000 |
. |
||
|
N |
90 |
90 |
90 |
||
|
**. La correlación es significativa al
nivel 0,01 (bilateral). |
|||||
Discusión
Se reporta que existe una relación
inversa entre las variables: autoconcepto y
procesamiento estratégico de la información con el rendimiento académico de
universitarios de la UNAMAD. Ello implica que los estudiantes que pese a presentar
niveles regulares de autoconcepto y procesamiento de manera estratégica de la información, tienen bajos niveles de rendimiento
académico, lo que explica
que hay otros factores asociados
al bajo rendimiento académico. Al respecto, la literatura científica contiene investigaciones que demuestran correlaciones positivas entre el autoconcepto con el rendimiento, así como las capacidades de procesamiento de la información con el rendimiento. Fernández et al. (2019) hallaron relaciones positivas y
significativas entre niveles de autoconcepto
y aprovechamiento académico en universitarios. Se concluye que el autoconcepto es uno de los principales predictores del aprovechamiento académico en estudiantes universitarios. En tanto,
Closas et al. (2018) encontraron
que los estudiantes que tienen altas valoraciones de autoconcepto, en las dimensiones: académica y emocional,
obtienen mejores resultados en el
rendimiento académico. Esto constituye que el autoconcepto, en su diversidad de formas dimensionadas, es
cuestión relevante por su implicancia en el aprovechamiento académico.
Otros estudios también
arrojan resultados contrarios a lo hallado en la UNAMAD, como
es el caso de Albert y Dahling (2016)
que encontraron una asociación positiva y altamente significativa entre
el autoconcepto y el rendimiento académico, junto con la capacidad predictiva de la primera
variable sobre la segunda, en la educación
superior. Esto significa
que, en la etapa de la educación superior, a mayor autoconcepto del estudiante,
mayor será su rendimiento académico y
viceversa, a menor autoconcepto menor será el
rendimiento académico que adquieran los estudiantes.
Trauco (2017) en su investigación respecto al autoconcepto y rendimiento
académico en estudiantes universitarios de Perú, encontraron que el
autoconcepto y el rendimiento están ligados directa y proporcionalmente. En
tanto, Guerrero et al. (2019), encontraron que el autoconcepto físico y social
tiene relación con la inteligencia emocional, aspectos personales importantes y
necesarios de los estudiantes universitarios.
En lo que respecta al procesamiento
estratégico de la información, la relación inversa encontrada en estudiantes de
la Amazonía, con su rendimiento académico, no coincide con lo hallado por
Paredes et al. (2018), quienes en su investigación respecto al empleo de la
competencia en el procesamiento de la información de la Internet (CMI) en los
estudiantes, encontraron que, si bien los universitarios conocen y aplican las
TIC, existen contradicciones en las respuestas que evidencian limitaciones en
el procesamiento inteligente de la información durante sus clases universitarias. Según el estudio,
los estudiantes requieren
de una alfabetización tecnológica ante la influencia que tienen
estos medios en la educación superior. En tanto, Gorina y Berenguer (2017)
sostienen que las personas
que emplean las tecnologías de información y realizan un procesamiento que se va perfeccionando cada vez, han incrementado la rigurosidad científica en estudiantes universitarios que aplicaron el método científico, como parte esencial de su formación
profesional y rendimiento, favoreciendo también su potencialidad de innovación desde el procesamiento cualitativo y cuantitativo de los datos.
Gorina y Berenguer
(2013) hallaron que los estudiantes universitarios, a partir de sus insuficiencias en el procesamiento de la observación, y mediante la aplicación de un modelo formativo de procesamiento de la información social, logran mejoras en sus estrategias para el procesamiento cualitativo y cuantitativo, fortaleciendo sus capacidades investigadoras y de rendimiento académico. López et al.
(2018), en su investigación sobre la
alfabetización de la información, encontraron que las universidades no están asumiendo de manera eficaz su rol como organizaciones
inteligentes y capaces de aprender de
forma continua y asumir sus dinámicas internas y las de su entorno. En ese sentido, a fin de que se desempeñen
eficazmente y, es necesario que
pasen por el proceso de alfabetización digital, en la perspectiva de mejorar la
calidad formativa. Se ha demostrado que la ejecución
de los conocimientos, las habilidades y los valores que son adquiridos mediante
la alfabetización digital
en las aulas universitarias,
permite en los estudiantes un aprendizaje desarrollador, asumiendo potencialidades por adquirir una
personalidad integral y autodeterminada, con capacidades para transformar
su realidad en un contexto histórico social determinado. De acuerdo a González et al.
