UNIVERSIDAD COMPLUTENSE DE MADRID FACULTAD DE PSICOLOGÍA TESIS DOCTORAL Recursos psicológicos implicados en el rendimiento académico y permanencia en educación superior MEMORIA PARA OPTAR AL GRADO DE DOCTORA PRESENTADA POR Montserrat Andrea Rodríguez Vera DIRIGIDA POR Sergio Escorial Martín Jesús Privado Zamorano Francisco Javier Román González © Montserrat Andrea Rodríguez Vera, 2024 UNIVERSIDAD COMPLUTENSE DE MADRID FACULTAD DE PSICOLOGÍA PROGRAMA DE DOCTORADO EN PSICOLOGÍA TESIS DOCTORAL Recursos psicológicos implicados en el rendimiento académico y permanencia en educación superior MEMORIA PARA OPTAR AL GRADO DE DOCTORA PRESENTADO POR Montserrat Andrea Rodríguez Vera DIRECTORES Sergio Escorial Martín Jesús Privado Zamorano Francisco Javier Román González “Así como sea la escuela, así será la nación entera” (Gabriela Mistral). AGRADECIMIENTOS Cuando me embarqué en el proyecto de iniciar el doctorado no tenía claridad por donde navegaba, que implicaría, si iba a poder conseguir una beca y menos viajar desde Chile a España a realizarlo. Sólo tenía clara una idea que me interesaba investigar “el progreso de las y los estudiantes en la educación superior”. Llevaba tres años trabajando en el Programa de Acompañamiento y Acceso a la Educación Superior (PACE), implementando esta política pública de equidad educativa, observando grandes/pequeños logros. Grandes, en cuanto al impacto personal que significaba para un estudiante en su trayectoria de vida acceder a la educación superior. Pequeño, en cantidad de estudiantes acompañados a nivel nacional (cobertura). Este escenario me permitía ver que los estudiantes talentosos, pero de realidades vulneradas, antes de poder demostrar sus capacidades, eran discriminados por una “falla” del sistema educativo chileno que limitaba sus oportunidades al no prepararlos adecuadamente para rendir la prueba de selección universitaria. Fue en este periodo que conocí al Dr. Francisco Javier Gil, un actor clave en materia de acceso, inclusión y equidad en el sistema de educación superior chileno. Es a quien primero le agradezco por transmitir, por educar y defender la idea de un sistema de educación superior público y de calidad para todas y todos. Siguiendo con la idea de realizar el doctorado tuve que buscar financiamiento. Por ello, agradezco a la Agencia Nacional de Investigación y Desarrollo del Gobierno de Chile por la Beca de Doctorado en el extranjero nº7220457, ya que sin su ayuda todo habría sido más difícil. Cuando ya contaba con una “idea” y el financiamiento, llegaron mis tutores Dr. Sergio Escorial Martín, Dr. Jesús Privado Zamorano y Dr. Javier Román González. Mis agradecimientos por todos los lineamientos técnicos, persistencia y gran retroalimentación entregada. Sin duda, sin sus orientaciones esta tesis no habría sido posible. En la medida que se fue materializando este proyecto de tesis, muchos esfuerzos de personas convergieron y sin su participación este texto no sería posible. Por ello les expreso mi gratitud: a las y los estudiantes que participaron de la investigación, quienes creyeron y otorgaron su consentimiento para hacer seguimiento de sus datos. Agradezco a las y los profesionales de las siete universidades que facilitaron la toma de datos: Eduardo Bravo Lange Coordinador Ejecutivo PACE Universidad de Tarapacá; Fernando Herrera Gallardo Director de Pregrado Universidad de Atacama (UDA); Viviana Tesmer Orellana Directora del Complejo Tecnológico de Aprendizaje Universidad de Atacama UDA; Ivonne Fuentes Román Directora de Pregrado de la Universidad de Playa Ancha en el año 2020; Daniela Duran Cáceres Coordinadora Ejecutiva PACE Universidad Alberto Hurtado (UAH), Natalia Fernández Martínez Coordinadora Acompañamiento en la Educación Superior UAH; Ximena Acuña Robertson Vicerrectora Académica Universidad Metropolitana de Ciencias de la Educación (UMCE), Ana María Soto Bustamante Coordinadora Institucional Programa PACE UMCE, Nieves Hernández Manqui, Coordinadora Ejecutiva PACE UMCE; Natacha Carrasco Salinas Coordinadora Ejecutiva PACE Universidad Católica de la Santísima Concepción (UCSC), Daniela García Pérgola Encargada de Gestión de la Información UCSC; Rodrigo del Valle Martín Director general de inclusión y acompañamiento de la Universidad Católica de Temuco (UCT), Josselinne Toirkens Niklitschek, Directora Acompañamiento Académico y Socioemocional UCT y Norman Gatica Castillo Equipo PACE UCT. También comparto mi gratitud a Lorena Godoy Peña y a Felip Gascón i Martín por su apoyo esencial para iniciar mi proyecto de investigación. Finalmente agradezco a mi familia por el amor incondicional. A mi madre, padre y hermana, núcleo con el hemos compartido la pasión por la educación. A Padraig, mi compañero, por la paciencia y apoyo incondicional. A mis amiga/os y colegas con quienes compartí durante este proceso en España y Chile, gracias por escucharme y darme ánimo en esos días difíciles. INDICE DE CONTENIDO RESUMEN 1 ABSTRACT 4 INTRODUCCIÓN 7 PRIMERA PARTE: FUNDAMIENTOS TEÓRICOS 15 CAPITULO 1: EDUCACIÓN SUPERIOR EN EL CONTEXTO CHILENO 15 1.1 ACCESO REGULAR EN LA EDUCACION SUPERIOR EN CHILE 18 1.2 PROGRAMA DE ACOMPAÑAMIENTO Y ACCESO A LA EDUCACION SUPERIOR (PACE) 20 CAPITULO 2: RENDIMIENTO ACADÉMICO (RA) EN EDUCACION SUPERIOR 25 2.1 PREDICTORES DEL RA EN LA TRAYECTORIA A LA EDUCACIÓN SUPERIOR 28 2.2 PERSONALIDAD EN EL RA 33 2.3 MOTIVACIÓN EN EL RA 38 2.4 RESILIENCIA EN EL RA 40 2.5 AUTOEFICACIA EN EL RA 42 2.6 SATISFACCIÓN ACADÉMICA EN EL RA 44 2.7 ESTRÉS ACADÉMICO EN EL RA 46 CAPITULO 3: PERMANENCIA EN EDUCACIÓN SUPERIOR 49 3.1 PREDICTORES DE LA PERMANENCIA EN EDUCACIÓN SUPERIOR 50 3.2 RA Y PERMANENCIA EN EDUCACIÓN SUPERIOR 52 3.3 DIFERENCIAS SOCIODEMOGRÁFICAS Y PERMANENCIA EN EDUCACIÓN SUPERIOR 53 3.4 PERSONALIDAD Y PERMANENCIA EN EDUCACIÓN SUPERIOR 54 3.5 MOTIVACIÓN Y PERMANENCIA EN EDUCACIÓN SUPERIOR 56 3.6 RESILIENCIA Y PERMANENCIA UNIVERSITARIA 57 3.7 AUTOEFICACIA Y PERMANENCIA UNIVERSITARIA 58 3.8 SATISFACCIÓN ACADÉMICA Y PERMANENCIA UNIVERSITARIA 59 3.9 ESTRÉS ACADÉMICO Y PERMANENCIA UNIVERSITARIA 60 SEGUNDA PARTE: INVESTIGACION EMPÍRICA 63 PROBLEMA DE INVESTIGACIÓN 65 CAPITULO 4: OBJETIVOS E HIPÓTESIS 69 4.1 OBJETIVO GENERAL: 69 4.2 OBJETIVOS ESPECÍFICOS E HIPOTESIS 70 CAPITULO 5: METODOLOGÍA GENERAL 73 5.1 PARTICIPANTES 73 5.2 VARIABLES 75 5.2.1 VARIABLES PREDICTORAS E INSTRUMENTOS DE MEDIDA 76 5.2.2 VARIABLES CRITERIO 80 5.2.3 VARIABLES CONTAMINADORAS 81 5.3 DISEÑO 82 5.4 PROCEDIMIENTO 83 5.5 ANÁLISIS DE DATOS 85 CAPITULO 6: ESTUDIO PREVIO. VALIDACIÓN DE LA ESCALA DE EVALUACIÓN GENERAL DE LA PERSONALIDAD (OPERAS) EN ESTUDIANTES UNIVERSITARIOS CHILENOS. 88 6.1 INTRODUCCIÓN 90 6.2 MÉTODOLOGÍA 95 6.2.1 PARTICIPANTES 95 6.2.2 INSTRUMENTOS 95 6.2.3 PROCEDIMIENTO 97 6.2.4 ANÁLISIS DE DATOS 98 6.3 RESULTADOS 98 6.3.1 ANÁLISIS DESCRIPTIVOS 98 6.3.2 ANÁLISIS DE LA ESTRUCTURA INTERNA 99 6.3.3 EVIDENCIAS DE VALIDEZ CONVERGENTE Y DISCRIMINANTE 104 6.4 DISCUSIÓN 107 CAPÍTULO 7: ESTUDIO 2: RECURSOS PSICOLÓGICOS Y RENDIMIENTO ACADÉMICO PREVIO AL INGRESO A LA EDUCACIÓN SUPERIOR. 111 7.1 INTRODUCCIÓN 111 7.2 METODOLOGÍA 113 7.2.1 PARTICIPANTES 113 7.2.2 DISEÑO 114 7.2.3 VARIABLES E INSTRUMENTOS 114 7.2.4 PROCEDIMIENTO 116 7.2.5 ANÁLISIS DE DATOS 117 7.3 RESULTADOS 119 7.3.1 ANÁLISIS DESCRIPTIVOS 119 7.3.2 VALIDEZ INTERNA DE LAS ESCALAS 123 7.3.3. RELACIÓN DE RECURSOS PSICOLÓGICOS CON EL RA PREVIO 125 7.4 DISCUSIÓN 135 CAPITULO 8: ESTUDIO 3: RECURSOS PSICOLÓGICOS EN EL RENDIMIENTO ACADÉMICO EN LA EDUCACIÓN SUPERIOR 141 8.1 INTRODUCCIÓN 141 8.2 METODOLOGÍA 143 8.2.1 PARTICIPANTES 143 8.2.2 DISEÑO 144 8.2.3 VARIABLES E INSTRUMENTOS 144 8.2.4 PROCEDIMIENTO 146 8.2.5 ANÁLISIS DE DATOS 147 8.3 RESULTADOS 150 8.3.1 ANÁLISIS DESCRIPTIVO 150 8.3.2 VALIDEZ INTERNA DE LAS ESCALAS 160 8.3.3 PREDICCIÓN DEL RA EN LA UNIVERSIDAD 162 8.4 DISCUSIÓN 171 CAPITULO 9: ESTUDIO 4: RECURSOS PERSONALES EN LA PERMANENCIA EN LA EDUCACIÓN SUPERIOR 175 9.1 INTRODUCCIÓN 175 9.2 METODOLOGÍA 177 9.2.1 PARTICIPANTES 177 9.2.2 DISEÑO 178 9.2.3 VARIABLES E INSTRUMENTOS 179 9.2.4 PROCEDIMIENTO 180 9.2.5 ANÁLISIS DE DATOS 182 9.3 RESULTADOS 183 9.3.1 ANÁLISIS DESCRIPTIVOS 183 9.3.2 VALIDEZ INTERNA DE LAS ESCALAS 186 9.3.3 PREDICCIÓN DE LA PERMANENCIA ACADÉMICA 187 9.4 DISCUSIÓN 191 TERCERA PARTE: DISCUSIÓN GENERAL 195 CAPITULO 10. DISCUSIÓN GENERAL 197 10.1 LIMITACIONES 203 10.2 PROYECCIONES FUTURAS 204 10.3 CONCLUSIONES 205 REFERENCIAS 208 ÍNDICE DE FIGURAS Figura 1. Estudiantes chilenos de pregrado matriculados en Universidades Chilenas desde 1980 a 2022. 8 Figura 2. Comparación de los resultados en la prueba de Matemáticas (años 2012 y 2018). 16 Figura 3. Comparación de los resultados en la prueba de Lectura (años 2012 y 2018). 17 Figura 4. Factores influyentes en la predicción del éxito académico 30 Figura 5. Estructura del factor general de Personalidad (P). 34 Figura 6. Modelo de predicción del Rendimiento Académico (RA) previo a la entrada en la universidad de estudiantes de acceso Regular. 126 Figura 7. Modelo de predicción del Rendimiento Académico (RA) previo a la entrada en la universidad de estudiantes de acceso PACE. 128 Figura 8. Diferencias significativas de los Recursos del estudiante según tipo de acceso Regular o PACE. 132 Figura 9. Diferencias significativas de los Recursos del estudiante según el sexo. 134 Figura 10. Modelo A de predicción del Rendimiento Académico (RA) durante la universidad. 163 Figura 11. Modelo B de predicción del Rendimiento Académico (RA) durante la universidad 166 Figura 12. Modelo C de predicción del Rendimiento Académico (RA) durante la universidad. 168 ÍNDICE DE TABLAS Tabla 1. Objetivos específicos e hipótesis según Estudios. 70 Tabla 2. Distribución de estudiantes por Universidad 74 Tabla 3. Resumen de variables por estudio 76 Tabla 4. Diseño general de la investigación 83 Tabla 5. Fiabilidad de los Cinco Grandes en diferentes pruebas. 91 Tabla 6. Correlaciones de Pearson entre los Cinco Grandes y varios criterios. 94 Tabla 7. Estadísticos descriptivos y correlación biserial-puntual (rbp) del OPERAS. 100 Tabla 8. Análisis factorial exploratorio del OPERAS para ambas muestras. 101 Tabla 9. Correlaciones de Pearson entre las puntuaciones obtenidas del OPERAS y el resto de las medidas para ambas muestras. 105 Tabla 10. Diferencia de medias en el OPERAS en función del sexo. 106 Tabla 11. Baremos para las medidas del OPERAS. 107 Tabla 12. Distribución de estudiantes por Universidad en el Estudio 2. 113 Tabla 13. Variables predictoras estudio 2. 115 Tabla 14. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos de estudiantes de acceso Regular. 120 Tabla 15. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos de estudiantes de acceso PACE. 122 Tabla 16. Resumen de los indicadores de ajuste los instrumentos del estudio 2. 123 Tabla 17. Correlación entre ítems, comunalidad y pesos factoriales de la escala de Satisfacción en estudiantes de acceso Regular. 124 Tabla 18. Correlación entre ítems, comunalidad y pesos factoriales de la escala de Satisfacción en estudiantes de acceso PACE. 125 Tabla 19. Correlaciones entre dimensiones de Personalidad, Motivación y Recursos del Modelo predictivo de RA previo en estudiantes Regular. 127 Tabla 20. Correlaciones entre dimensiones de personalidad, motivación y recursos del Modelo predictivo de RA previo en estudiantes PACE. 129 Tabla 21. Resumen de los indicadores de ajuste del modelo de predicción del RA en estudiantes Regular y PACE. 129 Tabla 22. Comparación de medias entre estudiantes de acceso Regular y PACE en el Estudio 2. 131 Tabla 23. Comparación de medias entre estudiantes según el sexo en el Estudio 2. 133 Tabla 24. Distribución de estudiantes por Universidad estudio 3. 144 Tabla 25. Variables predictoras estudio 3. 145 Tabla 26. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos del Estudio 3. 151 Tabla 27. Resumen de los indicadores de ajuste de las medidas del Estudio 3. 160 Tabla 28. Correlación entre ítems, comunalidad y pesos factoriales de la escala de satisfacción del Estudio 3. 161 Tabla 29. Correlaciones entre dimensiones de personalidad, motivación y recursos del Modelo A. 164 Tabla 30. Indicadores de ajuste de Modelos A, B y C del Estudio 3. 164 Tabla 31. Correlaciones entre factores α y β recursos psicológicos del Modelo B del Estudio 3. 167 Tabla 32. Comparación de medias de RA entre estudiantes de acceso Regular y PACE 169 Tabla 33. Comparación de medias de RA entre estudiantes según sexo 170 Tabla 34. Comparación de medias de recursos psicológicos entre estudiantes tras un año de estudios 171 Tabla 35. Distribución de estudiantes por Universidad estudio 4. 178 Tabla 36. Variables predictoras estudio 4. 179 Tabla 37. Descriptivos de la variable permanencia universitaria 184 Tabla 38. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos del Estudio 4. 185 Tabla 39. Resumen de los indicadores de ajuste los instrumentos del Estudio 4. 186 Tabla 40. Correlación entre ítems, comunalidad y pesos factoriales de la escala de satisfacción del Estudio 4. 187 Tabla 41. Variables en la ecuación de la predicción de permanencia del 1º semestre. 188 Tabla 42. Variables en la ecuación de la predicción de permanencia del 2º semestre 189 Tabla 43. Variables en la ecuación de la predicción de permanencia del 3º semestre. 189 Tabla 44. Asociación entre permanencia en el 3º semestre y acceso a la universidad. 190 ABREVIATURAS AFC: Análisis Factorial Confirmatorio AFE: Análisis Factorial Exploratorio Aq: Acquiescencia BFI: Big Five Inventory CFI: Comparative Fix Index. DS: Deseabilidad social DEMRE: Departamento de Evaluación, Medición y Registro Educacional. eβ: exp(B) Factor P: Factor General de Personalidad. Factor α: Factor Alfa de personalidad. Factor β: Factor beta de personalidad. FFPI: Inventario de Personalidad de Cinco Factores GFI: Goodness of Fit Index. M 3º S: Media tercer semestre. M1ºS: Media primer semestre. MINEDUC: Ministerio de Educación de Chile. NEM: Notas de Enseñanza Media. NFI: Normed Fit Index. NEO-PI-R: NEO Inventario de Personalidad Revisado OCDE: Organización para la Cooperación y Desarrollo Económico. OPERAS: Escala de Evaluación General de la Personalidad P1ºS: Permanencia primer semestre. P2ºS: Permanencia segundo semestre. P3ºS: Permanencia tercer semestre. PACE: Programa de acompañamiento y acceso efectivo a la educación superior. PDT: Prueba de Transición a la educación superiorr PGFI: Parsimony GFI. PNFI: Parsimony NFI. RA: Rendimiento Académico. RMSEA: Root Mean Square Error of Approximation. SARS-CoV-2: Severe Acute Respiratory Syndrome 2 COVID-19 SIES: Servicio de Información de Educación Superior. SRMR: Standardized Root Mean Residual. TLI: Tucker Lewis Index. UAH: Universidad Alberto Hurtado. UCSC: Universidad Católica Santísima de la Concepción. UCT: Universidad Católica de Temuco. UDA: Universidad de Atacama. ULS: Método de estimación mínimos cuadrados no ponderados. UMCE: Universidad Metropolitana de Cs. de la Educación. UPLA: Universidad de Playa Ancha. UTA: Universidad de Tarapaca 1 RESUMEN La demanda de educación superior en el mundo ha aumentado en los últimos años. Promover el progreso académico y la permanencia universitaria, con mayor entendimiento de la diversidad es un objetivo compartido por las instituciones, investigadores y organismos internacionales. El progreso es entendido como el avance curricular operacionalizado como rendimiento académico (RA) y la permanencia universitaria, implica la matricula en un curso posterior al que ya cursó. En Chile también se observa este incremento en la matrícula de educación superior, lo cual ha evidenciado que las tasas de abandono académico son del 26%, afectando principalmente a estudiantes de primer año y aquellos provenientes de sectores más vulnerables económicamente. Una iniciativa que está buscando disminuir las brechas de desigualdad otorgando acompañamiento para acceder y progresar académicamente es el programa PACE. Este programa permite que estudiantes que se encuentren en el 15% de mejor RA de su generación de la secundaria, tengan un cupo garantizado en la educación superior. Existen diversos modelos para fomentar un mejor RA y permanencia universitaria, dado que es un fenómeno multicausal asociado a aspectos contextuales, institucionales y personales del estudiante. De los aspectos individuales, destacan los recursos cognitivos como los mejores predictores del RA y permanencia universitaria. Los recursos psicológicos, menos estudiados, han mostrado evidencia de que pueden tener relación con el RA y permanencia académica. Entre ellas personalidad, motivación académica, autoeficacia académica, resiliencia, estrés académico y satisfacción por los estudios. El objetivo de esta investigación fue estudiar la influencia de los recursos psicológicos y su relación con el RA y la permanencia de estudiantes en educación superior desde una perspectiva longitudinal. Para ello se desarrollaron cuatro estudios. El primero, fue un estudio previo para contar con las herramientas para el desarrollo de las siguientes investigaciones. Implicó la adaptación y validación de la escala de personalidad (OPERAS) a dos muestras de universitarios chilenos (N=444 y N=466). Se aplicó un análisis factorial exploratorio y confirmatorio en ambas muestras evidenciando adecuada validez interna, presentando los cinco factores de personalidad. Los resultados indicaron adecuada consistencia interna. Se analizó la validez externa 2 mediante correlación con las escalas de resiliencia, autoeficacia, motivación y estrés académica indicando validez convergente y discriminante. Se concluye que la escala OPERAS es adecuada para evaluar personalidad bajo el modelo de los cinco grandes en universitarios chilenos, además aporta con indicadores de deseabilidad social y aquiescencia y se presentan los baremos por sexo. Los siguientes tres estudios buscaron identificar la relación de los recursos psicológicos del estudiante con el RA, considerando las notas de la secundaria (NEM), puntuaciones de la Selectividad (Estudio 2), el RA del primer y tercer semestre universitario (Estudio 3) y con la permanencia universitaria en tres semestres académicos (Estudio 4). Se utilizó una metodología cuantitativa, no experimental longitudinal de panel con dos grupos, con una mirada retrospectiva y prospectiva dado que las variables criterios ocurrieron antes y después de evaluar los predictores. Se estableció contacto con siete universidades chilenas obteniendo su autorización para aplicar el estudio. Se sometió el plan de trabajo al Comité de Ética de la Universidad de Playa. Los participantes fueron 1003 estudiantes, 757 mujeres, 599 ingresaron por acceso Regular y 404 por acceso PACE. Pertenecían a la Universidad de Tarapacá, Universidad de Atacama, Universidad Metropolitana de Ciencias de la Educación, Universidad Alberto Hurtado, Universidad de Playa Ancha, Universidad Santísima de la Concepción, Universidad Católica de Temuco. Los estudiantes contestaron un formulario online, el cual contenía un consentimiento que presentaba los objetivos del estudio, de carácter voluntario y confidencial, el cual solicitaba su autorización para que las instituciones reportaran su RA y estado de permanencia. Tras decidir su participación, se presentaban las escalas que evaluaron personalidad, motivación, resiliencia, autoeficacia, satisfacción y estrés académico. El formulario se volvió a evaluar un año más tarde a los mismos participantes. Los análisis de datos de los Estudios 2 y 3 se realizaron mediante ecuaciones estructurales y el Estudio 4 aplicó tres regresiones logísticas binarias. Adicionalmente se aplicaron pruebas t y tablas de contingencia para evaluar diferencias entre RA y permanencia entre estudiantes según tipo de acceso Regular y PACE y el sexo. Los resultados señalan que existe relación entre los recursos del estudiante, el RA previo, RA universitario y permanencia. Sin embargo, los recursos psicológicos presentan mayor relación cuando incorporan medidas cognitivas como el RA previo. Los recursos psicológicos explicaron entre un 1 a 3% de las NEM, la Selectividad un 22% al 3 incorporar adicionalmente las NEM como predictor. El RA en el 1º semestre universitario fue explicando entre un 5 y 8% por los recursos psicológicos, mientras que el RA en el 3º semestre aumentó a un 23 % incorporando el RA previo del 1º semestre. La permanencia universitaria fue explicada en los tres semestres académicos principalmente por la regulación identificada, el RA del 1º semestre y la prueba de Selectividad. Además, en el 3º semestre el acceso Regular fue un condicionante de la permanencia. Se observó diferencias significativas entre los estudiantes de acceso Regular y PACE en sus recursos psicológicos, en el RA previo y en la permanencia del 3º semestre universitario, sin embargo, no se observó diferencias en el RA en la universidad. Se encontró diferencias por sexo donde las mujeres presentaron mayor responsabilidad, amabilidad, apertura, satisfacción y RA en la universidad, los varones presentaron mayor estabilidad emocional, autoeficacia y RA en prueba de Selectividad. No se observó diferencias por sexo en la permanencia universitaria. Se concluye que los recursos psicológicos, principalmente personalidad, autoeficacia, motivación pueden favorecer la trayectoria académica en educación superior y se deben seguir investigando. El RA es el mejor predictor del RA futuro y permanencia universitaria, el cual se puede complementar con recursos psicológicos. Se desprenden características del perfil de los estudiantes en educación superior considerando diferencias según la vía de acceso y el sexo. Se reflejan problemas de la desigual que enfrentan estudiantes que provienen de establecimientos educaciones de mayor vulnerabilidad. Palabras clave: educación superior, política educativa, personalidad, motivación, psicología, fenómeno de grupos minoritarios. 4 ABSTRACT The demand for higher education in the world has increased in recent years. Promoting academic progress and university permanence, with a greater understanding of diversity, is an objective shared by international institutions, researchers and organizations. Progress is understood as the curricular advance operationalized as academic performance (AP), and university permanence implies enrollment in a course after the one already completed. In Chile, this increase in higher education enrollment is also observed, which has shown that academic dropout rates are 26%, mainly affecting first-year students and those from more economically vulnerable sectors. An initiative that is seeking to reduce inequality gaps by providing support to access and progress academically is the PACE program. This program allows students who are in the top 15% AP of their high school class to have a guaranteed place in higher education. There are many models to promote better AP and university permanence, since it is a multi-causal phenomenon associated with contextual, institutional and personal aspects of the student. Of the individual aspects, cognitive resources stand out as the best predictors of AP and university retention. Psychological resources, less studied, have shown evidence that they may be related to RA and academic permanence. Among these include personality, academic motivation, academic self-efficacy, resilience, academic stress and satisfaction with studies. The objective of this research was to study the influence of psychological resources and their relationship with the AP and permanence of students in higher education from a longitudinal perspective. For this, four studies were developed. The first was a previous study to have the tools for the development of the following studies. It involved the adaptation and validation of the personality scale (OPERAS) in two samples of Chilean university students (N=444 and N=466). An exploratory and confirmatory factorial analysis was applied to both samples, evidencing adequate internal validity, presenting the five personality factors. The results indicated adequate internal consistency. External validity was analyzed by correlation with resilience, self-efficacy, motivation, and academic stress scales, indicating convergent and discriminant validity. In conclusion the OPERAS scale is adequate to assess personality under the model of 5 the big five in Chilean university students, it also provides indicators of social desirability and acquiescence, additionally the scale provided the test score for both sexes. The following three studies sought to identify the relationship of the student's psychological resources with the previous AP, considering the high school grades (NEM) and Selectivity scores (Study 2), with the AP of the first and third university semester (Study 3) and university permanence in three academic semesters (Study 4). A quantitative, non-experimental, longitudinal panel methodology with two groups was used, with a retrospective and prospective design, since the dependent variables occurred before and after evaluating the predictors. Contact was established with seven Chilean universities to obtain their authorization to apply the study. The work plan was submitted to the Ethics Committee of the Universidad de Playa. The total number of participants was 1003 students, 757 of whom were women, 599 of the students entered through Regular access and 404 of them vía PACE. They belonged to the Universidad de Tarapacá, Universidad de Atacama, Universidad de Metropolitana Ciencias de la Educación, Universidad Alberto Hurtado, Universidad de Playa Ancha, Universidad Santísima de la Concepción and the Universidad Católica de Temuco. The students completed an online form, which consented to the objectives of the study, of a voluntary and confidential nature, which requested their authorization for the institutions to report their AP and status of permanence. In addition, the scales evaluated personality, motivation, resilience, self-efficacy, satisfaction, and academic stress. The form was reassessed one year later with the same participants. Data analyzes for Studies 2 and 3 were performed using structural equations and Study 4 applied three binary logistic regressions. Additionally, the studies applied t tests to evaluate differences between students with Regular access and PACE, and gender. The results indicate that there is a relationship between the students’ resources and the measures of prior AP, university AP and permanence. However, the psychological resources present a greater relationship when they incorporate cognitive measures such as the previous AP. The psychological resources explained between 1 to 3% of the NEM, the selectivity 22% when additionally incorporating the NEM as a predictor. The AP in the 1st university semester was explained between 5 and 8% by psychological resources, while the AP in the 3rd semester increased to 23% incorporating the previous AP of the 1st semester. The university permanence was explained in the three academic semesters mainly by the identified regulation, the AP of 6 the 1st semester and the selectivity test. In addition, in the 3rd semester it was found that the type of access was a determining factor for permanence, resulting in favor of Regular access students. Differences were found between Regular access and PACE students in their psychological resources, in the previous AP and in the permanence of the 3rd university semester. However, no differences were observed in the AP at the university. Differences by sex were found where women presented greater responsibility, kindness, openness, satisfaction and AP in the university, and where men presented greater emotional stability, self-efficacy and AP in the selectivity test. No differences by sex were observed in university permanence. By way of conclusion, the results highlight those psychological resources, mainly personality, self-efficacy, motivation, can favor the academic trajectory in higher education and should be further investigated. Characteristics of the profile of students in higher education are revealed considering differences according to the access route and sex. Problems of inequality faced by students who come from more vulnerable educational establishments are also reflected. Keywords: higher education, educational policy, personality, motivation, psychology, phenomenon of minority group. 7 INTRODUCCIÓN Desde la década de los 60, se ha producido un incremento de un 34% en la demanda de tener estudios de educación superior (Roser y Ortiz-Ospina, 2020). Este incremento de las personas cualificadas en el mundo ha sido reconocido por la Organización para la Cooperación y Desarrollo Económico (OCDE, 2019), visibilizando las desigualdades en cuando a admisión, permanencia y finalización de estudios entre grupos demográficamente diferentes (Masutha, 2022; Schaeper, 2020). La diversificación de perfiles que ingresan a la educación superior también ha incrementado el número de estudiantes que no finaliza sus estudios. Resultando un problema para los estudiantes, sus familias y las instituciones (Casanova et al., 2022). Iniciativas de democratización del acceso a la educación superior han facilitado que estudiantes de sectores socioculturales más vulnerables puedan ingresar a la universidad (Casanova et al., 2018; López, 2012). Desafíos que han complejizado la labor de las instituciones para favorecer el desempeño y la permanencia con un mayor entendimiento de la diversidad y las diferencias de los estudiantes que están accediendo (Bernardo et al., 2022; Eather et al., 2022). En esta línea, promover la permanencia y el progreso académico en educación superior es un objetivo compartido por investigadores, instituciones, gobiernos y organismos internacionales (Behr et al., 2020; Merhi et al., 2018; OCDE, 2018; Sarra et al., 2019). El progreso académico está relacionado con la continuidad educativa y un modo de operativizarlo es el rendimiento académico (RA) que se obtiene con el promedio de notas (Morales et al., 2019; Westrick et al., 2021). Y la permanencia se refiere al hecho que un estudiante se matricule en un curso posterior en la universidad en la que previamente cursó, independientemente de haber aprobado, suspendido el curso o cambiado de carrera (Casanova et al., 2018). En Chile la matrícula en educación superior ha crecido exponencialmente entre las décadas de 1980 a la actualidad, según las cifras del Servicio de Información de Educación Superior (SIES 2014; 2017; 2022). La figura 1 reste crecimiento el cual ha sido promovido por el aumento de instituciones de educación superior y mayor disponibilidad de financiación estudiantil por medio de créditos universitarios y becas (SIES, 2014). Pese a los esfuerzos, la tasa de abandono de los estudios es del 26,40% 8 en primer año académico (SIES, 2020), afectando aún más a estudiantes con mayor índice de vulnerabilidad económica escolar (Espinoza, 2017). De acuerdo al Servicio de Información de Educación Superior (2020), la tasa de abandono de los estudiantes según el establecimiento educacional de egreso es de un 28,40% para aquellos que provienen de colegios públicos, de un 24,30% para los colegios particular subvencionados y de un 20,40% para aquellos que provienen de colegios particulares. Figura 1. Estudiantes chilenos de pregrado matriculados en Universidades Chilenas desde 1980 a 2022. Fuente: Servicio de Información de Educación Superior (SIES, 2014; 2017; 2022). Chile ha evidenciado problemas de acceso desigual a la educación superior condicionado por factores socioeconómicos (Espinoza et al., 2021). Lo cual se observa en lo determinante que resulta el establecimiento educacional de origen y su relación con las puntuaciones en la prueba de Selectividad, requisito para acceder a la universidad (Espinoza et al., 2022). Este condicionante también tiene implicaciones en la permanencia en educación superior (SIES, 2021a). Con el fin de reforzar el derecho a la educación post secundaria de estudiantes talentosos de sectores de mayor vulnerabilidad económica, el Ministerio de Educación chileno propuso una vía de acceso inclusiva llamada Programa de Acompañamiento y Acceso a la Educación Superior (PACE). Este programa asegura un cupo para los estudiantes que pertenecen al 15% superior del ranking de notas de su establecimiento 1165654 1177292 1204414 1211797 768851 245408 118978 1980 1990 2008 2014 Año 2017 2021 2022 N ú m e ro d e e s tu d ia n te s 9 educacional. Proporciona apoyos cognitivos y emocionales durante sus dos últimos años de enseñanza media y durante los dos primeros años universitarios (Cooper et al., 2019). Se fundamenta en que los talentos están distribuidos equitativamente sin importar el índice de vulnerabilidad socioeconómica, por lo que se espera que los estudiantes seleccionados presenten alta motivación intrínseca y gusto por el estudio, superior al de sus compañeros (Bralic y Romagnoli, 2000) y con los apoyos necesarios pueden equiparar e incluso superar a estudiantes de acceso Regular en su RA (Gil- Llambías et al., 2019). Las iniciativas que están fomentando el aumento de la matrícula en educación superior, han diversificado los perfiles del estudiante, evidenciando la importancia de investigar qué factores se relacionan con el progreso académico y la permanencia en la educación superior. Entendiendo que es un fenómeno complejo, multicausal y asociado a aspectos contextuales, institucionales y personales del estudiante (Alyahyan y Düştegör, 2020; Behr et al., 2020; Esteban, et al., 2017; Tinto, 2010 ). Dentro de los recursos del estudiante existen factores cognitivos tales como la inteligencia (Colom, 2018; Colom et al., 2007; Morales-Vives et al., 2020) que pueden representar hasta el 60% de la variabilidad del RA (Luo et al., 2006). Otras medidas de recursos cognitivos incluyen el RA de pregrado, pruebas de admisión estandarizadas, RA previo (Chisholm-Burns et al., 2021). Sin embargo, no explican toda la variación observada en el progreso académico de los estudiantes (Busche et al., 2020). Los recursos psicológicos o no cognitivos también han presentado evidencia de predecir y/o mediar el desempeño tanto en contextos académicos como laborales (Gutman y Schoon, 2013). Estos recursos incluyen, rasgos de personalidad, valores, comportamientos, habilidades asociados a la motivación, sin excluir otros (Chisholm- Burns et al., 2021). Los recursos psicológicos, adicional a los recursos cognitivos también se pueden potenciar en el currículo académico en intervenciones educativas (Rimfeld et al., 2016), resultando potencialmente modificables (Richardson et al., 2012). Cabe señalar que variables demográficas como el sexo también han evolucionado y jugado un papel en la educación superior (Alyahyan y Düştegör, 2020). Las mujeres han aumentado su participación en educación terciaria durante los últimos quince años, observándose en una proporción de 1,3 a 1 respecto a los varones en países de la OCDE (Saadat et al., 2022). Así también se han observado discrepancias 10 en relación al RA y permanencia universitaria. Algunas investigaciones han encontrado diferencias significativas en el RA universitario a favor de las mujeres (Jayanthi et al., 2014). Una posible explicación es que las mujeres suelen ser más responsables y asisten más a clases (Woodfield y Earl‐Novell, 2006). Mientras que otros autores proponen que no se observan diferencias significativas según el sexo (Al Darwish, 2016). La permanencia universitaria también ha presentado posturas contrarias afirmando que mujeres tienen mayor tendencia a permanecer (Aina et al., 2022). Por el contrario, Ferrão y Almeida (2021) no han encontrado diferencias de sexo en la permanencia en estudiantes de educación superior. A partir de lo anterior, para esta investigación se plantea la siguiente pregunta: ¿Los recursos psicológicos presentan relación con el RA y permanencia de estudiantes de educación superior? Además, se comparará si existen diferencias en estudiantes que acceden por vía Regular o PACE a la educación superior chilena y según el sexo. Para ello se estudiará los recursos psicológicos (Gutman y Schoon, 2013; Richardson et al., 2012; Schaeper, 2020) por la relación que han presentado como predictores del RA y la permanencia en educación superior. Entre ellos, personalidad (Richardson et al., 2012), motivación académica (Ryan y Deci, 2020), resiliencia (Wilson et al., 2019), autoeficacia académica (Borzone, 2017), estrés académico (Saleh et al., 2017) y satisfacción por los estudios (Shek y Chai, 2020). Las variables criterio de RA y la permanencia en educación superior serán entendidas desde una perspectiva longitudinal. Es decir, considerando la trayectoria del estudiante, incorporando medidas de RA previo como el promedio de notas en la secundaria (NEM), puntuación en la prueba de Selectividad y RA en la educación superior con el promedio de notas durante el 1º y 3º semestre académico. La permanencia universitaria será evaluada en tres medidas considerando tres semestres académicos. Para el desarrollo de la investigación se plantea una estructura de tres secciones, la primera corresponde a los fundamentos teóricos a partir de la revisión bibliográfica, la segunda corresponde a la investigación empírica y la tercera parte finaliza con la discusión general de la investigación. La primera sección sobre los fundamentos teóricos incorpora tres capítulos. El 11 Capítulo 1 es referente a la educación superior en el contexto chileno, lugar donde se desarrolla la investigación, distinguiendo características de los estudiantes de acceso Regular y PACE que constituirán la muestra de este estudio. El Capítulo 2 indaga sobre el RA en la educación superior, se establecen los predictores, entre ellos los recursos psicológicos de personalidad, motivación, resiliencia, autoeficacia, satisfacción académica y estrés académico. El Capítulo 3 describe la permanencia en educación superior, indicando sus potenciales predictores y la relación con los recursos psicológicos. La segunda sección es referente a la investigación empírica y se compone de cuatro capítulos. El Capítulo 4, inicia con el planteamiento del problema, los objetivos e hipótesis de la Tesis. Se describe que para llevar a cabo la investigación se realizará un estudio previo que permitirá contar con las herramientas para el desarrollo de los siguientes tres estudios. El Capítulo 5 plantea una metodología general de la estrategia y los recursos con los que se abordarán cada una de las investigaciones posteriores. El Capítulo 6 sirve para presentar el estudio previo sobre la validación de una escala de personalidad (OPERAS) a la población de interés. El Capítulo 7 es referente a los recursos psicológicos y su relación con el RA previo a la Educación Superior. El Capítulo 8 presenta el estudio que aborda la relación entre los recursos psicológicos y el RA en la educación superior. El Capítulo 9 expone el estudio sobre los recursos del estudiante y su relación con la permanencia en educación superior. Finalmente, la tercera sección corresponde a la discusión general. Esta parte se desarrolla en un único capítulo, el Capítulo 10, y es aquí donde se plantean una síntesis de los resultados obtenidos, los aportes de la investigación en relación a trabajos previos, las conclusiones, limitaciones y proyecciones de investigación futuras. 