Factores asociados al rendimiento académico en un curso de introducción a la estadística en Costa Rica

Referencias

Aguiar Barrera, M. E., Gutiérrez Pulido, H., Lara Barragán Gómez, A., & Villalpando Becerra, J. F. (2011). El rendimiento académico de las mujeres en matemáticas: Análisis bibliográfico y un estudio de caso en educación superior en México. Revista Electrónica «Actualidades Investigativas en Educación», 11(2), 1-24. Álvarez-Sotomayor, A., & Martínez-Cousinou, G. (2016). ¿Capital económico o cultural? El efecto del origen social sobre las desventajas académicas de los hijos de inmigrantes en España*. Papers 2016, 101(4), 527-554. https://doi.org/10.5565/rev/papers.2200 Arcavi, A. (2003). The role of visual representations in the learning of mathematics. Educational Studies in Mathematics. Educational Studies in Mathematics, 52(3), 215-241. https://doi.org/10.1023/A:1024312321077 Bandalos, D. L., Finney, S. J., & Geske, J. A. (2003). A model of statistics performance based on achievement goal theory. Journal of Educational Psychology, 95(3), 604-616. https:// doi.org/10.1037/0022-0663.95.3.604 Bandura, A. (1977). Self-efficacy: Toward a Unifying Theory of Behavioral Change. Psychological Review, 84(2), 191-215. https://www.sciencedirect.com/science/article/ pii/0146640278900024 Bandura, A. (1997). Self-efficacy: The exercise of control. W.H. Freeman. Barreto-Villanueva, A. (2012). El progreso de la Estadística y su utilidad en la evaluación del desarrollo. Papeles de población, 18(73), 241-271. Blanco, A. (2018). Directrices y recursos para la innovación en la enseñanza de la Estadística en la universidad: Una revisión documental. REDU. Revista de Docencia Universitaria, 16(1), 251. https://doi.org/10.4995/redu.2018.9372 Bourdieu, P. (2001). Las formas del capital, Capital económico, capital cultural y capital social. En Poder. Derecho y clases sociales (2.a ed., pp. 131-164). Editorial Desclée de Brouwer. https://erikafontanez.files.wordpress.com/2015/08/pierre-bourdieu-poder-dere- cho-y-clases-sociales.pdf Cattell, R. B. (1963). Theory of fluid and crystallized intelligence: A critical experiment. Journal of Educational Psychology, 54(1), 1-22. https://doi.org/10.1037/h0046743 Cattell, R. B., & Cattell, R. B. (1987). Intelligence: Its structure, growth, and action. North- Holland ; Sole distributors for the U.S.A. and Canada, Elsevier Science Pub. Co. Cattell, R. B., & Cattell, A. K. S. (2001). Factor «g» 2 y 3. Test de Factor «g», Escalas 2 y 3. Manual. (Vol. 10). TEA Ediciones, S.A. Cattell, R. B., Cattell, A. K. S., & Weiss, R. H. (2017). Factor g-R. Test de inteligencia no verbal revisado. Manual. TEA Ediciones, S.A. http://www.web.teaediciones.com/Ejem- plos/FACTOR-G-R_Extracto-Manual-WEB.PDF Cendales, B., Vargas-Trujillo, E., & Barbosa, C. (2013). Factores psicológicos asociados al desempeño académico en los cursos universitarios de estadística: Diferencias por sexo y área de titulación. Avances en Psicología Latinoamericana, 31(2), 363-375. Cervini, R. A., Dari, N., & Quiroz, S. (2015). Género y rendimiento escolar en América Latina. Los datos del serce en matemática y lectura. Revista Iberoamericana de Educación, 68, 99-116. Colorado, R., & Corcino, L. (2014). Diferencias en el desempeño académico y en los predictores de éxito universitario por escuela de procedencia. Pedagogía, 47(1), 159-191. Del Pino, G., & Estrella, S. (2012). Educación estadística: Relaciones con la matemática. Pensamiento Educativo: Revista de Investigación Educacional Latinoamericana, 49(1), 