(2012), la relación entre el autoconcepto y el talento en los estudiantes
permiten a los universitarios obtener resultados académicos óptimos. A medida
que los estudiantes logren niveles altos de rendimiento académico, tienen más
probabilidades de selección atractiva en los entornos laborales (Imose y
Barber, 2015), lo que significa que constituye un factor esencial para la
formación profesional de los universitarios.
CONCLUSIONES
Se
concluye que los estudiantes de los semestres académicos VII y IX de la carrera
de Ingeniería Agroindustrial de la UNAMAD, , presentan niveles regulares de autoconcepto
y capacidades de procesamiento de información, al realizar sus actividades
académicas cotidianas en el claustro universitario y fuera de él; sin embargo,
pese a ello, tienen mayoritariamente, niveles bajos de rendimiento académico en
un total de siete asignaturas en los grupos de ciencias y letras, lo que
explica que existe una relación directamente inversa entre el autoconcepto y
procesamiento de la información con el rendimiento académico.
REFERENCIAS
Albert,
M.A., y Dahling, J.J. (2016). Learning goal orientation and locus of control interact
to predict academic
self-concept and academic
performance in college students.
Personality and Individual Diference, (97), 245-248.
Doi: 10.1016/j. paid.2016.03.074.
Afanasiev, V. G.
(1978). Dirección
científica de la sociedad.
Experimento de investigaciones en sistema. URSS: Editorial
Progreso.
Carnota, O. (2015). Gerencia sin agobio. Editora Política.
Chavarría, L. A., y Posada, L. M. (2015).
El aprendizaje
organizacional como herramienta de la
gerencia educativa para transformar las instituciones educativas en organizaciones inteligentes. (Tesis de especialización). Universidad Católica de Manizales, Colombia. http://200.21.94.179:8080/jspui/bitstream/handl e/10839/1017/Liz%20Alejandra%20Chavarria%20Restrepo.pdf?sequence=1&isAllowed=y
Closas,
A., Franchini, N., Kuc, L., Dusicka, M. y Hisgen,
C. (2018). Modelo logístico explicativo de las relaciones entre autoconcepto y rendimiento
académico. Revista de la Facultad de
Ciencias Económicas - UNNE, (20), 188-208.
http://revistas.unne.edu.ar/index.php/rfce.
Esnaola,
I., Goñi, A., y Madariaga, J.M. (2008). El autoconcepto: perspectivas de investigación. Revista de Psicodidáctica, 13(1), 179-194.
Espinoza, M. (2019). Factores
exógenos: Incidencia en el rendimiento académico. Revista Scientific, 4(1), 38-53, ISSN:
2542-2987.
Fernández, O., Ramos, E., Goñi, E. y Rodríguez, A. (2019). Estudio comparativo entre educación
superior y educación secundaria: efecto del apoyo social percibido, el autoconcepto
y la reparación emocional
en el rendimiento académico. Educación XX1, 22(2), 165-185,
Doi: 10.5944/educXX1.22526
Gaeta,
M. L. y López, C. (2013). Competencias emocionales y rendimiento académico
en estudiantes universitarios.
Revista Electrónica Interuniversitaria de Formación del Profesorado,
(16), 13-25.
García, N. (2013). Actividades pedagógicas centradas en la teoría cognitiva del procesamiento
de la información y el uso de la estrategia mnemotecnia palabra clave ideas
para el diseño de ambientes
virtuales de aprendizaje. Revista Trilogía, 1(8),
115-129. ISSN 2145-4426/enero-junio.
García, C., Hernández, J., Peralta, M. V., Aguilar, J. A. y Morales, M. L. (2016).
Confiabilidad y validez de un instrumento que mide determinantes perceptuales del acoso a
través de internet. Revista Encuentros, 14(1), pp. 103-
117. Doi:0.15665/re.v14i1.672.
González,
M. L., Leal, D., Segovia,
C. y Arancibia, V. (2012).
Autoconcepto y talento: una relación que
favorece el logro académico. Psykhe, (21), 37-53.