12 PRIMERA PARTE: FUNDAMIENTOS TEÓRICOS 14 15 CAPITULO 1: EDUCACIÓN SUPERIOR EN EL CONTEXTO CHILENO El crecimiento en cuanto a cobertura educativa durante las últimas dos décadas ha dejado en evidencia la problemática del acceso desigual a la educación superior en Chile. Esta desigualdad se incrementó en la década de los 80’ cuando se instaló un sistema de educación terciaria con menores contribuciones públicas a raíz del modelo económico neoliberal imperante. Se estima que el año 2017, sólo un tercio del gasto del país en educación superior provenía de fuentes públicas (Espinoza et al., 2021). Esto trajo consigo que el pago de los estudiantes y sus familias fuese el mecanismo central de la financiación del sistema educativo, limitando las posibilidades de acceso a sectores menos favorecidos económicamente (Jarpa-Arriagada y Rodríguez-Garcós, 2021). Este acceso desigual a la educación superior también se ha asociado a diferencias entre escuelas del sector público y privado respecto al nivel de logro en el cumplimiento los contenidos propuestos por el Ministerio de Educación. Así lo revela el Sistema Nacional de Medición de la Calidad de la Educación y pruebas internacionales como el Programa para la Evaluación Internacional de Alumnos PISA 2012 y 2018, informado por la Organización para la Cooperación y Desarrollo Económico (OCDE, 2013, 2019). Uno de los indicadores que entrega la prueba PISA es el impacto del nivel socioeconómico en el RA de los estudiantes. Por ejemplo, países que tienen menos desigualdad presentan una variación del RA del 3% como en Macao-China; mientras que Chile, Bulgaria, Francia y Perú más del 20% de la variación del RA puede atribuirse al nivel socioeconómico (OECD, 2013). El estudio de la OCDE (2013), para evaluar el grado de influencia en estudiantes chilenos de 15 años dividió la muestra en 5 grupos que contenían al 20% de la población. Los estudiantes del 20% de menor nivel socioeconómico alcanzaron un promedio de 374 puntos en la prueba de matemáticas, mientras que el quintil más alto alcanzó un promedio de 485 puntos. Es importante subrayar aquí que el grupo con más alta puntuación no consiguió un promedio cercano al promedio OCDE, lo cual se puede observar en la figura 2. Los resultados en la prueba de matemáticas de la figura 2, indican que las puntuaciones de estudiantes chilenos en comparación con las de otros países de Latinoamérica y América del norte (que también hablan español), son superiores en los 16 estudiantes de Chile. Sin embargo, Chile se encuentra por debajo del promedio de la OCDE y de los 5 países que presentan mejores resultados en la prueba de matemáticas. Figura 2. Comparación de los resultados en la prueba de Matemáticas (años 2012 y 2018). 572 Chile Urugay Brasil Argentina México 5 más bajos Promedio OCDE 5 mejores 2012 2018 Fuente: Organización para la Cooperación y Desarrollo Económico (OCDE, 2013; 2019). El mismo estudio de la OCDE (2013) evaluó los resultados de la prueba de Lectura, al comparar el promedio de la puntuación por quintil socioeconómico, indicando que aquellos estudiantes que se encuentran en el 20% de menor nivel socioeconómico obtuvieron una puntuación de 395 y para aquellos que estaban en el 20% superior fue de 496 puntos. El grupo de estudiantes chilenos del quintil superior de ingresos socioeconómicos logro el promedio de la OCDE. En la figura 3. se puede observar que el promedio de las puntuaciones en la prueba de Lenguaje para los estudiantes chilenos, si bien es superior a las puntuaciones de otros países de Latinoamérica y México, es inferior al promedio de la OCDE. Estos P u n tu a c ió n 494 489 513 423 417 409 418 391 384 388 379 413 409 376 361 17 datos aportan evidencia del sistema educativo nacional chileno segmentado según su eficacia escolar por el perfil sociocultural y económico de sus estudiantes y por los sistemas evaluativos internos que cada escuela utiliza (Rodríguez Garcés y Jarpa Arriagada, 2015). Figura 3. Comparación de los resultados en la prueba de Lectura (años 2012 y 2018). Fuente: Organización para la Cooperación y Desarrollo Económico (OCDE, 2013; 2018). Una medida de evaluación que resume las apreciaciones internas de cada establecimiento educacional son las Notas de Enseñanza Media (NEM), la cual es un complemento al sistema de selección universitaria del Departamento de Evaluación, Medición y Registro Educacional (DEMRE, 2022). Ha sido considerada como predictiva de la trayectoria académica del estudiante (Gil-Llambías et al., 2019; Tapasco-Alzate et al., 2021). Sin embargo, también ha presentado críticas y se ha cuestionado su idoneidad (Rodríguez Garcés y Jarpa Arriagada, 2015). Las críticas se asocian a los diferentes niveles de exigencia según tipo de establecimiento educacional (Contreras et al., 2009). Esto se relaciona con el escaso nivel de logro curricular alcanzado en los establecimientos educacionales de mayor vulnerabilidad socioeconómica. Algunos de estos argumentos han justificado el uso de una evaluación estandarizada como instrumento para acceder a la educación postsecundaria (Rodríguez Garcés y Jarpa Arriagada, 2015). 441 411 410 396 424 391 496 546 452 427 413 402 420 350 487 519 Chile Urugay Brasil Argentina México 5 más bajos Promedio OCDE 5 mejores P u n tu a c ió n 2012 2018 18 Para acceder a la educación superior en Chile por la vía Regular se debe realizar una Prueba de Selección Universitaria que desde el año 2020 se encuentra en proceso de cambio, actualmente se llama Prueba de Acceso a la Educación Superior (DEMRE, 2023). Es una evaluación de conocimiento de los planes y programas establecidos por el Ministerio de Educación chileno, organizada por el DEMRE. Esta evaluación considera obligatorio medir la prueba de Matemática y de Comprensión Lectora, siendo optativa una prueba de Ciencias o de Historia según los requisitos de la carrera a seleccionar. Para obtener la puntuación final ponderada se realiza una fórmula que incorpora la puntuación de la prueba de Selectividad universitaria, las NEM y el Ranking de notas. Esta puntuación final debe superar los 475 puntos para postular a la universidad. Cada universidad y carrera establecerá los puntos de corte para cada año académico (DEMRE, 2022). 1.1 ACCESO REGULAR EN LA EDUCACION SUPERIOR EN CHILE El acceso a la educación superior en Chile está en aumento. De acuerdo con Salazar y Rifo (2020) algunos acontecimientos que han favorecido este incremento, es la creación del Crédito con aval del Estado, generado el año 2005. Otro cambio fue la sustitución de la prueba de Aptitud Académica, la cual fue reemplazada por la Prueba de Selección Universitaria, con el fin de facilitar que estudiantes del sector público pudieran acceder a la educación superior. Entre los años 2011 y 2014 queda en evidencia un aumento en las matrículas universitarias vinculado al Crédito con aval del Estado. Estos créditos imponían altos intereses, resultando lucrativo para los bancos que participaban del sistema, quienes, por su parte, carecían de interés de impulsar algún cambio regulatorio. En este periodo surgen las movilizaciones estudiantiles más grandes en Chile desde el retorno a la democracia, promoviendo un discurso organizado por una educación pública, gratuita y de calidad (Bellei et al., 2014). Para el año 2016 se genera una reforma a la educación superior, considerando los puntos abordados en las movilizaciones estudiantiles. Se promueve la gratuidad, como una línea de financiación dirigida al 50% de los estudiantes más vulnerables 19 económicamente, la cual aumenta a un 60% el año 2018. Estos elementos estructuran la nueva ley de universidades estatales (Salazar y Rifo, 2020). Los cambios mencionados han favorecido al aumento de la matrícula a la educación superior, sin embargo, persisten problemas de abandono al primer año universitario (Von Hippel y Hofflinger, 2021). Así como también, la inequidad en el acceso, principalmente para estudiantes provenientes de la educación pública (Santelices et al., 2019). Los estudiantes que en mayor medida ingresan por acceso Regular a la educación terciaria, pertenecen a los niveles socioeconómicos más altos. Así lo refleja el Ministerio de Desarrollo Social (2018) en el año 2017 al señalar que el 61,20% de los estudiantes en edad universitaria del decil superior de ingresos se encontraba en una institución de educación superior, en comparación con un 28,40% de estudiantes pertenecientes al decil inferior de ingresos chilenos (Espinoza et al., 2021). El estudio de Mardones y Campos-Requena (2021) evaluó las puntuaciones en la prueba de Selectividad chilena a nivel nacional de la cohorte 2009, encontrando que las puntuaciones más altas eran para estudiantes provenientes de colegios privados de pago (630,15), en comparación con los subvencionados (507,97) y públicos (472,56). En su trabajo, los autores argumentan que el sistema de ingreso mediante la prueba de Selectividad supone una fuente de discriminación para los estudiantes que proceden de contextos de menor acceso socioeconómico, frente a aquellos provenientes del sector privado. Por otra parte, los estudiantes de alto nivel socioeconómico han tendido a concentrarse en universidades más selectivas (Programa de las Naciones Unidas para el desarrollo, 2017). Dejando en evidencia que el filtro que genera la prueba de Selectividad en Chile, condicionado por la situación económica familiar y el colegio de egreso, es un determinante en la trayectoria académica postsecundaria (Espinoza et al., 2022). Otro elemento relevante a mencionar es que la permanencia en el primer año universitario también varía según el establecimiento educacional de origen. Resultando más alta la permanencia en estudiantes que egresan de colegios privados (85,10%), seguido por los estudiantes procedentes de centros subvencionados (77,50%) y finalmente la permanencia más baja es para los estudiantes de establecimientos públicos con el 72,30%, datos de la cohorte 2020 (SIES, 2021a). 20 Otro condicionante es la diferencia de sexo existente, generando un impacto en la cobertura de la matrícula, RA, titulación, búsqueda de empleo, salarios, entre otros indicadores (SIES, 2021b). De acuerdo con los datos del informe de diferencias según el sexo en educación superior (SIES, 2021b) la cobertura durante los últimos seis años ha aumentado para las mujeres alcanzando un 43% y un 37% para los varones. En este caso la diferencia es de 6,9 puntos porcentuales a favor de las mujeres. La matrícula del primer año en educación superior al año 2020 fue representada por un 53,10% de mujeres frente a un 46,90% de los varones. La trayectoria académica y las diferencias según el sexo en las NEM y la prueba de Selectividad, indican diferencia a favor de las mujeres en las NEM y para la Selectividad de Lenguaje con una brecha positiva de 35 y 6 puntos respectivamente. La prueba de Selectividad de Matemática y Ciencias presentan una diferencia a favor de los varones de 16 y 25 puntos respectivamente (SIES, 2021b). Esto también se observa en la tasa de aprobados anual en carreras de pregrado. Dicha tasa es mayor para las mujeres (88,10%) que para los varones (81,70%) con brechas de entre 5 y 10 puntos según institución de educación superior. La permanencia universitaria también tiene un impacto según el sexo de los estudiantes, observándose que la tasa de retención es del 76,30% para las mujeres, mientras que un 70,70% para los varones. En cuanto al indicador de duración de las carreras referente al número de semestres efectivos para obtener un título respecto a la duración del programa, se observa que los varones presentan un menor desempeño con una tasa de 37% en comparación con las mujeres de 27,40% (SIES, 2021b). 1.2 PROGRAMA DE ACOMPAÑAMIENTO Y ACCESO A LA EDUCACION SUPERIOR (PACE) Los movimientos estudiantiles en el año 2011 dejaron en evidencia el problema del acceso universal a la educación superior chilena. A partir de ello, el 2014, se inicia una acción afirmativa, es decir un intento organizado de favorecer el acceso de excluidos, como resultado de inequidades estructurales (Leyton, 2020). Mediante una etapa piloto el programa PACE del Ministerio de Educación, cuyo propósito ha sido reforzar el derecho equitativo a optar a la Educación Superior (MINEDUC, 2022). El 21 programa genera acciones de acompañamiento académico y psicoeducativo durante los dos últimos años de la secundaria. Garantiza cupos extraordinarios en las instituciones de educación superior, acompañando el proceso de postulación y matrícula. Finalmente, las universidades disponen de unidades de apoyo académico y psicológicos para los estudiantes durante los dos primeros años universitarios. Estos cupos se otorgan a quienes pertenecen al 15% superior del ranking de notas de su establecimiento educacional y no depende de la puntuación obtenida en la prueba de Selectividad universitaria, sino, del RA durante los últimos cuatro años escolares, es decir, las NEM. La implementación del programa ha aumentado su cobertura hasta la actualidad, siendo parte de 580 establecimientos educacionales a lo largo del país, administrados por 29 universidades de Chile (MINEDUC, 2022). La selección de los establecimientos educacionales PACE se ha focalizado principalmente en el índice de vulnerabilidad escolar y en aspectos territoriales, con el fin de abarcar todas las comunidades del país. La denominación de vulnerabilidad escolar considera criterios como el ingreso familiar, el nivel ocupacional del jefe o jefa de hogar, nivel de escolaridad de la madre, hacinamiento en el hogar y condiciones de ruralidad, entre otros (Morales et al., 2019). Esta focalización se ha realizado, dado que las variables psicológicas, trayectorias educativas y experiencias socioculturales de los estudiantes con mayor índice de vulnerabilidad escolar suponen una mayor probabilidad de ser desertores del sistema formal (Espinoza et al., 2021). El programa PACE ha sido un puente de comunicación entre la educación secundaria y educación terciaria, intersección que busca profundizar sobre el nuevo perfil de estudiantes que llega a la universidad. Este dialogo ha incitado a fortalecer los dispositivos de apoyo para este nuevo grupo de estudiantes talentosos que provienen de contextos vulnerables, resultando un desafío identificar los factores psicológicos que interactúan en este proceso de acceso inclusivo (Morales et al., 2022). Conocer las características de los estudiantes PACE es una acción diagnóstica que realizan las 29 universidades que implementan el programa, ya que es parte de las orientaciones técnicas establecidas (MINEDUC, 2020). Pese a esto, aún es escasa la literatura disponible sobre las características de estos estudiantes (Gil-Llambías et al., 2019; Morales et al., 2022). Algunos resultados observados tras la implementación de la política, es que los 22 estudiantes PACE que pertenecen al 15% de mejor NEM, han incrementado en un 8% las posibilidades de acceder a las 10 universidades más competitivas, en comparación con estudiantes de similares condiciones socioeconómicas (Cooper et al., 2019). También, se ha registrado que estudiantes en su primer año pueden llegar a obtener la misma calificación al finalizar una asignatura de primer año, que estudiantes de acceso regular, pese a que se reflejen limitaciones curriculares evidenciadas en la puntuación de la prueba de acceso a la universidad, con diferencias de hasta 300 puntos (Gil- Llambías et al., 2019). A su vez, se ha observado que presentan una valoración positiva de sí mismo y confianza en sus capacidades (Aedo, 2017; Morales et al., 2019). El estudio de Morales et al. (2019) presentó un modelo predictivo de RA en estudiantes PACE, encontrando que la personalidad (responsabilidad y apertura a la experiencia), motivación de logro, la percepción de apoyo de la familia y de amigos explicaron un 33,3% del RA de primer año. Sin encontrar diferencias significativas según el sexo. Leyton (2020) analizó dos políticas de acción afirmativa, el programa PACE y el programa de Acceso a la Inducción. Mediante un diseño cualitativo entrevistó a 18 personas formuladores de la política e investigadores. Los resultados presentan reflexiones críticas sobre cómo estos programas reproducen el discurso neoliberal, tras centrarse en las capacidades individuales del estudiante. Así también lo afirman Briones y Leyton (2020), quienes tras analizar documentos asociados al programa PACE, indican que se observa una excepcionalidad meritocrática en el discurso. Este marco interpela a los estudiantes, sus familias y escuelas a trabajar con una mayor disposición, actitudes positivas hacia el éxito académico, el logro personal y la internalización de la responsabilidad por sus acciones. Los autores indican que los estudiantes PACE, por la excepcionalidad meritocrática no son un riesgo para la excelencia y calidad académica universitaria. Ambos estudios, describen que el modelo neoliberal chileno ha permeado las iniciativas que buscan la equidad, otorgando soluciones individualizadas a problemas estructurales (Biones y Leyton, 2020; Leyton, 2020). Por otro lado, Ávila Reyes et al. (2021) realizaron un estudio con un diseño mixto que evaluó a la primera cohorte de estudiantes PACE el año 2017, mediante un cuestionario que contestaron 106 estudiantes y 30 entrevistas en profundidad. Los participantes pertenecían a tres universidades. La investigación abordó las experiencias de escritura, sin embargo, los hallazgos revelaron otras observaciones del discurso extraído. Respecto al sentir de los estudiantes al ingresar a la universidad, un tercio se 23 clasificó como no muy bien, indicando falta de preparación de sus escuelas de origen. El discurso de los estudiantes señala que las experiencias previas limitaron sus posibilidades de éxito en escritura académica. El análisis codifica como autopercepciones los conocimientos, habilidades o posibilidades de aprender transmitidas por los estudiantes, los cuales muestran un mayor patrón de pensamiento deficitario que autopercepciones positivas. Estas brechas se incrementaron al comparar la universidad de origen, así como también la carrera que cursaban. Pese a ello, se destacan estrategias ingeniosas que realizan los estudiantes para compensar estas autopercepciones negativas, así como para mediar el conocimiento. Los participantes dieron altos ejemplos de resistencia creativa, persistencia y resiliencia ante la adversidad. Los antecedentes presentados aportan algunas de las características de los estudiantes que acceden vía Regular y PACE a la educación superior chilena. Pese a ello, sigue siendo escasa la literatura, resultando importante sistematizar experiencias, considerando sus accesos, diferentes cohortes y universidades. 24 25 CAPITULO 2: RENDIMIENTO ACADÉMICO (RA) EN EDUCACION SUPERIOR Estudiar el RA resulta importante ya que es entendido como uno de los indicadores que definen el éxito académico (Alyahyan y Düştegör, 2020; Westrick et al., 2021). Comprender este constructo es útil para definir sus predictores, promover estrategias de desempeño exitoso y mejorar las trayectorias académicas. Así mismo, el aumento de interés en el RA ha evidenciado el carácter multidimensional del constructo, sus diferentes definiciones y momento en que se puede observar (Alyahyan y Düştegör; Richardson et al., 2012; Serrano, 2021). Algunos estudios previos han sugerido que el RA en el primer año universitario o la cantidad de créditos aprobados en un primer curso ha resultado un gran predictor del desempeño futuro (Casanova et al., 2018; Esteban et al., 2017; Wild y Schulze Heuling, 2020). Así como también uno de los mejores predictores de la permanencia universitaria (Casanova et al., 2018; Gil-Llambías et al., 2019; Westrick et al., 2021; Wild y Schulze Heuling, 2020). Por lo tanto, también es un criterio esencial para la evaluación de calidad, acreditaciones de instituciones de educación y de importancia para investigadores, académicos y profesores. El RA puede medirse con diferentes indicadores como notas académicas, competencias o pruebas estandarizadas las cuales suelen estar correlacionadas entre ellas (Allensworth y Clark, 2020; Serrano, 2021). El promedio de notas académicas, a pesar de las críticas referente a las desigualdades en la exigencia de los establecimientos educacionales (Tapasco-Alzate et al., 2021) puede ser una medida más objetiva y pertinente para evaluar el éxito académico en comparación con medidas de autoinforme (Wilson et al., 2019), también ha demostrado ser una medida más fiable en el tiempo (Poropat, 2009). Cabe señalar que estas valoraciones como medidas de los resultados de enseñanza, también son producto del tipo de estudiante, didácticas del docente, aspectos contextuales e institucionales (Garbanzo, 2007). Existe evidencia de que el RA en la educación secundaria es un buen predictor del éxito académico en la universidad (Geiser, 2016; Gil-Llambías et al., 2019), incluso mejor que pruebas estandarizadas de Selectividad para monitorear la preparación para ir a la universidad (Allensworth y Clark, 2020; Koretz y Langi, 2018; Tapasco-Alzate 26 et al., 2021). En contraste, también existen trabajos que afirman que las pruebas estandarizadas han mostrado ser indicadores más fiables, objetivos y neutros, ya que todos los estudiantes son evaluados bajo las mismas condiciones (Buckley et al., 2018). Allensworth y Clark (2020) apoyan que mayor RA en la secundaria podría tener un mayor impacto en el desempeño universitario que la prueba de Selectividad. Sin embargo, esta relación podría estar condicionada a la escuela de origen y al nivel socioeconómico en lugar de las habilidades del estudiante. Geiser (2016) encontró que los efectos en la predicción del RA en la universidad aumentaron en un 21% de la varianza cuando se incorporó las medidas de RA en la secundaria y la prueba estandarizada de Selectividad. Resultado similar encontrado por Busche et al. (2020), quien respalda la práctica de usar ambas métricas para la decisión de admisión por las proyecciones que entregan ambas medidas. El meta-análisis de Westrick et al. (2021) analizó la relación del RA y la permanencia en la universidad, considerando 50 instituciones de los Estados Unidos, con una muestra de 186.612 estudiantes de primer año. Las variables utilizadas fueron las notas de la secundaria y la prueba de selección universitaria American College Testing (ACT) (medidas de RA previo), el nivel socioeconómico, el RA del primer año universitario y la retención al segundo año. Encontraron que las dos medidas de rendimiento previo fueron un mejor predictor cuando se usaron juntas que por separado. El RA en la secundaria tuvo una mayor relación con el RA en la universidad (r = ,47) que la prueba de Selectividad (r = ,37). El nivel socioeconómico, presentó efectos directos con el RA (r = ,12) pero no en todas las instituciones analizadas. El estudio concluye que es posible predecir el desempeño de pregrado, considerando ambas medidas de RA previo. Y que el RA del primer año es el mejor predictor de la permanencia universitaria explicando un 25% de la varianza de la permanencia, y esta puede estar condicionado al nivel socioeconómico. Así también se ha encontrado que medidas de RA estandarizadas de Selectividad, como los resultados del examen nacional en Reino Unido (General Certificate of Secondary Education), predicen resultados en educación superior y laborales (Rimfeld et al., 2016). Hay que resaltar que tanto las pruebas de Selectividad como el RA de la secundaria evalúan únicamente habilidades de tipo cognitivo que no predicen más allá de un 25% de la varianza del desempeño académico del estudiante (Bergold y Steinmayr, 2018). Estos datos coinciden con resultados de la Comisión Universitaria de Nigeria, que indican que los requisitos de admisión consistentes en una 27 prueba de características cognitivas presentan una r2 = ,20 a ,23 para predecir el RA del primer año universitario (Adekitan y Noma-Osaghae, 2019). Una investigación en contexto chileno ha encontrado que las notas de la secundaria presentan relación predictiva con la prueba de Selectividad con un r = ,51 a ,57 para estudiantes de la cohorte 2012 (Rodríguez-Garcés y Jarpa-Arriagada, 2015). Esta relación es esperada, ya que la prueba de Selectividad toma como referencia los contenidos académicos de la secundaria. Sin embargo, al analizar esta relación según el tipo de establecimiento educacional de origen se evidencia disparidad. En colegios privados la correlación en la prueba de Selectividad de lenguajes y las NEM es de ,83, mientras que en un colegio municipal es de ,29. Estos resultados indican que las NEM pueden ser un mejor predictor de la Selectividad dependiendo del tipo de colegio de origen (Rodríguez Garcés y Jarpa Arriagada, 2015). Por otra parte, Gallegos y Campos (2019) analizaron los determinantes del RA en estudiantes de una universidad chilena, considerando las cohortes del año 2007 al 2014 de la Facultad de Ciencias Económicas. Mediante regresión lograron predecir el 19,73% de la varianza del RA del primer año y el 27,15% del cuarto año. Dentro de las variables significativas encontraron que la prueba de Selectividad, principalmente la de Matemáticas tuvo impacto en el RA del primer y cuarto año, seguido de las NEM, con mayor efecto en el RA del primer año que en el cuarto año. El ser mujer también presentó un efecto significativo, en el primer y cuarto año. El nivel socioeconómico presentó un leve efecto, donde aquellos estudiantes de mayores ingresos alcanzaron un mejor desempeño. Las variables que presentaron mayor peso en la ecuación fue la carrera y el plan de estudio otorgando mayor valor al enfoque por competencias. No registraron efectos en la edad de los estudiantes, nivel educacional de los padres y tipo de establecimiento educacional de origen. Los autores reconocen la importancia del RA previo en los modelos predictivos, así como también señalan como una limitación no incorporar competencias cognitivas, motivacionales, satisfacción por los estudios entre otros factores psicológicos (Gallegos y Campos, 2019). En general, los antecedentes revisados permiten afirmar que el RA previo resulta ser un predictor del RA futuro. Es importante estudiarlo en profundidad para conocer más sobre la naturaleza y alcance de esta relación. 28 2.1 PREDICTORES DEL RA EN LA TRAYECTORIA A LA EDUCACIÓN SUPERIOR Existen diversos predictores del RA asociados a procesos cognitivos, aspectos sociodemográficos, recursos psicológicos, entre otros (Alyahyan y Düştegör, 2020). Uno de los grandes predictores del RA es la inteligencia (Chamorro-Premuzic et al., 2009; Colom et al., 2007; Colom, 2018; Morales-Vives et al., 2020; Roth et al., 2015). Predecir resultados educativos a partir de las diferencias individuales fue la primera razón para elaborar una prueba de capacidad cognitiva (Binet, 1905). Esto ha llevado a generar diversas teorías y modelos para estudiar la inteligencia o la capacidad cognitiva general (g) (Kaufman el al., 2012). Una de ellas es entenderla como una entidad fija y predeterminada, mientras que otros la abordan desde una perspectiva incremental desde las teorías implícitas (Dweck et al., 1999). El meta-análisis de Roth et al. (2015) sobre inteligencia y RA escolar, tras analizar 162 trabajos con una muestra de 105.185 participantes de 33 países, encontró una correlación de r = ,54 entre el RA medido por calificaciones escolares y el factor g. Zaboski et al. (2018) en su meta-análisis sobre RA y habilidades, analiza diferentes habilidades cognitivas desde la teoría de Cattel-Horn-Carroll (CHC; Schneider y McGrew, 2012). Compara el factor g con las habilidades cognitivas que lo componen, tales como comprensión-conocimiento, razonamiento fluido, memoria a corto plazo, almacenamiento a largo plazo, velocidad del procesamiento y procesamiento auditivo, a lo largo de la edad y las compara. Encontró que el factor g explica más del 50% de la variación del logro del RA, y que comprensión-conocimiento representó un 20% de la varianza. Todas las demás variables cognitivas tuvieron efectos pequeños (r = ,10) en el RA. Finalmente, el estudio indica que, en las diferentes edades, el factor g presentó un efecto grande (r = ,50). La asociación que presenta la capacidad cognitiva a lo largo del tiempo, fue observada en el estudio de Mackintosh (1998) en Gran Bretaña, quien correlacionó las puntuaciones de cociente intelectual de estudiantes a los 11 años con el logro educativo en los exámenes escolares a los 16 años, encontrando un r = ,50. Este estudio fue replicado por Deary et al. (2007) con más de 70.000 niños de Inglaterra, analizando la capacidad cognitiva inicial y el logro educativo prospectivamente tras 5 años de estudio. Los principales hallazgos fueron que la prueba de capacidad cognitiva realizada a los 29 11 años presentó una correlación de ,81 con los resultados de los exámenes nacionales de los estudiantes a los 16 años. Las niñas se desempeñaron mejor que los varones a excepción de Física. Concluyendo que el RA está relacionado a la capacidad cognitiva y está tiene impacto a largo plazo. Otros estudios empíricos han encontrado influencia de otros procesos cognitivos como las funciones ejecutivas y velocidad del procesamiento que se correlacionan significativamente con el RA con un r = ,27 (Zelazo et al., 2016). El estudio de Luo et al. (2006) concluyó que los procesos cognitivos básicos junto a inteligencia cristalizada representaban el 60% de la variabilidad del RA. Uno de los meta-análisis más citados en lo referente a variables que correlacionan con el RA es el de Richardson et al. (2012). Los autores recopilaron antecedentes de 13 años revisando 7.167 artículos sobre variables que correlacionan con el RA, agrupando los resultados en medidas de capacidad cognitiva o RA previo, factores demográficos, y aspectos no intelectuales. Las correlaciones moderadas se dieron con las medidas de RA previo como las notas en la secundaria y pruebas de Selectividad como la ACT (r = ,29 a ,40). Los factores demográficos (sexo, edad y nivel socioeconómico) presentaron efectos pequeños r = ,08 a ,11. Los aspectos no intelectuales que presentaron mayor relación con el RA fueron la personalidad (r = ,19 a ,22); aspectos motivacionales (r = ,17); autoeficacia (r = ,59) resultando el mayor efecto observado; estrategias de aprendizaje (r = ,23); el estrés y el estrés académico presentó una correlación negativa r = -,13 a -,12 respectivamente. Los autores concluyeron que resulta importante considerar a las variables no cognitivas, especialmente aquellas que puedan ser potencialmente modificables como la autoeficacia, los aspectos motivacionales, afrontamiento al estrés. Destacando que incluso aquellas que presentan correlaciones pequeñas, pueden representar efectos relevantes en la población general. En una línea de trabajo muy similar, la revisión de Alyahyan y Düştegör (2020) agrupó los estudios sobre los principales predictores del éxito académico en las categorías que aparecen en la figura 4. Estos autores encontraron que los artículos se han centrado en estudios de RA previo (resultados de notas de la secundaria, Selectividad, RA semestral) y a en la demografía estudiantil (sexo, edad, raza, nivel socioeconómico, educación de los padres) concentran un 69% de las investigaciones. El entorno de los estudiantes (tipo de clase y programas) comprende un 17% de las investigaciones; los recursos psicológicos del estudiante (motivación, percepción de estrés, creencias ante el estudio) ocupa un 11% y actividades de aprendizaje con 30 indicadores tecnológicos (p. ej. número de sesiones, tareas, participación en foros, tiempo de uso de material) corresponde a un 3%. Figura 4. Factores influyentes en la predicción del éxito académico Fuente: Alyahyan y Düştegör (2020). Estos antecedentes indican que las variables no cognitivas o recursos psicológicas, siguen siendo un factor de interés que se debe seguir investigando (Alyahyan y Düştegör, 2020; Richardson et al. 2012). Estos son entendidos como comportamientos, actitudes y estrategias que pueden predecir o mediar el desempeño tanto en contextos académicos como laborales (Gutman y Schoon, 2013). Estos recursos hacen referencia a la autovaloración de las capacidades como individuo para cumplir con determinadas tareas cognitivas o intelectuales (Garbanzo, 2006). Por lo tanto, será relevante indagar sobre la contribución de los factores psicológicos asociados a los procesos de éxito en el RA en educación superior, tales como la personalidad, aspiraciones, expectativas, creencias en las propias capacidades, habilidades intrínsecas para el desarrollo de metas son trascendentales en el desempeño académico (Chamorro-Premuzic et al., 2009; Garbanzo, 2007; Lemos et al., 2014; Richardson et al. 2012; Weissberg et al., 2015). 