Look-up in Google Scholar
Title: Modelo de ecuación estructural explicativo del rendimiento académico de los estudiantes del curso de estadística general en la UNALM
Advisor(s): Rosas Villena, Fernando René
OCDE field: https://purl.org/pe-repo/ocde/ford#4.05.00
Issue Date: 2019
Institution: Universidad Nacional Agraria La Molina
Abstract: El propósito principal de la investigación fue comprobar si el rendimiento académico de los estudiantes en el curso de Estadística General de la Universidad Nacional Agraria La Molina (UNALM) es explicado a través de un modelo propuesto de Ecuación Estructural de tres factores. El primero denominado “desempeño docente”, medido por las variables: planificación del curso, dominio del curso, métodos y recursos de instrucción, obligaciones docentes, método evaluativo, y motivación e interacción con los alumnos; el segundo llamado “autoconcepto”, medido por las variables: académico/laboral, social, emocional, familiar y físico y finalmente el tercero “rendimiento pasado”, medido a través del promedio ponderado acumulado. Los datos utilizados corresponden a las notas de los alumnos matriculados en el ciclo académico 2014-I en el curso de Estadística General, al promedio ponderado acumulado; y los valores se registraron en la escala de Likert de 1 al 10 de las encuestas de desempeño docente y autoconcepto. Estos dos instrumentos, cumplen con los requisitos de confiabilidad y validez al registrar en ambos casos indicadores por encima de los mínimos aceptables. El modelo de ecuación estructural propuesto fue reespecificado (mejorado) mediante la inclusión de una nueva relación de interdependencia, el rendimiento pasado como predictor del autoconcepto. Se verificó el ajuste del modelo de ecuación estructural reespecificado a través de los principales indicadores de ajuste absoluto e incremental. Entre los resultados más importantes de la investigación se verificó que el factor rendimiento pasado es el mejor predictor del factor rendimiento académico de los estudiantes en el curso de Estadística General y que los factores desempeño docente y rendimiento pasado explican al factor autoconcepto.

The principal goal of this research is if the academic performance score into general statistics course of the National Agrarian University La Molina (UNALM) is explained through Structural Equation Modeling with three factors. The first factor professor´s performance has measured by variables like: Plan targeted lessons, course´s knowledge, instructions ´s method, the duties of professor, the evaluate criteria, teacher's motivation and interactions in class. The second factor called self concept was measured by: academic/occupational, social, emotional, family and, physical health. Finally, the three factor is “last performance score“ was measured by cumulative grade point average. Datasets are student's score, who have studied 2014-I academic semester in statistics course. The registered values was likert scale from 1 to 10 through the surveys of the professor´s performance and, self concept. These two instruments have followed with requirements like reliability and validity when the indicator have been showing highest values over minimal acceptable. Structural equation model was improved by respecification of structural model through a new interdependent relationship, last performance score was predictor of the self concept. Respecification of structural model was proved by principal indicators of absolute index and incremental. The main results of this investigation proved that last performance score is the best predictor of the students performance score in statistics course so, professor´s performance and last performance score have explained the self concept factor.
Note: Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
Discipline: Estadística Aplicada
Grade or title grantor: Universidad Nacional Agraria La Molina. Escuela de Posgrado
Grade or title: Magister Scientiae - Estadística Aplicada
Register date: 24-Jul-2019



This item is licensed under a Creative Commons License Creative Commons