Gorina, A. y Alonso,
I. (2016). La competencia informacional: reto en la formación de investigadores
de las Ciencias Sociales. Revista
Electrónica Formación y Calidad Educativa (REFCalE), 4(3), 55-70. Recuperado de: http://runachayecuador.com/refcale/index.php/r efcale/article/download/1119/836
Gorina, A. y Berenguer,
I. (2013). Modelo de la dinámica formativa
del procesamiento de la
información en las investigaciones sociales
dinámica formativa del procesamiento de la
información social. Didáctica y Educación,
4(1), 31-55.
Gorina, A., Sánchez, A. y
Berenguer, I. (2017). Perfeccionando el procesamiento de la información en investigaciones pedagógicas desde una relación
metodológica cualitativa- cuantitativa. Revista Encuentros, 15(2), 189 – 206. DOI:
http://dx.doi.org/10.15665/re.v15i2.1201.
Guerrero, E., Sánchez,
S., Moreno, J, Sosa, D. y Durán, M. (2019). El autoconcepto y su relación
con la inteligencia emocional y ansiedad. Behavioral
Psychology / Psicología
Conductual, 27(3), 455-476.
Imose, R., y Barber,
L.K. (2015). Using undergraduate grade point average
as a selection tool: A synthesis of the literature. The Psychologist-Manager Journal,
18(1), 1-11. Doi:10.1037/ mgr0000025.
López, A., Ramos, G., Castro, F. y Llerena,
F. (2018). Atención a una
encrucijada: la alfabetización en información y la universidad como organización inteligente. Revista Dilemas Contemporáneos: Educación, Política y
Valores, 6(27), 1-25. http://www.dilemascontemporaneoseducacionpoliticayvalores.com/
Mesén, L. (2019).
Teorías de aprendizaje y su relación en la educación
ambiental costarricense. Revista
Ensayos Pedagógicos, 14(1), 187-202.
ISSN: 1659-0104.
Modrego, A. (2016). La universidad organización inteligente. Taller “La renovación de los claustros universitarios”, FEDEA. Recuperado de: http://www.fedea.net/wp- content/uploads/2016/03/WEDU0316- modrego.pdf
Paredes, M., Andrade, J.
y Ramos, R. (2018). El empleo de la Competencia en el Procesamiento de la
Información en la Internet (CMI) en los estudiantes de la Facultad de Ciencias
de la Educación, Universidad Estatal de Bolívar. Revista Dilemas
Contemporáneos, 6(28), 1-18. https://dilemascontemporaneoseducacionpoliticayvalores.com/index.php/dilemas/article/view/86/812
Pozo, J. I. (2006).
El procesamiento de la información como programa de
investigación. En J. I. Pozo, Teorías cognitivas de aprendizaje. Madrid: Morata.
Rojas, L. (2016). Elevar
el rendimiento académico con
estrategias educativas. Revista Scientific, 4(12), 127-140, e-ISSN:
2542-2987.
Shavelson, R.J., Hubner,
J.J., y Stanton, G.C. (1976).
Self-concept: Validation of construct interpretations. Review of Educational Research, 46(3), 407-441.
Doi:10.2307/1170010.
Siemens, G. (2004). Conectivismo:
Una teoría de aprendizaje para la era
digital. http://www.fce.ues.edu.sv/uploads/pdf/siemens-2004-conectivismo.pdf
Sobrino, A. (2014).
Aportaciones del conectivismo como
modelo pedagógico post-constructivista. Propuesta educativa, (42), 39-48.
Suárez-Álvarez, J., Fernández-Alonso, R., y Muñiz, J. (2014).
Self-concept, motivation, expectations, and socioeconomic level as predictors of academic performance in mathematics. Learning and Individual Differences, (30), 118-123. Doi:10.1016/j. lindif.2013.10.019.
Torres, L., y Rodríguez,
N. (2006). Rendimiento académico y
contexto familiar en estudiantes universitarios. Enseñanza e Investigación en Psicología, 11(2), 255-270.
Trauco, L. (2017). Autoconcepto y rendimiento académico en estudiantes de Estomatología, Universidad Nacional Toribio Rodríguez
de Mendoza de Amazonas,
Chachapoyas – 2017. (Tesis de Posgrado). Universidad Nacional Toribio
Rodríguez de Mendoza, Chachapoyas Perú.
Tyner,
K., Gutiérrez, A., y Torrego,
A. (2015). “Multialfabetización” sin muros en la era
de la convergencia. Profesorado, 19(2), 41-56. http://www.ugr.es/~recfpro/rev192ART3.pdf