3% 11% 17% 44% 25% Rendimiento previo Recursos psicológicos Demografía estudiantil Entorno de los estudiantes Indicadores electrónicos 31 Dentro de los recursos psicológicos del estudiante se destaca la personalidad (Poropat, 2009). El meta-análisis de Mammadov (2022), tras sintetizar 228 estudios encontró que la capacidad cognitiva y los rasgos de personalidad explicaron un 27,80% de la varianza del RA. Donde los aspectos cognitivos representaron el 64% y responsabilidad resultó ser un predictor fuerte y robusto que representó un 28% de la varianza explicada. Estudiar la personalidad es importante no solo por su relación directa con el RA (Richardson et al., 2012), sino porqué modera otros recursos personales como la motivación (Ryan y Deci, 2020), resiliencia (Wilson et al., 2019), autoeficacia (De Feyter et al., 2012), estrés (Stajkovic et al., 2018) y satisfacción. Estos recursos psicológicos también han mostrado evidencia de presentar relación con el RA (Backmann et al., 2019; Chisholm-Burns et al., 2021; Merino-Soto et al., 2017; Ryan y Deci, 2020; Stajkovic et al., 2018). En cuanto a demografía de los estudiantes, la variable sexo ha mostrado evidencia de diferencias en el RA en educación superior (Richardson et al., 2012). Desde un punto de vista psicológico, estas brechas de mujer y varón responden a influencias del entorno en función de los estereotipos existentes, más que a una condición para ello (Barone et al., 2019; Pérez et al., 2021). La revisión que realiza Saadat et al. (2022) sobre la disparidad del sexo en educación superior, indica que desde las últimas tres décadas se evidencia mayoría femenina en educación superior para países de Europa, América del Sur, del Norte y países en desarrollo de Asia. La Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO, 2018), establece que la participación de las mujeres en educación superior representa el 58% mientras que para los varones es un 44%. Esta variante en la participación en educación superior, también se ha visto afectada por las diferencias en el RA. Ismail (2015) señala que mujeres presentan mayor ventaja en el RA que varones en educación superior, dado que cuentan mayores logros previos, es decir, han presentado mejor RA en el colegio. Estos logros previos asociados a un modelo de meritocracia universitario, cumplirá un rol fundamental en el RA y permanencia en educación superior. El estudio de Priulla et al. (2021) muestra evidencia que mujeres presentan mayor RA en asignaturas de Matemáticas, Física, Química e Informática. Estas brechas 32 en la elección de carreras de las ciencias, tecnologías, ingeniería y matemáticas (STEM) fueron estudiadas de manera longitudinal con 1.490 estudiantes estadounidenses (Wang et al., 2013). Se recogieron los resultados de una encuesta realizada el año 1992 por estudiantes en el grado 12 y fueron evaluados nuevamente el año 2007 cuando estos tenían 33 años. Los resultados indican que los estudiantes que tenían alta capacidad matemática y altas habilidades verbales tenían menos probabilidad de seguir carreras STEM, que aquellos con alta capacidad matemática y menor habilidad verbal. El grupo de altas capacidades matemáticas y verbal comprendía a más mujeres que varones. Los hallazgos del estudio de Wang et al., (2013) permiten entender la menor participación de mujeres en carreras STEM, pero no por el desarrollo de la habilidad matemática, sino que asociado a una creencia en las capacidades. Donde aquellos que presentaban alta capacidad verbal, optaban por elegir otras ocupaciones. De nuevo, centrándonos en el caso chileno, se ha encontrado que los varones presentan mayor RA en Matemáticas, lo cual ha sido corroborado en la prueba PISA del año 2015 (OCDE, 2016). En el estudio de Pérez et al. (2021), analizaron longitudinalmente a 132.747 estudiantes desde la primera infancia hasta el grado 12. Estos autores encontraron que se observan diferencias en Matemáticas desde que los estudiantes son escolarizados, hipotetizando que estas diferencias pueden estar mediadas por la socialización de género. Además, observaron que las brechas se duplican desde el jardín de infancia hasta el grado 12, afirmando que el sistema educativo está reforzando estas diferencias. En resumen, podemos afirmar que el RA de un estudiante se va forjando en interacción con distintas variables, entre las más destacadas están las medidas cognitivas intelectuales y de RA previo y con un menor efecto las variables demográficas como el sexo y el nivel socioeconómico. Los recursos no intelectuales o psicológicos siguen siendo un campo de estudio en crecimiento y que, pese a que presentan menor capacidad predictiva que las medidas cognitivas, siguen siendo relevantes y pueden ser un complemento en la predicción del RA. A continuación, se presentan los recursos psicológicos que han evidenciado mayor relación con el RA. 33 2.2 PERSONALIDAD EN EL RA La personalidad es una medida estable frente a factores contextuales que captura la mayoría de las diferencias individuales en los patrones de comportamiento (Richardson et al., 2012). En el ámbito educativo se ha estudiado como un factor que predice el RA tanto en educación secundaria (Morales-Vives et al., 2020) como en educación superior (Poropat, 2009; Vedel, 2014; Wilson et al., 2019). Presentando menor variación de resultados entre educación secundaria y superior, en comparación con la educación primaria (Poropat, 2009). Es notable que en educación superior la restricción del rango en las habilidades cognitivas disminuye la capacidad predictiva (Jensen, 1980). Lo mismo ocurre con los rasgos de personalidad según el meta-análisis realizado por Vedel (2014) el cual concluye que la especialización académica es un gran moderador en la relación de rasgos de personalidad y RA. El modelo Big Five de personalidad es el más consensuado actualmente, planteando una estructura formada de cinco factores (Costa y McCrae, 1992): Extraversión (sociabilidad y tendencia a buscar estimulación en compañía de otros), Neuroticismo contrario a Estabilidad Emocional (vulnerabilidad a emociones desagradables, depresión e inseguridad), Amabilidad (simpatía, flexibilidad, tolerancia y cooperación), Responsabilidad (voluntad, autodisciplina, planificación, afán de logro y confiabilidad) y Apertura a la experiencia (imaginación, curiosidad intelectual, creatividad y sensibilidad artística) (Barrick y Mount, 1991; Costa y McCrae, 1992). Diversas taxonomías han permitido observar rasgos de personalidad independientes, sin embargo, en la última década ha surgido la propuesta de que existen factores de personalidad de orden superior que incluyen los cinco grandes (Musek, 2017; Wu et al., 2021). Por ejemplo, la presencia de un modelo unifactorial (P) que representa el extremo socialmente deseable de las escalas de personalidad, o de dos factores alfa (α) y beta (β) de orden superior que explican la varianza compartida (Digman, 1997). La figura 5 permite observar el factor P de Musek (2007) como un factor de orden superior compuesto de dos factores α y β (Digman, 1997) los cuales agrupan los cinco grandes (Costa y McCrae 1992). 34 Figura 5. Estructura del factor general de Personalidad (P). Nota: P: Factor P; α: factor alfa; β: factor beta; Res: Responsabilidad; EE: Estabilidad emocional; AM: Amabilidad; EX: Extraversión; AP: Apertura. El factor P, también llamado Factor General de Personalidad (Musek, 2007), se basó en que los cinco grandes correlacionan entre sí y que estas relaciones pueden explicarse por factores de orden superior. Este factor explica el ajuste o la eficiencia social y personal del comportamiento (Musek, 2017). Se basa en la evolución y es heredable, pero también resultado de la socialización, crianza y educación (Musek, 2017). Está relacionado fuertemente con inteligencia emocional, encontrando que aquellos que presentan altas puntaciones en el factor P tienen más probabilidad de comportarse de manera socialmente efectiva (Van der Linden et al., 2017). En el vértice de la jerarquía estaría el factor P, seguido por el factor α y β propuesto por Digman (1997). El factor α (estabilidad) se ha asociado a procesos de socialización caracterizado como una medida de mayor estabilidad que incorpora los rasgos de responsabilidad, amabilidad y estabilidad emocional, y el factor β (plasticidad) relacionado con el crecimiento personal y pensamiento divergente, es un rasgo de mayor plasticidad compuesto por extraversión y apertura a la experiencia (Digman, 1997; Feist, 2019). El factor β se ha asociado positivamente con la creatividad y en menor medida con la actividad académica (DeYoung et al., 2010), contrario al factor α (Feist, 2019). El factor P se ha vinculado con distintas variables como afecto, emocionalidad, bienestar, calidad de vida, salud mental, dimensiones psicopatológicas, autoestima, 35 motivación, agotamiento, inteligencia, inteligencia social, emocional, tríada oscura o toma de decisiones (Musk, 2017). Es un predictor hipotético del éxito académico, logros laborales y profesionales, por la relación que estos presentan con las variables mencionadas anteriormente (Van der Linden et al., 2017). Pese a lo anterior, no hemos encontrado estudios que relacionen los factores superiores de personalidad P, α y β con las medidas de RA en educación superior, más bien las investigaciones han indagado en la relación de los cinco grandes por separado. Al estudiar la personalidad y RA se ha encontrado que variables moderadoras como la edad y el sexo presentan un impacto. Respecto a las diferencias de edad, el meta-análisis de Poropat (2009) encontró que las correlaciones de los rasgos de personalidad con el RA disminuyen a lo largo de la edad (estudios primarios a los terciarios), a excepción del rasgo responsabilidad, donde pese a la restricción de rangos que se da en la educación superior esta relación permanece siendo significativa. En cuanto a las diferencias según el sexo, se ha observado que estas responden a aspectos culturales, biológicos y evolutivos (Schmitt et al., 2017). Los varones presentan mayores puntuaciones en estabilidad emocional y en algunas facetas pueden presentar menor extraversión y apertura a la experiencia (De Bolle et al., 2015). Weisberg et al., (2011) analizaron una muestra de 2643 canadienses (892 varones y 1751 mujeres), con una edad entre 17 y 85 años. Encontraron que mujeres presentaban mayor puntuación en los cinco rasgos, donde amabilidad, neuroticismo y extraversión presentó diferencias significativas con una d de cohen 0,48, 0,30 y 0,08 respectivamente. Responsabilidad no presentó diferencias significativas, pero cuando se analizó las facetas de laboriosidad y orden, si se percibían diferencias donde mujeres presentaban una mayor puntuación. Como hemos mencionado, existe una relación entre personalidad y RA (Morales- Vives et al., 2020; Poropat, 2009; Vedel, 2014). Conviene tener presente que las medidas de personalidad a diferencia de las medidas de inteligencia no fueron diseñadas para predecir el RA. Por lo que indagar sobre la relación que se establece entre estos rasgos y el RA resulta de alto interés en contextos educativos. 36 Cinco grandes de personalidad y RA El rasgo de personalidad que más se ha relacionado con el RA ha sido responsabilidad (Poropat, 2009; Richardson et al., 2012; Vedel, 2014). Las personas que obtienen una puntuación alta en responsabilidad se describen como autodisciplinadas, persistentes, organizadas, se rigen por las reglas y están orientadas al logro (Cuadra-Peralta et al., 2015). En contextos académicos y laborales, así como en culturas occidentales y asiáticas responsabilidad ha sido un buen predictor del RA (Guay et al., 2013; Hendy y Biderman, 2019; Kertechian, 2018). En estudios de educación terciaria de personalidad y RA, el meta-análisis de Vedel (2014) incluyó 20 estudios publicados entre 1996 y 2013, encontraron que responsabilidad fue el rasgo que mayor relación presentó con el RA, llegando a un efecto de r = ,26. Este estudio también agregó que la especialización académica fue un moderador importante en esa relación. La estabilidad emocional es un moderador de los estresores y proporciona mayor capacidad para manejar respuestas emocionales (Poropat, 2009). Cuando la estabilidad disminuye, se ha asociado como un obstáculo a un buen RA. Algunas investigaciones han indicado un efecto negativo (Chamorro-Premuzic y Furnham, 2003; Furnham y Monsen, 2009), mientras que otras han presentado un efecto positivo en el RA (De Feyter et al., 2012; Rosander et al., 2011). La estabilidad también se ha asociado a la autoeficacia, que a su vez correlaciona positivamente con el RA (Poropat, 2009). Esta relación entre estabilidad – RA mediada por autoeficacia puede generar inconsistencias (De Feyter et al., 2012). Cuando los estudiantes presentan alta autoeficacia, los emocionalmente estables sufren exceso de confianza, mientras que estudiantes neuróticos mantienen constante su RA en un nivel alto sin que influya el nivel de autoeficacia académica (De Feyter et al., 2012). Otro mediador ha sido la motivación académica, cuando existe desmotivación, el neuroticismo podría tener un impacto negativo por ejemplo en situaciones estresantes o de evitación de exámenes (Komarraju y Karau, 2005). Esta influencia puede revertirse, ya que las personas neuróticas son muy sensibles a las tensiones que generan culpa y podría explicar la relación con la regulación extrínseca (De Feyter et al., 2012). Morales et al. (2021) encontraron que mayor neuroticismo y menor autoeficacia explicaban un 44,10% del estrés percibido de estudiantes. https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0090 https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0155 https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0155 https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0060 37 La amabilidad ha presentado relación con el RA evidenciado que cuando estudiantes cooperan y confían tienen más probabilidad de aprender mediante tareas grupales, pero no necesariamente presentan mayor motivación (De Feyter et al., 2012). El meta-análisis de Vedel (2014) encontró que amabilidad (r = ,08) es uno de los predictores más fuertes del RA además de la responsabilidad y apertura a la experiencia, con un efecto mucho más moderado. Un resultado similar fue encontrado por Mammadov (2022), quien describió una relación de r = ,09. La extraversión indica que su relación con RA depende de la condición social. Así, los extravertidos interactúan con más éxito en trabajos en equipo y pueden alcanzar mejor nota en trabajos grupales (Morgeson et al., 2005), mientras que en tareas que requieren pensar y trabajar de modo independiente, como puede ser un examen, rinden peor (Hendy y Biderman, 2019; Wolf y Ackerman, 2005). Es por ello, que el papel de la extraversión en la predicción del RA arroja resultados diferentes según el tipo de medida empleada (De Feyter et al., 2012). Tanto para amabilidad como la extraversión, al ser rasgos interpersonales, su relación con el desempeño podrían estar mediada por cómo se evalúa el RA (Mammadov, 2022). La apertura a la experiencia involucra a personas más imaginativas, dispuestas a considerar nuevas ideas y gestionar su capacidad de incorporar nuevos aprendizajes esenciales para un mejor desempeño académico (Richardson et al., 2012). Este rasgo ha presentado alta correlación con el pensamiento crítico e inteligencia (Poropat, 2009). Para Mammadov (2022) encontraron una asociación débil y positiva entre apertura y RA (r = ,16) y esta fuerza se va debilitando en la medida que aumenta la edad de los estudiantes, donde a nivel postsecundario se encontró un r = ,10. Los datos no siempre han reflejado una relación positiva entre apertura y RA (De Fruyt y Mervielde, 1996). Chamorro-Premuzic y Furnham (2003) sugieren que el pensamiento divergente e imaginativo podría ser una desventaja en un contexto académico centrado en reproducir el conocimiento en lugar de utilizar el conocimiento para la resolución creativa de problemas. https://www.sciencedirect.com/science/article/pii/S1472811718302404#bib29 https://www.sciencedirect.com/science/article/pii/S1472811718302404#bib47 https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0115 https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0115 https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0090 38 2.3 MOTIVACIÓN EN EL RA La motivación constituye un proceso psicológico fundamental definido como el grado de esfuerzo y persistencia orientado al cumplimiento de metas (Maulana et al., 2016). Hace más de dos décadas que el estudio de la motivación ha madurado rápidamente con especial aplicación en el ámbito educativo (Ryan y Deci, 2020). Su importancia radica en la influencia que ejerce en el desempeño académico, experiencias de aprendizaje y satisfacción académica (García-Ros et al., 2018; Taylor et al., 2014; Vergara-Morales et al., 2019). La teoría de la autodeterminación es uno de los modelos de motivación más influyentes y respaldados (Ryan y Deci, 2020). Con aplicación práctica en el ámbito educacional en estudiantes secundarios (Gomes et al., 2019; Gordeeva et al., 2020; Kröner et al., 2017) y de educación superior (Vansteenkiste et al., 2009; Vergara- Morales, 2018; Vergara-Morales et al., 2019). La teoría de la autodeterminación define la motivación en cuatro factores según un continuo que fluctúa desde la autonomía/autodeterminación a un grado de control externo del comportamiento (Ryan y Deci, 2000). En un extremo encontramos la motivación intrínseca, referida al interés y compromiso inherente a las actividades de aprendizaje, seguida por la regulación identificada, la cual representa comportamientos aceptados y valorados personalmente que impulsan a participar de actividades académicas que consideran personalmente importantes. En la medida que el comportamiento otorga mayor importancia a aspectos de control externo surge la regulación introyectada, implicando generar acciones con el fin de reducir sentimientos negativos o para evitar la ansiedad, vergüenza o culpa por el fracaso. Finalmente, en el extremo del continuo, se encuentra la motivación extrínseca o regulación externa como una forma empobrecida de motivación donde el individuo se siente inducido o presionado a actuar por una contingencia, recompensas externas o para evitar castigos (Howard et al., 2017; Ryan y Deci, 2020). Las implicaciones de la teoría de autodeterminación han demostrado que la motivación de los estudiantes se puede categorizar según calidad y cantidad de 39 esfuerzo, reflejándose en el continuo de autonomía versus control (Gordeeva et al., 2020). En el caso de estudiantes que presenta mayor autonomía o también llamada motivación de mayor calidad (motivación intrínseca e identificada), se ha asociado con mayores niveles de RA, compromiso y aprendizajes efectivos (Taylor et al., 2014; Vergara-Morales, 2018; Ryan y Deci, 2020). También se ha demostrado que estudiantes con altos grados de motivación de calidad tienden a valorar mejor el contexto educativo y las actividades de aprendizaje, experimentando positivamente el desarrollo de actividades académicas (Rowell y Hong, 2013). Por el contrario, los estudiantes que presentan mayor predisposición al control o una motivación de menor calidad (regulación introyectada y externa), presentan comportamientos negativos hacia el aprendizaje, mayor distracción, ansiedad y menor desempeño académico (Ryan y Deci, 2020; Taylor et al., 2014; Vansteenkiste et al., 2009). Desde esta perspectiva, los niveles más altos de motivación no necesariamente producen mejores resultados, sino que dependen de la calidad (Ryan y Deci, 2000; Vansteenkiste et al., 2009). La motivación entendida como una forma de autorregulación, pone el foco en el desarrollo de la autonomía del estudiante. En la capacidad de elección y toma decisiones respecto a un tema de interés. Esta regulación intrínseca de pensamientos, sentimientos y acciones ocurren cuando logran valorar un conflicto de intereses respecto a una gratificación (Duckworth et al., 2019). En el ámbito académico un dilema frecuente para un estudiante resultaría entre elegir realizar un ensayo/estudiar en lugar de revisar las redes sociales. Según Duckworth et al., (2019) la autonomía favorece la toma de decisiones a largo plazo, considerando un propósito en lugar de buscar la gratificación inmediata que te aleja de tu objetivo, por ejemplo, finalizar la carrera profesional. Existen investigaciones que han asociado la autorregulación a los cinco grandes de personalidad (Eisenberg et al., 2014). Una de las mayores relaciones se ha encontrado entre autorregulación y responsabilidad en el ámbito académico. El estudio de Eisenberg et al., (2014) afirma que la responsabilidad se puede encontrar en la niñez, y que la autorregulación fomenta el desarrollo de la responsabilidad durante la vida, donde la motivación y el cumplimiento interiorizado de las normas cumplen un rol fundamental para consolidar el rasgo de responsabilidad, al igual que los factores ambientales. En cuanto a las diferencia en motivación según el sexo de los estudiantes, estás dependen del dominio de estudio y suelen estar vinculadas al contexto pedagógico. Se 40 ha encontrado que mujeres presentan mayor motivación autónoma (intrínseca e identificada) en competencias lingüísticas (Oga-Baldwin y Fryer, 2020) y en Biología (Schürmann y Quaiser-Pohl, 2022). Mientras que los varones se han asociado a mayor motivación en cursos de Física, Química e Ingeniería (Patall et al., 2018). El aprendizaje extraescolar se ha relacionado a la motivación autónoma, principalmente intrínseca y en estos casos no se perciben diferencias motivacionales de sexo (Ryan y Deci, 2020). De todas maneras, sigue faltando evidencia y diferentes diseños de estudios para evaluar la motivación y las diferencias según el sexo con el fin de mejorar las estrategias de intervención en contextos académicos (Schürmann y Quaiser-Pohl, 2022). 2.4 RESILIENCIA EN EL RA La resiliencia ha mostrado ser una característica de ajuste a eventos estresantes de la vida. Ha sido definida como las cualidades personales para adaptarse y prosperar frente a la adversidad (Connor y Davidson, 2003). Tradicionalmente ha sido considerada una característica positiva de la personalidad que favorece la adaptación individual (Wagnild y Young, 1993). Por lo tanto, se ha observado como un recurso protector de la salud mental en educación superior (Hu et al., 2015). Las evidencias indican que personas de 16 a 24 años presentan mayor prevalencia de problemas de salud mental (Slade et al., 2009). Ante ello los estudiantes de educación superior se encuentran vulnerables a presentar problemas emocionales, ansiedad, depresión, estrés e incluso llegar al suicidio (Zhang et al., 2018). Por lo que resulta relevante indagar en este periodo de transición de adolescentes a la edad adulta y de iniciar estudios superiores. La resiliencia se ha investigado en contextos clínicos tales como pacientes con depresión y estrés post traumático (Connor y Davidson, 2003). También se ha estudiado en grupos desfavorecidos o marginados y en la última década se ha incorporado a contextos educativos (Wilson et al., 2019). Existen distintas perspectivas de estudio de la resiliencia, entre ellas el enfoque de rasgos o de las características de la personalidad de la resiliencia es la que ha recibido mayor atención en el ámbito de la investigación (Connor y Davidson, 2003). 41 Este enfoque incorpora cinco componentes, a saber, a) ecuanimidad en cuanto a equilibrio en la vida, b) perseverancia para continuar la lucha y reconstruir la propia vida, c) autosuficiencia y autoeficacia para ser capaz de confiar en las propias fortalezas y capacidades, d) sentido de propósito y reconocimiento de que hay algo por lo que vivir y e) sentido existencial de que cada persona es única compartiendo experiencias con otros, pero también afrontando que algunas vivencias se deben enfrentar solos (Connor y Davidson, 2003). Pese a presentar estos componentes teóricos, la evaluación de resiliencia mediante el modelo de Connor y Davidson (2003) ha presentado mayor evidencia de unidimensionalidad (Cisternas, 2015; García et al., 2019). Otras perspectivas han encontrado tres características personales de la resiliencia (Prince- Embury et al., 2017). En primer lugar, sentirse optimista, tener sentido de autoeficacia y ser adaptable sería un factor protector frente a las adversidades. Otra característica es el sentido de relación, que implica confiar en las redes de apoyo, sentirse cómodo y tolerante con los demás. Y, por último, el control de reactividad emocional es un factor protector que refleja como de sensible es un individuo frente a las emociones negativas, cuando afecta su funcionamiento y cuánto tiempo le toma recuperarse. El conjunto de las características que componen la resiliencia son factores protectores o de riesgo para enfrentar los desafíos académicos y personales. Los antecedentes revelan una relación con variables como la autoeficacia (Borzone, 2017), optimismo (Solberg Nes et al., 2009; Torres-Salazar et al., 2020) y apoyo social con la adaptación y éxito académico, sin embargo, sigue siendo un dominio poco estudiado (Wilson et al., 2019). En el meta-análisis de Chisholm-Burns et al. (2021) se consideraron 15 investigaciones sobre resiliencia y RA en estudiantes de la salud. Ellos encontraron que la resiliencia se asoció positivamente al RA y a una mejor progresión de los programas de estudio, sin embargo no se informó una relación significativa entre las variables. Los autores plantean estos efectos inconsistentes a que el estudio de la resiliencia sigue siendo una variable poco estudiada en contextos educativos. Al relacionar la resiliencia con el RA, el estudio de Wilson et al., (2019) no encontró una relación directa, no obstante, si se observó una relación mediadora combinada con otros factores de personalidad como responsabilidad y extraversión. Tras realizar un modelo de mediación de variables latentes, encontraron un efecto negativo entre la adaptabilidad de resiliencia con el RA, causando inconsistencia con la 42 literatura previa. Estos autores incorporan al debate la hipótesis de que estudiantes de primer año que presentan buen funcionamiento, no necesitan manifestar una mayor adaptabilidad al cambio en contextos académicos al hacer la transición al primer año universitario (Wilson et al., 2019). Desde una perspectiva del desarrollo se afirma que mujeres maduran antes y más rápido que los varones, por lo que se podría hipotetizar que son capaces de enfrentar con más recursos la adversidad y por ende tener mayor resiliencia (Limura y Taku, 2018). Pese a ello, el estudio de Limura y Taku (2018) encontró que la resiliencia no presentó diferencias de sexo en adolescentes japoneses. Por otro lado, el meta- análisis de Hu et al. (2015) encontró que el sexo si modera la relación entre resiliencia y salud mental, resultando menor en mujeres que presentan mayores problemas de salud mental. En resumen, los estudios de resiliencia en el ámbito educativo siguen siendo escasos, resultando fundamental considerarla un rasgo o una capacidad para hacer frente a los desafíos (Chisholm-Burns et al., 2021; Hu et al., 2015). Además, se debe seguir indagando el papel que pueden jugar las potenciales diferencias en cuanto al sexo para dar una perspectiva más amplia. Especialmente en contextos latinoamericanos. 2.5 AUTOEFICACIA EN EL RA La autoeficacia es definida como las creencias en las propias habilidades para realizar determinadas actividades (Bandura, 1995). En el ámbito educativo, es entendida como la convicción de hacer frente con éxito a tareas relacionadas con el desempeño o con alcanzar metas académicas (Putwain et al., 2013). Según Bandura (1995), las creencias en las propias capacidades para abordar las demandas mediarán el estado de ansiedad en situaciones de desempeño. Al existir creencias de baja autoeficacia, evocarán ansiedad y disminuirán los logros, mientras que, si una persona puede hacer frente a sus propios problemas, su autoeficacia aumentará, movilizándose para lograr el éxito académico (Roick y Ringeisen, 2017; Sharififard et al., 2020). La autoeficacia ha presentado un rol motivacional para el logro de objetivos, 43 promoviendo el compromiso académico diario (Robayo-Tamayo et al., 2020). Existe evidencia de una relación positiva entre autoeficacia y RA (Borzone, 2017; Honicke y Broadbent, 2016). Sin embargo, la dirección en que ocurre esta relación sigue en debate. Por un lado, se ha confirmado que la autoeficacia tiene un rol predictivo orientado al futuro observado en el meta-análisis de Talsma et al., (2018). En contraposición, hay autores que sostienen que es el RA previo el que influencia la autoeficacia, argumentando que ésta es un sustituto del desempeño pasado sin un poder predictivo único (Heggestad y Kanfer, 2005; Shea y Howell, 2000). La experiencia de lograr para luego creer es uno de los predictores más fuerte de los principios que fortalecen las creencias de autoeficacia, junto a la experiencia vicaria, la persuasión social verbal y la excitación fisiológica emocional (Bandura, 1997). Finalmente, la revisión realizada por Talsma et al., (2018) concluye que la autoeficacia y el desempeño generan un efecto de espiral reciproco de retroalimentación. Otro elemento relevante para destacar en la predicción de la autoeficacia y RA es que esta puede variar en el tiempo (Honicke y Broadbent, 2016). En los grupos de RA medio y bajo se ha verificado que la autoeficacia puede disminuir su relación, mostrando diferencias desde el primer año universitario hasta el último (Cassidy, 2012). En cambio, los grupos de alto RA han mostrado estabilidad en la proyección en tres puntos temporales (semana 5, 10 y 15) del semestre universitario (Obrentz, 2012) y en proyecciones de hasta tres años (Caprara et al., 2011). El estudio longitudinal de Caprara et al., (2011) encontró que la autoeficacia se correlacionó con el RA reportado por los profesores al finalizar la escuela secundaria básica (8º grado) con una r = ,32 y cuatro años más tarde, al finalizar el bachillerado con un RA auto informado por los estudiantes con una r = ,07. Es importante observar, que los tamaños del efecto en la relación autoeficacia y RA son de medianos a pequeños (Cohen, 1992), dado que es un fenómeno complejo donde intervienen múltiples variables (Caprara et al., 2011; Tinto, 2006). A pesar de que la autoeficacia aumenta los esfuerzos y la persistencia en la tarea, se ha encontrado que altos niveles de autoeficacia no siempre son beneficiosos (Talsma et al., 2018). Esto ocurre cuando existe la creencia de que se está lo suficientemente preparado para aprobar los exámenes, implicando un exceso de confianza junto a un menor RA (Vancouver et al., 2002). Contrariamente, el optimismo con el que se abordan las situaciones, entendido como las expectativas o creencias de que el futuro depara más éxitos que fracasos, favorece el enfrentamiento de las situaciones adversas (Serrano, 2021). Estas afirmaciones promueven la utilización de https://www.sciencedirect.com/science/article/pii/S016028962100012X#bb0090 44 estrategias orientadas a los objetivos, de carácter focalizado, potenciando una atribución de controlabilidad y persistencia en la tarea (Carver y Scheier, 2001). La autoeficacia ha presentado relación con los rasgos de personalidad, observado en el meta-análisis de Barańczuk, (2021). En este trabajo, tras revisar 351 artículos y seleccionar 53 para el análisis, se encontró una asociación de la autoeficacia con mayor estabilidad emocional (r = ,42), responsabilidad (r = ,36), extraversión (r = ,34), apertura a la experiencia (r = ,26) y amabilidad (r = ,10). Se ha estudiado la relación de autoeficacia académica considerando la variable sexo como un moderador del aprendizaje, encontrando que mujeres informan mayor autoeficacia para el aprendizaje autorregulado y mayor perseverancia a medida que avanza en sus estudios (Caprara et al., 2008). Estudiantes mujeres presentan mayor autoeficacia sobre sus habilidades metacognitivas y estrategias de aprendizaje. También se ha encontrado que mujeres exhiben más capacidades relacionadas al establecimiento de metas, planificación y autocontrol que los varones (Alghamdi et al., 2020). Otros estudios por su parte relacionan la autoeficacia con el rendimiento de diferentes cursos, replicando que asignaturas de ciencias, tecnologías, ingenierías y matemáticas presentan mayor autoeficacia en varones que en mujeres (Lee et al., 2021). Una investigación con estudiantes chinos encontró que los varones presentaban mayor percepción de autoeficacia con relación a su conformidad de aprendizaje en comparación con mujeres (Xiao y Song, 2022). Estas diferencias entre estudios podrían responder a aspectos culturales, donde individuos, familias y sociedad presentan y configuran expectativas diferentes. 2.6 SATISFACCIÓN ACADÉMICA EN EL RA La satisfacción puede comprenderse como el componente cognitivo del bienestar subjetivo, el cual valora las aspiraciones y logros alcanzados por las personas (Diener, 1994). Puede percibirse en distintos ámbitos considerando la totalidad de la vida o bien, considerando dominios específicos como los estudios, la carrera, el trabajo, o la familia (Medrano y Pérez, 2010). 