53-64. https://doi.org/10.7764/PEL.49.1.2012.5 Doepken, D. Lawsky, E., & Padwa, L. (2003). Modified Fennema-Sherman Attitude Scales. Recuperado de: https://teacherleaders.files.wordpress.com/2013/07/modified-fennema-math-attitude.doc Dwyer, C. A., Gallagher, A., Levin, J., & Morley, M. E. (2003). What is Quantitative Reasoning? Defining the Construct for Assessment Purposes. Research Reports. Educational Testing Service. https://www.ets.org/Media/Research/pdf/RR-03-30-Dwyer.pdf Elvira-Valdez, M. A., & Pujol, L. (2014). Variables cognitivas e ingreso universitario: Predictores del rendimiento académico. Universitas Psychologica, 13(4). https://doi. org/10.11144/Javeriana.UPSY13-4.vciu Finney, S. J., & Schraw, G. (2003). Self-efficacy beliefs in college statistics courses. Contemporary Educational Psychology, 28(2), 161-186. https://doi.org/10.1016/ S0361-476X(02)00015-2 Garbanzo, G. (2007). Factores asociados al rendimiento académico en estudiantes universitarios, una reflexión desde la calidad de la educación superior pública. Revista Educación, 34(1), 43-63. https://www.redalyc.org/pdf/440/44031103.pdf Geer, E. A., Quinn, J. M., & Ganley, C. M. (2019). Relations Between Spatial Skills and Math Performance in Elementary School Children: A Longitudinal Investigation. Developmental Psychology, 55(3), 637-652. https://doi.org/10.1037/dev0000649 Godino, J. D., Gonzato, M., Cajaraville, J. A., & Fernández, T. (2012). Una aproximación on- tosemiótica a la visualización en educación matemática. Enseñanza de las Ciencias: Revista de investigación y experiencias didácticas, 30.2, 109-130. Groth. (2015). Working at the Boundaries of Mathematics Education and Statistics Education Communities of Practice. Journal for Research in Mathematics Education, 46(1), 4. https://doi.org/10.5951/jresematheduc.46.1.0004 Guglietta, L., & Delgado, C. (2010). Validez de constructo de un modelo de admisión a posgrado. Un análisis de ruta. Revista Galego-portuguesa de psicoloxía e educación., 18(1), 227-237. Honicke, T., & Broadbent, J. (2016). The influence of academic self-efficacy on academic performance: A systematic review. Educational Research Review, 17, 63-84. https://doi. org/10.1016/j.edurev.2015.11.002 Islam, M. M., & Al-Ghassani, A. (2015). Predicting College Math Success: Do High School Performance and Gender Matter? Evidence from Sultan Qaboos University in Oman. International Journal of Higher Education, 4(2), p67. https://doi.org/10.5430/ijhe.v4n2p67 Jacobs, J. E. (2005). Twenty-five years of research on gender and ethnic differences in math and science career choices: What have we learned? New Directions for Child and Adoles-cent Development, 2005(110), 85-94. https://doi.org/10.1002/cd.151 Johnson, M., & Kuennen, E. (2006). Basic Math Skills and Performance in an Introductory Statistics Course. Journal of Statistics Education, 14(2), 2. https://doi.org/10.1080/1069 1898.2006.11910581 Lozano Pérez, M. Á., & Trinidad Requena, A. (2019). El Capital Cultural como Predictor del Rendimiento Escolar en España. International Journal of Sociology of Education, 8(1), 45. https://doi.org/10.17583/rise.2019.3862 Lowrie, T., Logan, T., & Ramful, A. (2017). Visuospatial training improves elementary students’ mathematics performance. British Journal of Educational Psychology, 87, 170- 186. https://doi.org/10.1111/bjep.12142 McGrew, K. S. (2009). CHC theory and the human cognitive abilities project: Standing on the shoulders of the giants of psychometric intelligence research. Intelligence, 37(1), 