Revista Polo del Conocimiento


Polo del Conocimiento

 

 

 

Validacin psicomtrica de las subescalas motivacionales del MSLQ en escolares de educacin virtual en Cusco, Per

 

Psychometric validation of the motivational subscales of the MSLQ in virtual education schoolchildren in Cusco, Peru

 

Validao psicomtrica das subescalas motivacionais do MSLQ em escolares de educao virtual em Cusco, Peru

Teresa Fernndez-Bringas I
teresa.fernandez.b@upch.pe
https://orcid.org/0000-0002-2933-0922

,Francisco Sandoval-Arteta II
jose.sandoval.a@upch.pe
https://orcid.org/0000-0001-8303-7228
Giancarlo Ojeda-Mercado III
giancarlo.ojeda@upch.pe
https://orcid.org/0000-0001-6088-0327


,Cristbal Suarez-Guerrero IV
cristobal.suarez@uv.es
https://orcid.org/0000-0002-6558-4321
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Correspondencia: [email protected]

 

 

Ciencias de la Educacin

Artculo de Investigacin

 

* Recibido: 23 de julio de 2022 *Aceptado: 18 de agosto de 2022 * Publicado: 19 de septiembre de 2022

 

 

  1. Universidad Peruana Cayetano Heredia, Per.
  2. Universidad Peruana Cayetano Heredia, Per.
  3. Universidad Peruana Cayetano Heredia, Per.
  4. Universidad de Valencia, Espaa.

 

 

 

 


 

Resumen

La educacin virtual escolar durante la pandemia por la COVID-19 ha replanteado tanto las estrategias pedaggicas, como los factores psicolgicos involucrados en el aprendizaje, siendo uno de los ms importantes la motivacin. El Motivated Strategies for Learning Questionnaire (MSLQ) ha sido validado en mltiples contextos y niveles educativos durante las ltimas tres dcadas. Sin embargo, su estructura terica subyacente contina en discusin. La finalidad de la presente investigacin es determinar la validez y confiabilidad del MSLQ para escolares de Cusco en educacin a distancia. El estudio es de enfoque cuantitativo, pre-experimental y psicomtrico. La validez de contenido del MSLQ se determin a travs de jueces expertos (n = 7) evidenciando una alta claridad, coherencia y relevancia (p < 0.01). La validez de constructo y confiabilidad por consistencia interna se evalu en una muestra de escolares de Cusco (n = 322). A travs del Anlisis Factorial Exploratorio (AFE) se eliminaron los tems con cargas cruzadas y baja comunalidad. La estructura final fue de tres dimensiones con 23 tems, explicando un 96.55% de la varianza. Al realizar el Anlisis Factorial Confirmatorio (AFC) se determin la validez convergente y discriminante del instrumento, as como altos ndices de bondad de ajuste (χ2/gl = 1.963, RMSEA = 0.055, SRMR = 0.054, CFI = 0.934, TLI = 0.927). Se determin una alta confiabilidad por consistencia interna (α = 0.949, ω = 0.951) en el instrumento. Se discuten los resultados y utilidad en el contexto escolar de Cusco.

Palabras claves: Validacin Psicomtrica; Validez; Confiabilidad; MSLQ; Escolares; Per.

 

Abstract

Virtual school education during the COVID-19 pandemic has rethought both pedagogical strategies and the psychological factors involved in learning, motivation being one of the most important. The Motivated Strategies for Learning Questionnaire (MSLQ) has been validated in multiple contexts and educational levels during the last three decades. However, its underlying theoretical structure remains under discussion. The purpose of this research is to determine the validity and reliability of the MSLQ for students in Cusco in distance education. The study has a quantitative, pre-experimental and psychometric approach. The content validity of the MSLQ was determined by expert judges (n = 7) showing high clarity, coherence and relevance (p < 0.01). Construct validity and internal consistency reliability were evaluated in a sample of schoolchildren from Cusco (n = 322). Through the Exploratory Factor Analysis (EFA) the items with cross loads and low communality were eliminated. The final structure was three-dimensional with 23 items, explaining 96.55% of the variance. When performing the Confirmatory Factor Analysis (CFA), the convergent and discriminant validity of the instrument was determined, as well as high goodness-of-fit indices (χ2/gl = 1.963, RMSEA = 0.055, SRMR = 0.054, CFI = 0.934, TLI = 0.927) . High reliability was determined by internal consistency (α = 0.949, ω = 0.951) in the instrument. The results and utility in the school context of Cusco are discussed.

Keywords: Psychometric Validation; Validity; Reliability; MSLQ; Schoolchildren; Peru.

 

Resumo

A educao escolar virtual durante a pandemia do COVID-19 repensou tanto as estratgias pedaggicas quanto os fatores psicolgicos envolvidos na aprendizagem, sendo a motivao um dos mais importantes. O Motivated Strategies for Learning Questionnaire (MSLQ) foi validado em vrios contextos e nveis educacionais durante as ltimas trs dcadas. No entanto, sua estrutura terica subjacente permanece em discusso. O objetivo desta pesquisa determinar a validade e confiabilidade do MSLQ para estudantes em Cusco em educao a distncia. O estudo tem uma abordagem quantitativa, pr-experimental e psicomtrica. A validade de contedo do MSLQ foi determinada por juzes especialistas (n = 7) apresentando alta clareza, coerncia e relevncia (p < 0,01). A validade de construto e a confiabilidade da consistncia interna foram avaliadas em uma amostra de escolares de Cusco (n = 322). Por meio da Anlise Fatorial Exploratria (AFE) foram eliminados os itens com cargas cruzadas e baixa comunalidade. A estrutura final foi tridimensional com 23 itens, explicando 96,55% da varincia. Ao realizar a Anlise Fatorial Confirmatria (AFC), foi determinada a validade convergente e discriminante do instrumento, bem como altos ndices de ajuste (χ2/gl = 1,963, RMSEA = 0,055, SRMR = 0,054, CFI = 0,934, TLI = 0,927). A alta confiabilidade foi determinada pela consistncia interna (α = 0,949, ω = 0,951) no instrumento. Os resultados e utilidade no contexto escolar de Cusco so discutidos.

Palavras-chave: Validao Psicomtrica; Validade; Confiabilidade; MSLQ; Alunos; Peru.

 

Introduccin

La motivacin es un aspecto fundamental en la adquisicin de aprendizajes (Schunk et al., 2014, p. 5-6). A travs del desarrollo cientfico y su aplicacin sobre las disciplinas pedaggicas, se evidencia que la motivacin es un aspecto fundamental dentro de toda adquisicin de aprendizaje instruccional, a pesar de la existencia de dificultades en el aprendizaje o trastornos del neurodesarrollo (Rose et al., 2013; CAST, 2018). Asimismo, los instrumentos de medicin para la motivacin poseen una larga trayectoria, existiendo en la actualidad una multiplicidad de posibles cuestionarios psicomtricos (Finn, 2015), los cuales en su mayora poseen mltiples dimensiones tericas debido a la complejidad propia de la motivacin como fenmeno psicolgico (Conradty & Bogner, 2022).