45 Un ámbito de gran interés para las instituciones y los educadores ha resultado ser la satisfacción académica, ya que se considera un importante indicador subjetivo del éxito y progreso académico (Merino-Soto et al., 2017; Shek y Chai, 2020). Se puede definir como la atracción o los sentimientos positivos que un estudiante percibe de la educación o programa evaluado (Marchiondo et al., 2010). Uno de los enfoques más comunes para comprender la satisfacción es el modelo social-cognitivo, que implica una valoración que los individuos realizan al comparar sus aspiraciones con los logros alcanzados (Medrano y Pérez, 2010). Por su parte, Lent et al. (2007) en su escala incorporan el bienestar y disfrute que los estudiantes realizan respecto a su rol. El modelo de Merino-Soto et al. (2017) consideró importante enfocarse en la valoración que hace el estudiante respecto a sí mismo, en su manera de estudiar, en su RA y su percepción general de los estudios. En contraste, existen otros modelos dirigidos a evaluar aspectos institucionales y de recursos externos asociados a la permanencia universitaria (Elliott y Healy, 2001). El estudio de la satisfacción académica radica en la relación que presenta con experiencias educativas que puedan llevar a un desempeño exitoso, presentando influencia de autoeficacia, competencias emocionales, responsabilidad y motivación autónoma para el aprendizaje (Lent et al., 2007; Shek y Chai, 2020; Vergara-Morales et al., 2019). Se sugiere que la satisfacción no sólo es un predictor de resultados, sino que es un mediador de la influencia de otros factores personales y ambientales en los resultados alcanzados (Shek y Chai, 2020). Gilman y Huebner (2003) han argumentado que la satisfacción es un fenómeno de desarrollo volátil, no estático principalmente para los adolescentes, periodo de alta intensidad por los cambios cognitivos, emocionales y sociales. Desde esta perspectiva, se ha encontrado una relación positiva entre RA y satisfacción con la vida cuando los resultados académicos son positivos (Chow, 2008). También se ha encontrado que el comportamiento escolar problemático se ha asociado con bajos niveles de satisfacción con la vida escolar y satisfacción con la vida global (Suldo et al., 2008). El estudio de Shek y Li (2016) realizado con estudiantes de educación secundaria japoneses de cohorte longitudinal, encontró que el RA percibido disminuyó en el transcurso de tres años escolares, llevó a una disminución en la satisfacción con la vida y esta relación aumentó la sensación de desesperanza. Es decir, se encontró que, si los adolescentes tienen peores percepciones de su RA, es más probable que presenten baja satisfacción con la vida, conduciendo a una mayor sensación de desesperanza. 46 Estas tendencias del rol que cumple la satisfacción de manera directa o como un medidor en el RA (Shek y Chai, 2020; Shek y Li, 2016), otorgan información relevante para la prevención e intervención tanto en adolescencia, como en la transición a la adultez durante el periodo universitario. Dado que existen diferentes formas de evaluar la satisfacción al comparar si existen diferencias de sexo se han encontrado resultados inconsistentes. El meta- análisis de Batz-Barbarich et al. (2018) que recopiló información de 44 años de investigación de satisfacción y la variable sexo considerando 106 países, no presentó diferencias significativas entre varones y mujeres para la satisfacción con la vida y satisfacción laboral. Este resultado resulta sorprendente considerando que siguen existiendo desigualdades a nivel global. 2.7 ESTRÉS ACADÉMICO EN EL RA Actualmente existe un repunte en problemas de salud mental en estudiantes universitarios que ha estado incrementado los últimos años (antes de la pandemia mundial derivada de la COVID-19) (Duffy et al., 2019). El estudio ealizado por American College Health Association (2019) incluyo una muestra de 67.972 estudiantes con una proporción de respuesta del 23%, e indicó que entre el 30% y el 50% de los estudiantes enfrentó alto estrés, ansiedad y síntomas depresivos durante su vida universitaria. Tras preguntar que eventos han sido traumáticos o difíciles de manejar, las tres razones que presentaron mayor representatividad fueron los aspectos académicos con un 51,20%, donde un 42,50% fue reportado por varones y 54,60% por mujeres; aspectos económicos con un 36,90%, donde un 29,50% fueron varones y 39,60% mujeres; y dificultades para dormir con un 35,20% donde un 29,70% fue indicado por varones y un 37% por mujeres. Otros eventos difíciles eran sobre apariencia personal, problemas familiares, relaciones íntimas, cuidados, problemas personales de salud y o familiares, muerte de familiar o amigo/a, entre otros. Es importante investigar el estrés, ya que puede ser la punta del iceberg en relación a un factor de riesgo en estudiantes universitarios. El estrés juega un papel relevante en el desarrollo psicológico y los trastornos somáticos en niños, adolescentes 47 y adultos (Simonelli-Muñoz et al., 2018). Se ha asociado al malestar psicológico, involucrando las dificultades de la vida, con cuadros clínicos que pueden reflejar depresión, ansiedad y trastornos del sueño (Milojevich y Lukowski, 2016). Adicionalmente, se ha encontrado que los altos niveles de estrés están asociados con conflictos familiares, menor número de horas de sueño, mayor consumo de alcohol y peores resultados académicos (Simonelli-Muñoz et al., 2018). Uno de los modelos de estrés más reconocido es el de Maslach y Jackson (1981), el cual es definido como desgaste o burnout, caracterizado por la sensación de agotamiento (sentimiento desgaste de los recursos emocionales), despersonalización o cinismo (endurecimiento emocional, desapego y perdida de la capacidad de contacto con el otro) y falta de realización personal (sentimientos negativos de inadecuación, falta de competencia y eficacia, disminución de expectativas, sentimientos de fracaso). Este síndrome de burnout se describió inicialmente en el ámbito ocupacional, restringido al dominio de los servicios humanos tales como la atención médica, la educación o el trabajo social (Schaufeli et al., 2002). Sin embargo, estudios recientes han demostrado que puede impactar en diferentes ámbitos y que los estudiantes también lo pueden experimentar (Fornés-Vives et al., 2016; Schaufeli et al., 2002). El estrés percibido es de las variables no cognitivas que más se ha estudiado en su relación con el RA, al igual que personalidad, representando un 50% de los artículos revisado en el meta-análisis de Chisholm-Burns et al. (2021). Una de las etapas propensas al estrés es el ingreso a la educación superior, por los cambios que supone, tales como el primer contacto con la universidad, la elección de universidad y carrera, la organización horaria, la percepción de falta de control sobre el nuevo entorno o el miedo a fallar en los exámenes (Saleh et al., 2017; Simonelli-Muñoz et al., 2018). También se ha encontrado que los estudiantes universitarios en periodos de exámenes aumentan las tasas de estrés, relacionándose negativamente con el RA y con satisfacción académica (Chisholm-Burns et al., 2021; Simonelli-Muñoz et al., 2018). Algo muy similar ocurre en estudiantes de secundaria. Aquí también se ha encontrado que en este nivel educativo quienes se enfrentan a situaciones de altas demandas, a gran carga de trabajo, o la necesidad de cumplir con plazos reducidos y manejar múltiples tareas, presentan mayor estrés académico (Shek y Chai, 2020). El Impacto del estrés académico también se ha asociado con problemas de espalda y dolor cervical en estudiantes secundarios (Santiago y Rosado, 2019). 48 El estrés ha presentado una relación positiva media-alta con personalidad, principalmente con el rasgo neuroticismo y de manera negativa media-baja con extraversión (Ebstrup et al., 2011), lo cual se ha observado en estudiantes escoceses (Saklofske et al., 2012) y estudiantes canadienses durante la pandemia por SARS-CoV- 2 (Liu et al., 2021). A su vez, la triada de estrés, personalidad y RA se ha asociado a cómo los estudiantes determinan sus actitudes ante las dificultades, así como la disposición a expresar sentimientos negativos (Gao et al., 2020). También se ha encontrado que satisfacción, autoeficacia, autoestima y el optimismo son factores protectores ante el estrés (Saleh et al., 2017). Se han observado diferencias para enfrentar el estrés de acuerdo con el sexo, por ejemplo, las mujeres tienden a manifestar mayores niveles de estrés que los varones (Saleh et al., 2017). Una posible explicación se refiere a las diferencias biológicas entre mujeres y varones tales como niveles hormonales y cortisol que pueden reflejarse en la conducta y emociones. Por otro lado, el autoconcepto asociado a estereotipos de género tradicionales puede afectar (Hankin y Abramson, 1999). Donde la masculinidad muestra rasgos de individualismo, mientras que la feminidad se asocia a la sensibilidad hacia los otros. También se ha encontrado que las mujeres suelen presentar mayor uso de estrategias enfocadas a la búsqueda de estrategias de apoyo emocional, aceptación y reevaluación positiva (Cabanach et al., 2011). El estudio de Gao et al. (2020) no encontró diferencias significativas en el estrés y depresión según sexo en universitarios chinos, mientras que sí las encontró en ansiedad donde mujeres presentaron mayor puntuación. En resumen, pese a que se han reconocido diferencias de sexo en la salud mental y en el estrés, los resultados no parecen ser del todo concluyentes en estudiantes universitarios. 49 CAPITULO 3: PERMANENCIA EN EDUCACIÓN SUPERIOR Un tema actual y de alta relevancia para la investigación es la permanencia en la educación superior (Behr et al., 2020; Bernardo et al., 2022). Principalmente por el impacto que tiene para los estudiantes, sus familias y la institución no finalizar los estudios (Casanova et al., 2022). Por ello promover la permanencia y prevenir el abandono académico es un objetivo esencial compartido por investigadores, universidades, gobiernos y organismos internacionales (Merhi et al., 2018; OCDE, 2018; Sarra et al., 2019). Comprender la permanencia en la educación terciaria resulta complejo por lo multicausal del problema, la diversidad de contextos y marcos conceptuales existentes (Wild y Schulze Heuling, 2020). Algunos conceptos que se han asociado a la permanencia son la persistencia, finalización, retención o graduación de los estudios (Behr et al., 2020). En el polo opuesto a la permanencia, se puede hablar del abandono universitario, haciendo referencia a estudiantes que dejan la universidad sin obtener un título (Larsen et al., 2013). Los términos de abandono, fracaso, deserción estudiantil, no finalización, retirada suelen emplearse como sinónimos (Behr et al., 2020). Algunas distinciones en la definición de abandono responden al nivel en el que se produce, al cambio en la carrera, cambio de universidad o el abandono de sistema educativo (Larse et al., 2013; Wild y Schulze Heuling, 2020). El estudio del abandono en la educación superior en el primer año resulta un periodo crucial, ya que es cuando mayor cantidad de casos se presentan (Hoffait y Schyns, 2017; Tinto, 2010). Los Estados de la Unión Europea se han propuesto impulsar de manera eficiente la persistencia de estudiantes universitarios, ejerciendo acciones para reducir las tasas de abandono académico (Sarra et al., 2019). En España el abandono universitario para la cohorte 2017-2018 afectó al 21,30% de los estudiantes y un 8,30% cambió su carrera universitaria, indicando que el 29,60% de los estudiantes no finalizó la carrera universitaria con la que inició sus estudios (Fernández-Mellizo, 2022). En Chile la tasa de permanencia el primer año es del 75,60% considerando el total de instituciones de educación superior (SIES, 2021). Las mujeres presentan una 50 mayor permanencia de 79,50% que los varones 71,20%. Y existen diferencias según establecimiento educacional de origen, resultando mayor en estudiante que provienen de colegios privados con un 85,10%, seguido de los subvencionados con un 77,50% y por último los centros públicos con un 72,30%. 3.1 PREDICTORES DE LA PERMANENCIA EN EDUCACIÓN SUPERIOR Dada la complejidad del fenómeno de la permanencia universitaria, se han identificado diversos modelos y razones relevantes por las que estudiantes no permanecen y abandonan la educación superior. Estas incluyen determinantes sociodemográficos (sexo, edad, nivel educativo de los padres, establecimiento educacional de origen), individuales (capacidad cognitiva, rendimiento escolar, rendimiento académico, competencias académicas), psicológicas (personalidad, motivacionales, actitudes,), institucionales (calidad de la enseñanza-aprendizaje), nacionales (políticas de financiación), entre otras (Bernardo et al., 2016; Esteban et al., 2017; Sarra et al., 2019; Tinto, 2010). La revisión de Behr (2020) sobre deserción universitaria indica tres razones principales por las que estudiantes abandonan sus estudios: 1) por el sistema educativo nacional, asociado por ejemplo a la política de financiación; 2) las instituciones de educación superior, de acuerdo con el tipo de institución y la calidad de enseñanza; y 3) las características de los estudiantes, considerando diversos determinantes previos a la educación superior y durante su vida universitaria. La revisión de Aina et al. (2022), también destaca que la permanencia universitaria depende de una combinación de factores individuales, institucionales y económicos, y que la decisión de abandonar estará mediada por la capacidad del estudiante para integrarse al sistema académico. La permanencia universitaria está asociada a la transición adecuada de la enseñanza secundaria a la educación superior. Esta transición, entendida como un periodo de cambio de contexto requiere un grado de ajuste e integración (Schaeper, 2020). Los autores suelen apuntar en este sentido a la alta relevancia del primer año y las primeras experiencias que vive el estudiante al iniciar sus estudios (Tinto, 2010). El estudio de Schaeper (2020) indagó sobre las caracteristicas individuales que favorecen esta integración universitaria en 10.697 estudiantes alemanes. La evaluó 51 según tres aspectos: la integración estructural mediante la percepción de rendimiento académico; la integración académica y social incorporando la relación estudiante- profesor; y la integración académica motivacional, considerando aspectos de motivación, compromiso, autoestima, responsabilidad (factor de personalidad de los cinco grandes) y habilidades cognitivas. El modelo propuesto explicó el 9% de la varianza de la integración académica. No se encontró diferencias según el sexo, sin embargo, se observó que el sexo estaba mediado por el autoestima y responsabilidad. Antecedentes migratorios redujeron la integración académica. El estudio concluye que los atributos psicológicos están influenciados por experiencias pasadas y procesos de socialización, por lo que con intervención temprana son potencialmente modificables. Las características personales del estudiante asociadas a la permanencia resultan menos claras o estudiadas que los recursos psicológicos asociados al RA. Entre ellas, la inteligencia es una condición necesaria para ingresar y permanecer en determinadas posiciones, debido a la alta demanda cognitiva necesaria (Wolfram, 2023). También se puede mencionar que estudiantes que presenten mayor RA previo (Westrick et al., 2021), que aprueben las asignaturas durante el primer semestre académico (Casanova et al., 2018), con un mejor ajuste de personalidad (Papageorgiou y Callaghan, 2018); con mayor motivación intrínseca (Rump et al., 2017), mayor resiliencia (Sarra et al., 2019), autoeficacia (Díaz Mújica et al., 2019), satisfacción con los estudios (Bernardo et al., 2022); y menor percepción de estrés (Liu, 2015) presentarán mayor probabilidad de ajustarse al entorno y permanecer en sus estudios de educación superior. No existe consenso respecto al orden de importancia de estos factores o de que un solo factor conduzca a la deserción (Behr et al., 2020). Por ello, nos resulta importante estudiar los recursos individuales de los estudiantes y evaluar la relación con la permanencia universitaria. También es importante evaluar cómo se observa longitudinalmente a lo largo de la vida universitaria, más que con un diseño transversal (Wild y Schulze Heuling, 2020). 52 3.2 RA Y PERMANENCIA EN EDUCACIÓN SUPERIOR A nivel individual una de las variables que ha presentado mayor relación con la decisión de permanecer o abandonar los estudios es el RA (Casanova et al., 2018; Westrick et al., 2021; Wild y Schulze Heuling, 2020). El RA durante el primer año universitario resulta complejo porque además de implicar el desafío cognitivo, está mediado por las decisiones del estudiante y su contexto para enfrentar nuevas tareas, requisitos, entornos, personas, normas y hábitos. Resultando el periodo de mayor deserción académica (Schaeper, 2020; Tinto, 2010; Wild y Schulze Heuling, 2020). El RA previo a la educación superior ha jugado un rol importante en la probabilidad de progresar académicamente. Aquellos estudiantes con mejores logros educativos en la secundaria tienen más probabilidad de permanecer en educación superior (Gil-Llambías et al., 2019; Schaeper, 2020), especialmente si comienzan su carrera en primera opción (Wild y Schulze Heuling, 2020). Estudiantes con un historial marcado por situaciones de riesgo como repetición o bajas notas tiene más posibilidades de no finalizar sus estudios (Casanova et al., 2018). Por lo que conocimientos y competencias académicas previamente adquiridas serán un factor protector contra el fracaso y la deserción (Diseth, 2011). La revisión de Aina et al. (2022) encontró que los logros escolares previos son fundamentales en disminuir la probabilidad de abandono, ya que refuerzan el sentimiento de integración académica. Así también enfatiza que los logros académicos tempranos, es decir el RA de los estudiantes durante su primer semestre o año, tendrán un efecto positivo en la probabilidad de permanecer en los estudios. En cuanto al RA en la educación superior, el meta-análisis de Westrick et al. (2021) para evaluar la retención universitaria analizó datos de 50 instituciones de Estados Unidos, considerando las notas en la secundaria, notas en la prueba de selección ACT, nivel socioeconómico y notas en el primer año universitario. El mejor predictor de la retención al segundo año, fue las notas del primer año universitario explicando menos del 25% de la varianza en la retención. El estudio de Wild y Schulze Heuling (2020) en Alemania, tras analizar una muestra de estudiantes de una universidad cooperativa, encontraron que las habilidades cognitivas evaluadas mediante el RA en el primer año universitario y la puntuación en la 53 prueba de Selectividad aumenta la probabilidad de permanecer en la universidad. Uno de los datos interesantes, fue que estudiantes con bajo RA en la universidad, pero con alta puntuación en la Selectividad, abandonaron los estudios antes que los otros estudiantes. Datos que están en línea con lo encontrado por Casanova et al. (2018) en una muestra de estudiantes universitarios portugueses, quienes indican que el número de créditos aprobados durante el primer año académico fue el principal predictor de la permanencia. 3.3 DIFERENCIAS SOCIODEMOGRÁFICAS Y PERMANENCIA EN EDUCACIÓN SUPERIOR En cuanto a aspectos individuales, la revisión de Aina et al. (2022) encontró que las mujeres en promedio tienen más probabilidad de permanecer en la universidad. Estas diferencias se deben en gran medida al esfuerzo en los estudios, reflejado en diferencias de RA y en las creencias en sus capacidades. En contraste, el estudio de Ferrão y Almeida (2021) no registró diferencias de sexo en las expectativas académicas y persistencia de estudiantes portugueses en una muestra de 2697 estudiantes con una diversidad de 54 programas de estudio. Por otro lado, las desigualdades socioeconómicas se han relacionado al abandono en educación superior, principalmente en entornos socioculturales más desfavorecidos (Masutha, 2022; Zembrodt, 2021). Estudiantes de primera generación de estudios terciarios presentan diferencias en el acceso, permanencia y éxito en la educación superior, reflejando persistentemente las desigualdades para las minorías (Espinoza et al., 2021; Masutha, 2022). En Chile la forma de acceso a la universidad está mediada por aspectos socioeconómicos (Espinoza et al., 2021). Estas diferencias no responden sólo a la financiación de una carrera universitaria, sino que trascienden a la educación previa, a los resultados en las pruebas de Selectividad, al acceso y permanencia en las universidades más competitivas del país (Espinoza et al., 2022). En Portugal, Ferrão y Almeida, (2021) encontraron que las diferencias socioeconómicas no presentan relación con la permanencia universitaria. 54 3.4 PERSONALIDAD Y PERMANENCIA EN EDUCACIÓN SUPERIOR La personalidad es el principal contribuyente al comportamiento, manifestada como un patrón evolutivo, expresado en rasgos, características y experiencias de vida de forma única (McAdams y Pals, 2006). Esta interacción se refleja en la capacidad de adaptación de cada individuo (De Young, 2015). Un momento trascendental en la trayectoria educativa del estudiante es la transición a la educación superior y el primer año universitario. La adaptación a este nuevo entorno educativo puede responder a diferentes características de personalidad (Papageorgiou y Callaghan, 2018; Van der Linden et al., 2022). Confirmar estas relaciones resultan de especial interés para las universidades y el público en general, ya que altas tasas de permanencia son deseables tanto ideológica como económicamente (Vedel, 2014). En el Capítulo 2, se mencionó que la personalidad está asociada al RA y a medidas cognitivas. Entre ellas, la inteligencia y responsabilidad han presentado efectos sobre el desempeño, que posiblemente sean independientes, así como también puedan reforzarse en una interacción reciproca y compensatoria (Friedrich y Schütz, 2023). Es decir, que individuos inteligentes se benefician de ser responsables y que aquellos menos inteligentes compensan con este rasgo. Dentro de este contexto, la responsabilidad se ha destacado con una relación positiva con la permanencia universitaria (Alarcon y Edwards, 2013; Wild y Schulze Heuling, 2020). En un análisis de regresión realizado por Wild y Schulze Heuling (2020), se observó que las variables cognitivas presentan mayor peso predictivo. Además, se registró que de los rasgos de personalidad, sólo responsabilidad mostró un efecto significativo en el modelo. Existen observaciones respecto a la restricción de rango relacionado a este rasgo, dado que el grupo que termina una carrera universitaria podría presentar mayor responsabilidad. Y cuando las correlaciones se calculan con base en esta muestra seleccionada, la correlación “verdadera” sin esta restricción de rango podría ser mayor (Vedel, 2014). 55 Papageorgiou y Callaghan (2018) analizaron en estudiantes de contabilidad sudafricanos la relación de la personalidad con el ajuste social general, relacionado al alcance y el éxito de las actividades, así como al ajuste académico, emocional, apego. Los resultados indicaron que responsabilidad se relacionó positiva y significamente con el ajuste académico, social, emocional y de apego, seguido por la estabilidad emocional. La amabilidad presentó una relación positiva con la adaptación al entorno académico, pero negativa con la adaptación académica total. La extraversión no se asoció al ajuste académico, pero si al ajuste social. La apertura a la experiencia se asoció al ajuste social. Los estudiantes con mayor apertura presentaron una relación negativa con la motivación y desajuste académico, posiblemente aquellos estudiantes con mayor apertura son más conciencies de sus limitaciones de desempeño, sin embargo los autores indican que se debe seguir investigando. El estudio de Papageorgiou y Callaghan (2018) concluye que la dedicación y el esfuerzo son caracteristicas que un individuo puede elegir tener y serán los necesarios para facilitar su ajuste en la educación superior, impactando en la permanencia universitaria. Por otra parte, Eegdeman et al. (2018) estudiaron el abandono universitario en el primer año de 14.875 estudiantes de un programa vocacional holandés. Este estudio evaluó habilidades cognitivas y los cinco rasgos de personalidad, realizando un análisis de componentes principales para analizar cómo se agrupaban las respuestas. Los resultados se agruparon en dos factores asociados a las variable cognitivas y a los rasgos de personalidad, cada factor presentó una correlación moderada entre ellos. Tras realizar el modelo de regresión, se observó una relación causal con la deserción académica de manera independiente que explicó un r2= ,015 a ,076 según el programa de estudio. El estudio concluye que no es posible determinar específicamente que habilidad cognitiva o rasgo causaría mayor deserción, recomendando no evaluarlos de forma individual, sino más bien en su conjunto. 56 3.5 MOTIVACIÓN Y PERMANENCIA EN EDUCACIÓN SUPERIOR Otro de los recursos psicosociales que ha presentado una relación directa e indirecta a la permanencia universitaria es la motivación académica (Díaz Mujica et al., 2019; Rump et al., 2017). Desde la teoría de la autodeterminación, al comparar a aquellos estudiantes con mayor motivación autónoma (intrínseca e identificada) se observó una relación significativa, fuerte e inversa de intención de abandonar los estudios. Mientras que aquellos que presentaban una motivación controlada (identificada y extrínseca) presentó una relación significativa pero débil (Rump et al., 2017). Un estudio longitudinal que entrevistó a estudiantes universitarios de primer año al principio y fin del año académico, encontró que la motivación intrínseca para iniciar los estudios facilita la orientación a las metas y la satisfacción retrospectiva con la elección de la carrera (Janke, 2020). Mientras que la motivación extrínseca se asoció con menor satisfacción a lo largo del tiempo y mayores intenciones de abandono. La evidencia nos indica que el estudiante se comprometerá con el proceso educativo si es capaz de encontrarle un sentido, si aprecia su utilidad y lo percibe como un reto ante el cual puede superarse y crecer (Bernardo et al., 2022). Esta valoración positiva de las propias capacidades favorece la motivación autónoma, la satisfacción y la intención de permanecer estudiando (Barrientos-Illanes et al., 2021). Respecto a diferencias sociodemográficas se ha encontrado que estudiantes con mayor motivación intrínseca, de menor edad y sin experiencia profesional presentan menor intención de abandono (Rump et al., 2017). En cuanto al sexo no se encontraron diferencias significativas en la motivación e intención de abandono (Rump et al., 2017). En general los intereses, ya sea vocacionales o a nivel de motivación, influyen en la toma de decisiones, en el nivel de energía invertido, en la dirección de las intenciones y en la persistencia en las actividades (Van der Linden et al., 2022). Es por ello, que fomentar la motivación y principalmente la motivación intrínseca debe ser un tema de interés para las instituciones de educación superior (Rump et al., 2017). 57 3.6 RESILIENCIA Y PERMANENCIA UNIVERSITARIA La resiliencia se forma a través de las experiencias de vida y se adquiere mediante entrenamiento cognitivo y conductual (Southwick y Charney, 2018). Ante estas características, diversos autores han destacado el hecho de que algunos estudiantes persistan en su logro educativo a pesar de los contratiempos puede estar relacionado con su grado de resiliencia personal (Ang et al., 2021; Wilson et al., 2019). Se ha demostrado que las personas resilientes tienen trayectorias académicas positivas, menores intenciones de abandono académico y, en general se perciben a sí mismos más satisfechos con la vida (Bittmann, 2021; Casanova et al., 2021). La revisión de Brewer et al. (2019) sobre resiliencia en educación superior releva la importancia del estudio de esta variable, identificando dos enfoques generales. Por un lado, asociando resiliencia y bienestar que facilitan la salud mental y permanencia de estudiantes de educación superior. Y por el otro, investigaciones que justifican por qué se requiere resiliencia en educación superior y las proyecciones profesionales que tiene. Desde la perspectiva que asocia la resiliencia y permanencia universitaria, Sarra et al. (2019) encontraron una combinación de variables que pueden llevar a la permanencia o presentar menor riesgo de abandono universitario. Entre ellas, la alta puntuación en resiliencia, motivación y satisfacción durante la vida académica. Turner et al. (2017) considera que la resiliencia antecede el bienestar en educación superior. Por lo que se recurre a la resiliencia para proteger o aislar el estado de bienestar continuo de un estudiante de los factores estresantes, facilitando su progreso académico. Comprender la adversidad o los factores estresantes es una característica de los estudiantes resilientes (Van Breda, 2018). Los cuales son capaces de utilizar sus recursos o buscarlos para enfrentar los desafíos y sobresalir en sus actividades académicas (Ang et al., 2021). Es por ello que se ha asociado a valores de motivación intrínseca, determinación, orientación hacia el futuro y el sentido de pertenencia (Ang et al., 2021). 58 Como consecuencia de las transformaciones educativas y sanitarias a propósito del SARS-CoV-2, la resiliencia ha resultado una habilidad crucial para adaptarse a los cambios con impacto positivo en la persistencia académica (Ang et al., 2021; Price, 2022). 3.7 AUTOEFICACIA Y PERMANENCIA UNIVERSITARIA La autoeficacia se ha asociado a mayor probabilidad de culminar estudios universitarios (Paulus et al., 2021). Se ha relacionado al área vocacional, ya que hace referencia a la creencia del individuo en su capacidad para completar tareas relacionadas a su carrera (Chen et al., 2021). El meta-análisis de Vedel (2014) identificó múltiples factores psicológicos y habilidades de estudio como predictores de la permanencia y RA, encontrado que la autoeficacia académica, así como las metas académicas presentaban relaciones moderadas. Estos hallazgos sugieren que estudiantes orientados a objetivos con sentimientos de competencia y capacidad para estructurar y administrar sus hábitos de estudio tienen más probabilidades de terminar sus estudios (Vedel, 2014). Otras investigaciones afirman que estudiantes con alta autoeficacia a diferencia de quienes presentan autoeficacia baja, se plantean objetivos adecuados, invierten mayor esfuerzo en alcanzarlos y evalúan su éxito o fracaso realizando atribuciones causales más adecuadas (Pajares, 2007). La autoeficacia también se ha asociado a la intención de permanencia universitaria (Díaz Mujica et al., 2019). Esto dado que conduce a una mejor iniciativa personal, asociada a mayor logro, influyendo en la intención de permanecer a través de la satisfacción con el curso. Se ha observado que el estatus socioeconómico familiar y la trayectoria escolar puede tener un impacto en la autoeficacia académica, dado que se observan diferencias en los estudiantes según diversos orígenes culturales (Díaz Mújica et al., 2019). Un estudio realizado en Alemania consideró a estudiantes de diversos orígenes migratorios y determinó diferencias en su autoeficacia académica, 59 relevando la importancia de la investigación intercultural (Gebauer et al., 2021). Resultados similares encontrados por Paulus et al., (2021) encontraron que el nivel socioeconómico y la capacidad cognitiva en la secundaria aumentan la probabilidad que un estudiante asista y finalice la universidad. Estos hallazgos respaldan que los valores culturales, creencias, hábitos relacionados con la educación difieran en estudiantes con antecedentes inmigrantes diversos. Estudios en China han destacado la importancia de promover el desarrollo profesional sostenible. El modelo propuesto está asociado a fortalecer el conocimiento hacia la carrera, fortalecer la autoeficacia y compromiso académico, variables asociadas a un adecuado desempeño y finalización de estudios (Chen et al., 2021). Dada las implicancias que tiene la autoeficacia académica en el RA como en la permanencia universitaria, resulta importante identificar estrategias que desarrollen esta habilidad en estudiantes durante su trayectoria universitaria (Rivera et al., 2022). 3.8 SATISFACCIÓN ACADÉMICA Y PERMANENCIA UNIVERSITARIA La satisfacción académica es relevante para la adaptación, el bienestar, la permanencia universitaria (Díaz Mujica et al., 2019; Eather et al., 2022; Merino-Soto et al., 2017; Wilkins-Yel et al., 2018). También se relaciona con los encuentros, actividades y experiencias positivas de los estudiantes con su institución (Eather et al., 2022). En cuanto a estudios predictivos se ha encontrado que la satisfacción con la titulación es una de las variables que más predice la intención de abandono, con una relación indirecta (Mostert y Pienaar, 2020). Esta información fue corroborada por Bernardo et al. (2022) cuyos resultados indican que, a mayor satisfacción con el curso, mayor compromiso de los estudiantes, y que en estos casos existe una menor intención de abandonar los estudios. En contexto chileno también se encontró que 60 altos niveles de satisfacción académica asociados a la carrera favorecen la intención de permanencia (Barrientos-Illanes et al., 2021). El estudio de Barrientos-Illanes et al. (2021) señala que la satisfacción académica además de tener una relación directa es un buen mediador de autoeficacia y motivación en la intención de permanecer. El meta-análisis de Eather et al. (2022) concluye sobre los más de 55 artículos revisados, que existe relación entre satisfacción y permanencia en educación superior. Sin embargo, afirman que pueden existir problemas de sesgo de publicación y la posibilidad de que no encuentren estudios con resultados insignificantes o negativos. 3.9 ESTRÉS ACADÉMICO Y PERMANENCIA UNIVERSITARIA Los estudiantes que presentan mayor agotamiento, cinismo y falta de realización personal, tres dimensiones del estrés académico (Schaufeli et al., 2002), presentan mayor intención de abandono e insatisfacción con los estudios (Mostert y Pienaar, 2020; Pascoe et al., 2020). Estos efectos negativos del estrés académico se han reportado en diferentes culturas (Pascoe et al., 2020). Presentar menor estrés se ha relacionado con mayor inteligencia emocional (Enns et al., 2018), lo que facilita la adaptación a situaciones complejas dado que presentan respuestas de afrontamiento efectivas y flexibles. Esto posibilita en los estudiantes que puedan percibir, comprender y regular más fácilmente emociones negativas presentes en ellos o en los demás y se ha observado principalmente en estudiantes de carreras de cuidado (Enns et al., 2018). Lee (2017) encontró que la evaluación subjetiva de un evento (fracaso académico percibido) presenta una mayor relación con el estrés que un evento con una evaluación objetiva (RA), y que los recursos psicológicos del estudiante son los que median esta relación con el estrés. Algunos recursos psicológicos que interactúan en la relación de estrés académica y abandono de estudios ha sido la determinación que se ha asociado negativamente con el estrés (Lee, 2017). También se ha encontrado una relación negativa con la motivación académica (Liu, 2015), la satisfacción con los estudios (Mostert y Pienaar, 2020) y la salud mental y física que conducen a una variedad de 61 problemas académicos (Pascoe et al., 2020). El desarrollo de habilidades que permiten manejar el estrés tiene beneficios a largo plazo para los jóvenes, dado que son comportamientos y patrones relacionales que se pueden fortalecer sobre todo durante la adolescencia y adultez temprana (OCDE, 2015). También se ha encontrado que programas de manejo de estrés buscan fomentar la inteligencia emocional y desarrollo de recursos psicológicos, mejorando sus estrategias de afrontamiento adaptativo (Enns et al., 2018). Por lo tanto, el trabajo preventivo en esta línea puede contribuir a la permanencia universitaria (Pascoe et al., 2020). 