1-10. https://doi.org/10.1016/j.intell.2008.08.004 Martínez-Castro, C. A. y Zapata-Cardona, L. (2020). Desarrollando sentido de agencia en la formación inicial de profesores de Estadística. Matemáticas, Educación y Sociedad, 3(2), 40-55 Miñano, P., & Castejón, J. L. (2011). Variables cognitivas y motivacionales en el rendimiento académico en Lengua y Matemáticas: Un modelo estructural. Revista de Psicodidáctica, 16(2), 203-230. Montero Rojas, E., Villalobos Palma, J., & Valverde Bermúdez, A. (2007). Factores institucionales, pedagógicos, psicosociales y sociodemográficos asociados al rendimiento académico en la Universidad de Costa Rica: Un análisis multinivel. RELIEVE. Revista Electrónica de Investigación y Evaluación Educativa, 13(2), 215-234. Moreira-Mora, T.E., Smith-Castro, V., Montero-Rojas, E. y Zamora-Araya, A. (julio, 2017). Propiedades psicométricas de escalas de sexismo y autoeficacia matemática aplicadas a estudiantes universitarios y de secundaria en Costa Rica. Trabajo presentado en III Congreso Nacional de Psicología, Oviedo, España, pp. 473-474. Recuperado de https://repo- sitoriotec.tec.ac.cr/bitstream/handle/2238/10449/DOP_PON_07_%20propiedades%20 psicom%C3%A9tricas_IIICongreso%20Nacional%20de%20Psicolog%C3%ADa. pdf?sequence=1&isAllowed=y OCDE. (2017). Marco de Evaluación y de Análisis de PISA para el Desarrollo: Lectura, matemáticas y ciencias, (Versión preliminar). OECD Publishing. OCDE. (2018). Pisa para el desarrollo. Resultados en foco. Pisa en foco, 91, 1-19. http:// www.oecd.org/pisa/pisa-for-development/PISA_D_Resultados_en_Foco.pdf OCDE. (2019). Why don’t more girls choose to pursue a science career? Pisa in focus, 93, 1-5. https://www.oecd-ilibrary.org/docserver/02bd2b68-en.pdf?expires=1579725938&id=id&accname=guest&checksum=5AF48AEE07D6759A3E0A0BE987812749 Ozer, E. M., & Bandura, A. (1990). Mechanisms Governing Empowerment Effects: A Self-Efficacy Analysis. Journal of Personality and Social Psychology, 58(3), 472-486. https:// www.uky.edu/~eushe2/Bandura/Bandura1990JPSP.pdf Peng, P., Wang, T., Wang, C., & Lin, X. (2019). A meta-analysis on the relation between fluid intelligence and reading/mathematics: Effects of tasks, age, and social economics status. Psychological Bulletin, 145(2), 189-236. https://doi.org/10.1037/bul0000182 Prieto, G., Carro, J., Orgaz, B y Pulido, R. (1993). Análisis cognitivo de un test informatizado de visualización espacial. Revista Psicothema, 5(2), 293-301. Primi, R., Ferrão, M. E., & Almeida, L. S. (2010). Fluid intelligence as a predictor of learning: A longitudinal multilevel approach applied to math. Learning and Individual Diffe- rences, 20(5), 446-451. https://doi.org/10.1016/j.lindif.2010.05.001 Pullinger, J. (2013). Statistics making an impact. Journal of the Royal Statistical Society. Series A (Statistics in Society), 176(4), 818-839. Radovic Sendra, D. (2018). Diferencias de género en rendimiento matemático en Chile. Revista Colombiana de Educación, 74, 221-242. Ramos, L. F. (2019). La educación estadística en el nivel universitario: Retos y oportunidades. Revista Digital de Investigación en Docencia Universitaria, 13(2), 67-82. https://doi. org/10.19083/ridu.2019.1081 Richardson, M., Abraham, C., & Bond, R. (2012). Psychological correlates of university students’ academic performance: A systematic review and meta-analysis. Psychological Bu- lletin, 138(2), 353-387. https://doi.org/10.1037/a0026838 Robbins, S. B., Lauver, K., Le, H., Davis, D., Langley, R., & Carlstrom, A. (2004). Do Psycho- social and Study Skill Factors Predict College Outcomes? A