A pesar que el desarrollo y replanteamiento del proceso educativo (incluyendo el surgimiento de la pedagoga moderna) ha evolucionado continuamente durante los ltimos 100 aos (Williams, 2017), incluyendo la valorizacin de los procesos motivacionales durante el aprendizaje, la pandemia de la COVID-19 y las medidas de aislamiento social ocurridas en todo el mundo conllevan un antes y un despus sobre la pedagoga en todos sus niveles (Lockee, 2021). En la etapa ms crtica de la pandemia, se estima que alrededor de 1.6 mil millones de estudiantes de educacin inicial, primaria y secundaria, en ms de 190 pases, interrumpieron la educacin presencial que llevaban previamente (UNESCO, 2020), siendo nicamente en Latinoamrica ms de 71 millones de infantes (UNICEF, 2021). La principal respuesta educativa ante la imposibilidad de acudir a las clases, fue establecer polticas para la adopcin urgente de tecnologas de la informacin y comunicacin (TIC), as como sistemas de educacin virtual, para la continuacin de la educacin. A pesar que no se poseen estadsticas globales de la adopcin de clases virtuales, el National Center for Education Statistics (NCES) estim que el 61% de los estudiantes escolares estadounidenses se traslad a un formato de aprendizaje a distancia (NCES, 2022) mientras que en los pases europeos y de Asia central, ms del 80% empleaban una educacin online (Vegas, 2020). En el caso de Latinoamrica, nicamente el 61% de estudiantes de 15 aos posean acceso a una computadora previo a la pandemia, siendo en el caso de Per nicamente 53% (CEPAL, OCDE & PISA, 2018; citado en CEPAL, 2020). Asimismo, en el ltimo reporte del Instituto Nacional de Estadstica e Informtica (INEI) durante la pandemia, si bien ms del 86% de infantes (tanto hombres como mujeres) poseen acceso a Internet, nicamente el 17% lo hicieron a travs de una Laptop, y alrededor del 14.5% por medio de una computadora (INEI, 2021).

El aprendizaje en el sistema educativo requiere que los estudiantes comprendan, intercambien y finalmente creen significados a la informacin de las temticas; sin embargo, para lograrlas es necesario que los estudiantes se mantengan atentos e interesados durante las clases, lo cual requiere de mltiples procesos motivacionales (Chiu et al., 2021). Se ha observado en estudiantes universitarios que, a diferencia de las clases presenciales, las clases a travs de la virtualidad requieren de procesos motivacionales como la autonoma, autorregulacin metacognitiva, autoeficacia o el valor otorgado a las actividades escolares (Quesada-Pallars et al., 2021; Daz-Noguera et al., 2022). Asimismo, se ha identificado que la motivacin durante las clases virtuales universitarias se encuentra correlacionada con otros factores como la interaccin en contextos virtuales o la satisfaccin percibida (Thanasi-Boe, 2021). Por otro lado, existen pocos estudios destinados a conocer la motivacin acadmica en estudiantes escolares latinoamericanos, a nivel internacional se evidencia que la autoeficacia y la motivacin intrnseca se encuentran frecuentemente en estudiantes de diferentes niveles, incluyendo los escolares (Fong, 2022).

Uno de los principales instrumentos psicomtricos para la medicin de la motivacin en el contexto acadmico es el Motivated Strategies for Learning Questionnaire (MSLQ), el cual fue desarrollado por Pintrich et al. (1991) y consiste en seis subescalas de Motivacin y nueve de Estrategias de aprendizaje. Segn sus autores originales, dichas subescalas pueden ser utilizadas de forma modular, por lo que se puede emplear las subescalas especficas que el investigador o docente requiera para el contexto educativo especfico del colegio o universidad (Duncan & McKeachie, 2005; citado en Holland et al., 2018). La base terica del MSLQ parte de los estudios realizados principalmente por Paul R. Pintrich y Wilbert J. McKeachie durante los aos ochenta, donde se detalla la importancia e interrelacin entre las percepciones, expectativas, orientacin sobre las actividades educativas y sobre s mismo (McKeachie et al., 1986) tomando como referencia bases tericas previas como la teora social-cognitiva (Bandura, 1977) y la teora del valor-expectativa (Wigfield y Eccles, 2000), e influenciando teoras posteriores como la teora de la autodeterminacin (Ryan & Deci, 2000). En el rea de Motivacin, Pintrich et al. (1991) plantean las subescalas en tres dimensiones tericamente distintas: componentes de valor (incluyendo las subescalas motivacin intrnseca, motivacin extrnseca y valor de la tarea), componentes de expectativas (incluyendo las subescalas creencias de control sobre el aprendizaje y autoeficacia), y el componente afectivo (incluyendo una subescala llamada test de ansiedad).

En la actualidad, el MSLQ es uno de los instrumentos psicomtricos ms empleados en el estudio de la motivacin acadmica por su abordaje integral sobre diversos componentes de la motivacin y una robusta base terica subyacente (Curione & Huertas, 2016). No obstante, con el desarrollo de la estadstica psicomtrica y los procedimientos para evaluar de forma emprica la validez de los modelos tericos, se ha identificado que las subescalas e tems del MSLQ no siempre mantienen la estructura y ordenamiento original (Holland et al., 2018). En la revisin realizada por Cred y Phillips (2011) identifican en una muestra de ms de 19 mil estudiantes universitarios que las subescalas motivacionales se agrupan de forma adecuada al excluir la subescala test de ansiedad. Asimismo, Moneta y Tofful (2019) nicamente evidencian la existencia de las dimensiones Metas extrnsecas, Valor de la tarea y Autoeficacia en estudiantes universitarios argentinos, mientras que Chakraborty et al. (2021) nicamente encuentra con adecuada confiabilidad las subescalas valor de la tarea y autoeficacia en una muestra de estudiantes escolares afganos. Por otro lado, durante la pandemia, Veliz et al. (2021) determinaron en una muestra de estudiantes latinoamericanos (93% argentinos) que la mejor estructura factorial para las subescalas motivacionales excluye los componentes de valor, y distingui en dos dimensiones distintas los componentes de expectativa y afectivos. Estas variaciones reportadas en diferentes contextos culturales pueden deberse a que los fenmenos psicolgicos como la motivacin poseen una gran complejidad, as como mltiples elementos relacionados entre s (tanto exgenos como endgenos), llevando a que los investigadores tomen decisiones considerables y cruciales para delimitar su organizacin, como elegir una estructura factorial entre diferentes opciones posibles, o eliminar mltiples tems (Hilpert et al., 2013). Por ello, el estudio de los factores y organizacin subyacente al MSLQ an se mantiene en discusin.