62 63 SEGUNDA PARTE: INVESTIGACION EMPÍRICA 64 65 PROBLEMA DE INVESTIGACIÓN A partir de los antecedentes presentados, esta tesis quiere indagar sobre la educación superior en Chile considerando el RA y permanencia universitaria. Este problema nace por el aumento de demanda de ingreso a la educación superior, así como la diversificación del perfil de estudiantes sumado a las políticas de democratización. Por ello, las iniciativas económicas como la gratuidad y políticas de acción afirmativa parecen no ser suficientes, ya que alrededor de un 26,40% de estudiantes abandona sus estudios universitarios, sobre todo durante el primer año. En el contexto chileno una de las grandes brechas de inequidad en educación superior surge por el grupo socioeconómico al que perteneces. Estudiantes que provienen de colegios privados tienen más probabilidades de ingresar en la educación superior, cuentan con mayores puntuaciones en la prueba de Selectividad y pueden acceder a las universidades más competitivas del país, en comparación con aquellos estudiantes que provienen de colegios públicos. Por ello, una iniciativa del Ministerio de Educación chileno ha sido el Programa PACE dirigida a estudiantes que provienen de los colegios de mayor vulnerabilidad social del país. El PACE que se inició el año 2014, ha permitido que estudiantes que han demostrado una trayectoria académica exitosa y constante durante los últimos cuatro años de la secundaria, se les pueda garantizar un cupo en la universidad sin importar la puntuación en la prueba de Selectividad. Existen diversos modelos que han abordado la problemática de la permanencia universitaria, la cual es multidimensional. Una de las variables que mayor predice la permanencia en educación superior es el RA. Es por ello que esta investigación se centrará en dos variables criterios, el RA y la permanencia universitaria. Aportando con medidas de RA previo al ingreso a la universidad y de RA del primer y tercer semestre universitario, así como la permanencia universitaria durante tres semestres académicos, otorgando una perspectiva longitudinal. Los predictores de esta tesis se centrarán en los recursos psicológicos del estudiante, que si bien, no predicen al mismo nivel que la inteligencia, son un complemento en la predicción que se debe seguir estudiando. Dentro de las variables a considerar está la personalidad, motivación académica, autoeficacia, resiliencia, satisfacción y estrés académico. 66 De acuerdo con este contexto, esta tesis busca responder a la pregunta ¿Los recursos psicológicos de los estudiantes presentan relación con el RA y permanencia en educación superior? Para complementar la investigación se considera como variable predictora el tipo de acceso de los estudiantes a la universidad. Es decir, si ingresaron por acceso Regular a través de la puntuación en la prueba de Selectividad o por medio del programa PACE, una vía inclusiva presente en 29 universidades de Chile. Adicionalmente, incorporamos la variable sexo, con el fin de aportar con información respecto a las posibles brechas existentes en universitarios de un país latinoamericano. Hay que subrayar que esta tesis se desarrolló durante la pandemia por SARS- CoV2 en marzo 2020. Por lo que tras un año académico se evaluó nuevamente las variables predictoras con el fin de identificar cambios por aspectos contextuales vinculados a la situación de la pandemia mundial. Para responder a esta pregunta se desarrollan cuatro estudios empíricos. Se inicia con el Estudio Previo (Estudio 1) que implicó la adaptación y validación de la escala de personalidad de los cinco grandes (OPERAS) a dos muestras chilenas. Esta prueba fue inicialmente desarrollada por Vigil-Colet et al. (2013) y validada en una muestra española. Los resultados de este estudio han sido recientemente publicados por Rodríguez et al. (2022). El Estudio 2 considera como variable criterio el RA previo del ingreso del estudiante a la universidad. Se pretende identificar si los recursos psicológicos presentan relación retrospectiva con las notas de los últimos cuatro años de la secundaria y las puntuaciones en la prueba de Selectividad. Dado que los estudiantes de acceso Regular y PACE presentan diferencias en su trayectoria en la secundaria (MINEDUC, 2022) y en la prueba de Selectividad (Espinoza et al., 2021), se analizan por separado. Luego se compara si tanto las variables predictoras como las variables criterios presentan diferencias según el tipo de acceso a la universidad vía Regular o PACE y si existe una diferencia por sexo. El Estudio 3 incorpora como variables criterio el RA en educación superior. Se busca identificar si los recursos psicológicos tienen relación con las notas del primer y 67 tercer semestre académico. Se proponen tres modelos predictivos, uno de relación directa de los recursos psicológicos y dos modelos que incorporan la relación de personalidad con el RA mediado por los recursos psicológicos motivación, resiliencia, autoeficacia, estrés y satisfacción. El estudio compara si el RA universitario presenta diferencias según el tipo de acceso a la universidad y si existe una diferencia por sexo. Además, evalúa si tras un año de estudio los recursos psicosociales evaluados presentan alguna variación. El Estudio 4 integra la variable permanencia universitaria durante el primer, segundo y tercer semestre académico, considerando para ello el estado de matrícula de los estudiantes. Se busca identificar si las variables predictoras evaluadas en los estudiantes tienen relación con la permanencia durante tres semestres académicos. Las variables evaluadas en los estudiantes son el RA previo (considerando las NEM y la Selectividad), el RA en la universidad, así como los recursos psicológicos: personalidad, motivación, resiliencia, autoeficacia, estrés y satisfacción. Adicionalmente se incorporan como variables predictoras el tipo de acceso a la universidad y el sexo. Estos estudios sintetizan la interacción de los recursos del estudiante con medidas de RA y permanencia en distintos momentos de su inserción a la educación superior. Se espera que los resultados de esta tesis generen una contribución a la investigación en educación superior a nivel nacional chileno y también un aporte a la investigación iberoamericana, sobre los recursos psicológicos en dos variables de gran interés mundial como son el RA y la permanencia universitaria. Además, se espera aportar al desarrollo del perfil del estudiante de acceso Regular y de admisión PACE en la educación superior chilena. 68 69 CAPITULO 4: OBJETIVOS E HIPÓTESIS 4.1 OBJETIVO GENERAL: El objetivo general que se busca alcanzar en esta investigación doctoral consiste en “Estudiar la influencia de los recursos psicológicos implicados en el RA y permanencia en educación superior en estudiantes chilenos de manera longitudinal”. Para desarrollar este propósito, se han planteado ocho objetivos específicos con sus respectivas hipótesis que serán abordados a lo largo de cuatro estudios, los cuales se presentan en la tabla 1. Cada objetivo específico cuenta con una hipótesis que fue planteada de acuerdo con la revisión teórica realizada. El primero es un estudio previo para contar con evidencias de validez y fiabilidad en las escalas para el desarrollo de la investigación (Estudio 1). Luego, se proponen tres objetivos específicos que indagarán sobre la relación de los recursos psicológicos con el RA previo a la universidad (Estudio 2), con el RA durante el primer y tercer semestre académico universitario (Estudio 3) y con la permanencia universitaria en tres semestres académicos (Estudio 4). Para complementar la información se plantean objetivos específicos para identificar diferencias según el tipo de acceso a la universidad (Regular y PACE) así como también en relación con el sexo de los estudiantes. 70 4.2 OBJETIVOS ESPECÍFICOS E HIPOTESIS Los objetivos específicos e hipótesis de cada estudio se observan en tabla 1. Tabla 1. Objetivos específicos e hipótesis según Estudios. ESTUDIO OBJETIVOS (OB) ESPECIFICOS HIPÓTESIS (H) Estudio 1 Previo OB1. Adaptar y validar la escala OPERAS de personalidad en dos muestras independientes de universitarios chilenos. H1. La escala OPERAS presenta adecuadas propiedades psicométricas en contexto chileno universitario, evidenciando la estructura de cinco rasgos de personalidad, con adecuada fiabilidad y validez convergente con medidas de resiliencia, autoeficacia, motivación y discriminante con el estrés académico. Estudio 2 OB2. Conocer la influencia de los recursos psicológicos en el RA previo al ingreso a la universidad según el tipo de acceso Regular y PACE. OB3. Analizar si los recursos psicológicos presentan diferencias según el tipo de acceso a la universidad y del sexo de los participantes. H2. Los recursos psicológicos presentan relación con el RA previo, en este caso con las NEM y en pruebas de Selectividad. H2.1 Se espera que responsabilidad presente mayor relación con el RA previo (NEM y Selectividad). H2.2 Se espera que la motivación presente una relación moderada con el RA previo. H2.3 Se espera que las variables autoeficacia, resiliencia, satisfacción y percepción del estrés (de manera inversa) del estudiante presenten también relación con el RA previo, aunque en menor magnitud. H3. Estudiantes de acceso Regular y PACE presentan diferencias en sus recursos psicológicos. H3.1 Se espera que estudiantes PACE presenten mayor responsabilidad y motivación intrínseca que los estudiantes de acceso Regular. H3.2 Se espera que haya diferencias de sexo en sus recursos psicológicos y rendimiento previo. 71 Estudio 3 OB4. Conocer la relación de los recursos psicológicos en el RA del primer y del tercer semestre académico de la universidad OB5. Identificar si el RA universitario presenta diferencias en función del tipo de acceso a la universidad Regular y PACE y del sexo de los participantes. OB6. Evaluar si existen diferencias en los recursos psicológicos tras un año de estudios en la misma muestra de estudiantes. H4. Se espera que los recursos psicológicos presentan relación con el RA en la universidad H4.1 Se espera que responsabilidad presentará mayor relación con el RA universitario en el modelo directo. H4.2 Se espera que los modelos mediadores de los recursos psicológicos presentan mayor relación con el RA que el modelo directo. H5. Se espera que el RA universitario no presenta diferencias según la vía de acceso a la Universidad. H5.1 Se espera que haya diferencias de sexo, donde mujeres presentan mayor RA que los varones. H6. Se espera que los recursos psicológicos como los cinco rasgos de personalidad no presentan diferencias tras un año de estudios. Estudio 4 OB7. Estudiar la influencia de recursos del estudiante en la permanencia universitaria durante tres semestres académicos. H7. Se espera que los recursos del estudiante presentan relación con la permanencia universitaria. H7.1 Se espera que el RA sea la variable con mayor predicción en la permanencia universitaria. Entre ellos el RA previo y el RA del primer semestre académico. H7.2 Se espera que los recursos psicológicos presenten relación con la permanencia, entre ellos responsabilidad, mayor motivación intrínseca, mayor resiliencia, mayor autoeficacia, mayor satisfacción con los estudios y menor percepción del estrés. Estas variables presentarán mayor probabilidad de ajustarse al entorno y permanecer en sus estudios de educación superior. 72 OB8. Identificar si la permanencia presenta diferencias en función del tipo de acceso a la universidad Regular y PACE y sexo de los participantes. H8. Se espera que haya diferencias en la permanencia universitaria según la vía de acceso y según el sexo en educación superior. H8.1 Se espera que estudiantes PACE, por provenir de contextos más vulnerados socialmente presentarían mayor riesgo de permanecer en sus estudios. H8.2 Se espera que las mujeres presentan más probabilidad de permanecer en la universidad. 73 CAPITULO 5: METODOLOGÍA GENERAL A continuación, se describe la metodología general utilizada para la implementación de esta Tesis. Cabe señalar que cada uno de los cuatro estudios presentados comprende una metodología específica, participantes, instrumentos, diseño, procedimiento y análisis de datos, los cuales serán descritos en mayor profundidad en el capítulo 6, 7, 8 y 9 donde se desarrolla cada estudio. 5.1 PARTICIPANTES Los participantes del estudio fueron estudiantes de universidades chilenas. Estos datos se obtuvieron mediante un muestreo no probabilístico por conveniencia (Hernández, et al., 2014). Se consideraron como criterios de inclusión ser estudiante de la Universidad de Tarapacá, Universidad de Atacama, Universidad Metropolitana de Ciencias de la Educación, Universidad Alberto Hurtado, Universidad de Playa Ancha, Universidad Santísima de la Concepción y Universidad Católica de Temuco. Otro criterio considerado fue haber ingresado a la universidad por acceso Regular o acceso inclusivo del programa PACE. Los criterios de exclusión establecidos fueron para estudiantes que ingresaron por otras vías de acceso especial tales como discapacidad, indígena, deportistas, entre otras vías, que no fuesen las de objeto de este estudio. Se contactó a 1060 estudiantes en los meses de mayo a junio de 2020, de los cuales 14 estudiantes declinaron de participar en el estudio, 8 estudiantes fueron de postgrado y 35 accedieron a la universidad por otra vía de acceso especial, por lo que fueron eliminados de la muestra. Los participantes finales fueron 1003 estudiantes de los cuales 599 (59,70%) ingresaron por acceso Regular y 404 (40,30%) por vía PACE. Del total de participantes 757 (75,50%) fueron mujeres y 246 (24,50%) varones, el rango de edad varió entre 17 y 45 años con una edad media de 19,93 años y una desviación estándar de 2,72. Los estudiantes 74 cursaban distintas carreras las cuales se clasificaron según disciplina del conocimiento, entre ellas 602 (60%) eran estudiantes de carreras de las ciencias sociales; 228 (22,73%) estudiantes de carreras de las ciencias de la salud, 88 (8,80%) estudiantes de carreras de ingeniería y tecnología, 82 (7,10%) estudiantes de carreras de humanidades, 5 (0,50%) estudiantes de ciencias naturales y agrícola y 6 (0,60%) estudiantes no lo declararon. Al iniciar la investigación el año 2020, un 51,80% de los estudiantes cursaban primer año, un 25,51% segundo año, un 13,34% tercer año y un 9,52% cuarto año. Los estudiantes pertenecían a siete universidades del Consejo de Rectores de Chile (ver tabla 2). Las universidades fueron seleccionadas atendiendo a aspectos geográficos del país. En concreto, se contó con dos universidades de la zona norte de Chile: Universidad de Tarapacá y Universidad de Atacama, dos universidades de la región metropolitana: Universidad Metropolitana de Ciencias de la Educación y Universidad Alberto Hurtado; una universidad del litoral central: Universidad de Playa Ancha; y dos universidades de la zona centro sur del país: Universidad Santísima de la concepción y Universidad Católica de Temuco. Tabla 2. Distribución de estudiantes por Universidad Universidad Medida 1 Medida 2 n % n % Universidad de Tarapacá Universidad de Atacama 46 56 4,59 5,58 2 1 1,36 0,68 Universidad Metropolitana de Cs. de la 64 6,38 11 7,48 Educación Universidad Alberto Hurtado 45 4,49 4 2,72 Universidad de Playa Ancha 498 49,7 109 74,15 Universidad Santísima de la Concepción 103 10,27 6 4,08 Universidad Católica de Temuco 191 19,04 14 9,52 Total 1003 100 147 100 n: número de estudiantes; %: Porcentaje. Se realizó una segunda medida al año siguiente en el mes de junio de 2021. Se envió a todos los estudiantes que habían contestado el cuestionario el año anterior, 75 respondiendo 147 estudiantes un 14,65% de la muestra inicial tomada en 2020. Del total 77,60% fueron mujeres, el 74,10% ingreso por acceso Regular y un 20,40% por acceso PACE (ver tabla 2). Hay que subrayar que cada estudio contó con una muestra específica que se extrajo de la muestra general. El Estudio 1 (estudio previo) contó con una muestra de 890 estudiantes, el Estudio 2 se realizó con 864 estudiantes; el Estudio 3 consideró una muestra de 715 estudiantes, adicionalmente este estudio evaluó a los mismos estudiantes un año más tarde, de los cuales 116 fueron considerados en el estudio; y finalmente el Estudio 4 contó con 952 estudiantes. Estas diferencias se generan porque en el Estudio 1 aún faltaba incorporar a una de las universidades al realizar el muestreo. En el Estudio 2 disminuye la muestra, ya que se eliminan casos perdidos que no contaban con las puntuaciones de RA previo de todos los estudiantes. En el estudio 3 se deben eliminar casos, ya que no todos los estudiantes reportaron el RA del primer y tercer semestre. Cabe señalar que los estudios 2 y 3 por el tipo de análisis con el que se trabajó no permitía casos perdidos. El estudio 4 es el que presenta mayor cantidad de muestra, ya que se pudo contar con mayor precisión del estado de matrícula de los estudiantes. 5.2 VARIABLES Esta tesis está centrada en los recursos psicológicos del estudiante, tales como personalidad, resiliencia, autoeficacia, motivación, estrés y satisfacción académica, por su asociación al desempeño en educación superior. El propósito de la investigación es evaluar su relación con RA y permanencia universitaria, por ello, se describen las variables de RA previo a la universidad, RA en la universidad y permanencia universitaria. El Estudio 1 mide las variables de personalidad, resiliencia, autoeficacia académica, motivación y estrés académico. Corresponde a un estudio previo para evaluar las propiedades psicométricas de la escala de personalidad. Los Estudios 2, 3 y 4 incorporan 76 variables predictoras y variables criterio las cuales se observan en la tabla 3. Estos estudios además incorporan como variables predictoras el tipo de acceso a la universidad y el sexo. Tabla 3. Resumen de variables por estudio Variables predictoras Variables criterios Estudio Personalidad, resiliencia, autoeficacia No aplica Previo académica, motivación y estrés académico. Sexo Estudio 2 Recursos psicológicos de primera medida. RA previo a la universidad: NEM. NEM, Puntuación Selectividad. Vía de acceso y sexo. Estudio 3 Recursos psicológicos primera medida y RA en la universidad: segunda medida, RA 1º semestre. Promedio de notas en el primer Vía de acceso y sexo y tercer semestre universitario. Estudio 4 NEM, Selectividad, RA en la universidad. Permanencia universitaria: Recursos psicológicos primera medida. estado de matriculado en el 1, 2 Vía de acceso y sexo y 3 semestre académico. NEM: Notas de Enseñanza Media; RA 1º Semestres: RA del primer semestre. 5.2.1 VARIABLES PREDICTORAS E INSTRUMENTOS DE MEDIDA A continuación, se describen las diferentes escalas que permitirán extraer las variables predictoras. Cabe señalar que cada Estudio desarrollará esta descripción con los instrumentos y variables utilizadas. 77 Escala OPERAS (Vigil-Colet et al., 2013) evalúa los cinco rasgos de personalidad: extraversión, estabilidad emocional, responsabilidad, amabilidad y apertura a la experiencia con 40 ítems, 7 por dimensión, 4 corresponden a deseabilidad social y 15 ítems están redactados en la dirección opuesta para permitir el control de la aquiescencia. A modo de ejemplo de ítem por dimensión, extraversión “Me desenvuelvo bien en situaciones sociales”; estabilidad emocional “me siento cómodo conmigo mismo”; responsabilidad “siempre estoy dispuesto a asumir mis responsabilidades”; amabilidad “suelo hablar bien de los demás”; y apertura a la experiencia “creo en la importancia de formarse culturalmente”. El tipo de respuesta es una escala Likert que fluctúa desde 1 (completamente en desacuerdo) a 5 (completamente de acuerdo). La escala fue analizada en dos muestras en contexto chileno presentando adecuadas propiedades psicométricas en estudiantes universitarios con una fiabilidad mediante alfa de Cronbach de ,84 - ,83 para extraversión; ,84 - ,83 para estabilidad emocional; ,77 - ,75 en responsabilidad; ,66 - ,70 para amabilidad y ,68 - ,67 para apertura a la experiencia (Rodríguez et al., 2022). Escala de Autoeficacia Percibida Especifica de Situaciones Académicas (EAPESA: Palenzuela, 1993) validada en adolescentes chilenos por García-Fernández et al., (2016) y con universitarios chilenos (Del Valle et al., 2018), consta de 10 ítems. Un ejemplo de ítem sería “Me siento con confianza para abordar situaciones que ponen a prueba mi capacidad académica.” El formato de respuesta es tipo Likert fluctuando desde 1 (nunca) a 7 (siempre), a mayor puntuación obtenida, representa mayor autoeficacia académica percibida. La escala ha mostrado adecuadas propiedades psicométricas en universitarios chilenos con un alfa ordinal de ,87 (Del Valle et al., 2018), confirmándose también la estructura unidimensional. Escala de Resiliencia Connors-Davidson Resilience Scale (CD-RISC; Connor y Davidson, 2003) cuenta con 25 ítems. Un ejemplo es “El éxito pasado me da confianza para nuevos desafíos”. Se responden mediante escala Likert distribuidos en cinco puntos que fluctúan de 0 (En absoluto), 1 (Rara vez), 2 (A veces), 3 (A menudo) a 4 (Casi siempre) basados en sus experiencias del último mes. El análisis psicométrico realizado en estudiantes universitarios en población universitaria chilena y española sugiere una estructura unidimensional, presentando un omega jerárquico general de ,94 y ,91 respectivamente (Cisternas, 2015). 78 Cuestionario de autorregulación Académica (SRQ; Ryan y Connell, 1989) versión adaptada de Self Regulation Questionnaire (Vergara-Morales, 2018). Está compuesto por 16 ítems que evalúan cuatro dimensiones de motivación académica comprobada psicométricamente: regulación intrínseca por ejemplo “Porque estoy altamente interesado en hacer esto”, regulación identificada p. ej “Porque quiero aprender cosas nuevas”, regulación introyectada p. ej. “Porque me sentiría culpable si no estudiara” y regulación externa p. ej “Porque es algo que otros (mis padres, amigos, etc.) me fuerzan a hacer” (Vergara-Morales et al., 2022). Los autores también proponen agrupar en dos dimensiones, haciendo referencia a la motivación autónoma, calculada a partir del promedio de los factores regulación intrínseca y regulación identificada; y la motivación controlada a partir del promedio de las dimensiones regulación introyectada y regulación externa (Vansteenkiste et al., 2009). Los ítems se responden en una escala de 7 puntos fluctuando desde 1 (Totalmente en desacuerdo) a 7 (Totalmente de acuerdo). En contexto universitario chileno la escala ha mostrado una consistencia interna que fluctuó de ,85 a ,89 en las cuatro dimensiones (Vergara-Morales et al., 2022). Inventario de Burnout de Maslach (MBI-SS; Maslach y Jackson, 1981) Consta de 22 ítems, ocho de ellos son indirectos y evalúan el estrés académico. Se pueden extraer tres dimensiones de despersonalización (p. ej “Estar todo el día con otras personas es un esfuerzo”); falta de desarrollo personal (p. ej “En mis estudios trato los problemas con mucha calma” y agotamiento (p. ej. “Me siento emocionalmente agotado por mis estudios”). Se responde en una escala Likert que fluctúa desde 0 (Nunca), 1 (Pocas veces en el año), 2 (Una vez al mes o menos), 3 (Unas pocas veces al mes), 4 (Una vez a la semana), 5 (Pocas veces a la semana) y 6 (Todos los días). La escala ha sido utilizada en contexto universitario chileno, encontrando adecuadas propiedades psicométricas, indicando una adecuada estructura unifactorial con una fiabilidad de alfa de Cronbach de ,84 (Pérez et al., 2012). Escala Breve de Satisfacción con los Estudios (EBSE; Merino-Soto et al., 2017) es una medida breve de autoinforme de 3 ítems, unidimensional, que evalúa la satisfacción del estudiante con su manera de estudiar “Actualmente estoy satisfecho con mi manera de estudiar”, su rendimiento “Actualmente estoy satisfecho con mi rendimiento” y su experiencia global con los estudios “En general, actualmente estoy satisfecho con mis estudios”. La escala se responde según 5 opciones indicando el grado de acuerdo con cada afirmación desde 1 (muy en desacuerdo) a 5 (muy de acuerdo). El instrumento fue utilizado con estudiantes universitarios peruanos y presentó un alfa de Cronbach de ,78 (Merino- Soto et al., 2017). 79 Acceso a la universidad: Los estudiantes fueron agrupados según tipo de ingreso a la universidad: El acceso Regular es la vía ordinaria por la que ingresan los estudiantes según los mecanismos oficiales del Sistema Nacional de Universidades de chilenas, donde uno de los requisitos iniciales es obtener en la Prueba de Transición Universitaria una puntuación superior a los 475 para poder postular y luego seguir las exigencias propias de cada carrera (DEMRE, 2022). El acceso PACE es una vía inclusiva, son estudiantes que pertenecen al Programa de Acceso Inclusivo a la Educación Superior (PACE), quienes rinde la prueba de transición universitaria, pero su puntuación no es requisito para el acceso. Lo destacado de estos estudiantes es que cuentan con un RA de sus últimos cuatro años en la secundaria alto y provienen de establecimientos educacionales de mayor vulnerabilidad del país (MINEDUC, 2022). Respecto al tipo de acceso a la universidad, la matrícula de los estudiantes PACE corresponden a una minoría en las universidades, implicando de un 5 a un 7% de la matrícula general de cada universidad al año (MINEDUC, 2022). En la muestra general de este estudio un 59,70% de los estudiantes ingresó por acceso Regular y un 40,30% por vía PACE. Sexo de los estudiantes: Se consideró la clasificación de sexo biológico varón o mujer. Esta variable se considerado en la descripción de los participantes en los cuatro estudios, sin embargo, no se logran equiparar las muestras trabajando con un 70% aproximadamente de mujeres y un 30% de varones. Conviene tener presente que la matrícula de mujeres (54,16%) está encima de la matrícula de varones (45,84%) en educación superior en Chile (SIES, 2021). 80 5.2.2 VARIABLES CRITERIO Las variables criterio responden a un estudio longitudinal, por lo que el RA y la permanencia universitaria presentan medidas que recogen información de distintos momentos por los que ha cursado el estudiante. RA: Consideró el RA del estudiante antes de entrar a la universidad mediante las notas de enseñanza media (NEM); el proceso de postulación a la universidad mediante la puntuación en la prueba de transición a la educación superior y el RA en la universidad durante el primer y tercer semestres académico. 1. Notas de enseñanza Media (NEM): corresponden al promedio del RA durante los últimos cuatro años de enseñanza secundaria obligatoria en Chile. Este promedio es convertido a una puntuación estándar para luego ponderar con la prueba de Selectividad chilena (DEMRE, 2022). Las puntuaciones presentan un rango entre 150 y 850 puntos. 2. Puntuación Prueba de Transición a la Educación Superior: (Para este estudio le llamaremos Selectividad) evalúa conocimientos y habilidades definidos por el Ministerio de Educación chileno. Consta de 4 pruebas, 2 de ellas obligatorias (Lenguaje y Matemáticas) y 2 optativas (Historia y Ciencias Sociales y Ciencias) para el ingreso a la educación superior. Las puntuaciones de ambas pruebas tienen un rango de 150 y 850 puntos. A partir de la ponderación del porcentaje de cada prueba, según la carrera seleccionada, se establece una puntuación de Selectividad ponderada, con la cual los estudiantes postulan a la carrera. En este estudio se consideró la puntuación ponderada total. 3. RA en la universidad: Será establecido mediante el promedio de notas del primer y tercer semestre universitario. Las notas tienen un rango entre 1 y 7 siguiendo la escala utilizada en Chile. 81 Permanencia Universitaria: Las universidades al iniciar el semestre académico solicitan a los estudiantes que renueven su matrícula, ese hito permite saber si entre un semestre y otro los estudiantes permanecen inscritos, han abandonado o suspendido sus estudios. La medida con la que se cuenta permite conocer el estado “vigente” o “no inscrito” para cursar el semestre. Para esta investigación se considera a aquellos estudiantes que permanecen matriculados. 1. Permanencia del primer semestre, implica estudiantes que cursaron el primer semestre del año y se han matriculado para seguir en el segundo semestre del año. 2. Permanencia del segundo semestre, involucra estudiantes que cursaron el primer año y se han matriculado para seguir en el tercer semestre. 3. Permanencia en el tercer semestre, comprende estudiantes que cursaron 1 año y medio y se han matriculado para seguir en el cuarto semestre. 5.2.3 VARIABLES CONTAMINADORAS Se destacan aquellas variables que podrían haber contaminado los estudios realizados y de qué modo se trataron de controlar. El comienzo de la recogida de datos coincidió con la epidemia SARS-CoV-2. Con objeto de analizar si pudiese haber afectado los resultados, se decidió realizar una nueva toma de datos al año siguiente con los mismos estudiantes. Con esta medida se pudo evaluar si se mostraban diferencias en los recursos psicológicos tras un año de pandemia. Se buscó asegurar representatividad de estudiantes chilenos, por lo que se seleccionaron siete universidades de distintos territorios geográficos de Chile, sin embargo, no se logró obtener similar número de respuestas por casa de estudios. Sí se logró que los estudiantes pertenecieran a diferentes áreas de estudios para favorecer la generalización de los resultados. 82 La tesis incorporó la variable tipo de acceso a la universidad (Regular y PACE). Dado que los estudiantes PACE son una minoría en cada institución, no se pudo igualar en porcentaje el grupo de acceso a la Universidad, pese a ello se logró contar con alta participación que favoreciera su representatividad. El sexo de los estudiantes tampoco se pudo igualar en esta tesis, contando con mayor participación de mujeres que varones. 5.3 DISEÑO Se utiliza una metodología cuantitativa, no experimental, presentando diferencias de diseño según los objetivos propuestos. El Estudio 1 implicó un análisis psicométrico de una escala, corresponde a un diseño transeccional, ya que considera datos de los recursos psicológicos evaluados en un sólo momento (Hernández et al., 2014). Los Estudios 2, 3 y 4 utilizaron un diseño selectivo con objeto de comprobar si los diferentes recursos psicológicos logran predecir los dos criterios considerados: RA y permanencia universitaria (León y Montero, 2015). Estos últimos tres estudios consideran un diseño longitudinal de panel (León y Montero, 2015), donde el estudio 2 tuvo mirada retrospectiva y los estudio 3 y 4 fueron prospectivos, con dos grupos según vía de acceso en la universidad (Regular y PACE) y también el sexo. Además, el estudio 3 incorpora la evolución de grupos (Hernández et al., 2014), ya que tras la evaluación de los recursos psicológicos al iniciar el año académico 2020, se vuelven evaluar un año académico más tarde, comparando diferencias entre la misma muestra. Se puede observar en la Tabla 4 un resumen general de los antecedentes recopilados a lo largo de la investigación correspondientes a las variables predictoras y criterio. Se consideró un periodo de tres semestres para la toma de datos. Se seleccionó antecedentes previos al ingreso a la universidad, como las NEM y puntuación en la Selectividad. Durante el primer semestre académico chileno del año 2020 considerando los meses de mayo a julio se recopilaron datos de recursos psicológicos. El segundo semestre de 2020 que comprendió los meses septiembre a enero de 2021 se recopiló antecedentes del RA y permanencia universitaria. El tercer semestre de 2021 consideró los meses de marzo a julio de 2021, se volvió a evaluar los recursos psicológicos de los estudiantes evaluados el año anterior, así como el RA y permanencia académica. 83 Tabla 4. Diseño general de la investigación Variables Medidas Previo a la universidad I Semestre II Semestre III Semestre Predictoras Recursos psicológicos X X Criterio RA X X X Permanencia X X X I: primer; II segundo y III tercer. 5.4 PROCEDIMIENTO Durante el periodo de octubre de 2018 a enero de 2020 se inició una revisión teórica. Fruto de esta se establecieron los fundamentos teóricos, se concretó el problema de investigación y se generó el plan de investigación para trabajar sobre los “Factores Psicológicos asociados al RA y permanencia en estudiantes universitarios chilenos”. La primera universidad con la que se estableció contacto para aplicar la investigación fue la Universidad de Playa Ancha. Se mantuvieron reuniones con diferentes autoridades académicas, quienes finalmente accedieron solicitando someterla al Comité de Ética de su institución para finalizar la autorización del estudio. En los meses de enero a abril de 2020 se estableció contacto con autoridades académicas de la Universidad de la Universidad de Tarapacá, Universidad de Atacama, Universidad Metropolitana de Ciencias de la Educación, Universidad Alberto Hurtado, Universidad Santísima de la Concepción y Universidad Católica de Temuco, presentando la propuesta de investigación, siguiendo los procedimientos éticos solicitados. Esto implicó participar de reuniones virtuales con distintos académicos y autoridades de cada universidad con el fin de aclarar dudas y formalizar los compromisos. Tras su aprobación, se estableció un contacto clave en cada institución quien enviaría el instrumento de recursos psicosociales vía online a los estudiantes y sería quien enviaría la 84 retroalimentación del avance curricular (RA) de los estudiantes durante el primer y tercer semestre académico futuro y su estado de matrícula (Permanencia universitaria). Se realizó un instrumento mediante formulario Google diferente para cada institución, el cual contenía una presentación de la investigación, consentimiento informado y luego se administraban las escalas de los recursos psicológicos que fueron iguales para todos los estudiantes. Meses antes, se preparaba el instrumento de recursos psicológicos donde cinco de las escalas contaban con una validación psicométrica en población chilena y peruana. Una de las escalas, Evaluación General de la Personalidad OPERAS contaba con validación en contexto español, pero no latinoamericano. Por lo que se realizó un análisis de jueces expertos de la escala OPERAS con el fin de identificar la equivalencia gramatical, semántica y lingüística (Elosua et al., 2014) que permitiera su uso sin alterar su significado en Chile. La equivalencia semántica se redujo a modificar palabras manteniendo la estructura, buscando sinónimos que mantuvieran la familiaridad con el contenido. La adecuación lingüística, tras las modificaciones fue revisada por tres expertos españoles quienes coincidieron en que la modificación no alteraba el significado de la escala. Según el índice de acuerdo se modificaron tres ítems. El proceso de validación de la escala OPERAS se describe en el Estudio 1 (Estudio Previo) de esta Tesis (Rodríguez et al., 2022). e realizó una muestra piloto del instrumento online a 50 estudiantes universitarios para evaluar el funcionamiento y tiempos estimados de aplicación (15 a 20 minutos), realizando pequeñas modificaciones dirigidas a la presentación de la investigación, no a las escalas incorporadas. La administración de las pruebas que miden los recursos psicológicos se concretó durante los meses de mayo a julio de 2020. Estas pruebas fueron compartidas en un formulario online, por los contactos clave de cada universidad vía correos electrónicos institucionales a los estudiantes considerando estudiantes de acceso Regular y/o estudiantes de acceso inclusivo PACE. Cabe señalar que el formulario online estaba planificado para aplicarse durante los meses de marzo y abril de 2020, periodo en que inicia el año académico chileno. Sin embargo, el contexto de pandemia por SARS-CoV-2 implicó dar respuesta a otras prioridades producto de la emergencia sanitaria, retrasando su aplicación. Los participantes cumplimentaron el consentimiento informado donde se explicitaba su carácter voluntario y confidencial, los riesgos, beneficios. Los estudiantes que estuvieron de acuerdo participar, autorizaban el seguimiento de las NEM, 85 puntuación de prueba Selectividad universitaria, RA universitario y su estado de matrícula durante tres semestres académicos. Quienes decidían no participar, su respuesta los desviaba a finalizar el formulario. Un año después, se aplicó el cuestionario online para obtener por segunda vez los recursos psicológicos de los mismos estudiantes que habían contestado la primera vez. Esta vez el cuestionario online fue enviado a los correos institucionales de los estudiantes por la doctoranda, no por los contactos clave de cada institución como se realizó en la primera toma de datos, con previa autorización de las universidades. Este punto puede haber incidido en la baja tasa de respuesta que se tuvo por parte de los estudiantes (un 14,65% de la muestra inicial). Tras finalizar cada semestre académico, se solicitó a las universidades los datos de RA (promedio de asignaturas cursadas durante el semestre) y estado de matrícula que corresponde a la permanencia universitaria según el número de registro de cada estudiante. Información que fue integrada en una base de datos general con toda la muestra de la investigación. 