Meta-Analysis. Psychological Bulletin, 130(2), 261-288. https://doi.org/10.1037/0033-2909.130.2.261 Rojas-Torres, L. (2014). Predicción de la reprobación de cursos de matemática básicos en las carreras de Física, Meteorología, Matemática, Ciencias Actuariales y Farmacia. Revista Electrónica Educare, 18(3), 3-15. https://doi.org/10.15359/ree.18-3.1 Rojas, L., Mora, M., & Ordoñez, G. (2018). Asociación del Razonamiento Cuantitativo con el Rendimiento Académico en Cursos Introductorios de Matemática de Carreras STEM. Revista digital Matemática, Educación e Internet, 19(1), 1-13. http://tecdigital.tec.ac.cr/ revistamatematica/ Rojas, L., & Ordoñez, G. (2019). Proceso de construcción de pruebas educativas: El caso de la Prueba de Habilidades Cuantitativas. Evaluar, 19(2), 15-29. Shea, D. L., Lubinski, D., & Benbow, C. P. (2001). Importance of assessing spatial ability in intellectually talented young adolescents: A 20-year longitudinal study. Journal of Educa- tional Psychology, 93(3), 604-614. https://doi.org/10.1037/0022-0663.93.3.604 Scheider, W. R. (2011). The relationship between statistics self-efficacy, statistics anxiety, and performance in an introductory graduate statistics course. Graduate Theses and Dissertations, 1-123. Schunk, D. H., & DiBenedetto, M. K. (2016). Self-Efficacy Theory in Education. En Handbook of Motivation at School Routledge. https://www.routledgehandbooks.com/ doi/10.4324/9781315773384.ch3 Sirin, S. R. (2005). Socioeconomic Status and Academic Achievement: A Meta-Analytic Review of Research. Review of Educational Research, 75(3), 417-453. https://doi. org/10.3102/00346543075003417 Taub, G. E., Keith, T. Z., Floyd, R. G., & Mcgrew, K. S. (2008). Effects of general and broad cognitive abilities on mathematics achievement. School Psychology Quarterly, 23(2), 187-198. https://doi.org/10.1037/1045-3830.23.2.187 Vargas Hernández, M. M., & Montero Rojas, E. (2016). Factores que determinan el rendimiento académico en Matemáticas en la Universidad Nacional de Ingeniería (UNI), Nicaragua: Un modelo de ecuaciones estructurales. Universitas Psychologica, 15(4). https:// doi.org/10.11144/Javeriana.upsy15-4.fdra Vásquez, C. (2020). Educación Estocástica en el aula escolar: una herramienta para formar ciudadanos de sostenibilidad. Matemáticas, Educación y Sociedad, 3(2), 1-20 Veenstra, C., Dey, E., & Herrin, G. (2009). A model for freshman engineering retention. Advances in Engineering Education, 1(3), 1-31. Wai, J., Lubinski, D., & Benbow, C. P. (2009). Spatial ability for STEM domains: Aligning over 50 years of cumulative psychological knowledge solidifies its importance. Journal of Educational Psychology, 101(4), 817-835. https://doi.org/10.1037/a0016127 Walker, E. R., & Brakke, K. E. (2017). Undergraduate psychology students’ efficacy and attitudes across introductory and advanced statistics courses. Scholarship of Teaching and Learning in Psychology, 3(2), 132-140. https://doi.org/10.1037/stl0000088 White, G., & Sivitanides, M. (2003). An empirical investigation of the relationship between success in mathematics and visual programming courses. Journal of information systems education, 14(4), 409-416. Yunker, P., Yunker, J., & Krull, G. (2009). The Influence of Mathematics Ability on Performance in Principles of Accounting. The accounting educators journal., XIX, 1-20. Zhang, J., & Ziegler, M. (2015). Interaction Effects between Openness and Fluid Intelligence Predicting Scholastic Performance. Journal of Intelligence, 3(3), 91-110. https:// doi.org/10.3390/jintelligence3030091