Durante la pandemia, si bien ha existido un gran inters por conocer los cambios educativos ocurridos a partir de la adopcin de la virtualidad en los estudiantes escolares, poco se conoce sobre los cambios en la motivacin desde la perspectiva latinoamericana. Especficamente en el contexto de Cusco, previo a la pandemia el Ministerio de Educacin del Per (MINEDU) registr que el 74.2% de escuelas con educacin secundaria posea acceso a Internet en las escuelas (MINEDU, 20. No obstante, el Instituto Nacional de Estadstica e Informtica (INEI) determin que nicamente el 16.9% de hogares cusqueos posean conexin a Internet a diferencia de Lima Metropolitana (ciudad capital) con un 49.8% (INEI, 2018). Posterior al inicio de la pandemia y las medidas de distanciamiento social, se ha identificado que el 88.3% de jvenes entre 12 a 18 aos utiliza Internet de forma diaria (INEI, 2021a). Si bien la conectividad es un logro para el logro de la educacin a distancia, se estima que mayora de personas accede a travs de dispositivos mviles (86,7%), y en una proporcin muy reducida a travs de computadoras de escritorio (14,6%) o porttiles (17,9%), lo cual constituye una brecha de acceso digital (INEI, 2021b). Se ha observado previamente que la educacin escolar a travs de dispositivos mviles ha empleado plataformas no diseadas para el aprendizaje, como aplicaciones mviles de mensajera (WhatsApp). Si bien dichas plataformas permiten un contacto sincrnico (mensajes o videollamada) con el estudiante, as como intercambiar informacin de forma rpida, poseen limitaciones para el proceso educativo (Puicao, 2022).

Es necesario que, de forma conjunta con un mayor acceso a dispositivos digitales en la regin para lograr una educacin a distancia de calidad, los factores pedaggicos que permiten el proceso de enseanza-aprendizaje sean replanteados desde la perspectiva de la virtualidad. Por ello, es necesario utilizar mediciones vlidas y confiables por medio de cuestionarios que permitan conocer de forma integral los procesos motivacionales detrs del comportamiento de los infantes y adolescentes durante la etapa escolar. El instrumento psicomtrico MSLQ ha sido adaptado en mltiples ocasiones a la poblacin escolar (Curione & Huertas, 2016). Sin embargo, se desconoce su validez y confiabilidad a partir del contexto de la educacin virtual la cual, debido a los cambios motivacionales evidenciados en la literatura, podra traer consigo una estructura factorial distinta. En este sentido, se plantea como objetivo general validar de forma psicomtrica las subescalas de Motivacin del MSLQ en escolares de educacin virtual en Cusco (Per).

 

Mtodos o metodologa

El presente estudio es de enfoque cuantitativo (Hernndez & Mendoza, 2018), con un diseo pre-experimental (Campbell & Stanley, 1963, p. 6) de tipo psicomtrico, los cuales se basan en la creacin de nuevos instrumentos, as como la verificacin de confiabilidad y validez, propiedades de sus tems y diferencias de dichas escalas entre grupos (VandenBos, 2015).

 

Para la validacin de contenido, emple una muestra de jueces expertos pertenecientes a las reas de psicologa, pedagoga e investigacin (n = 7). Por otro lado, para la validacin de constructo y confiabilidad por consistencia interna se realiz un muestreo no probabilstico a conveniencia, tomando como criterio de recoleccin un mnimo de 10 observaciones por variable (tem) del cuestionario a validar (Ruiz et al., 2010). De esta forma la muestra fue de 322 estudiantes escolares hombres y mujeres, pertenecientes a 4 y 5 de secundaria de dos colegios de Lima Metropolitana (uno de financiamiento pblico y otro privado), como se observa en la Tabla 1. La edad promedio de la muestra es de 15.7 aos, con una desviacin tpica de 0.04.

 

Figura 1: Datos sociodemogrficos de la muestra de escolares

 

 

f

%

Sexo

Hombre

202

62.73

 

Mujer

120

37.27

Edad

15 aos

134

41.61

 

16 aos

151

46.89

 

17 aos

37

11.49

Tipo de colegio

Privado

156

48.45

 

Pblico

166

51.55

Grado escolar

4 de secundaria

181

56.21

 

5 de secundaria

141

43.79

 

El reclutamiento de la muestra se realiz considerando los principios ticos de autonoma, beneficencia y justicia, a travs de un consentimiento informado. Se cont con el permiso de las autoridades de las escuelas as como de los padres de cada estudiante participante. La recoleccin de los datos se realiz de manera virtual y sincrnica, a travs de la plataforma de Formularios de Google (para el rellenado de la encuesta) y Zoom / Google Meet (para la explicacin de instrucciones y resolucin de dudas durante todo el tiempo de la encuesta), de acuerdo al uso de cada institucin educativa. Posteriormente, se seleccionaron los formatos de encuesta adecuadamente respondidos para ser incluidos en la base de datos para el anlisis estadstico.

El instrumento Motivated Strategies for Learning Questionnaire (MSLQ) desarrollado por Pintrich et al. (1991) posee seis subescalas siendo 31 tems en su totalidad. Todos los tems han sido redactados de forma directa (no inversa), respondidos a modo de una escala tipo Likert de 7 niveles, siendo en un extremo Nada cierto (con puntuacin 1) y del otro Muy cierto (con puntuacin 7). Se han corroborado previamente los supuestos psicomtricos del MSLQ en muestras de estudiantes cusqueos, siendo la primera en el 2002 en estudiantes de maestra (Torres, 2002) y la segunda en el 2019 (Ybar, 2021) en una muestra similar de posgrado (n = 126) obteniendo resultados adecuados de confiabilidad por consistencia interna (α = 0.953). Por otro lado, la validez de contenido se verific de forma subjetiva (consultando la opinin de un juez experto sin mediciones cuantitativas) y no se analiz la validez de constructo.

Para analizar los resultados durante la validez de contenido, se emple el estadstico V creado por Aiken (1985) sobre tres criterios consultados a los jueces: claridad, coherencia y relevancia. Se consideraron tems con alta validez al poseer coeficientes con significatividad estadstica (p < 0.05).

Como supuestos previos a la validez de constructo, se corrobor la normalidad univariada a travs de las pruebas de asimetra y curtosis (DAngostino et al., 1990), as como la prueba de Shapiro-Wilk, siendo ambas adecuadas para muestras amplias (Mal et al., 2021). En ambas pruebas, la significatividad estadstica (p < 0.05) se interpreta como ausencia de normalidad en los puntajes de la muestra. Por otro lado, para evaluar la normalidad multivariada se utilizaron las pruebas de asimetra y curtosis de Mardia (Yez et al., 1999), con una interpretacin similar a los estadsticos previos. Asimismo, para corroborar la adecuacin de los resultados a una estructura factorial, se emplearon la prueba Kaiser-Meyer-Olkin esperando un coeficiente por encima de 0.7, y la prueba de esfericidad de Bartlett esperando la significatividad estadstica (p < 0.05).