5.5 ANÁLISIS DE DATOS Se describen los procedimientos estadísticos de manera general utilizados para el desarrollo de los cuatro estudios que conforman la Tesis. Esta información se profundiza en el apartado de análisis de datos de cada Estudio. Los cuatro estudios inician los análisis con la estadística descriptiva de las escalas, media, desviación típica, asimetría y curtosis. Los indicadores de asimetría y curtosis consideran valores inferiores ±1,96 para asumir una distribución normal (Mardia, 1970). Se calcula el coeficiente de correlación de Pearson para evaluar las relaciones entre variables e identificar presencia de multicolinealidad (Arias-Martínez, 2008). Se analiza la fiabilidad de todas las dimensiones a través del coeficiente alfa de Cronbach, considerando un límite inferior de α = ,70 para considerarla aceptable (Field, 2018). El Estudio 1 para el análisis psicométrico de la escala de personalidad OPERAS utiliza la validación cruzada, por ello todos los análisis se realizan en dos muestras que son comparadas. Se evalúa la estructura factorial mediante Análisis Factorial 86 Exploratorio y se confirma la estructura con el Análisis Factorial Confirmatorio. Se analiza la validez convergente entre las cinco dimensiones del OPERAS y la validez discriminante con la correlación entre las escalas de resiliencia, autoeficacia, motivación y estrés académico. Se evalúan diferencias de media en función del sexo y adicionalmente se calculan los baremos de la escala. Los Estudio 2, 3 y 4 evalúan las propiedades psicométricas de los instrumentos mediante análisis factorial confirmatorio. Estos análisis aportan información de la estructura interna de las escalas medidas otorgando mayor validez de los resultados. Los criterios considerados para evaluar la bondad de ajuste fue el χ2, donde un valor no significativo indica un buen ajuste (p > ,05), sin embargo, dado que es muy sensible al tamaño de la muestra se usan otros indicadores. El “Comparative Fix Index” (CFI, Bentler, 1990) y el “Tucker Lewis Index” (TLI, Tucker y Lewis, 1973) comparan el modelo existente con un modelo nulo. Los valores > ,90 indican un ajuste aceptable y > a ,95 un buen ajuste (Hu y Bentler, 1999). Los residuos del modelo se evalúan con el “Root Mean Square Error of Appoximation” (RMSEA, Steiger, 1990) incorporando el intervalo de confianza y el “Standarized Root Mean Residual” (SRMR, Bentler, 1995), valores inferiores a ,08 son considerados aceptables y < a ,05 indica un buen ajuste (Fan y Sivo, 2007). Los Estudios 2 y 3 incorporan modelos de ecuaciones estructurales. Estos modelos se realizan para generar modelos predictivos exploratorios de los recursos psicológicos y de RA, a partir de la evidencia presentada en los fundamentos teóricos. Para ello se utilizó el método de estimación mínimos cuadrados no ponderados (ULS) (Forero et al., 2009). La bondad de ajuste se evaluó mediante los siguientes criterios: El χ2 con un valor p > ,05 indica un buen ajuste, sin embargo, es un índice sensible al tamaño de la muestra (Curran et al., 2002). El GFI (Goodnees of Fit Index; Bentler, 1983) y el NFI (Normed Fit Index; Bentler y Bonett, 1980) son indicadores comparativos, para ambos se considera un buen ajuste con valores > ,95; el índice de parsimonia PGFI (Parsimony GFI) y el PNFI (Parsimony NFI; Bentler y Bonett, 1980) considera el ajuste y los grados de libertad donde valores superiores a ,50 indican un ajuste más parsimonioso. El Estudio 4 aplica el análisis de regresión logística binaria para evaluar la relación entre la variable permanencia (dicotómica) con las variables predictoras. Los predictores fueron sustentados en los fundamentos teóricos. La regresión logística binaria considera para el ajuste del modelo el estadístico χ2 que evalúa si hay diferencias 87 o no en los modelos, por lo que se rechazará la hipótesis nula cuando los coeficientes Beta (β) que se presentan en el modelo no son cero. El estadístico R2 de Nagelkerke es una modificación al coeficiente de Cox y Snell y su rango está entre 0 y 1, estima la proporción de la varianza de la variable criterio explicada por las variables predictoras. Para interpretar el impacto de la variable predictora se observa el coeficiente de regresión β de las variables más importantes del modelo, indicando la jerarquía e intensidad de las variables significativas. El exponencial de β (eβ) evalúa el impacto de la variable predictora sobre la variable criterio. Los Estudios 2 y 3 incorporan análisis de prueba t de Student para muestras independientes evaluando los tamaños del efecto con la d de Cohen en los recursos psicológicos, comparando a los grupos según el tipo de acceso a la universidad Regular y PACE y en función del sexo. El Estudio 3 aplicó una prueba t de Student para muestras relacionadas comparando los recursos psicológicos de los estudiantes en el año 2020 y aquellos que contestaron el 2021. El Estudio 4 aplicó una tabla de contingencia con coeficiente C. Las herramientas estadísticas utilizadas para realizar los análisis descriptivos, correlaciones, fiabilidad y regresión logística binaria fue el programa estadístico SPSS versión 25. Para el análisis de los sesgos de respuesta de la escala OPERAS se utilizó el Psychological Test Toolbox mediante el paquete vampyr de R (Navarro-Gonzalez et al., 2019). Para realizar los análisis factorial confirmatorio de las escalas y las pruebas t con el tamaño del efecto se utilizó el programa JASP (2022) versión 0.16. Los análisis de ecuaciones estructurales se realizaron con el programa AMOS 23 (Arbuckle, 2019). 88 89 CAPITULO 6: ESTUDIO PREVIO. VALIDACIÓN DE LA ESCALA DE EVALUACIÓN GENERAL DE LA PERSONALIDAD (OPERAS) EN ESTUDIANTES UNIVERSITARIOS CHILENOS. El capítulo 6 corresponde al primer estudio de la tesis, un estudio previo realizado para garantizar la validez de las escalas utilizadas y su aplicación en el contexto chileno. Entre las diversas opciones consideradas, la escala de personalidad OPERAS destacó como un instrumento atractivo para ser incorporado en la investigación. Esta escala se caracteriza por su brevedad, la capacidad de autoadministración y las sólidas propiedades psicométricas en contexto español. Este capítulo presenta el proceso de validación de la escala OPERAS, publicado por la doctoranda Montserrat Rodríguez, Jesús Privado, Sergio Escorial, y Francisco J. Román, bajo el título “Validación de la Escala de Evaluación General de la Personalidad (OPERAS) en Estudiantes Universitarios Chilenos”. El artículo fue publicado el año 2022 en la Revista Iberoamericana de Diagnóstico y Evaluación – e Avaliação Psicológica (RIDEP), Nº64, volumen 3 en las páginas 41-55. 90 6.1 INTRODUCCIÓN La personalidad ha sido un constructo muy utilizado por su predicción y relación con otras medidas en distintos contextos, edades y poblaciones (Backmann et al., 2019; Bahçekapılı y Karaman, 2020; Barrick y Mount, 1991; Sorić et al., 2017; Zhou, 2015). Dentro del estudio de la personalidad uno de los modelos más estudiados es el de los Cinco Grandes (Costa y McCrae, 1992) que plantea una estructura de la personalidad formada por cinco factores independientes: Extraversión (sociabilidad y tendencia a buscar estimulación en compañía de otros), Estabilidad Emocional, lo contrario a Neuroticismo, referido a la vulnerabilidad a emociones desagradables, depresión e inseguridad), Amabilidad (reflejando simpatía, flexibilidad, tolerancia y cooperación), Responsabilidad (voluntad, autodisciplina, planificación y confiabilidad) y Apertura a la experiencia (imaginación, curiosidad intelectual, creatividad y sensibilidad artística) (Barrick y Mount, 1991; Costa y McCrae, 1992). El modelo de los Cinco Grandes de personalidad (Costa y McCrae, 1992) ha sido el más influyente en investigación educativa (Poropat, 2009) siendo estudiado como un factor no cognitivo que predice el rendimiento académico (Richardson et al., 2012; Trapmann et al., 2007; Wilson et al., 2019) y ha presentado relaciones con otras medidas como resiliencia (Oshio et al., 2018), autoeficacia académica (Stajkovic et al., 2018), motivación académica (Zhou, 2015), estrés (Saklofske et al., 2012), estilos de aprendizaje (Chamorro-Premuzic y Furnham, 2009), orientación a las metas (Sorić et al., 2017). Medidas de los Cinco Grandes Se han generado distintas escalas para evaluar los Cinco Grandes, entre ellas destacamos: el NEO Inventario de Personalidad Revisado de 240 ítems (NEO-PI-R; Costa y McCrae, 1992), una versión reducida es el NEO-FFI de 60 ítems (Costa y McCrae, 1992), el Inventario de Personalidad de Cinco Factores (FFPI) de 100 ítems (Hendriks et al., 1999) y el Big Five Inventory (BFI) de 44 ítems (Benet-Martínez y John, 1998). La escala NEO-PI-R (Costa y McCrae, 1992) es de origen estadounidense y es una de las medidas más populares para evaluar los cinco factores de personalidad en seis facetas. En una muestra española la fiabilidad es adecuada (ver Tabla 5) (Sanz y García-Vera, 2009), resultados similares a los obtenidos con población de voluntarios https://translate.googleusercontent.com/translate_f#5 https://translate.googleusercontent.com/translate_f#5 91 estadounidenses (Costa y McCrae, 1992). El estudio de Aluja et al. (2005) evaluó la invarianza del instrumento en muestra estadounidense y española y encontró que las puntuaciones factoriales de los cinco factores fueron las mismas independiente del tipo de rotación (ortogonal vs oblicua) y el análisis confirmatorio o exploratorio (Aluja et al., 2005). Tabla 5. Fiabilidad de los Cinco Grandes en diferentes pruebas. Prueba y autores de la validación E EE o N Am R Ap BFI (Benet-Martínez y John, 1998) ,85 ,80 ,66 ,77 ,79 BFI (Schmitt et. Al, 2007) ,70 ,74 ,67 ,76 ,79 FFPI (Rodríguez-Fornells et al., 2001) ,88 ,87 ,84 ,86 ,84 NEO-FFI (Manga et al., 2004) ,81 ,82 ,71 ,81 ,76 NEO-FFI (McCrae y Costa, 2004) ,82 ,78 ,72 ,81 ,70 NEO-PI-R (Sanz y García-Vera, 2009) ,88 ,90 ,86 ,89 ,88 OPERAS (Vigil-Colet et al., 2013a) ,86 ,86 ,71 ,77 ,81 EE: Estabilidad emocional; N: Neuroticismo; Ap: Apertura a la Experiencia; E: Extraversión; Am: Amabilidad; R: Responsabilidad. Una versión reducida es el NEO-FFI de 60 ítems (Costa y McCrae, 1992) con una fiabilidad adecuada (ver Tabla 5) en población de Estados Unidos y otros países (McCrae y Costa, 2004). En la versión aplicada a estudiantes universitarios españoles la fiabilidad también fue adecuada y se obtuvieron 5 componentes empleando un análisis de componentes principales con rotación varimax que explican el 35% de la varianza observada (Manga et al., 2004). El FFPI de Hendriks et al. (1999) es de origen holandés. Utiliza las cinco dimensiones incluidas en el NEO-PI-R excepto por Apertura que es cambiado por Autonomía y se refiere a la tendencia de tomar decisiones independientes controlando la influencia y presión social. La versión adaptada al español con estudiantes https://translate.googleusercontent.com/translate_f#5 92 universitarios mostró una adecuada fiabilidad (ver Tabla 5). Se extrajeron cinco componentes mediante un análisis de componentes principales y rotación ortogonal que explican el 34,3% de la varianza total. Los resultados muestran estabilidad y congruencia con la versión original en holandés (Rodríguez-Fornells et al., 2001), así como evidencia de validez de generalización al replicarse los datos en trece países, lo que indica estabilidad en la estructura interna de la prueba (Hendriks et al., 2003). El BFI de Benet-Martínez y John (1998) de origen estadounidense, realizó un estudio intercultural con muestra de estudiantes estadounidenses y españoles encontrando similares resultados en fiabilidad, promedio, desviación estándar, estructura factorial en ambas muestras. La escala española mostró una fiabilidad adecuada salvo para Amabilidad (ver Tabla 5). Mediante un análisis de componentes principales con rotación varimax encontraron una solución de cinco factores que se validó con un análisis factorial confirmatorio. El estudio de Schmitt et al. (2007) analizó el BFI en 56 países entre los que estaban Chile, Argentina, Bolivia, Brasil y Perú. Mediante un análisis factorial exploratorio con rotación varimax se encontraron cinco factores con adecuada fiabilidad (excepto para Amabilidad) que explicaron un 30,80% de la varianza. Esta estructura factorial se replicó en todos los países analizados. Una medida reciente para medir los Cinco Grandes es la Escala General de Evaluación de la Personalidad (OPERAS, Vigil-Colet et al., 2013a). Ha sido validada en población española en una muestra de 3.838 participantes (51% mujeres) con edades comprendidas entre los 13 y los 95 años. Es una prueba de tan solo 40 ítems con un buen ajuste a cinco factores independientes de personalidad que explican el 52,90% de la varianza (Vigil-Colet et al., 2013a). La escala mostró una fiabilidad adecuada para las cinco escalas (ver Tabla 5). Además, ha sido diseñada para contrarrestar los sesgos de respuesta más comunes en personalidad: la deseabilidad social (DS) y la aquiescencia (Aq) (Morales- Vives et al., 2017; Navarro-González et al., 2019; Vigil-Colet et al., 2013a). La DS es la disposición a presentarse a los demás de un modo más favorable (Holden y Passey, 2010) y la Aq la tendencia a estar de acuerdo con las declaraciones hechas previamente independiente de su contenido (Paulhus y Vazire, 2005). Estos efectos han sido encontrados en muestras con menor nivel educativo, en niños o adolescentes (Meisenberg y William, 2008; Rammstedt et al., 2010; Rammstedt y Farmer, 2013), en personas mayores (Soubelet y Salthouse, 2011; Vigil-Colet et al., 2013b), y especialmente las mujeres mayores tienden a mostrar niveles más altos de DS y Aq (Vigil-Colet et al., 2013b). El estudio de Morales-Vives et al. (2017) comparó el efecto de la SD y AC sobre la estructura factorial de los Cinco Grandes en tres escalas: 93 BFI, FFPI y OPERAS. Las escalas FFPI y BFI mostraron cambios al incorporar los marcadores de DS y Aq, mientras que el OPERAS mostró menores cambios ya que es una prueba diseñada para disminuir los sesgos de respuesta, presentando una mayor estabilidad según el rango de edad y el nivel educativo. Evidencias de validez de criterio de los Cinco Grandes El modelo de los Cinco Grandes se ha relacionado con numerosas variables psicológicas como la resiliencia (Backman et al., 2019; Campbell-Sills et al., 2006; Oshio et al., 2018), la autoeficacia académica (De Feyter et al., 2012; Stajkovic et al., 2018; Bahçekapılı y Karaman, 2020), la motivación académica (De Feyter et al., 2012; Komarraju et al., 2009; Zhou 2015) y el estrés (Ebstrup et al., 2011; Liu et al., 2021; Saklofske et al., 2012). En la Tabla 6 se recogen los principales resultados encontrados. Respecto a la resiliencia, se ha encontrado evidencia de validez de criterio con relaciones positivas medias con extraversión y responsabilidad, negativas medias con neuroticismo y positivas bajas con el resto de los rasgos de personalidad en estudiantes estadounidenses (Campbell-Sills et al., 2006) y belgas universitarios (Backmann et al., 2019). Resultados confirmados por un meta-análisis de Oshio et al. (2018). En relación a medidas más usadas en ámbitos académicos, la autoeficacia académica presenta asociación media-baja con extraversión, responsabilidad y apertura (Bahçekapılı y Karaman, 2020; Stajkovic et al., 2018) y baja con el resto de los rasgos (Bahçekapılı y Karaman, 2020; De Feyter et al., 2012; Stajkovic et al., 2018) en muestras de estudiantes universitarios belgas y turcos. Y la motivación académica en la universidad únicamente ha presentado relación positiva media-baja con responsabilidad (De Feyter et al., 2012; Komarraju et al., 2009; Zhou, 2015). 94 Tabla 6. Correlaciones de Pearson entre los Cinco Grandes y varios criterios. Autores de la validación Criterio E N Am R Ap Backmann et al. (2019) Resiliencia ,39 -,46 ,19 ,22 ,36 Campbell-Sills et al. (2006) ,61 -,65 ,15 ,46 ,20 Oshio et al. (2018) ,40 a ,42 -,41 a -,44 ,27 a ,32 ,42 a ,45 ,28 a ,34 Bahçekapılı y Karaman (2020) Autoeficacia ,46 -,36 ,20 ,40 ,48 De Feyter et al. (2012) -,11 a -021 Stajkovic et al., (2018) ,14 -,22 ,25 De Feyter et al. (2012) Motivación ,19 ,20 ,67 Komarraju et al. (2009) ,17 ,28 a ,29 ,24 Zhou (2015) ,20 ,31 ,33 Ebstrup et al. (2011) Estrés -,31 ,65 -,10 -,39 -,01 Liu et al. (2021) ,11 ,48 -,09 Saklofske et al. (2012) -,32 ,55 -,14 -,21 -,09 N: Neuroticismo; Ap: Apertura a la Experiencia; E: Extraversión; Am: Amabilidad; R: Responsabilidad. Finalmente, empleando como criterio clínico el nivel de estrés se ha encontrado una relación positiva media-alta con neuroticismo y negativa media-baja con extraversión en población danesa (Ebstrup et al., 2011), estudiantes escoceses (Saklofske et al., 2012) y estudiantes canadienses durante la pandemia por el COVID- 19 (Liu et al., 2021). El presente trabajo trata de adaptar y validar el OPERAS en dos muestras independientes de universitarios chilenos, de diferentes estudios académicos, con objeto de realizar una validación cruzada de la prueba. Se analizarán las propiedades psicométricas de la escala: fiabilidad y evidencias de la estructura interna, validez discriminante y convergente con otra serie de medidas (resiliencia, autoeficacia académica, motivación y estrés académicos). Y se calcularán los baremos de la prueba. No hay estudios previos de adaptación de la prueba a ningún país sudamericano y dadas las ventajas (menor cantidad de ítem y control de dos sesgos de respuesta) de esta prueba en relación con otras que miden personalidad desde el modelo de los Cinco Grandes resulta de interés realizar su validación. 95 6.2 MÉTODOLOGÍA 6.2.1 PARTICIPANTES El estudio evaluó a dos muestras independientes obtenidas mediante un muestreo no probabilístico. La primera muestra estuvo formada por 444 estudiantes chilenos de la Universidad de Playa Ancha con un 74,5% de mujeres (M = 20,33 años y DT = 2,51) con un rango entre 17 y 29 años. El año de ingreso en la universidad fue entre 2015 y 2020 por medio de un acceso Regular. La distribución por facultades fue de un 48,20% para Ciencias de la Educación, un 20,70% Ciencias de la Salud, un 16,40% Ciencias Sociales, 8,30% Humanidades, 2,70% Ingeniería, 2% de estudios Técnicos y 1,60% otros estudios. La segunda muestra estuvo formada por 466 estudiantes pertenecientes a cinco universidades chilenas: Universidad de Tarapacá, Universidad de Atacama, Universidad Metropolitana Ciencias de la Educación, Universidad Santísima de la Concepción y Universidad Católica de Temuco. Tenía un 76% de mujeres (M = 19,18 años y DT = 1,89) con un rango de edad de 17 a 29 años. El año de ingreso fue entre 2015 al 2020. El 72,50% ingreso por el Programa de Acceso a la Educación Superior, mientras que el 27,50% por vía Regular. La representación de las facultades fue de 28,30% para Ciencias de la Educación, 23% Ciencias Médicas y de la Salud, 17% Ciencias Sociales, 13,50% Ingeniería y Tecnología, 9,40% Humanidades, 6,70% estudios técnicos, 1,10% Ciencias Naturales, 0,60% Ciencias Agrícolas y 0,40% otros estudios. 6.2.2 INSTRUMENTOS Escala OPERAS (Vigil-Colet et al., 2013a) evalúa los cinco rasgos de personalidad: extraversión, estabilidad emocional, responsabilidad, amabilidad y apertura con 40 ítems, 7 por dimensión, 4 ítems corresponden a DS y 15 ítems están redactados en la dirección opuesta para permitir el control de la Aq. El tipo de respuesta es una escala Likert desde 1 (completamente en desacuerdo) a 5 (completamente de acuerdo). Ejemplos de ítems para las 5 dimensiones son: extraversión, “Soy el alma de la fiesta”; estabilidad emocional, “Me siento cómodo conmigo mismo”; responsabilidad, “Evito mis obligaciones”; amabilidad, “Respeto a los demás; y apertura, “Me gusta visitar 96 sitios nuevos”. La prueba presenta adecuada evidencia de validez interna y fiabilidad en la muestra española (alfa de Cronbach entre ,71 y ,86). La consistencia interna de todas las pruebas aplicadas en la presente investigación aparece en la Tabla 5. Escala de Autoeficacia Percibida Especifica de Situaciones Académicas (EAPESA) (Del Valle et al., 2018) que consta de 10 ítems, por ejemplo, “Me considero lo suficientemente capacitado para enfrentarme con éxito a cualquier carrera universitaria” y “Me da igual que los profesores sean exigentes y duros, ya que confío en mi propia capacidad académica”. El formato de respuesta es tipo Likert desde 1 (nunca) a 4 (siempre), mayor puntuación obtenida indica mayor autoeficacia académica percibida. La prueba ha sido validada en universitarios chilenos (Del Valle et al., 2018), adolescentes chilenos (García-Fernández et al., 2016) y población española (Palenzuela, 1983) confirmando una estructura unidimensional y una consistencia interna adecuada entre ,88 y ,89. Escala de Resiliencia de Connors-Davidson (CD-RISC; Connor y Davidson (2003) validada en población universitaria chilena por Cisternas (2015) que tiene 25 ítems. Ejemplos de ítems son: “Trabajo para alcanzar mis metas”, “Soy capaz de adaptarme a los cambios”. Las respuestas fluctúan de 0 (en absoluto), 1 (rara vez), 2 (a veces), 3 (a menudo) a 4 (casi siempre) basados en sus experiencias del último mes. La estructura factorial refleja la presencia de una sola dimensión con adecuada consistencia interna: ,90 a ,94 (Cisternas, 2015). Cuestionario de autorregulación Académica (SRQ-A) de Ryan y Connell (1989) versión de Vergara (2018) que mide la motivación por el estudio. Tiene 16 ítems que evalúan dos factores de motivación (autónoma y controlada) en una escala Likert de 1 (totalmente en desacuerdo) a 7 (totalmente de acuerdo). Ejemplos de ítems son: para motivación autónoma “Porque es algo emocionante hacer” y “Porque es personalmente importante para mí”, para motivación controlada “Porque me sentiría culpable si no la estudiara” y “Porque se supone que debo hacerlo”. El cuestionario ha mostrado adecuada consistencia interna en estudios con universitarios chilenos de ,80 y ,89 para los dos tipos de motivaciones respectivamente (Vergara, 2018). Inventario de Burnout de Maslach (MBI-SS) de Maslach y Jackson (1981). Mide el burnout (estrés) académico, consta de 22 ítems que evalúan un factor general de estrés. Las respuestas se codificaban en formato Likert desde 0 (Nunca) a 6 (Todos los días). 97 Ejemplos de ítems son: “Estar todo el día con otras personas es un esfuerzo” y “Me siento emocionalmente agotado por mis estudios”. La prueba se ha validado en población chilena por Pérez et al. (2012) obteniendo un factor único de burnout un alfa de Cronbach de ,84. 6.2.3 PROCEDIMIENTO Primero se analizaron las posibles diferencias lingüísticas de la escala OPERAS que permitiera su uso sin alterar su significado en Chile. Un grupo de seis profesionales psicólogos chilenos con experiencia en población universitaria y clínica evaluaron de forma independiente los enunciados de los ítems. Se analizó la equivalencia gramatical, semántica y lingüística siguiendo los criterios de Elosua et al. (2014). La equivalencia gramatical no presentó diferencias al utilizar ambos países la lengua española. La equivalencia semántica hizo modificar palabras manteniendo la estructura, buscando sinónimos que mantuvieran la familiaridad con el contenido. Y la equivalencia lingüística indicó que se deberían hacer cambios en tres ítems: el ítem 11 se cambió de “Alguna vez he cogido algo que no era mío” a “Alguna vez he tomado algo que no era mío”; el ítem 31 de “Permanezco en segundo plano” se cambió a “Permanezco bajo perfil”; y el ítem 39 de “Cuando alguien me la juega, se la devuelvo” se cambió por “Cuando alguien me es desleal, se lo devuelvo”. Los cambios fueron sugeridos por el 83% de los jueces chilenos. Una vez sugeridos estos cambios, tres jueces españoles mostrando un 100% de acuerdo en que las modificaciones sugeridas no alteraban el significado de la escala. Segundo, se realizó una prueba piloto aplicando la escala adaptada a 50 estudiantes chilenos de la Universidad de Playa Ancha con una edad entre 18 a 34 años (M = 22,16 y DT = 3,78), de los cuales el 42% eran mujeres. La consistencia interna (alfa de Cronbach) en esta prueba piloto ofreció índices adecuados para los cinco rasgos: ,85 para extraversión, ,80 para estabilidad, ,76 para responsabilidad; ,71 para amabilidad y ,69 para apertura. Finalmente, se aplicaron las diferentes pruebas de modo online poniéndonos en contactos con los participantes por medio del correo institucional con apoyo de las diferentes universidades. Todos los participantes cumplimentaron los test en una sesión, se cumplieron los estándares éticos de la investigación con personas. La participación 98 fue voluntaria y confidencial y todos firmaron el consentimiento informado de participación. 6.2.4 ANÁLISIS DE DATOS Todos los análisis se repitieron por separado para las dos muestras con objeto de obtener evidencias de validación cruzada de los resultados. Primero, se estudió la distribución de los ítems del OPERAS. Segundo, se estudió la estructura factorial del OPERAS mediante un Análisis Factorial Exploratorio (AFE) empleando matrices policóricas, rotación varimax, análisis paralelo y controlando la DS y la Aq siguiendo el procedimiento de Ferrando et al. (2009). Tercero, se estudió la consistencia interna de los factores del OPERAS y su discriminación interna mediante la correlación biserial- puntual. Cuarto, se analizaron las evidencias de validez convergente y discriminante del OPERAS con el resto de medidas recogidas. Y quinto, se calcularon los baremos de la prueba con objeto de poder usarlos por futuros usuarios. Los análisis de datos se realizaron con el Psychological Test Toolbox mediante el paquete vampyr de R para controlar los dos sesgos de respuesta Aq y DS (Navarro-Gonzalez et al., 2019) y el paquete estadístico SPSS V. 25. 6.3 RESULTADOS 6.3.1 ANÁLISIS DESCRIPTIVOS En la Tabla 7 aparecen los estadísticos descriptivos de los ítems del OPERAS y sus índices de asimetría y curtosis para las dos muestras. Los valores superiores a | ± 1,96| indican ausencia de distribución normal (Mardia, 1970). En la primera muestra los ítems 12, 26, 30 y 35 no distribuyen normalmente y en la segunda muestra no se distribuyen normalmente los ítems 12, 13, 26, 30, 34 y 35. 99 6.3.2 ANÁLISIS DE LA ESTRUCTURA INTERNA Los resultados del AFE aparecen en la Tabla 8. Del análisis se excluyó el primer ítem porque es un ítem de prueba que no mide ningún factor de personalidad (Vigil- Colet et. al, 2013a). En la primera muestra, el valor de Kaiser-Meyer-Olkin (KMO) fue 0,81 presentando adecuación muestral. La prueba de Bartlett fue estadísticamente significativa [χ2(741) = 8487,70, p < ,001] lo que refleja que la matriz de correlaciones no es una matriz identidad. La comunalidad (h2) para los ítems presenta valores entre 0,59 y 1,00, al ser superiores a 0,15 indica que los ítems son explicados en gran medida por los factores comunes que se extraerán en el AFE. El análisis paralelo propuesto por Lattin et al. (2003) indicó que el número de factores adecuado para los ítems del OPERAS era de 5, los cuales se corresponden con los propuestos por los autores la prueba. Estos factores se extrajeron controlando la DS y Aq de las respuestas a los ítems y lograron explicar un 42,90% de la varianza total: extraversión explica un 6,70%, estabilidad un 18,80%, responsabilidad un 4%, amabilidad un 5,70% y apertura un 7,70%. Para controlar la varianza de la DS y Aq se siguió el procedimiento de Ferrando et al. (2009), mediante estimaciones de mínimos cuadrados no ponderados se calculó la covarianza residual. La DS se puede observar en el primer factor de cuatro ítems con cargas entre -0,57 y 0,61, el ítem 39 (0,46) presentó mayor carga en este factor, pese a pertenecer teóricamente al factor amabilidad donde presentó un valor de 0,18. En la Tabla 8 se puede ver que los ítems relacionados con estabilidad, responsabilidad y amabilidad presentan mayor carga en DS que las otras dimensiones, al igual que los resultados obtenidos por Vigil-Colet et al. (2013a). El factor de DS representó el 13,9% de la varianza y la Aq representó un 8%, resultados similares a los indicados por los autores de la escala (DS explica un 12,50% y Aq explica un 7,30%). La agrupación de los ítems en factores es la misma que obtuvieron en el estudio de validación del OPERAS, salvo para el ítem 39. 100 Tabla 7. Estadísticos descriptivos y correlación biserial-puntual (rbp) del OPERAS. Muestra 1 Muestra 2 Ítem M Varianza Asimetría Curtosis rbp M Varianza Asimetría Curtosis rbp 2 2,65 1,28 0,09 -0,68 ,60 2,57 1,15 0,04 -0,57 ,58 3 3,45 1,31 -0,44 -0,53 ,64 3,57 1,16 -0,46 -0,38 ,64 4 4,11 0,72 -0,74 0,27 ,45 4,12 0,74 -0,87 0,63 ,44 5 4,27 0,58 -0,77 -0,01 ,41 4,29 0,56 -0,78 0,00 ,28 6 4,23 0,45 -0,39 -0,39 ,53 4,34 0,52 -0,92 0,79 ,46 7 1,60 0,88 1,50 1,47 ,45 1,82 1,03 0,99 0,06 ,46 8 3,52 1,03 -0,47 -0,04 ,61 3,42 1,09 -0,25 -0,37 ,72 9 2,74 1,45 0,26 -0,76 ,67 2,88 1,42 0,17 -0,84 ,68 10 2,20 1,10 0,61 -0,26 ,66 2,11 1,09 0,69 -0,29 ,55 11 1,91 1,24 0,94 -0,24 ,48 1,75 1,25 1,46 1,19 ,46 12 4,65 0,31 -1,66 3,93 ,41 4,71 0,34 -2,51 8,73 ,50 13 4,69 0,30 -1,60 1,61 ,41 4,60 0,43 -1,74 3,56 ,35 14 2,96 1,60 0,07 -0,93 ,67 2,95 1,65 -0,01 -0,96 ,68 15 2,91 1,44 0,11 -0,87 ,73 2,84 1,51 0,15 -0,88 ,72 16 2,51 1,34 0,38 -0,67 ,63 2,35 1,35 0,52 -0,68 ,54 17 3,30 0,82 -0,02 0,20 ,22 3,33 0,86 -0,07 0,00 ,34 18 2,48 1,57 0,57 -0,63 ,30 2,91 1,47 0,06 -0,71 ,25 19 3,17 1,31 -0,27 -0,70 ,42 3,08 1,33 -0,13 -0,77 ,33 20 3,06 1,30 -0,11 -0,64 ,60 3,12 1,50 -0,08 -0,89 ,66 21 2,07 1,32 0,92 -0,01 ,31 2,06 1,16 0,83 -0,02 ,23 22 2,78 1,78 0,15 -1,14 ,47 2,59 1,66 0,28 -1,03 ,48 23 2,81 1,27 0,05 -0,65 ,35 2,62 1,09 0,19 -0,35 ,37 24 3,74 1,51 -0,70 -0,50 ,53 3,53 1,37 -0,37 -0,58 ,45 25 3,81 1,06 -0,40 -0,61 ,39 3,69 1,09 -0,35 -0,39 ,47 26 1,55 0,89 1,71 2,07 ,41 1,53 0,86 1,89 3,14 ,39 27 2,63 1,64 0,36 -0,89 ,56 2,71 1,51 0,26 -0,91 ,52 28 3,71 1,22 -0,58 -0,32 ,20 3,73 1,26 -0,69 -0,11 ,21 29 2,22 1,16 0,64 -0,21 ,45 2,09 1,06 0,67 -0,26 ,47 30 4,60 0,57 -2,19 5,20 ,36 4,55 0,60 -2,05 4,71 ,33 31 3,62 1,15 -0,23 -0,69 ,58 3,42 1,25 -0,31 -0,45 ,51 32 2,95 1,65 0,11 -1,01 ,57 3,01 1,52 -0,06 -0,92 ,55 33 2,98 1,57 0,01 -0,95 ,60 3,04 1,48 -0,02 -0,86 ,59 34 4,39 0,69 -1,31 1,34 ,42 4,53 0,57 -1,90 4,18 ,48 35 4,51 0,60 -1,67 2,80 ,37 4,44 0,71 -1,63 2,62 ,41 36 3,09 1,25 -0,26 -0,51 ,56 3,07 1,17 -0,10 -0,36 ,55 37 2,55 1,63 0,29 -0,99 ,72 2,45 1,64 0,39 -0,93 ,65 38 3,69 0,98 -0,46 -0,30 ,43 3,84 0,97 -0,54 -0,26 ,46 39 1,95 1,28 1,17 0,68 ,32 1,98 1,41 1,15 0,43 ,39 40 2,12 1,47 0,82 -0,37 ,43 2,18 1,32 0,67 -0,44 ,47 Total 3,13 1,37 -0,51 1,81 3,12 1,32 -0,67 3,39 101 Tabla 8. Análisis factorial exploratorio del OPERAS para ambas muestras. Muestra 1 Muestra 2 Ítem DS Aq E EE R Am Ap h2 DS Aq E EE R Am Ap h2 5 -0,57 0,00 0,00 0,00 0,00 0,00 0,00 0,72 -0,45 0,00 0,00 0,00 0,00 0,00 0,00 0,70 11 0,68 0,00 0,00 0,00 0,00 0,00 0,00 0,88 0,69 0,00 0,00 0,00 0,00 0,00 0,00 0,58 19 0,58 0,00 0,00 0,00 0,00 0,00 0,00 0,78 0,49 0,00 0,00 0,00 0,00 0,00 0,00 0,80 26 0,61 0,00 0,00 0,00 0,00 0,00 0,00 0,88 0,67 0,00 0,00 0,00 0,00 0,00 0,00 0,91 2 -0,05 0,23 -0,74 0,09 -0,11 -0,03 0,06 0,81 0,04 0,15 0,69 0,13 -0,02 -0,09 -0,06 0,65 8 -0,17 0,12 -0,63 0,36 -0,28 0,04 -0,05 0,89 -0,15 0,22 0,70 0,39 0,22 -0,11 -0,10 0,96 14 0,03 -0,02 0,76 -0,09 0,16 0,03 0,20 0,80 -0,02 -0,01 -0,76 -0,15 -0,17 0,08 0,18 0,86 20 -0,08 0,16 -0,64 0,33 -0,11 -0,22 -0,02 0,78 -0,09 0,20 0,68 0,30 0,13 -0,10 0,06 0,75 25 -0,15 0,36 0,55 -0,11 0,04 -0,11 -0,05 0,75 -0,03 0,06 -0,63 0,02 -0,11 0,00 0,05 0,73 31 -0,10 0,22 0,72 0,00 0,13 -0,01 0,05 0,72 0,12 0,14 -0,67 -0,05 -0,03 0,12 0,06 0,75 36 -0,01 0,22 -0,60 0,25 -0,15 0,08 -0,13 0,73 0,06 0,22 0,51 0,30 0,31 -0,14 -0,12 0,65 3 -0,22 -0,14 -0,13 0,73 -0,29 0,03 0,02 1,00 -0,36 -0,03 0,21 0,65 0,14 -0,01 -0,01 0,80 9 0,18 0,39 0,07 -0,61 0,36 0,15 0,16 1,00 0,24 0,30 -0,05 -0,74 -0,11 0,04 0,13 0,93 15 0,29 0,42 0,12 -0,62 0,24 0,11 0,07 0,92 0,29 0,36 -0,09 -0,71 -0,09 0,02 0,10 0,85 21 -0,01 -0,16 -0,10 0,47 0,18 0,02 0,20 0,59 -0,02 -0,01 0,04 0,38 -0,16 -0,09 0,25 0,65 27 0,18 0,29 0,19 -0,59 -0,02 0,08 0,01 0,80 0,25 0,20 -0,11 -0,48 -0,16 0,19 0,00 0,66 32 0,38 0,39 0,15 -0,40 0,11 0,13 0,00 0,70 0,31 0,33 -0,12 -0,49 -0,06 0,25 0,11 0,86 37 0,28 0,37 0,08 -0,70 0,17 0,14 0,11 1,00 0,40 0,19 -0,28 -0,64 -0,05 0,10 0,06 1,00 4 -0,38 0,11 -0,13 0,13 -0,47 -0,02 -0,04 0,67 -0,44 0,29 0,10 0,18 0,36 -0,19 -0,06 0,75 10 0,49 0,27 -0,03 -0,09 0,69 0,08 -0,04 1,00 0,57 0,16 0,02 -0,05 -0,46 0,02 0,09 0,83 102 16 0,41 0,20 0,21 -0,11 0,57 -0,06 -0,06 0,75 0,45 0,16 -0,17 -0,14 -0,51 0,07 0,04 0,76 22 0,30 0,27 0,07 -0,02 0,47 -0,03 0,05 0,63 28 -0,14 0,24 -0,02 -0,05 -0,37 0,41 -0,16 0,76 33 0,47 0,36 0,17 -0,14 0,50 -0,04 0,07 0,95 38 -0,29 0,06 -0,18 0,25 -0,41 0,03 0,15 0,72 6 -0,53 0,34 -0,01 0,11 -0,08 -0,50 -0,03 1,00 12 -0,57 0,27 0,19 0,05 -0,23 -0,38 0,00 0,87 17 -0,10 0,13 -0,01 0,20 0,00 -0,40 0,04 0,67 23 0,34 0,16 0,07 0,15 -0,13 0,53 -0,08 0,78 29 0,44 0,13 0,10 -0,02 -0,03 0,50 0,14 0,69 34 -0,35 0,29 0,06 0,14 -0,02 -0,50 0,03 0,72 39 0,46 -0,02 -0,08 0,00 -0,10 0,18 0,17 0,76 7 0,05 -0,14 0,01 0,16 0,03 0,04 0,70 0,79 13 -0,17 0,46 0,07 0,08 -0,09 -0,02 -0,50 0,73 18 0,01 -0,01 -0,01 -0,01 -0,12 -0,05 0,54 0,62 24 -0,07 0,40 -0,02 -0,05 -0,02 0,09 -0,67 0,91 30 -0,13 0,37 -0,22 0,11 -0,39 -0,12 -0,42 0,92 35 -0,26 0,38 -0,19 0,18 -0,16 -0,09 -0,40 0,74 0,48 0,15 -0,08 0,07 -0,45 -0,06 -0,09 0,77 -0,12 0,21 0,01 0,05 0,47 0,30 -0,05 0,59 0,53 0,21 -0,11 -0,04 -0,47 0,08 0,01 0,81 -0,31 0,17 0,18 0,23 0,46 -0,23 -0,02 0,66 -0,54 0,36 0,05 0,07 0,05 -0,23 0,01 0,70 -0,51 0,33 -0,12 0,06 0,16 -0,54 -0,11 1,00 -0,14 0,28 0,10 0,20 0,07 -0,40 -0,01 0,49 0,45 0,03 -0,03 0,04 0,25 0,38 0,00 0,60 0,51 0,11 -0,09 -0,19 0,10 0,45 0,09 0,81 -0,50 0,46 0,13 0,04 0,08 -0,36 0,07 1,00 0,48 0,01 -0,03 0,06 0,01 0,35 0,25 0,77 0,01 -0,09 0,05 0,03 0,02 0,05 0,75 0,95 -0,17 0,35 -0,06 0,23 0,17 -0,16 -0,46 0,84 -0,13 0,07 -0,20 -0,08 -0,09 -0,05 0,41 0,45 0,13 0,28 -0,04 -0,11 -0,07 -0,06 -0,61 0,66 -0,27 0,45 0,20 0,13 -0,03 0,10 -0,41 1,00 -0,15 0,46 0,12 0,26 0,06 0,04 -0,51 0,97 40 0,02 -0,20 0,15 -0,02 -0,03 -0,03 0,57 0,60 0,12 -0,09 -0,12 0,09 0,00 0,25 0,64 0,71 VCE 0,14 0,08 0,07 0,19 0,04 0,06 0,08 0,17 0,07 0,20 0,06 0,05 0,04 0,07 DS: Deseabilidad Social; Aq: Aquiescencia; EE: Estabilidad emocional; Ap: Apertura a la Experiencia; E: Extraversión; Am: Amabilidad; R: Responsabilidad; h2: Comunalidad; VCE: Varianza común explicada por cada factor. 