Posteriormente, se realiz un anlisis factorial exploratorio (AFE) utilizando una matriz de correlaciones policricas debido a que los tems del instrumento se miden de forma ordinal, mientras que el mtodo de extraccin fue de factores principales. A pesar que la extraccin de componentes principales ha sido ms comn en la investigacin del MSLQ, se recomienda la extraccin de factores por encima de los componentes, debido a que estos ltimos pueden producir factores matemticamente perfectos pero no interpretables de forma terica o conceptual (Lpez-Aguado & Gutirrez-Provecho, 2019). La rotacin de factores se realiz a travs del mtodo varimax. Se consideraron tres criterios para la validez de los factores: 1) una carga factorial mayor a 0.3, 2) ausencia de cargas cruzadas entre factores esperando odd ratios mayores a 0.15, y 3) comunalidades mayores a 0.4 (Hair et al., 2019). Los factores que no cuenten con dichas caractersticas sern evaluados y retirados para lograr la validez del modelo factorial.

El anlisis factorial confirmatorio, considerando las dimensiones identificadas en el AFE con los tems no retirados, se realiz a travs del mtodo de mxima verosimilitud en su variante robusta con el ajuste del mtodo Satorra-Bentler (Deng et al., 2018), recomendado en situaciones en que no se cumple la normalidad en la muestra. Se evalu la validez de constructo a travs de: 1) la validez convergente y divergente (Cheung & Wang, 2017) al analizar las correlaciones entre factores (esperando covarianzas con significancia estadstica p < 0.05, as como no sobrepasar correlaciones superiores a 0.85), y 2) la bondad de ajuste del modelo SEM a travs de mltiples ndices: χ2/gl, CFI, TLI, NFI, RMSEA y SRMR, considerando los coeficientes de referencia planteados en la literatura (Schermelleh-Engel et al., 2003; Hooper et al., 2008; Schumacker & Lomax, 2010).

Finalmente, la confiabilidad por consistencia interna se corrobor a travs de los coeficientes Alpha de Cronbach (α) y Omega de McDonald (ω), esperando puntajes mayores a 0.7, y coeficientes de correlacin tem-total mayores a 0.4 (Fras-Navarro, 2021). El anlisis estadstico descriptivo e inferencial se realiz en el programa estadstico STATA versin 17.

 

Resultados

Para la validacin de contenido, se solicit la evaluacin del instrumento a jueces expertos (n = 7) los cuales concluyeron que la totalidad del instrumento posee altos niveles de claridad (V = 0.979, p < 0.01), coherencia (V = 0.956, p < 0.01) y relevancia (V = 0.986, p < 0.01). La valoracin realizada por cada dimensin original del instrumento psicomtrico se observa en la Tabla 2.

 

Figura 2: Validacin de contenido por criterio de jueces expertos

Variable

Claridad

Coherencia

Relevancia

V

P

V

p

V

p

Orientacin Intrnseca

0.964

< 0.01

0.928

< 0.01

1.000

< 0.01

Orientacin extrnseca

0.988

< 0.01

0.952

< 0.01

0.976

< 0.01

Valor de la tarea

0.984

< 0.01

0.944

< 0.01

0.968

< 0.01

Control del aprendizaje

1.000

< 0.01

0.964

< 0.01

1.000

< 0.01

Autoeficacia

0.958

< 0.01

0.976

< 0.01

0.982

< 0.01

Test de ansiedad

0.981

< 0.01

0.971

< 0.01

0.990

< 0.01

 

Por otro lado, para corroborar la validez del constructo a travs de una muestra de estudiantes escolares cusqueos (n = 322), se parti por el anlisis de normalidad. Se identific que todos los tems denotan puntajes estadsticamente significativos (p < 0.01) en las pruebas de normalidad univariada de asimetra-curtosis y de Shapiro-Wilk, lo cual concluye su ausencia de normalidad univariada. De forma similar, la prueba de asimetra y curtosis multivariada de Mardia (1970) presentan coeficientes estadsticamente significativos (p < 0.01) como se observa en la Tabla 3, corroborando que la muestra posee una distribucin no normal.

 

Figura 3: Test de normalidad multivariada de Mardia

 

Mardia

χ2

gl

p

Asimetra

284.646

15427.278

5456

0.000

Curtosis

1432.227

6588.981

1

0.000

 

Posteriormente, al evaluar la adecuacin de los resultados a una estructura factorial se obtuvo un coeficiente alto en el test de Kaiser-Meyer-Olkin (KMO = 0.95) y estadsticamente significativo en el test de esfericidad de Bartlett (χ2 = 6517.183, gl = 465, p = 0.000). Se determina un ajuste satisfactorio y adecuado para realizar un anlisis factorial.

Para el anlisis factorial exploratorio (AFE), se extrajeron factores a travs de una matriz de correlaciones policricas, donde se identificaron tres factores con autovalores superiores a 1, lo cual logra un 87.9% de varianza explicada, como se observa en la Tabla 4.

 

Figura 4: Anlisis de autovalores y varianza explicada

 

Autovalores

Diferencia

PVE

PVE

(acumulada)

Factor 1

14.573

12.727

0.713

0.713

Factor 2

1.846

0.290

0.090

0.803

Factor 3

1.556

0.756

0.076

0.879

Nota. PVE = Porcentaje de varianza explicada.

 

Se decidi emplear una rotacin ortogonal, debido a que las dimensiones latentes del instrumento refieren a reas tericamente diferenciadas, a pesar que todas ellas forman parte del mismo constructo psicolgico de la motivacin. Al aplicar la rotacin ortogonal varimax, se identific la estructura observada en la Tabla 5. Se identifica que los coeficientes ms altos en cada factor poseen cargas altas (> 0.4). Sin embargo, se identifica que existen mltiples tems con cargas cruzadas a travs del anlisis por odd ratio planteado por Hair et al. (2019) y puntajes de comunalidad bajos.

 

Figura 5: Distribucin de cargas factoriales (inicial)

Variable

Factor1

Factor2

Factor3

Comunalidad

Odd ratio

tem 1

0.4676

0.4184

0.1565

0.4181

1.249

tem 2

0.2949

0.5249

0.1555

0.3866

3.168

tem 3

0.3226

0.5403

0.3128

0.4938

2.805

tem 4

0.2557

0.5254

0.2686

0.4136

3.826

tem 5

0.2984

0.4394

0.6521

0.7073

2.202

tem 6

0.2674

0.3981

0.6547

0.6587

2.705

tem 7

0.1963

0.1111

0.7199

0.5692

13.449

tem 8

0.2502

0.2214

0.5963

0.4672

5.680

tem 9

0.2996

0.6738

0.193

0.581

5.058

tem 10

0.3045

0.7357

0.3599

0.7636

4.179

tem 11

0.333

0.7234

0.1279

0.6506

4.719

tem 12

0.2936

0.7667

0.0614

0.6778

6.819

tem 13

0.3568

0.731

-0.0002

0.6617

4.197

tem 14

0.2368

0.7123

0.3729

0.7025

3.649

tem 15

0.3607

0.6659

0.2974

0.662

3.408

tem 16

0.3165

0.5199

0.3954

0.5268

1.729

tem 17

0.34

0.6306

0.3277

0.6206

3.440

tem 18

0.3783

0.4523

0.4123

0.5177

1.203

tem 19

0.7828

0.2315

0.2059

0.7088

11.434

tem 20

0.6952

0.3911

0.0842

0.6434

3.160

tem 21

0.606

0.4521

0.1537

0.5952

1.797

tem 22

0.649

0.4025

0.1709

0.6124

2.600

tem 23

0.7788

0.3312

0.2075

0.7592

5.529

tem 24

0.7984

0.2173

0.2191

0.7327

13.279

tem 25

0.8071

0.2883

0.2198

0.7828

7.837

tem 26

0.798

0.2884

0.2174

0.7673

7.656

tem 27

0.5064

0.0862

0.4979

0.5117

1.034

tem 28

0.3072

0.2081

0.4864

0.3743

2.507

tem 29

0.3522

0.1966

0.4577

0.3722

1.689

tem 30

0.599

0.2506

-0.0142

0.4219

5.713

tem 31

-0.1081

0.1824

0.4116

0.2144

5.092

 

En el primer anlisis se identificaron cargas cruzadas en los tems 1, 18 y 27. Posterior a su eliminacin, se realiz un segundo anlisis identificando una carga cruzada en el tem 16. Sin la existencia de cargas cruzadas luego de eliminar los cuatro tems previamente mencionados, se analiz la comunalidad, identificando puntajes bajos (< 0.4) en los tems 2, 28, 29 y 31, por lo que se decidi su eliminacin. La mayora de tems eliminados pertenecen a la dimensin afectiva de la prueba, compuesta por el Test de ansiedad, lo cual ha sido reportado previamente en la literatura (Cred & Phillips, 2011; Moneta & Tofful, 2019). La estructura final se observa en la Tabla 6. El porcentaje de varianza explicada para esta ltima distribucin fue de 96.55%.

 

Figura 6: Distribucin de cargas factoriales (final)

Variable

Factor1

Factor2

Factor3

Comunalidad

Odd ratio

tem 3

0.3203

0.5067

0.3505

0.4822

2.090

tem 4

0.2466

0.5087

0.2927

0.4053

3.020

tem 5

0.314

0.3677

0.7014

0.7258

3.639

tem 6

0.283

0.322

0.737

0.727

5.239

tem 7

0.1968

0.0489

0.7419

0.5915

14.212

tem 8

0.2498

0.1945

0.5806

0.4373

5.402

tem 9

0.313

0.638

0.2627

0.574

4.155

tem 10

0.3134

0.6945

0.4416

0.7756

2.473

tem 11

0.3123

0.7513

0.1721

0.6917

5.787

tem 12

0.2843

0.7785

0.1144

0.7

7.498

tem 13

0.3372

0.7573

0.0521

0.6899

5.044

tem 14

0.2567

0.6476

0.4648

0.7013

1.941

tem 15

0.3806

0.6068

0.3593

0.6421

2.542

tem 17

0.3629

0.5784

0.3391

0.5813

2.540

tem 19

0.7865

0.2154

0.2185

0.7126

12.957

tem 20

0.6935

0.3743

0.1229

0.6361

3.433

tem 21

0.6222

0.4183

0.1993

0.6018

2.213

tem 22

0.6543

0.4029

0.1726

0.6202

2.637

tem 23

0.7863

0.2999

0.232

0.7621

6.874

tem 24

0.8046

0.1865

0.2281

0.7342

12.443

tem 25

0.8078

0.2618

0.2504

0.7837

9.521

tem 26

0.8027

0.2706

0.2374

0.774

8.799

tem 30

0.5619

0.3019

-0.0125

0.407

3.464

 

Una vez clarificada la estructura factorial a nivel exploratorio, se realiz un anlisis factorial confirmatorio (AFC) a travs del mtodo de Mxima Verosimilitud, con un ajuste del error (causado por la falta de normalidad) por medio del mtodo de Satorra-Bentler (Deng et al., 2018). Se determina que la estructura factorial denota validez convergente, ya que los coeficientes de covarianza estandarizados (correlaciones) poseen valores estadsticamente significativos. Asimismo, se corrobora la validez discriminante al no poseer coeficientes con valores mayores a 0.85, como se observa en la Tabla 7.

 

Figura 7: Coeficientes de covarianza estandarizados entre factores

 

β

Error estndar

p

Intervalo de confianza al 95%

Factor 1 <--> Factor 2

0.764

0.036

0.000

0.694

0.694

Factor 1 <--> Factor 3

0.721

0.045

0.000

0.632

0.632

Factor 2 <--> Factor 3

0.613

0.052

0.000

0.511

0.511

 

Por otro lado, al analizar la bondad de ajuste del modelo factorial se identifica un coeficiente Chi estadsticamente significativo (χ2 = 445.561, gl = 227, p = 0.000). Sin embargo, para un mayor anlisis de la bondad se evalu la proporcin entre la Chi con los grados de libertad (χ2/gl), as como otros ndices de error (RMSEA, SRMR) y comparativos (CFI, TLI). Como se observa en la Tabla 8, los ndices de bondad de ajuste denotaron valores satisfactorios.

 

Figura 8: ndices de bondad de ajuste para el modelo factorial

 

χ2/gl

RMSEA

SRMR

CFI

TLI

Esperados

≤ 2.0

≤ 0.08

≤ 0.1

≥ 0.9

≥ 0.9

Observados

1.963

0.055

0.054

0.934

0.927

 

Corroborando estos criterios, se determina que las subescalas motivacionales del MSLQ poseen una adecuada validez de constructo al considerar tres factores latentes distribuidos a travs de 23 tems, como se observa en la Figura 1.

 

Figura 9: Anlisis factorial confirmatorio de las subescalas motivacionales del MSLQ

 

En cuanto a la confiabilidad por consistencia interna, se analiz el alfa de Cronbach por cada tem, presentando resultados superiores a 0.9, considerado muy bueno. De esta manera, el instrumento psicomtrico final presenta niveles de confiabilidad satisfactorios en el Factor 1 (α = 0.805), Factor 2 (α = 0.921) y Factor 3 (α = 0.929). Al analizar los puntajes totales de la prueba, se obtuvo coeficientes adecuados tanto en el Alfa de Cronbach (α = 0.949) como en el Omega de McDonald (ω = 0.951). En cuanto a las correlaciones tem-total, se obtuvo en promedio un valor de 0.692, lo cual corrobora la consistencia interna. Se concluye que las subescalas motivacionales del MSLQ poseen una alta confiabilidad por consistencia interna.

Con base en los resultados obtenidos, se propone que la estructura final del instrumento mantenga tres dimensiones similares a las propuestas en la versin original: Motivacin extrnseca (tems 5, 6, 7 y 8), Autoeficacia (tems 19, 20, 21, 22, 23, 24, 26 y 29) y en base en la evidencia emprica, se propuso un tercer factor, el cual combina tems que forman parte del componente de valor (tems 3, 4, 9, 10, 11, 12, 13 y 14) y de expectativa (tems 15 y 17). Una posible base terica es la misma teora del valor-expectativa de Eccles y Wigfield utilizada por Pintrich et al. (1991), que detalla que no puede existir componentes de valor separados de los de expectativa (Schunk et al., 2014, p. 57-78), ya que estos procesos psicolgicos se encuentran entrelazados. En este sentido, los estudiantes podran percibir que el valor atribuido a diversos objetos dentro del proceso educativo (por ejemplo: Es importante para m aprender los contenidos de los cursos) se encuentra de forma conjunta a la expectativa del logro especfico sobre dichos objetos de valor (por ejemplo: Al estudiar de manera adecuada aprender los contenidos de los cursos). Se propone nombrar a este tercer factor Valor intrnseco debido a la predominancia de los componentes de valor. La estructura final del cuestionario validado, junto a sus estadsticos descriptivos, se pueden observar en la Tabla 9.