103 Estos 5 factores ajustan muy bien a los datos según los diferentes índices de bondad de ajuste. Respecto al ajuste absoluto, que indica hasta qué punto el modelo se ajusta a los datos empíricos, el Índice de Bondad de Ajuste (GFI) propuesto por Jöreskog y Sörbom (1993) y Hu y Bentler (1999) presenta un valor de ,95, siendo adecuados los valores mayores o iguales de ,95; y la Raíz Media Cuadrada de los Errores (RMSEA) de Steiger (1990) tiene un valor de ,03, cuyos valores son adecuados cuando son inferiores o iguales a ,05. Respecto al ajuste incremental, que permite comparar el modelo obtenido con el modelo nulo, el Índice de Ajuste Comparativo (CFI) de Bentler (1990) valió ,99 y el Índice del Ajuste no Normalizado (NNFI) (Tucker y Lewis, 1973) valió ,98, siendo valores adecuados los superiores o iguales a ,95. En la segunda muestra se siguió el mismo procedimiento que en la primera, excluyendo el primer ítem del análisis. El valor del KMO fue ,86 y la prueba de Bartlett fue estadísticamente significativa [χ2(741) = 8412,30, p < ,001] reflejando adecuación muestral para realizar un AFE. Las h2 para los ítems presentan valores entre 0,45 y 1,00, indicando la existencia de varianza compartida. El análisis paralelo indicó que lo adecuado era extraer 5 factores controlando la DS y Aq de las respuestas a los ítems. Los cinco factores logran explicar un 41,90% de la varianza total: extraversión explica un 19,70%, estabilidad un 6,10%, responsabilidad un 4,80%, amabilidad un 3,90% y apertura un 7,40%. La DS está controlando los cuatro ítems con cargas entre -0,45 y 0,69, los ítems relacionados a estabilidad, responsabilidad y amabilidad presentan mayor carga en esta dimensión al igual que en la muestra 1 y que los autores de la escala (Vigil-Colet et al., 2013a). El factor de DS explicó un 16,60% de la varianza y la Aq un 6,70%. Los índices de bondad de ajuste de los 5 factores resultaron adecuados, con un GFI de ,95 y la RMSEA con un valor de ,05. El CFI fue de ,98 y el NNFI fue de ,97, siendo superiores a ,95. Por lo tanto, la estructura factorial del OPERAS de 5 factores independientes se replica en ambas muestras, lo que confirma evidencia de validez cruzada de la prueba. Consistencia Interna La escala OPERAS mostró una adecuada consistencia interna con un alfa de Cronbach (ver Tabla 9) con valores entre ,68 y ,84 para la primera muestra y de ,67 a ,84 para la segunda muestra. La correlación biserial puntual (ver Tabla 7) fue mayor a ,20 en todos los ítems lo que refleja que la discriminación interna de la prueba es adecuada y no es necesario eliminar ningún ítem de esta. 104 6.3.3 EVIDENCIAS DE VALIDEZ CONVERGENTE Y DISCRIMINANTE Se calculó en ambas muestras la correlación de Pearson entre los 5 factores del OPERAS con las siguientes medidas: resiliencia, autoeficacia, motivación autónoma, motivación controlada y estrés académico. En la Tabla 9 aparecen los resultados obtenidos. Primero, respecto a la evidencia de validez discriminante entre los factores del OPERAS, cabe esperar que presenten correlaciones bajas (< | ,30|). Sin embargo, en el caso de la primera muestra hay correlaciones superiores a este criterio entre extraversión y estabilidad ( ,35) y estabilidad y responsabilidad ( ,47). Y para la muestra 2 hay correlaciones destacadas entre extraversión y estabilidad ( ,37), estabilidad y responsabilidad ( ,43), estabilidad y amabilidad ( ,39), lo que indicaría que, salvo apertura, el resto de factores del OPERAS no son totalmente independientes. Segundo, la evidencia de validez convergente entre el OPERAS y el resto de las medidas, tomando como valor mínimo | ± ,30|, en ambas muestras la extraversión se relaciona con resiliencia, autoeficacia y negativamente con estrés académico; la estabilidad con resiliencia, autoeficacia y negativamente con estrés; responsabilidad muestra relación con resiliencia, autoeficacia, motivación autónoma y negativamente con estrés, amabilidad se relaciona negativamente con estrés y positivamente con motivación. Respecto a la evidencia de validez discriminante: apertura presenta relaciones muy bajas con los diferentes criterios y ningún rasgo del OPERAS se relaciona con la motivación controlada Según estos resultados, el OPERAS presentaría una adecuada convergencia con medidas similares en dos muestras independientes, lo que de nuevo es una evidencia de validación cruzada. . 113 Tabla 9. Correlaciones de Pearson entre las puntuaciones obtenidas del OPERAS y el resto de las medidas para ambas muestras. 1 2 3 4 5 6 7 8 9 10 11 12 13 1. E ,37 ,28 ,20 ,23 ,48 ,40 ,33 -,14 -,35 200,13 5,65 ,84 2. EE ,35 ,43 ,33 ,06 ,57 ,49 ,25 -,11 -,55 210,75 50,82 ,83 3. R ,30 ,47 ,39 ,10 ,50 ,43 ,36 -,15 -,38 250,61 40,87 ,75 4. Am ,04 ,23 ,22 ,23 ,35 ,19 ,31 -,17 -,35 280,23 30,82 ,70 5. Ap ,17 -,04 ,07 ,10 ,21 ,15 ,24 -,01 -,22 280,21 40,03 ,67 6. Resiliencia ,39 ,44 ,42 ,15 ,19 ,64 ,45 -,14 -,55 700,32 140,79 ,91 7. Autoeficacia ,30 ,43 ,39 ,05 ,18 ,50 ,44 -,14 -,52 270,46 50,85 ,91 8. Motivación Autónoma ,26 ,22 ,32 ,15 ,28 ,35 ,42 -,32 -,40 220,34 40,48 ,88 9. Motivación Controlada -,07 -,26 -,17 -,02 -,10 -,20 -,26 -,34 ,20 110,53 50,80 ,84 10. Estrés -,33 -,55 -,53 -,33 -,16 -,40 -,46 -,39 ,37 500,94 160,29 ,81 11. Media 190,93 210,73 250,04 270,60 290,34 680,10 290,08 230,04 110,67 430,24 12. DT 50,47 60,13 50,03 30,69 40,06 160,95 50,71 40,18 60,05 170,91 13. Alfa de Cronbach ,83 ,84 ,77 ,66 ,68 ,92 ,90 ,87 ,87 ,83 * Debajo de la diagonal figuran los resultados de la muestra 1. Y encima los de la muestra 2. 1. E: Extraversión; 2. EE: Estabilidad emocional; 3. R: Responsabilidad; 4. Am: Amabilidad; 5. Ap: Apertura a la Experiencia; 6. Resiliencia; 7. Autoeficacia; 8. Motivación Autónoma; 9. Motivación Controlada; 10. Estrés; 11. Media; 12. DT: Desviación Típica. 13. Alfa de Cronbach. Las correlaciones ≥ |±,10| son estadísticamente significativas al 5% 106 Baremos Se realizó una prueba t de medidas independientes en función del sexo para los 5 rasgos del OPERAS y DS. En la Tabla 10 se muestran los resultados obtenidos. Aparecen diferencias estadísticamente significativas para DS y estabilidad a favor de los varones y extraversión, responsabilidad y apertura a favor de las mujeres. Tabla 10. Diferencia de medias en el OPERAS en función del sexo. Rasgos Sexo N M DT Prueba t d DS Varón 225 8,68 2,95 t348 = 2,80, p = ,005 0,22 Mujer 685 8,06 2,62 E Varón 225 19,77 5,22 t411 = 0,83, p = ,405 0,06 Mujer 685 20,12 5,67 EE Varón 225 23,35 5,63 t908 = 4,71, p < ,001 0,36 Mujer 685 21,22 5,98 R Varón 225 24,27 4,62 t908 = 3,73, p < ,001 0,29 Mujer 685 25,68 5,01 Am Varón 225 27,45 3,96 t908 = 2,16, p = ,031 0,17 Mujer 685 28,08 3,69 Ap Varón 225 28,05 4,36 t908 = 3,04, p = ,002 0,23 Mujer 685 29,00 3,97 DS: Deseabilidad Social; EE: Estabilidad emocional; Ap: Apertura a la Experiencia; E: Extraversión; Am: Amabilidad; R: Responsabilidad. Si tenemos en cuenta el tamaño del efecto (d), siguiendo los criterios de Cohen (1992), sólo se dan tamaños del efecto bajo para DS, estabilidad y responsabilidad. Según Cohen una d = 0,20 supone un tamaño del efecto bajo, una d = 0,50 presenta un tamaño del efecto medio y una d = 0,80 es un tamaño del efecto alto. En la Tabla 11 se muestran los baremos para la escala. Se calcularon los centiles más representativos, la Z normalizada (Zn) y la puntuación T con media 50 y DT de 10. En base a los resultados de la prueba t se calcularon los baremos para toda la muestra agregada para E, Am y por separado para cada sexo en los rasgos que presentan un tamaño del efecto bajo. 107 Tabla 11. Baremos para las medidas del OPERAS. Puntuaciones directas Centiles Zn T DS E EE R Am Ap Varón Mujer Total Varón Mujer Varón Mujer Total Varón Mujer 4 4 8 9 7 13 14 16 16 18 1 -2,33 26,70 5 4 11 13 11 16 17 21 20 22 5 -1,64 33,60 5 5 12 15 13 18 19 23 22 24 10 -1,28 37,20 6 5 14 17 15 19 20 24 24 25 15 -1,04 39,60 6 6 15 19 16 20 21 25 25 26 20 -0,84 41,60 7 6 16 20 17 21 22 26 25 26 25 -0,67 43,30 7 6 17 21 18 22 23 26 26 27 30 -0,52 44,80 7 7 18 21 19 23 24 27 26 28 35 -0,39 46,10 8 7 19 22 20 23 25 27 27 28 40 -0,25 47,50 8 7 20 23 21 24 25 28 27 29 45 -0,13 48,70 8 8 20 23 21 25 26 28 28 29 50 0,00 50,00 9 8 21 24 22 25 27 29 29 30 55 0,13 51,30 9 8 22 25 23 26 27 29 30 30 60 0,25 52,50 10 9 22 26 24 26 28 30 30 31 65 0,39 53,90 10 9 23 27 25 27 29 30 31 32 70 0,52 55,20 10 10 24 28 26 28 30 31 31 32 75 0,67 56,70 11 10 25 29 27 28 30 31 32 33 80 0,84 58,40 12 11 26 29 28 29 31 32 33 33 85 1,04 60,40 13 12 27 30 29 29 32 32 34 34 90 1,28 62,80 14 13 29 32 30 32 34 33 35 35 95 1,64 66,40 17 16 32 35 33 35 35 35 35 35 99 2,33 73,30 N 225 685 910 225 685 225 685 910 225 685 910 910 910 Media 8,68 8,06 20,03 23,35 21,22 24,27 25,68 27,92 28,05 29,00 0,00 50,00 DT 2,95 2,62 5,56 5,63 5,98 4,62 5,01 3,77 4,36 3,97 1,00 10,00 DS: Deseabilidad Social; EE: Estabilidad emocional; Ap: Apertura a la Experiencia; E: Extraversión; Am: Amabilidad; R: Responsabilidad. 6.4 DISCUSIÓN El objetivo del presente estudio ha sido adaptar y validar una medida de los Cinco Grandes, OPERAS en Chile, escala previamente validada en una muestra española por 108 Vigil-Colet et al. (2013a). La ventaja de esta prueba, en comparación con otras medidas de personalidad, es que permite medir la DS y Aq, ya que son necesario pruebas en este ámbito que controlen estos sesgos (Morales-Vives et al., 2017). Además, se debe añadir que las muestras empleadas son de un tamaño adecuado para este tipo de validaciones (N = 444 y N = 466, para la muestra 1 y 2 respectivamente) y formados por estudiantes de diferentes ámbitos educativos: educación, salud, ingeniería, estudios técnicos, estudios sociales y agrícolas. Igualmente se obtuvieron datos de diferentes universidades chilenas pertenecientes al consejo de rectores del país. Además, se ofrecen los baremos de la prueba para ambos sexos con objeto que futuros evaluadores los puedan emplear en Chile. Los resultados obtenidos indican unas adecuadas propiedades psicométricas del OPERAS en dos muestras independientes de Chile, lo que abala su evidencia de validación cruzada. A nivel de evidencia de validez interna en ambas muestras se dan unos valores de comunalidad muy altos (h2 = 0,45 a 1,00) y la presencia de los cinco factores obtenidos inicialmente en la muestra española con un ajuste a los datos muy bueno en ambas muestras de este estudio (GFI = ,95 y ,95; RSMEA = ,03 y ,05; CFI = ,99 y ,98). Respecto a los índices de DS y Aq son similares a los obtenidos por los autores de la propia escala (Vigil-Colet et al., 2013a). Los cinco factores logran explicar un 42,90% de la varianza total en la primera muestra y un 41,90% en la segunda. Los factores de personalidad presentan una adecuada consistencia interna (,68 a ,84). Estos resultados darían apoyo a la consideración que la estructura más adecuada de la personalidad es la formada por cinco factores como ya se ha encontrado previamente en la misma escala (Vigil-Colet et al., 2013a) y otras similares (Benet-Martínez y John, 1998; Costa y McCrae, 1992; Hendriks et al., 1999). La evidencia de validez convergente y discriminante de la escala destaca la ausencia de discriminación entre los cinco rasgos, ya que estabilidad presenta correlaciones superiores a ,35 con responsabilidad y extraversión en ambas muestras lo que indicaría que no se pueden asumir que son totalmente independientes. Este resultado sería coincidente con el resultado del meta-análisis de Van der Linden et al. (2017) de la presencia de un factor general de personalidad que agrupe a los Cinco Grandes. En relación con la evidencia de validez convergente se encontró relación (r > | 109 ,30|) con resiliencia y los rasgos de extraversión, estabilidad y responsabilidad como previamente había sido encontrado por Campbell-Sills et al. (2006), Oshio et al. (2018) y Backmann et al. (2019). La autoeficacia se relacionó con extraversión y estabilidad resultados coincidentes con estudios previos (Bahçekapili y Karaman, 2020; Stajkovic et al., 2018), si bien otros autores han relacionado la autoeficacia también con responsabilidad y apertura (Bahçekapili y Karaman, 2020), algunos no han encontrado relación con personalidad (De Feyter et al., 2012). Para motivación se encontró relación con responsabilidad, como previamente se ha encontrado (De Feyter et al., 2012; Komarraju et al., 2009; Zhou, 2015) y amabilidad, presentó resultados discrepantes con otros autores que encontraron relaciones más bajas (< ,30) con este rasgo (De Feyter et al., 2012; Zhou, 2015). Respecto a estrés académico se obtuvieron relaciones en coincidencia con estudios previos con extraversión y estabilidad (Ebstrup et al., 2011; Liu et al., 2021; Saklofske et al., 2012) y responsabilidad (Ebstrup et al., 2011), pero también se halló una relación con amabilidad no encontrada previamente (Ebstrup et al., 2011; Liu et al., 2021; Saklofske et al., 2012). El rasgo que no presentó relación con ninguna de las anteriores medidas criterio fue apertura, lo que podría reflejar una evidencia de validez discriminante, si bien ha habido estudios previos que han relacionado apertura con autoeficacia (Bahçekapili y Karaman, 2020), resiliencia (Backmann et al., 2019) y motivación (Zhou, 2015), por lo que sería el resultado más discrepante en relación con la literatura previa. El estudio de Schmitt et al. (2007) encontró que países de América del Sur y Europa tendían a ocupar el primer lugar en la dimensión apertura, Chile en particular presentó los puntajes más altos entre los 56 países que detalla el estudio. Una posible explicación de este resultado es que la muestra de este estudio es universitaria y puntúo más alto en apertura que en las otras dimensiones, lo que reflejaría una posible presencia de restricción de rango y como consecuencia una disminución de la correlación entre este rasgo y el resto de los criterios. La principal limitación del estudio realizado es fundamentalmente el empleo de estudiantes universitarios para realizar la validación del OPERAS y de rangos de edad entre 17 y 29 años. Aunque se debe destacar que son de diferentes ámbitos académicos y de diferentes universidades. Estudios futuros deberían tratar de validar la prueba en muestras no universitarias y de edades mayores a 29 años con objeto de comprobar si los resultados se replican. Además, se debe añadir que la muestra presenta una mayor proporción de mujeres, por lo que sería conveniente utilizar en un futuro muestras más equilibradas en el sexo de los participantes. También sería interesante tratar de estudiar 110 la predicción de la personalidad de otros criterios como el rendimiento académico, con objeto de ver el carácter predictivo de los rasgos de personalidad, ya que es uno de los criterios más relevantes en el ámbito educativo. E igualmente se podría ver la relación de rasgos de personalidad como estabilidad y extraversión con medidas de bienestar psicológico como el funcionamiento psicológico (Oliveira et al., 2018). 111 CAPÍTULO 7: ESTUDIO 2: RECURSOS PSICOLÓGICOS Y RENDIMIENTO ACADÉMICO PREVIO AL INGRESO A LA EDUCACIÓN SUPERIOR. 7.1 INTRODUCCIÓN Las investigaciones sobre factores relacionados al RA han aumentado en las últimas décadas (Morales-Vives et al., 2020). Esto ha sido por las implicaciones que el RA tiene para el progreso de los estudiantes, así como por la evidencia del impacto que tiene el RA previo sobre el RA futuro (Alyahyan y Düştegör, 2020; Westrick et al., 2021). Medidas como las notas de la secundaria han resultado un predictor fiable del RA en la universidad (Gil- Llambías et al., 2019), al igual que las pruebas de Selectividad, sin embargo, estas suelen estar condicionadas por el nivel socioeconómico y por la escuela de origen del estudiante (Allensworth y Clark, 2020; Espinoza, 2017). Aun así los estudios indican que ambas medidas son complementarias y que juntas pueden aumentar la predicción de RA futuro y de la permanencia universitaria (Geiser, 2016; Westrick et al., 2021). La literatura nos ha indicado que las variables que inciden en el RA son multifactoriales. Se puede considerar aspectos cognitivos, como la inteligencia que corresponde a la variable que mayor peso predictivo presenta (Chamorro-Premuzic et al., 2009; Colom et al., 2007; Colom, 2018; Morales Vives et al., 2020; Roth et al., 2015), variables sociodemográficas como el sexo (Richardson et al., 2012; Barone et al., 2019; Pérez et al., 2021), el nivel socioeconómico (Allensworth y Clark, 2020; Espinoza, 2017), la edad (Richardson et al., 2012); los aspectos psicológicos o no cognitivos como la personalidad (Poropat; 2009; Richardson et al., 2012; Vedel, 2014), la motivación (Ryan y Deci, 2020), la autoeficacia (Richardson et al., 2012), entre otros; así como también factores ligados a la enseñanza aprendizaje o a las políticas públicas e instituciones (Alyahyan y Düştegör, 2020; Richardson et al.,2012). Nos resulta relevante estudiar los recursos psicológicos, entendidos como comportamientos, actitudes y estrategias que pueden predecir o mediar el desempeño en contextos académicos (Gutman y Schoon, 2013). Estos recursos son de especial interés dado que presentan posibilidades de modificación según las interacciones tempranas que un individuo tenga con su entorno. 112 Para ello, nos propusimos indagar cómo se relacionan los recursos psicológicos con el RA previo a la universidad en función del tipo de acceso Regular y PACE (OB2). A partir de la literatura presentada en los fundamentos teóricos nos planteamos como primera hipótesis que los recursos psicológicos presentan relación con el RA previo (H2) (Alyahyan y Düştegör, 2020; Richardson et al.,2012). Dado que la personalidad es uno de los recursos no cognitivos más estudiados por su relación con el RA (Richardson et al., 2012), esperamos que responsabilidad presente mayor relación con el RA previo (Morales-Vives et al., 2020; Richardson et al., 2012) (H2.1). Así también la motivación presentará relación con el RA previo (Ryan y Deci, 2020) (H2.2), autoeficacia (Talsma et al., 2018), resiliencia (Chisholm-Burns et al. 2021), satisfacción (Shek y Chai, 2020) y percepción del estrés de manera inversa (Chisholm-Burns et al. 2021) (H2.3) resultarán recursos que aportarán a la predicción del RA previo. El segundo objetivo fue analizar si los recursos psicológicos presentan diferencias según el tipo de acceso a la universidad y del sexo de los participantes (OB3). Para ello nos planteamos como segunda hipótesis que estudiantes de acceso Regular y PACE presentan diferencias en sus recursos psicológicos (Gil-Llambías et al., 2019; Aedo, 2017; Morales et al., 2019), así como también en el RA previo, uno de los motivos por el cual se fundamenta el acceso inclusivo PACE (H3). En particular se espera que estudiantes PACE presenten mayor responsabilidad y motivación intrínseca que los estudiantes de acceso Regular (H3.1) (Gil-Llambías et al., 2019; Morales et al., 2019), recursos que favorecen su inserción en educación superior a pesar de las diferencias en el RA previo. En relación con el mismo objetivo (OB3), esperamos que haya diferencias de sexo en sus recursos psicológicos (H3.2). La investigación nos indica que existen diferencias en la personalidad donde varones han presentado mayores puntuaciones en estabilidad emocional, mientras que mujeres presentan mayor amabilidad y extraversión (De Bolle et al., 2015; Weisberg et al., 2011). La motivación ha presentado diferencias indicando que dependiendo del dominio de estudio mujeres presentarían mayor motivación autónoma (intrínseca e identificada) que los varones (Oga-Baldwin y Fryer, 2020; Schürmann y Quaiser-Pohl, 2022). La autoeficacia será mayor para los varones (Xiao y Song, 2022); el estrés académico será mayor en mujeres (Saleh et al., 2017), al igual que la resiliencia (Hu et al. 2015). La satisfacción académica esperamos que no presente diferencias significativas a partir de los resultados del meta-análisis de Batz- Barbarich et al. (2018). 113 7.2 METODOLOGÍA 7.2.1 PARTICIPANTES Los participantes fueron 1003 estudiantes universitarios chilenos que iniciaron el estudio mediante un muestreo no probabilístico por conveniencia (Hernández, et al., 2014). De los cuales se redujo a 864 estudiantes, tras eliminar casos perdidos o información errónea. Del total de los seleccionados 570 (66%) ingresaron por vía Regular y 294 (34%) por vía PACE, 655 (75,80%) fueron mujeres y 208 (24,20%) varones, con una edad media de 20,20 años y una desviación típica de 2,81. Los estudiantes pertenecían a siete universidades del consejo de rectores de Chile y se pueden observar en la tabla 12. Tabla 12. Distribución de estudiantes por Universidad en el Estudio 2. Universidad Frecuencia Porcentaje Universidad de Tarapacá 46 5,32 Universidad de Atacama 54 6,25 Universidad Metropolitana de Cs. de la Educación 64 7,41 Universidad Alberto Hurtado 44 5,09 Universidad de Playa Ancha 498 57,64 Universidad Santísima de la Concepción 54 6,25 Universidad Católica de Temuco 104 12,04 Total 864 100 114 7.2.2 DISEÑO Se empleó un diseño no experimental, ex post facto de carácter retrospectivo porque la variable criterio ocurrió antes de evaluar los predictores (León y Montero, 2015). Se utilizó el RA previo a ingresar a la universidad, con dos variables de comparación: según la vía de acceso a la universidad y por sexo. 7.2.3 VARIABLES E INSTRUMENTOS La variable criterio de este estudio es el RA previo a la universidad operativizado con las medidas de las NEM y la puntuación ponderada de Selectividad. Las NEM corresponden al promedio del RA durante los últimos cuatro años de enseñanza secundaria obligatoria en Chile. Este promedio es convertido a una puntuación estándar. Las puntuaciones presentan un rango entre 150 y 850 puntos. La puntuación ponderada de Selectividad, llamada Prueba de Transición a la Educación Superior evalúa conocimientos y habilidades definidos por el Ministerio de Educación chileno. Consta de 4 pruebas, 2 de ellas obligatorias (Lenguaje y Matemáticas) y 2 optativas (Historia y Ciencias Sociales y Ciencias) para el ingreso a la educación superior. Las puntuaciones de ambas pruebas tienen un rango de 150 y 850 puntos. Las variables predictoras corresponden a los recursos psicológicos evaluados mediante 6 escalas que se pueden observar en la tabla 13. Para más información sobre las escalas se puede revisar el punto 5.2 del capítulo 5. Adicionalmente se consideran las variables de acceso a la educación superior Regular o PACE y diferencias según el sexo. 115 Tabla 13. Variables predictoras estudio 2. Escala Dimensiones ítems Fiabilidad 1.Escala OPERAS (Vigil-Colet et al., 2013). 5 dimensiones: extraversión, estabilidad emocional, responsabilidad, amabilidad y apertura a la experiencia 40 ítems, 7 por dimensión. Alfa de Cronbach de ,66 a ,84 para las cinco dimensiones en universitarios chilenos (Rodríguez et al., 2022). 2. Escala de Autoeficacia Percibida Especifica de Situaciones Académicas (EAPESA: Palenzuela, 1993). Unidimensional 10 ítems Alfa ordinal de ,87 en universitarios chilenos (Del Valle et al., 2018). 3.Connors-Davidson Resilience Scale (CD-RISC; Connor y Davidson, 2003). Unidimensional 25 items Omega jerárquico general de ,94 en universitarios chilenos (Cisternas, 2015). 4.Cuestionario de autorregulación Académica (SRQ; Ryan y Connell, 1989) versión de Vergara-Morales, (2018). 4 dimensiones: regulación intrínseca, regulación identificada, regulación introyectada, regulación externa 16 ítems Alfa de Cronbach de ,85 a ,89 en las cuatro dimensiones en contexto universitario chileno (Vergara- Morales et al., 2022). 116 5. Inventario de Bournout de Maslach (MBI-SS; Maslach y Jackson, 1981) adaptado y validado en población chilena por Pérez et al., (2012) evalúa estrés académico. 3 dimensiones: despersonalización, falta de desarrollo personal y agotamiento. También se puede extraer un factor superior de estrés general. 22 ítems Alfa de Cronbach de ,84 para modelo unifactorial (Pérez et al., 2012). 6. Escala Breve de Satisfacción con los Estudios (EBSE; Merino-Soto et al., 2017) Unidimensional 3 ítems Alfa de Cronbach de ,78 (Merino-Soto et al., 2017). 7.2.4 PROCEDIMIENTO La investigación se sometió al Comité de Ética de la Universidad de Playa Ancha, respetando los principios éticos de investigación con seres humanos. Tras obtener la autorización de esta universidad, se estableció contacto con autoridades académicas de otras seis universidades chilenas para obtener su aprobación y colaboración en la implementación de la investigación. Se acordaron los procedimientos y se designó a una persona clave en cada universidad para la aplicación y seguimiento de los datos. Se crearon formularios en Google para cada institución, los cuales incluían un consentimiento informado y una presentación de la investigación. Los estudiantes fueron informados de la confidencialidad y voluntariedad de su participación. Se les indicaba que su participación en el estudio implicaría la autorización de la entrega de datos del RA previo (NEM y Selectividad) por parte de la universidad. Quienes decidieron participar respondieron las escalas de recursos psicológicos, mientras que aquellos que optaron por no participar, un desvío en sus respuestas los enviaba a la finalización del formulario. El Estudio 2 fue la segunda recopilación de información de la tesis, ya que 117 consideraba los recursos psicológicos evaluados en la primera medida (2020). Adicionalmente, las medidas de RA previo entregadas por cada universidad. A partir de la información recopilada y limpieza de datos perdidos se procedió a analizar los resultados. 7.2.5 ANÁLISIS DE DATOS Se inició el estudio dividiendo a la muestra en dos grupos según la vía de acceso a la universidad Regular y PACE, ya que teóricamente presentan diferencias en el RA previo (Gil-Llambías et al., 2019; MINEDUC, 2022). Se analizó la estadística descriptiva de los recursos psicológicos y las variables criterio, calculando la media, desviación estándar, asimetría y curtosis de los ítems para cada grupo por separado. Los valores de asimetría y curtosis fueron evaluados para determinar la normalidad de la distribución, considerando valores inferiores ±1,96 para asumir una distribución normal (Mardia, 1970). Se examinó la normalidad multivariante en el rango de curtosis 0 a 7, ya que esta puede influir en las ecuaciones estructurales (West et al., 1995). La fiabilidad de las escalas se analizó mediante el coeficiente alfa de Cronbach, estableciendo un límite superior de α = ,70 para considerarla aceptable (Field, 2018). Además, se calculó el coeficiente de correlación de Pearson para evaluar las relaciones entre variables e identificar presencia de multicolinealidad (Arias-Martínez, 2008). Se analizaron las propiedades psicométricas de los instrumentos mediante análisis factorial confirmatorio. Se utilizó el método mínimos cuadrados ponderados diagonalmente, ya que es robusto frente a violaciones de la normalidad multivariada (Forero et al., 2009). Los criterios considerados para evaluar la bondad de ajuste fue el χ2, donde un valor no significativo indica un buen ajuste (p > ,005), sin embargo, dado que es muy sensible al tamaño muestral se usan otros indicadores. El “Comparative Fix Index” (CFI, Bentler, 1990) y el “Tucker Lewis Index” (TLI, Tucker y Lewis, 1973) comparan el modelo existente con un modelo nulo, los valores > ,90 indican un ajuste aceptable y > ,95 un buen ajuste (Hu y Bentler, 1999). Los residuos del modelo se evalúan con el “Root Mean Square Error of Appoximation” (RMSEA, Steiger, 1990) incorporando el intervalo de confianza y el “Standarized Root Mean Residual” (SRMR, Bentler, 1995), valores inferiores a ,08 son considerados aceptables y < ,05 indica un buen ajuste (Fan y Sivo, 2007). 118 Para responder al primer objetivo del Estudio 2 de identificar la influencia de los recursos psicológicos en el RA previo al ingreso de la universidad (OB2), se planteó un modelo de ecuaciones estructurales el cual fue analizado en ambos grupos: acceso Regular y PACE. El Modelo propuso que las variables predictoras (recursos psicológicos) se relacionan de modo directo con las variables criterio (RA previo) considerando los fundamentos teóricos (Merino-Soto et al., 2017; Richardson et al., 2012; Ryan y Deci, 2020; Stajkovic et al., 2018; Wilson et al., 2019). El RA previo (NEM y Selectividad) se añaden por separado considerando la temporalidad de las medidas y su posible relación. Las NEM evalúan los últimos cuatro años de la secundaria incluyéndose como un predictor de la Selectividad (Rodríguez-Garcés y Jarpa-Arriagada, 2015). Las NEM pueden relacionarse con pruebas estandarizadas como la Selectividad y con el progreso académico posterior (Allensworth y Clark, 2020; Geiser, 2016). Se utilizó el método de estimación mínimos cuadrados no ponderados (ULS) (Forero et al., 2009). La bondad de ajuste se evaluó mediante los siguientes criterios: El χ2 con un valor p > ,05 indica un buen ajuste, pero es un índice sensible al tamaño de la muestra (Curran et al., 2002). El χ2/grados de libertad donde un valor inferior a 3 indica un buen ajuste. El GFI (Goodnees of Fit Index; Bentler, 1983) y el NFI (Normed Fit Index; Bentler y Bonett, 1980) son indicadores comparativos, para ambos se considera un buen ajuste con valores > ,95; el índice de parsimonia PGFI (Parsimony GFI) y el PNFI (Parsimony NFI; Bentler y Bonett, 1980) considera el ajuste y los grados de libertad, valores superiores a ,50 indican un ajuste más parsimonioso. Para concretar el segundo objetivo (OB3), se realizó una comparación de medias mediante una prueba t de Student para muestras independientes, evaluando los tamaños del efecto con la d de Cohen entre estudiantes con acceso Regular y PACE. Se siguió el mismo análisis de prueba t y tamaño del efecto para evaluar si existían diferencias según sexo. Un tamaño del efecto pequeño es de ± 0,20, un efecto mediano es de ± 0,50 y un efecto grande es de ± 0,80 (Cohen, 1992). Para el desarrollo de los análisis se utilizaron diferentes softwares estadísticos. Los análisis descriptivos, correlaciones y fiabilidad se realizaron con el programa estadístico SPSS versión 25. El análisis factorial confirmatorio de las escalas y las pruebas t se efectuó con el programa JASP (2022) versión 0.16. Los análisis de 119 ecuaciones estructurales se realizaron con el programa AMOS 23 (Arbuckle, 2019). 7.3 RESULTADOS 7.3.1 ANÁLISIS DESCRIPTIVOS Los análisis se realizaron con una muestra de 864 estudiantes, de los cuales 570 ingresaron por acceso Regular y 294 por acceso PACE. Se analizaron los estadísticos descriptivos, correlaciones y consistencia interna de las medidas por cada grupo según el acceso Regular y PACE. Las primeras 13 variables corresponden a medidas predictoras y las variables criterio fueron las NEM y Selectividad. En la tabla 14 se presentan los datos de los estudiantes de acceso Regular. Las medidas cumplen con los criterios para la normalidad univariante con valores de asimetría y curtosis menores a ± 1,96 (Mardia, 1970), a excepción de la variable regulación identificada con una curtosis de 4,13. La normalidad multivariada fue de 37,52, por lo que no se cumple. Por ello, posteriormente para el análisis de las escalas se empleará un método que contempla el incumplimiento de este supuesto (DiStefano y Morgan, 2014). . 128 Tabla 14. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos de estudiantes de acceso Regular. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 Amabilidad 1 ,23 ,21 ,07 ,18 ,18 ,16 -,17 -,18 ,18 ,06 ,20 -,31 ,04 -,17 2 Responsabilidad 1 ,42 ,21 ,13 ,30 ,36 -,14 -,20 ,46 ,39 ,38 -,47 ,08 -,09* 3 Estabilidad 1 ,34 ,05 ,25 ,23 -,30 -,27 ,54 ,45 ,39 -,58 ,01 -,02 4 Extraversión 1 ,24 ,25 ,19 -,10* -,08* ,42 ,33 ,21 -,36 ,06 -,01 5 Apertura 1 ,28 ,23 -,08* -,12 ,25 ,22 ,12 -,22 -,01 ,04 6 Motivación Intrínseca 1 ,69 -,25 -,41 ,42 ,47 ,46 -,44 ,00 -,02 7 Regulación Identificada 1 -,14 -,31 ,41 ,36 ,40 -,38 ,01 -,07 8 Regulación Introyectada 1 ,68 -,23 -,20 -,28 ,38 -,02 ,04 9 Motivación Extrínseca 1 -,24 -,24 -,31 ,39 -,08 -,04 10 Resiliencia 1 ,56 ,45 -,50 ,05 -,06 11 Autoeficacia 1 ,49 -,52 ,01 ,06 12 Satisfacción 1 -,55 ,04 -,11* 13 Estrés 1 -,04 ,08 14 NEM 1 ,31 15 Selectividad 1 Alfa de Cronbach ,66 ,76 ,84 ,84 ,68 ,82 ,85 ,80 ,81 ,92 ,91 ,62 ,83 Media 27,47 24,25 20,77 20,05 29,83 22,88 25,44 12,21 11,49 67,43 28,45 3,71 46,73583,14 559,04 Desviación Típica 3,73 5,00 6,20 5,70 3,93 4,50 3,70 6,31 6,13 16,68 5,92 2,41 17,74 62,17 55,75 Asimetría -0,65 -0,03 -0,12 -0,12 -0,75 -1,18 -1,97 0,41 0,68 -0,69 -0,26 -0,58 0,12 0,53 0,93 Curtosis 0,68 -0,55 -0,57 -0,54 0,04 1,46 4,13 -0,77 -0,32 0,28 -0,38 0,07 -0,33 1,36 1,01 NEM: Notas de Enseñanza Media. La correlación en negrita es significativa en el nivel ,01 (bilateral). * La correlación es significativa en el nivel ,05 (bilateral). 129 Las correlaciones presentaron patrones adecuados, sin presencia de multicolinealidad entre las variables (< ,80). De las dimensiones de personalidad, estabilidad emocional y responsabilidad muestran mayor correlación con los otros recursos psicológicos evaluados. Las variables resiliencia, autoeficacia, satisfacción y estrés exhiben una correlación moderada (r = - ,55 a ,56). Esta relación presenta base teórica, que sostiene que a mayor resiliencia, autoeficacia, satisfacción y menor estrés, el estudiante contará con mayores recursos personales para desenvolverse en educación superior. Las variables de motivación presentan una relación moderada (r = - ,41 a ,69) observándose que los polos de motivación intrínseca e introyectada presentan mayor relación, así también ocurre en el otro polo de motivación extrínseca e identificada, como indica la teoría de la autodeterminación (Ryan y Deci, 2020). Las variables criterio de RA previo al ingreso a la educación superior, NEM y Selectividad presentan una correlación de r = ,31. Los índices de fiabilidad mediante alfa de Cronbach muestran valores adecuados con un rango de ,76 a ,92 para las variables predictoras a excepción de la variable amabilidad, apertura a la experiencia y satisfacción académica con un alfa de Cronbach de ,64, ,68 y ,62 respectivamente. En la tabla 15 se presentan los estadísticos descriptivos de los estudiantes PACE. Se observa normalidad univariada para doce medidas las cuales cumplen con los valores de asimetría y curtosis menores a ± 1,96. La variable motivación identificada presenta una asimetría de -2,03 y una curtosis de 5,13 y las NEM una curtosis de 2,19 dando cuenta de mayor dispersión en sus respuestas. La normalidad multivariada fue de 44,55. Las correlaciones presentaron patrones adecuados similares a los resultados de la muestra de estudiantes de acceso Regular, sin presencia de multicolinealidad. Las variables responsabilidad y estabilidad emocional resultaron las medidas de personalidad que mayor relación presentaron con los otros recursos psicológicos. Las variables resiliencia, autoeficacia, satisfacción y estrés presentan una correlación moderada (r = - ,55 a ,60). Las variables de motivación presentaron una relación de baja a moderada entre ellas (r = - ,28 a ,60) observándose la polarización entre las variables motivación intrínseca e identificada y la regulación introyectada y extrínseca (Ryan y Deci, 2020). Las NEM y la Selectividad presentaron una correlación de r = ,40. Los índices de fiabilidad mediante alfa de Cronbach muestran valores adecuados entre ,71 a ,91 a excepción de la variable amabilidad y satisfacción con un alfa de Cronbach de ,64 y ,55 respectivamente. 