 

Figura 10: Subescalas motivacionales del MSLQ

Media

DE

Dimensin: Valor intrnseco

 

 

M3

Lo que ms me gusta es comprender los contenidos lo ms profundamente posible.

5.429

1.496

M4

Cuando tengo oportunidad elijo tareas de las cuales puedo aprender a pesar de no estar seguro de salir bien.

4.882

1.491

M9

Lo que aprendo en un curso lo podr usar en otros.

5.531

1.443

M10

Es importante para m aprender los contenidos de los cursos.

5.727

1.356

M11

En general me interesan los contenidos de la mayora de cursos.

4.941

1.602

M12

Considero provechosos los contenidos de los cursos porque me permiten aprender.

5.304

1.468

M13

En general me gustan los contenidos de los cursos.

4.944

1.556

M14

Entender el contenido de los cursos es muy importante para m.

5.854

1.316

M15

Al estudiar de manera adecuada aprender los contenidos de los cursos.

5.767

1.341

M17

Si me esfuerzo lo suficiente entender los contenidos de los cursos.

5.953

1.347

Dimensin: Motivacin extrnseca

 

 

M5

Tener buenas notas en mis cursos es lo que ms me gusta.

5.941

1.362

M6

Lo ms importante para m es tener buenas notas para mejorar mi promedio.

5.866

1.393

M7

Me gustara tener mejores notas que mis compaeros.

5.677

1.561

M8

Quiero que todo me salga bien porque para m es importante que los dems reconozcan mis habilidades.

5.289

1.678

Dimensin: Autoeficacia

 

 

M19

Confo en que tendr excelentes notas en los cursos.

5.314

1.44

M20

Estoy seguro que podr comprender los contenidos ms difciles de las lecturas.

5.373

1.389

M21

Confo en que entender con conceptos bsicos de los cursos.

5.78

1.336

M22

Confo en que entender con conceptos ms complejos de los cursos.

5.345

1.461

M23

Confo en que har un excelente trabajo con las actividades y exmenes de cada curso.

5.425

1.411

M24

Confo en que me ir bien en los cursos.

5.534

1.479

M25

Confo en que podr obtener las competencias enseadas.

5.497

1.39

M26

Confo en que tendr xito, incluso en los cursos de mayor dificultad.

5.404

1.491

M30

Al dar un examen, me siento cmodo, sin nada que me haga sentir mal.

4.615

1.824

Nota. DE = Desviacin estndar.

 

Discusin

La pandemia por la COVID-19 ha permitido el desarrollo de infraestructura tecnolgica en la regin de Cusco, la cual resulta cada vez ms indispensable en todos los mbitos vitales, siendo la educacin uno de los ms importantes (Gobierno Regional Cusco, 2022). Sin embargo, es necesario que el proceso de enseanza-aprendizaje ocurrido en ambientes virtuales sea diseado de forma contextualizada y considerando tanto las plataformas digitales para su logro, como nuevas maneras en que los docentes generen motivacin hacia el aprendizaje en la virtualidad. Estos objetivos no podran ser alcanzados sin instrumentos de medicin que permitan un diagnstico vlido y confiable de la realidad psicolgica estudiantil.

El objetivo de la presente investigacin fue la validacin de contenido y de constructo de la subescala de motivacin del MSLQ en escolares en Cusco (Per), durante la pandemia, es decir cuando se vieron obligados a estudiar a distancia. Como principal resultado, acorde a la evidencia emprica de los estudiantes escolares cusqueos, se determin que el MSLQ posee 23 tems agrupados en tres dimensiones: valor intrnseco, motivacin extrnseca y autoeficacia. Esta configuracin es distinta a la estructura terica original, tal como han encontrado diversas validaciones realizadas a nivel nacional e internacional. Sin embargo, como se describe en la revisin sistemtica de Curione y Huertas (2016), se han realizado muchos estudios sobre el MSLQ en los ltimos 25 aos, encontrando distintas configuraciones estructurales. Aunque muchos mantienen la estructura factorial similar al estudio original, otros resultados demuestran que existen tanto factores como tems que estadsticamente no cumplen con los valores esperados. Estas diferencias se deben a temas de tipo cultural y contextual.

Los resultados del presente estudio coinciden con ciertas constantes encontradas en la literatura como el retiro de la subescala test de ansiedad (Cred & Phillips, 2011; Moneta & Tofful, 2019) ya que, si bien Pintrich et al. (1991) lo considera como un aspecto que afecta el desempeo acadmico, resulta poco relacionado al constructo psicolgico de la motivacin al momento de ser analizado por estudiantes tanto universitarios como escolares. Asimismo, se ha encontrado en diversos contextos que la estructura del MSLQ posee una mejor explicacin al reducir su estructura, existiendo ejemplos con 3 factores y 17 tems, as como estructuras de 4 factores (Jakeov, 2014; Vaculkov, 2016; Cardozo, 2018; todos citados en Villarreal-Fernndez & Arroyave-Giraldo, 2022).

A travs de la presente investigacin se corrobora que la subescala de motivacin del MSLQ en su versin final es vlida y confiable para conocer la motivacin para el aprendizaje, y puede ser usado con garanta en estudiantes de los ltimos aos de secundaria de Cusco, tanto en instituciones de financiamiento pblico como privado. No obstante, existe la limitacin de no poder generalizar estos resultados, debido a que no se ha analizado las variaciones que pudieran existir en la poblacin de otras regiones y si la estructura del MSLQ validada en la presente investigacin puede ser diferente segn caractersticas sociodemogrficas como el sexo, el tipo de colegio o la regin en la que se vive, por lo que futuros estudios de invarianza factorial son recomendados. Asimismo se debe considerar que estos datos corresponden a escolares durante la poca de pandemia, que oblig a que estudiaran a travs de dispositivos digitales, lo cual puede haber modificado las condiciones motivacionales para el aprendizaje. Se sugiere que este instrumento contine siendo validado, en su contenido y constructo, especialmente en zonas con modalidades idiomticas del espaol, con formas distintas de expresin.

 

Referencias

1.      Aiken, L. R. (1985). Three coefficients for analyzing the reliability and validity of ratings. Educational and Psychological Measurement, 45(1), 131142. https://doi.org/10.1177/0013164485451012

2.      Alfaro Aucca, C. (2019). Motivacin acadmica y estrategias de aprendizaje de los estudiantes de la escuela profesional de arquitectura de la universidad andina del Cusco, 2019 [Tesis de doctorado, Universidad Andina del Cusco]. Repositorio Universitario. https://bit.ly/3L6Fxpo

3.      Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191-215. https://doi.org/10.1037/0033-295X.84.2.191

4.      Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Rand McNally & Company. https://bit.ly/3d0eGyJ

5.      Cardozo, A. (2008). Motivacin, Aprendizajey rendimiento acadmico en Estudiantesdel primer ao universitario. Laurus, 14(28), 209-237. http://www.redalyc.org/articulo.oa?i d=76111716011

6.      CAST. (2018). Universal design for learning guidelines, version 2.2 [Organizador Grfico]. CAST. https://bit.ly/3cNVqEE

7.      Chakraborty, R., Haqyar, M., & Chechi, V. K. (2021). Validation of Motivated Strategies for Learning Questionnaire Among High School Students in Afghanistan. Pakistan Journal of Psychological Research, 36(4), 615-629. https://bit.ly/3RqVWYa

8.      Cheung, G. W., & Wang, C. (2017). Current Approaches for Assessing Convergent and Discriminant Validity with SEM: Issues and Solutions. Academy of Management Proceedings, 2017(1). https://doi.org/10.5465/ambpp.2017.12706abstract

9.      Chiu, T. K. F., Lin, T. J., & Lonka, K. (2021). Motivating Online Learning: The Challenges of COVID-19 and Beyond. The Asia-Pacific Education Researcher, 30, 187-190. https://doi.org/10.1007/s40299-021-00566-w

10.  Comisin Europea. (2021). E-learning through lockdown [Artculo Web]. Comisin Europea. https://bit.ly/3wTCPOd

11.  Conradty, C., & Bogner, F. X. (2022). Measuring Students School Motivation. Education Sciences, 12, 378. https://doi.org/10.3390/educsci12060378

12.  Cred, M., & Phillips, L. A. (2011). A meta-analytic review of the Motivated Strategies for Learning Questionnaire. Learning and Individual Differences, 21(4), 337346. https://doi.org/10.1016/j.lindif.2011.03.002

13.  Curione, K. y Huertas, J. A. (2016). Revisin del MSLQ: veinticinco aos de evaluacin motivacional. Revista de Psicologa, 12(24). https://bit.ly/3Iicfku

14.  D'agostino, R. B., Belanger, A. & D'agostino Jr., R. B.(1990) A Suggestion for Using Powerful and Informative Tests of Normality. The American Statistician, 44(4), 316-321. http://doi.org/10.1080/00031305.1990.10475751

15.  Deng, L., Yang, M., & Marcoulides K. M. (2018) Structural Equation Modeling With Many Variables: A Systematic Review of Issues and Developments. Frontiers in Psychology, 9(580). http://doi.org/10.3389/fpsyg.2018.00580

16.  Daz-Noguera, M. D., Hervs-Gmez, C., De la Calle-Cabrera, A. M., & Lpez-Meneses, E. (2022). Autonomy, Motivation, and Digital Pedagogy Are Key Factors in the Perceptions of Spanish Higher-Education Students toward Online Learning during the COVID-19 Pandemic. International Journal of Environmental Research and Public Health, 19(2), 654. https://doi.org/10.3390/ijerph19020654

17.  Finn, B. (2015). Measuring Motivation in Low-Stakes Assessments. ETS Research Report Series, 2015(2), 117. http://doi.org/10.1002/ets2.12067

18.  Fong, C. J. (2022). Academic motivation in a pandemic context: a conceptual review of prominent theories and an integrative model. Educational Psychology. https://doi.org/10.1080/01443410.2022.2026891

19.  Gobierno Regional Cusco. (2022). Conectando la regin: acceso gratuito a internet en zonas rurales para mejorar la educacin [Nota de prensa]. Gobierno del Per. https://bit.ly/3LcMu8B

20.  Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis, 8va edicin. Cengage Learning.

21.  Hernndez, R., & Mendoza, C. P. (2018). Metodologa de la investigacin: las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education. https://bit.ly/3Ry0WKs

22.  Hilpert, J. C., Stempien, J., van der Hoeven Kraft, K. J., & Husman, J. (2013). Evidence for the Latent Factor Structure of the MSLQ. SAGE Open, 3(4). https://doi.org/10.1177/2158244013510305

23.  Holland, D. F., Kraha, A., Zientek, L. R., Nimon, K., Fulmore, J. A., Johnson, U. Y., Ponce, H. F., Aguilar, M. G., & Henson, R. K. (2018). Reliability Generalization of the Motivated Strategies for Learning Questionnaire: A Meta-Analytic View of Reliability Estimates. SAGE Open, 8(3). https://doi.org/10.1177/2158244018802334

24.  Hooper, D., Coughlan, J., & Mullen, M. R. (2008). Structural Equation Modelling: Guidelines for Determining Model Fit. The Electronic Journal of Business Research Methods, 6(1), 53-60. https://bit.ly/3BbN1CV

25.  Instituto Nacional de Estadstica e Informtica [INEI]. (2018). Per: Perfil sociodemogrfico. Informe Nacional. INEI. https://bit.ly/2N9nTHc

26.  Instituto Nacional de Estadstica e Informtica [INEI]. (2021a). Se increment poblacin que utiliza Internet a diario [Nota de prensa]. INEI. https://bit.ly/3QNS8iu

27.  Instituto Nacional de Estadstica e Informtica [INEI]. (2021b). El 55,0% de los hogares del pas accedieron a internet en el tercer trimestre del 2021 [Nota de prensa]. INEI. https://bit.ly/3eEOfis

28.  Instituto Nacional de Estadstica e Informtica [INEI]. Se incrementa asistencia de nias y nios a clases virtuales de todos los niveles educativos [Nota de prensa virtual]. INEI. https://bit.ly/3cXFaRp

29.  Inzunza, B., Prez, C., Mrquez, C., Ortiz, L., Marcellini, S., & Duk, S. (2018). Estructura factorial y confiabilidad del Cuestionario de Motivacin y Estrategias de Aprendizaje, MSLQ, en Estudiantesuniversitarios chilenos de primer ao. Revista Iberoamericana de Diagnstico y Evaluacin e Avaliao Psicolgica, 47(2), 21-35. https://doi.org/10.21865/ridep47.2.02

30.  Jakeov, J. (2014). The validity and reliability study of the czech version of the motivated strategies for learning questionnaire (MSLQ). The New Educational Review, 35(1), 54-65. https://tner.polsl.pl/e35/a4.pdf

31.  Jakesova, J., & Hrbackova, K. (2014). The Czech adaptation of motivated strategies for learning questionnaire (MSLQ). Asian Social Science, 40, 90116. https://doi.org/10.5539/ass.v10n12p72

32.  Lockee, B. B. (2021). Online education in the post-COVID era. Nature Electronics, 4, 5-6. https://doi.org/10.1038/s41928-020-00534-0

33.  Lpez-Aguado, M., & Gutirrez-Provecho, L. (2019). Cmo realizar e interpretar un anlisis factorial exploratorio utilizando SPSS. Revista d'Innovaci i Recerca en Educaci, 12(2), 1-14. http://doi.org/10.1344/reire2019.12.227057

34.  Mal, I., Sladek, V., Bilkova, D. (2021). Power Comparisons of Normality Tests Based on L-moments and Classical Tests. Mathematics and Statistics, 9(6), 994-1003. http://doi.org/10.13189/ms.2021.090615

35.  Mardia, K. V. (1970). Measures of multivariate skewness and kurtosis with applications. Biometrika, 57(3), 519530. https://doi.org/10.1093/biomet/57.3.519

36.  McKeachie, W. J., Pintrich, P. R., Lin, Y. y Smith, D. A. F. (1986). Teaching and Learning in the College Classroom. A Review of the Research Literature. University of Michigan. https://bit.ly/3L4FmKf

37.  Ministerio de Educacin del Per [MINEDU]. (2016). Cusco: Cmo vamos en educacin?. ESCALE. https://bit.ly/3qW9XBH

38.  Moneta Pizarro, A. y Tofful, C. M. (2019). La motivacin de los alumnos y sus dimensiones en las carreras de grado a distancia de la FCA-UNDEF [Artculo de ponencia]. 8 Seminario Internacional Rueda 2019, Argentina. https://bit.ly/3PhdDJ0

39.  National Center for Education Statistics. (2022). Impact of the coronavirus pandemic on the elementary and secondary education system. En The Condition of Education 2021. U.S. Department of Education, Institute of Education Sciences. https://bit.ly/3RAHywc

40.  OCDE. (2020). La educacin en tiempos de la pandemia de COVID-19 [Informe virtual]. CEPAL. https://bit.ly/3Rs1vpb

41.  Pintrich, P. R., Smith, D. A. F., Garca, T. y McKeachie, W. J. (1991). A Manual for the Use of the Motivated Strategies for Learning Questionnaire (MSLQ). University of Michigan. https://bit.ly/3Jia2qO

42.  Puicao, A. L. (2022). El uso del WhatsApp y el desempeo docente a nivel primario en el distrito de Ocoa, 2022. Horizontes. Revista de Investigacin en Ciencias de la Educacin, 6(24). https://doi.org/10.33996/revistahorizontes.v6i24.402

43.  Quesada-Pallars, C., Snchez-Mart, A., Ciraso-Cal, A., & Pineda-Herrero, P. (2019). Online vs. Classroom Learning: Examining Motivational and Self-Regulated Learning Strategies Among Vocational Education and Training Students. Frontiers in Psychology, 10. https://doi.org/10.3389/fpsyg.2019.02795

44.  Rose, D. H., Gravel, J. W., & Gordon, D. T. (2013). Universal Design for Learning. En L. Florian (Eds.), The SAGE Handbook of Special Education, Volume One, 2nd edition (pp. 442-454). SAGE. https://bit.ly/3RhxwAn

45.  Ruiz, M. A., Pardo, A., & San Martn, R. (2010). Modelos de ecuaciones estructurales. Papeles del Psiclogo, 31(1), 34-45. https://bit.ly/3BpmovK

46.  Ryan, R. M. y Deci, E. L. (2000). Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-being. American Psychologist, 55(1), 68-78. http://doi.org/10.1037110003-066X.55.1.68

47.  Schermelleh-Engel, K., Moosbrugger, H., & Mller, H. (2003). Evaluating the Fit of Structural Equation Models: Tests of Significance and Descriptive Goodness-of-Fit Measures. Methods of Psychological Research, 8(2), 2374. https://bit.ly/3Dn7gAg

48.  Schumacher, R. E., & Lomax, R. G. (2015). A Beginners Guide to Structural Equation, 4ta edicin. Routledge.

49.  Schunk, D. H., Meece, J. R., & Pintrich, P. R. (2014). Motivation in Education: Theory, Research and Applications. Pearson. https://bit.ly/3wVw6Dg

50.  Torres Valladares, M. (2002). Influencia de la motivacin y estrategias de aprendizaje en el rendimiento acadmico de estudiantes universitarios [Investigacin acadmica]. CONCYTEC. https://bit.ly/3Qx6K5K

51.  UNESCO. (2020, 16 de diciembre). From COVID-19 learning disruption to recovery: A snapshot of UNESCOs work in education in 2020 [Artculo web]. UNESCO. https://bit.ly/3cNXpsA

52.  UNICEF. (2021). Reimaginar la educacin en Amrica Latina y el Caribe [Artculo web]. UNICEF. https://uni.cf/3Qg9Afo

53.  Vaculkova, J. (2016). The Third Round of the Czech Validation of the Motivated Strategies for Learning Questionnaire (MSLQ). International Education Studies, 9(7), 35-46. http://dx.doi.org/10.5539/ies.v9n7p35

54.  VandenBos, G. R. (2015). APA dictionary of psychology, segunda edicin. American Psychological Association. https://doi.org/10.1037/14646-000

55.  Vegas, E. (2020, 14 de Abril). School closures, government responses, and learning inequality around the world during COVID-19 [Reporte virtual]. Brookings. https://brook.gs/3QfyWKr

56.  Veliz M, Nieva J, Soto L, Robalino P, Musso M. (2021). Validacin de un cuestionario de motivacin y estrategias de aprendizaje (MSLQ) para la modalidad virtual durante la pandemia COVID-19 [Artculo de ponencia]. Reuniones AACC, XVIII Reunin Nacional y VII Encuentro Internacional de la AACC. https://bit.ly/3qhGWzZ

57.  Villarreal-Fernndez, J. E., & Arroyave-Giraldo, D. I. (2022). Adaptacin y Validez de la Escala de Motivacin del Motivated Scale Learning Questionnaire (MSLQ) en Universitarios Colombianos. Electronic Journal of Research in Educational Psychology, 20(1), 119-150. https://doi.org/10.25115/ejrep.v20i56.4394

58.  Wigfield, A. y Eccles, J. S. (2000). ExpectancyValue Theory of Achievement Motivation. Contemporary Educational Psychology 25, 6881. http://doi.org/10.1006/ceps.1999.1015

59.  Williams, M. K. (2017). John Dewey in the 21st Century. Journal of Inquiry & Action in Education, 9(1), 91-102. https://bit.ly/3KJuiTw

60.  Ybar Caldern, V. (2021). Correlacin entre inteligencia emocional y motivacin en estudiantes de docencia universitaria de posgrado de la universidad andina Cusco 2019 [Tesis de maestra, Universidad Andina del Cusco]. Repositorio Institucional. https://bit.ly/3qv0zET

61.  Yez, S., Jaramillo, M. C., & Correa, J. C. (1999). Una revisin de medidas multivariadas de asimetra y Kurtosis para pruebas de multinormalidad. Revista Colombiana de Estadstica, 22(2), 5-16. https://bit.ly/3RWuKQI

 

 

 

 

 

 

2022 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).x

 

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: [email protected][email protected]

URL: https://www.polodelconocimiento.com/

 

 

            



Top