130 Tabla 15. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos de estudiantes de acceso PACE. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1Amabilidad 1 ,36 ,33 ,24 ,28 ,33 ,35 -,19 -,16 ,38 ,19 ,35 -,41 ,02 -,15 2Responsabilidad 1 ,37 ,27 ,16 ,43 ,35 -,18 -,18 ,52 ,49 ,44 -,38 -,06 -,15* 3Estabilidad 1 ,34 ,04 ,30 ,21 -,23 -,17 ,54 ,51 ,35 -,56 ,02 -,01 4Extraversión 1 ,26 ,26 ,20 -,17 -,18 ,49 ,37 ,20 -,41 -,06 -,11 5Apertura 1 ,37 ,20 -,07 -,11 ,24 ,1 ,07 -,18 -,04 ,01 6Motivación Intrínseca 1 ,60 -,18 -,28 ,48 ,40 ,42 -,46 -,08 -,07 7Regulación Identificada 1 -,11 -,22 ,46 ,26 ,38 -,37 -,08 -,14* 8Regulación Introyectada 1 ,65 -,19 -,14* -,16 ,29 ,02 -,05 9Motivación Extrínseca 1 -,15 -,09 -,13* ,27 -,04 -,04 10Resiliencia 1 ,66 ,46 -,56 ,02 -,09 11Autoeficacia 1 ,43 -,52 ,02 ,01 12Satisfacción 1 -,47 -,05 -,24 13Estrés 1 ,02 ,09 14NEM 1 ,40 15Selectividad 1 Alfa de Cronbach ,64 ,71 ,80 ,84 ,72 ,80 ,82 ,79 ,74 ,90 ,91 ,84 ,55 Media 28,42 26,37 22,15 20,1 28,46 22,8 25,9 12,59 11,51 72,97 27,99 3,95 49,48 660,66 505,08 Desviación Típica 3,54 4,54 5,58 5,6 4,28 4,22 2,98 6,37 5,55 13,51 5,89 0,74 17,77 56,95 98,93 Asimetría -0,89 -0,25 -0,27 0,14 -0,7 -1,21 -2,03 0,42 0,72 -0,6 -0,19 -0,78 0,33 -0,06 0,93 Curtosis 1,69 -0,49 -0,48 -0,45 0,8 1,98 5,13 -0,77 -0,07 0,34 -0,35 0,23 0,08 2,19 1,90 NEM: Notas de Enseñanza Media. La correlación en negrita es significativa en el nivel 0,01 (bilateral). * La correlación es significativa en el nivel 0,05 (bilateral). 123 7.3.2 VALIDEZ INTERNA DE LAS ESCALAS En la tabla 16 se observan los índices de bondad de ajuste tras aplicar el análisis factorial confirmatorio a las escalas del Estudio 2 en ambas muestras Regular y PACE. Se utilizó el método mínimos cuadrados ponderados diagonalmente, recomendado para cuando no existe normalidad multivariante (DiStefano y Morgan, 2014). Tabla 16. Resumen de los indicadores de ajuste los instrumentos del estudio 2. Grupo 𝝌𝝌2 gl 𝝌𝝌2/gl p CFI TLI RMSEA IC 90% SRMR Personalidad Regular 1269,79 550 2,30 <,001 ,94 ,93 ,05 (,04 - ,05) ,06 PACE 812,76 550 1,47 <,001 ,95 ,95 ,04 (,03 - ,05) ,07 Resiliencia Regular 485,32 275 1,76 <,001 ,98 ,98 ,04 (,03 - ,04) ,06 PACE 339,95 275 1,23 ,005 ,99 ,99 ,03 (,02 - ,04) ,07 Autoeficacia Regular 47,30 35 1,35 ,008 1,00 1,00 ,02 (,01 - ,04) ,04 PACE 15,78 35 0,45 ,009 1,00 1,00 ,01 (,01 - ,01) ,03 Motivación Regular 188,52 98 1,92 <,001 ,99 ,98 ,04 (,03 - ,05) ,06 PACE 147,51 98 1,51 <,001 ,98 ,97 ,04 (,03 - ,05) ,07 Estrés Regular 750,15 167 4,49 <,001 ,92 ,91 ,08 (,07 - ,08) ,01 PACE 274,24 167 1,64 <,001 ,97 ,96 ,05 (,04 - ,06) ,07 Satisfacción Regular 0,000 0 1 1 0 2,5 PACE 0,000 0 1 1 0 2,61 La escala que evaluó personalidad (Vigil-Colet et al., 2013) mostró adecuada validez interna en ambas muestras, confirmando la estructura de cinco factores con índices de bondad de ajuste adecuados. La escala de resiliencia (Cisternas, 2015) confirmó una estructura unifactorial presentando adecuados indicadores de ajuste, al igual que la escala de autoeficacia (García-Fernández et al., 2016). La escala de motivación (Vergara-Morales et al., 2022) confirmó la estructura de cuatro factores con adecuados indicadores de ajuste. La escala de estrés académico (Pérez et al., 2012) 124 presentó una estructura unifactorial de segundo orden que agrupó los tres factores propuestos por la teoría de Maslach (Maslach y Jackson, 1981), se tuvo que re- especificar y eliminar los ítems 4 y 7 dado que presentaban problemas por altos valores de los residuos, presentando indicadores de ajuste aceptables tras la eliminación de estos ítems. La escala de satisfacción por los estudios, como se observa en la tabla 16 no logró identificarse en ambos casos (Merino-Soto et al., 2017), posiblemente por contar con tres ítems y con una fiabilidad baja. Se realizó un análisis factorial exploratorio para el grupo Regular y PACE empleando el método de extracción de mínimos cuadrados no ponderados. El valor de Kaiser-Meyer-Olkin (KMO) fue 0,64 para estudiantes Regular y 0,63 para estudiantes PACE resultando adecuado. La prueba de Bartlett fue estadísticamente significativa en el grupo Regular [χ2(3) = 216,75 p < ,001] y para el grupo PACE [χ2(3) = 70,10 p < ,001], lo que refleja que la matriz de correlaciones no era una matriz identidad. En la tabla 17 y 18 se puede observar la correlación entre los tres ítems, la comunalidad y los pesos factoriales para el grupo de estudiantes Regular y PACE respectivamente. El factor de satisfacción académica explicó un 38% de la varianza en la muestra de estudiantes Regular y un 29,90% para los estudiantes PACE. Con esta información se utiliza la escala de satisfacción como una medida unifactorial. Tabla 17. Correlación entre ítems, comunalidad y pesos factoriales de la escala de Satisfacción en estudiantes de acceso Regular. Ítems 1 2 3 1 Satisfacción por el estudio 1,00 ,33 ,32 2 Satisfacción por su rendimiento 1,00 ,45 3 Satisfacción global 1,00 Comunalidades 0,15 0,24 0,23 Peso factorial 0,69 0,65 0,49 125 Tabla 18. Correlación entre ítems, comunalidad y pesos factoriales de la escala de Satisfacción en estudiantes de acceso PACE. Ítems 1 2 3 1 Satisfacción por el estudio 1,00 ,27 ,31 2 Satisfacción por su rendimiento 1,00 ,31 3 Satisfacción global 1,00 Comunalidades 0,13 0,13 0,15 Peso factorial 0,42 0,57 0,62 7.3.3. RELACIÓN DE RECURSOS PSICOLÓGICOS CON EL RA PREVIO Para responder al primer objetivo (OB2), se analizó el Modelo de relación de los recursos psicológicos con el RA previo para cada muestra Regular y PACE por separado. Se estableció una relación entre las NEM y Selectividad considerando la temporalidad de las medidas, así como la posible relación e influencia entre ellas. Las NEM indican el RA durante los últimos cuatro años de la secundaria evaluada por cada establecimiento y la Selectividad es la evaluación tras finalizar la secundaria realizada por un organismo central a nivel nacional chileno. La figura 6 muestra el Modelo de relación de recursos psicológicos con el RA previo aplicado a los estudiantes de acceso Regular. Presenta buenos indicadores de ajuste que se observan en la tabla 21. Las NEM son explicadas en un 1% y la Selectividad en un 18%. Los factores que en mayor medida explican las NEM son responsabilidad r = ,10 y extraversión r = ,08. La Selectividad fue explicada por Recursos r = ,76, estabilidad r = ,39, Motivación r = ,33 y las NEM r = ,32. 126 Figura 6. Modelo de predicción del Rendimiento Académico (RA) previo a la entrada en la universidad de estudiantes de acceso Regular. NEM: Notas de Enseñanza Media. 127 Para facilitar la legibilidad, en la tabla 19 se presentan las correlaciones entre las dimensiones de personalidad con los factores de Motivación y Recursos de los estudiantes de acceso Regular. Personalidad y Motivación muestra una relación que fluctúa de r = ,21 a ,41. La relación entre las dimensiones de personalidad y Recursos es de moderada a alta fluctuando de ,32 a ,77. Estabilidad emocional es la variable que presenta la mayor correlación con Recursos cercana a la multicolinealidad. Esta alta relación también se observa entre Recursos y Selectividad. Tabla 19. Correlaciones entre dimensiones de Personalidad, Motivación y Recursos del Modelo predictivo de RA previo en estudiantes Regular. Motivación Recursos Amabilidad ,27 ,34 Responsabilidad ,34 ,64 Estabilidad ,41 ,77 Extraversión ,21 ,53 Apertura ,23 ,32 La figura 7 presenta el Modelo de relación de recursos psicológicos con el RA previo aplicado a los estudiantes de acceso PACE. Presenta buenos indicadores de ajuste que se observan en la tabla 21. Las NEM son explicadas en un 3% y la Selectividad en un 22%. Los factores que en mayor medida explican las NEM son los Recursos r = ,27, Motivación r = ,20, extraversión r = -,12 y responsabilidad r = ,08. La Selectividad fue explicada por las NEM r = ,41, Recursos r = ,29; estabilidad r = ,21 y Motivación r = ,17. Para facilitar la comprensión, en la tabla 20 se presentan las correlaciones entre las dimensiones de personalidad con los factores de Motivación y Recursos. La relación entre las dimensiones de personalidad y Motivación fluctuó de r = ,49 a ,33 y entre las dimensiones de personalidad y Recursos fue de moderada a alta fluctuando de ,26 a ,73. Estabilidad y Recursos presentan la relación más alta, al igual que con la muestra de estudiantes Regular. 128 Figura 7. Modelo de predicción del Rendimiento Académico (RA) previo a la entrada en la universidad de estudiantes de acceso PACE. NEM: Notas de Enseñanza Media. 129 Tabla 20. Correlaciones entre dimensiones de personalidad, motivación y recursos del Modelo predictivo de RA previo en estudiantes PACE. Motivación Recursos Amabilidad ,43 ,52 Responsabilidad ,49 ,58 Estabilidad ,38 ,73 Extraversión ,33 ,57 Apertura ,36 ,26 En la tabla 21 se presentan los índices de ajustes del Modelo de relación de los recursos psicológicos con el RA previo en ambas muestras, apoyando parcialmente la H2. Se afirma una relación de los recursos psicológicos con el RA previo especialmente con la Selectividad explicando un 18 y 22%, mientras que con las NEM fue de 1 a 3% para estudiantes Regular y PACE respectivamente. La predicción de la Selectividad fue mayor, ya que además de las variables psicológicas se incorpora como predictor las NEM. Los indicadores de ajuste GFI, NFI, PNFI no presentan variación entre ambos grupos. Tabla 21. Resumen de los indicadores de ajuste del modelo de predicción del RA en estudiantes Regular y PACE. 𝝌𝝌2 gl 𝝌𝝌2/gl GFI NFI PGFI PNFI R2 Regular 2250050,10 62 36291,13 1,00 ,99 ,52 ,59 1% y 18% PACE 2920749,20 62 471108,85 1,00 ,99 ,52 ,59 3% y 22% En cuanto a los rasgos de personalidad y la Selectividad, en el grupo de acceso Regular todos los rasgos presentaron un aporte mayor a ,10 destacando la estabilidad emocional. Mientras que para los PACE los rasgos que mayor relación presentaron con la Selectividad fue la estabilidad emocional y amabilidad de manera negativa. 130 Con el fin de indagar si los recursos psicológicos presentan relación con la Selectividad, se controló las NEM, encontrando una predicción de un 7% para estudiantes Regular y de un 6% para los estudiantes PACE. Para desarrollar el OB3. se compararon las quince variables aplicadas al modelo anterior, según la vía de acceso Regular o PACE mediante prueba t de student. Si bien las variables Regulación identificada y NEM no cumplieron con el supuesto de normalidad, el estadístico t es robusto al incumplimiento de normalidad. Se evaluó el tamaño del efecto d considerando que ± 0,20 indica un efecto pequeño, ± 0,50 es un efecto mediano y de ± 0,80 es un efecto grande (Cohen, 1992). Esta comparación de medias se presenta en la tabla 22. Se observan diferencias significativas en siete de los recursos psicológicos y en las dos medidas de RA previo a la universidad tras comparar ambas muestras Regular y PACE que se observan en la figura 8. Los estudiantes de acceso Regular mostraron mayor puntuación en apertura a la experiencia. Los estudiantes PACE presentan mayor responsabilidad con un tamaño del efecto moderado; mientras que amabilidad, estabilidad, resiliencia, satisfacción y percepción de estrés presentaron un tamaño del efecto pequeño. Las variables extraversión, las cuatro medidas de motivación (intrínseca, identificada, introyectada y extrínseca) y la autoeficacia no presentaron diferencias en los estudiantes según el tipo de acceso a la universidad. En las variables criterio, la Selectividad fue mayor en los estudiantes de acceso Regular y en las NEM fueron mayor en los estudiantes PACE en ambos casos con un tamaño del efecto grande. Los casos en que la d es negativa indica que los estudiantes PACE obtienen una mayor puntuación que los estudiantes de acceso Regular. Estos resultados estarían apoyando la H3, sin embargo la H3.1 se considera parcialmente, ya que estudiantes PACE presentaron mayor responsabilidad, mientras que motivación en sus cuatro rasgos no presentó diferencias entre ambos grupos. 131 Tabla 22. Comparación de medias entre estudiantes de acceso Regular y PACE en el Estudio 2. Regular PACE IC de d Media DT Media DT Prueba t d inferior superior Amabilidad 27,47 3,73 28,42 3,55 t 862 = -3.59 p = ,001 -0,26 -0,40 -0,12 Responsabilidad 24,26 4,98 26,37 4,54 t 862 = -6,08 p = ,001 -0,44 -0,58 -0,29 Estabilidad 20,77 6,20 22,15 5,58 t 862 = -3,20 p = ,001a -0,23 -0,37 -0,09 Extraversión 20,05 5,66 20,10 5,59 t 862 = -0,13 p = ,896 -0,01 -0,15 0,13 Apertura 29,83 3,93 28,46 4,28 t 862 = 4,71 p = ,001 0,34 0,20 0,48 Intrínseca 22,88 4,47 22,80 4,26 t 862 = 0,25 p = ,801 0,02 -0,12 0,16 Identificada 25,44 3,70 25,90 2,98 t 862 = -1,84 p = ,066a -0,13 -0,27 0,01 Introyectada 12,21 6,31 12,59 6,37 t 862 = -0,85 p = ,398 -0,06 -0,20 0,08 Extrínseca 11,49 6,14 11,51 5,55 t 862 = -0,04 p = ,965a -0,01 -0,14 0,14 Resiliencia 67,43 16,68 72,97 13,51 t 862 = -4,92 p = ,001a -0,35 -0,50 -0,21 Autoeficacia 28,45 5,93 27,99 5,89 t 862 = 1,07 p = ,285 0,08 -0,06 0,22 Satisfacción 11,16 2,42 11,86 2,23 t 862 = -4,15 p = ,001 -0,30 -0,44 -0,16 Estrés 46,73 18,25 49,48 17,77 t 862 = -2,11 p = ,035 -0,15 -0,29 -0,01 NEM 583,14 62,18 660,66 56,95 t 862 = -17,86 p = ,001 -1,28 -1,44 -1,13 Selectividad 559,04 55,75 505,08 98,93 t 862 = 10,25 p = ,001a 0,74 0,59 0,88 DT: Desviación Típica; IC: Intervalo de Confianza; a Test de Levene es significativo (p< ,05) sugiriendo una violación de la igualdad de varianzas asumidas. 132 Figura 8. Diferencias significativas de los Recursos del estudiante según tipo de acceso Regular o PACE. NEM 583,14 660,66 Selectividad 559,04 505,08 Resiliencia 67,43 72,97 Estrés 46,73 49,48 Apertura 29,83 28,46 Amabilidad 27,47 28,42 Responsabilidad 24,26 26,37 Estabilidad 20,77 22,15 Satisfacción 11,16 11,86 0% 20% 40% 60% 80% 100% Regular PACE NEM: Notas de Enseñanza Media Respondiendo al objetivo OB3, la tabla 23 muestra la comparación de medias de las 15 variables según el sexo analizadas con el estadístico t de student. Se observa que existen diferencias en el sexo en cinco variables predictoras y en dos variables criterio en la tabla 23 y en la figura 9. Las mujeres presentaron mayor puntuación en amabilidad, responsabilidad, apertura y motivación identificada con un tamaño del efecto pequeño. Los varones presentaron mayor puntuación en estabilidad emocional, motivación extrínseca y autoeficacia con un tamaño del efecto pequeño. Las variables criterio, NEM fueron significativamente mayor en las mujeres, mientras que la Selectividad fue mayor en varones, ambas con tamaño del efecto pequeño. Las medidas de extraversión, motivación intrínseca, motivación introyectada, resiliencia, satisfacción y estrés académico no presentaron diferencias significativas entre varones y mujeres. Se apoya la H3.2, ya que se observan diferencias en los recursos psicológicos en función del sexo. 133 Tabla 23. Comparación de medias entre estudiantes según el sexo en el Estudio 2. Varón Mujer IC de la d Media DT Media DT Prueba t d inferior superior Amabilidad 26,89 3,94 28,09 3,57 t 861 = -4,09 p = ,001 -0,33 -0,48 -0,17 Responsabilidad 23,68 4,70 25,40 4,92 t 861 = -4,45 p = ,001 -0,35 -0,51 -0,20 Estabilidad 22,49 5,86 20,86 6,03 t 861 = 3,43 p = ,001 0,27 0,12 0,43 Extraversión 20,10 5,31 20,06 5,74 t 861 = 0,09 p = ,932 0,01 -0,15 0,16 Apertura 28,59 4,36 29,61 4,00 t 861 = -3,14 p = ,002 -0,25 -0,41 -0,09 Intrínseca 22,42 4,40 22,98 4,38 t 861 = -1,62 p = ,106 -0,13 -0,29 0,03 Identificada 25,11 3,39 25,75 3,50 t 861 = -2,32 p = ,001 -0,16 -0,25 -0,07 Introyectada 12,89 6,41 12,15 6,30 t 861 = 1,46 p = ,145 0,12 -0,04 0,27 Extrínseca 12,20 5,89 11,27 5,95 t 861 = 1,98 p = ,050 0,16 0,00 0,31 Resiliencia 68,62 15,71 69,57 15,94 t 861 = -0,75 p = ,453 -0,06 -0,22 0,10 Autoeficacia 29,20 5,41 28,00 6,05 t 861 = 2,56 p = ,011 0,20 0,05 0,36 Satisfacción 11,14 2,27 11,49 2,40 t 861 = -1,86 p = ,064 -0,15 -0,30 0,01 Estrés 48,24 17,06 47,49 18,48 t 861 = 0,52 p = ,601 0,04 -0,11 0,20 NEM 597,65 77,66 613,39 68,00 t 861 = -2,81 p =,005 a -0,22 -0,37 -0,06 Selectividad 554,73 75,56 536,13 77,83 t 861 = 3,02 p = ,003 0,24 0,08 0,40 DT: Desviación Típica; IC: Intervalo de Confianza; NEM: Notas de Enseñanza Media; a Test de Levene es significativo (p< ,05) sugiriendo una violación de la igualdad de varianzas asumidas. 134 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Varón Mujer Figura 9. Diferencias significativas de los Recursos del estudiante según el sexo. Selectividad 554,73 536,13 NEM 597,65 613,39 Autoeficacia 29,2 28 Extrínseca 12,2 11,27 Introyectada 12,89 12,15 Identificada 25,11 25,75 Apertura 28,59 29,61 Estabilidad 22,49 20,86 Responsabilidad 23,68 25,4 Amabilidad 26,89 28,09 NEM: Notas de Enseñanza Media Se apoya la mayoría de las hipótesis planteadas de acuerdo con los resultados observados en investigaciones de otros autores. Sin embargo, el estrés no presentó diferencias significativas, contrario a lo que se hipotetizaba referente a que mujeres presentarían mayor estrés académico que los varones. Al observar la tabla 23 se logra apreciar que mujeres presentan una menor puntuación en estrés que los varones, sin embargo, estas diferencias no resultan significativas. Tampoco se presentan diferencias significativas en resiliencia, que de acuerdo al meta-análisis de Hu et al. (2015) se esperaba mayor en las mujeres que en los varones. 135 7.4 DISCUSIÓN Tras conocer la influencia de los recursos psicológicos en el RA previo a la universidad según el tipo de acceso a la universidad Regular y PACE (OB2). Se puede afirmar que los recursos psicológicos presentan relación con el RA previo (H2), la cual fue explicada entre un 1 y 3% para las NEM y de un 18 a 22% en la Selectividad para estudiantes Regular y PACE respectivamente. El modelo separó las medidas de RA previo considerando su temporalidad en la trayectoria educativa, lo que nos permitió modelar a las NEM como un predictor de la Selectividad. El complementar el RA previo con los recursos psicológicos aumentó la predicción. Esto se pudo observar al analizar las medidas de RA por separado, sin la influencia de las NEM, la Selectividad fue explicada por los recursos psicológicos en un 7% y un 6% de la variabilidad de la varianza de estudiantes Regular y PACE respectivamente. Hallazgos coherentes con lo que planteaba Alyahyan y Düştegör, (2020) que indican que complementar las medidas cognitivas con las psicológicas puede aumentar la predicción del RA. De modo general, los rasgos de personalidad que destacaron en la predicción del RA previo en ambos grupos fueron la estabilidad, la responsabilidad y la amabilidad (de manera inversa). Estos rasgos pertenecen al factor α (Musek, 2007) asociado a procesos de socialización caracterizados por mayor estabilidad. En este sentido, nosotros hipotetizábamos que la responsabilidad presentaría mayor relación con el RA previo (H2.1). Esta hipótesis se basaba en que responsabilidad ha sido el rasgo de personalidad que a nivel de meta-análisis ha presentado mayor relación con el RA (Poropat, 2009; Richardson et al., 2012; Vedel, 2014). Sin embargo, en este estudio el rasgo más predictivo fue la estabilidad, resultando relevante principalmente en la predicción de la Selectividad, por lo que se rechaza la H2.1. Esto podría deberse a que se ha encontrado que la estabilidad presenta una relación positiva con el RA cuando se relaciona con otros recursos personales como alta autoeficacia y motivación (De Feyter et al., 2012), tal como se observa en este estudio. Es interesante la relación de amabilidad de manera negativa con el RA previo, observado en ambos grupos. Esto podría deberse a que, en contextos de mayor competencia y enfoque de logro, amabilidad ha presentado una relación negativa (Zhang, 2003). Es decir, la amabilidad caracterizada por altruismo, simpatía y ayuda no va de la mano con estudiantes con perfiles competitivos (enfoque de logro). Esto podría tener relación con una mirada más individualista de los logros académicos, que se debe seguir investigando. 136 La motivación resultó ser un predictor del RA previo tanto en las NEM como en la Selectividad, confirmando la H2.2. Resultado congruente con investigaciones que apuntan a la relación de motivación del estudiante y desempeño académico (García-Ros et al., 2018; Taylor et al., 2014; Vergara-Morales et al., 2019). En la tabla de correlaciones se observa un continuo de motivación intrínseca, regulación identificada, regulación introyectada y externa. Esto permite agrupar a estudiantes con mayor autonomía o una motivación de mayor calidad, o con puntuaciones que tienen una mayor predisposición al control o una motivación de menor calidad (Ryan y Deci, 2020; Taylor et al., 2014; Vansteenkiste et al., 2009). Los Recursos resultaron un factor importante en la relación con el RA previo (H2.3), principalmente para la Selectividad. Los Recursos aquí están integrados por la resiliencia, entendida como una cualidad para adaptarse y prosperar frente adversidades (Connor y Davidson, 2003); la autoeficacia definida como las creencias en las propias capacidades para abordar las demandas (Bandura, 1995); la satisfacción académica indicador subjetivo del éxito y progreso académico (Merino-Soto et al., 2017) que puede estar relacionado con autoeficacia, motivación y competencias emocionales (Lent et al., 2007; Shek y Chai, 2020; Vergara-Morales et al., 2019); y el estrés o desgaste académico definido por el agotamiento, despersonalización y falta de realización personal (Maslach y Jackson, 1981), que se ha mostrado tradicionalmente como un factor de riesgo en la educación superior por los altos cambios que supone (Saleh et al., 2017; Simonelli-Muñoz et al., 2018). Todos estos dominios no cognitivos resultaron ser un complemento significativo en la predicción del RA previo apoyando la H2.3. Un elemento a destacar fue que, en estudiantes de acceso Regular, la estabilidad emocional presentó una relación alta con Recursos y con la Selectividad, la cual disminuyó en estudiantes de acceso PACE. Este rasgo se ha visto que puede ser un buen recurso para el estudiante cuando es apoyado con otros recursos psicológicos como la autoeficacia (De Feyer et al., 2012). En general los resultados aportan evidencia de que los recursos psicológicos están asociados a indicadores de éxito académico en estudiantes universitarios chilenos. Al analizar si los recursos psicológicos y el RA previo presentaban diferencias según tipo de acceso Regular o PACE (OB3), se encontró diferencias compatibles con la H3. Los estudiantes de acceso Regular destacaron por su apertura a la experiencia. Mientras que los estudiantes PACE presentan mayor responsabilidad, amabilidad, 137 estabilidad, resiliencia, satisfacción y percepción de estrés. Estas características que resaltan significativamente frente a los estudiantes de acceso Regular pueden deberse a esta autopercepción positiva que realizan los estudiantes para compensar ciertas limitaciones académicas, como indica Ávila Reyes et a. (2021). Se hipotetizaba que los estudiantes PACE podrían tener mayor responsabilidad y motivación académica (H3.1) (Gil-Llambías et al., 2019; Aedo, 2017; Morales et al., 2019). Sin embargo, sólo se cumple en responsabilidad, rechazando parcialmente la H3.1. Morales et al. (2019) indicaba que los estudiantes PACE presentan alta responsabilidad y apertura a la experiencia. Sin embargo, en este estudio se encontró que apertura a la experiencia es mayor en estudiantes de acceso Regular. Este contraste puede deberse a que el estudio de Morales et al., (2019) era descriptivo de estudiantes PACE, sin comparar estos rasgos con estudiantes de acceso Regular, sin tener un grupo de referencia. La Motivación en sus cuatro dimensiones no presentó diferencias entre grupos según la vía de acceso. Esto es posible, ya que todos son estudiantes que están iniciando la educación superior, han decidido estar ahí, generando una mayor homogeneidad en su motivación. El RA previo según el tipo de acceso también presentó diferencias. Estudiantes de acceso Regular presentaron mayor puntuación en la Selectividad y los estudiantes PACE mayor NEM. Estas diferencias eran esperadas, dado que fue una de las razones por las que se implementó la política pública de acceso diferenciado mediante el programa PACE. Los estudiantes PACE provienen de Liceos que presentan los mayores índices de vulnerabilidad social en Chile (MINEDUC, 2022) e históricamente han presentado menores índices de participación en educación superior (Briones y Leyton, 2020). La vulnerabilidad social se ha observado como un indicador que disminuye las posibilidades de acceso a la educación superior (SIES, 2021). Esta brecha ha sido señalada por Gil-Llambías et al. (2019) quienes encontraron que los estudiantes de acceso Regular han presentado diferencias de hasta 300 puntos en la prueba de Selectividad con respecto a los estudiantes PACE. Las diferencias en cuanto a las NEM también eran esperadas, dado que un criterio de selección de estudiantes para habilitarse como PACE es pertenecer al 15% de mejor NEM de la generación de su colegio. Esto implica que cuentan con características como el interés por el estudio para aprovechar las oportunidades del sistema (Ávila Reyes et al., 2021; Gil-Llambías et al., 2019). En este estudio la diferencia en las puntuaciones de Selectividad fue de 60 puntos aproximadamente, sin embargo, de los 294 estudiantes que ingresaron por acceso PACE un 41,83% de los estudiantes no contaba con la puntuación mínima para postular a la educación superior (<475). 138 Tras analizar la variable sexo en todos los estudiantes de la muestra, se apoya la H3.2. encontrando diferencias en los recursos psicológicos. Las variables predictoras presentaron diferencias a favor de las mujeres en amabilidad, responsabilidad y apertura similar a los resultados de De Bolle et al. (2015). También se encontró mayor motivación identificada, la cual se ha encontrado que dependiendo del dominio de estudio esta puede ser mayor en mujeres (Oga-Baldwin y Fryer, 2020). Una posible explicación a este resultado es que los participantes de esta investigación son en mayor medida mujeres y presentan mayor representación de carreras de Cs. Sociales y de la Salud (60% y 8,80%), donde se ha encontrado que mujeres presentan mayor motivación intrínseca (Oga-Baldwin y Fryer, 2020; Schürmann y Quaiser-Pohl, 2022). Las NEM presentaron diferencias significativas a favor de las mujeres, resultado coherente con las estadísticas chilenas (SIES, 2021b). Los varones presentaron mayor puntuación en estabilidad emocional, lo cual resulta similar a otras investigaciones donde se ha enfatizado que los varones presentan menor neuroticismo que las mujeres (De Bolle et al., 2015; Weisberg et al., 2011). La autoeficacia también fue mayor en varones. Lee et al. (2021) declara que la autoeficacia depende del rendimiento en la carrera que están cursando los estudiantes, encontrando por ejemplo que varones presentarían mayor autoeficacia en asignaturas de ciencias e ingenierías en comparación que las mujeres. Esto resulta coherente con las altas puntuaciones de varones en las pruebas de matemáticas y posiblemente con mayor concentración en carreras que lo exijan. Otra explicación a estos resultados responde a que los varones presentan mayor conformidad con el aprendizaje en comparación con mujeres, principalmente por aspectos culturales donde familias y la sociedad espera que los varones sean más capaces (Xiao y Song, 2022). También mostraron mayor puntuación en la prueba de Selectividad, tal como señalan las estadísticas nacionales (SIES, 2021b) e internacionales (Priulla et al., 2021). El estrés académico no presentó diferencias significativas según el sexo. Se hipotetizaba (H3.2) que mujeres presentarían mayor percepción de estrés académico según el estudio de Saleh et al. (2017), que registraba mayores sintomatologías de dificultades psicológicas como estrés, angustia y ansiedad en mujeres que en varones. Si separamos los resultados según estrés, ansiedad y depresión, el estudio de Gao et al. (2020) encontró que no se observan diferencias en estrés, como se registra en este estudio; así como tampoco en depresión, pero sí existen diferencias en ansiedad donde mujeres presentan mayor sintomatología. La resiliencia no presentó diferencias según 139 el sexo, contrario al meta-análisis de Hu et al. (2015), quienes indican que las mujeres por presentar mayores adversidades de salud mental y por su forma de socializar tienden a presentar mayor resiliencia que los varones. Sin embargo, el estudio de Limura y Taku (2018) no encontró dichas diferencias en estudiantes japoneses. En general, los resultados observados son relevantes y se deben seguir investigando, dado que aportan a la discusión en torno a diferencias de sexo que podrían deberse tanto a estereotipos culturales u otras condiciones (Barone et al., 2019; Hu et al., 2015). Como hemos mencionado el RA previo está relacionado con el RA en la universidad, la permanencia universitaria y el desempeño laboral (Bergold y Steinmayr, 2018; Geiser, 2016; Gil-Llambías et al., 2019). Por lo que identificar que recursos psicológicos presentan relación con el RA previo puede ser beneficioso para los desafíos de la trayectoria académica de los estudiantes (Rimfeld et al., 2016). Este estudio no está exento de limitaciones. Entre ellas, se observa que la escala de satisfacción por los estudios presentó una baja fiabilidad y comunalidad, lo que podría comprometer la utilidad de la escala. Pese a ello, presentó una correlación coherente con la teoría, así como también las cargas representadas en los modelos. Otra limitación fue la representatividad de la muestra en cuanto al acceso y sexo no equitativa, puntos para considerar en futuras investigaciones. En general, los hallazgos del Estudio 2 permiten observar perfiles de estudiantes que iniciarán estudios universitarios, los cuales traen una historia académica con RA previo diferente y características personales diferentes, sin embargo, compartirán un espacio común. Resulta interesante conocer cómo será la proyección de ellos durante su desempeño en la universidad. Este estudio aportar evidencia sobre los recursos psicológicos que tienen relación con las medidas de RA previo, considerando la prueba de Selectividad (Buckley et al., 2018) y las NEM (Allensworth y Clark, 2020; Gil- Llambías et al., 2019), encontrando que en su conjunto resultan un mejor predictor (Busche et al., 2020; Geiser, 2016). Otro hallazgo de este estudio es la comparación de los recursos psicológicos entre estudiantes de acceso Regular y PACE, información que hasta el momento no existía en la literatura. 140 141 CAPITULO 8: ESTUDIO 3: RECURSOS PSICOLÓGICOS EN EL RENDIMIENTO ACADÉMICO EN LA EDUCACIÓN SUPERIOR 8.1 INTRODUCCIÓN El RA en la educación superior es una de las variables que ha presentado mayor relación con el éxito posterior y con la permanencia universitaria (Alyahyan y Düştegör, 2020; Westrick et al., 2021). De acuerdo a Richardson et al. (2012) los predictores del RA más importante son las medidas como el RA previo, factores demográficos y aspectos no intelectuales o psicológicos. Entre los no intelectuales destacan, personalidad, aspectos motivacionales, autoeficacia y el estrés académico con una relación negativa. Así también se ha observado que la personalidad mediada por otros recursos psicológicos como la motivación (Ryan y Deci, 2020), resiliencia (Backmann et al., 2019), autoeficacia (De Feyter et al., 2012), estrés (Chisholm-Burns et al., 2021) y satisfacción (Novoa y Barra, 2015) impacta significativamente en el RA académico. En cuanto a las variables demográficas, el sexo ha presentado influencia donde mujeres presentan mayor RA según las carreras o cursos dirigidos al cuidado, mientras que los varones superan el RA en asignaturas de matemáticas, física, química e informática (Priulla et al., 2021). Wang et al. (2013) encontraron que las diferencias entre mujeres y varones en carreras STEM, no se debe a que los varones presenten mayores habilidades matemáticas, sino a que las mujeres al presentar mayor habilidad verbal que los varones pueden elegir otras ocupaciones y no necesariamente las ligadas a las matemáticas. Estos datos son contrastados en contexto chileno, donde si se han observado diferencias en el RA matemático en el colegio a favor de los varones (Pérez et al., 2021), sin embargo en cuanto a la tasa de aprobados anual en carreras de pregrado chilenas ha sido mayor para las mujeres (SIES, 2021b). Respecto al nivel socioeconómico, se ha encontrado que tanto la economía familiar como el colegio de egreso son elementos importantes en el desempeño en educación superior (Espinoza et al., 2022). En este estudio, se evaluó la variable vía de acceso a la educación superior, considerando a estudiantes que ingresaron por la vía ordinaria (Grupo Regular) y el otro grupo que ingresó por el programa de Acompañamiento a la educación Superior (PACE). De acuerdo con la política pública, los 142 estudiantes PACE pertenecen al 15% de mejor RA de sus establecimientos educacionales, establecimientos con los mayores índices de vulnerabilidad económica de Chile. Estos estudiantes han presentado mayor motivación por los estudios, así como autorregulación, hábitos de cumplimiento y comportamientos que les permitirían compensar déficits académicos previos facilitando la inserción universitaria (Gil et al., 2019). La variable edad ha presentado una baja incidencia de cambio en la personalidad, con mayor variación en primaria y secundaria, pero estas disminuyen en la educación terciaria (Poropat, 2009). Otros recursos psicológicos como la motivación, autoeficacia, percepción al estrés podrían ser potencialmente modificables con el transcurso del tiempo (Richardson et al., 2012). El presente estudio planteó como objetivo conocer la relación de los recursos psicológicos sobre el RA del primer y del tercer semestre universitario (OB4). A partir de la revisión bibliográfica presentada en los fundamentos teóricos las hipótesis son: los recursos psicológicos presentan relación con el RA en la universidad H4 (Gutman y Schoon 2013; Weissberg et al., 2015). De acuerdo con la revisión teórica, se espera que responsabilidad, sea el rasgo de personalidad que presente mayor relación con el RA en el modelo directo H4.1 (Poropat, 2009; Vedel, 2014). Adicionalmente, se espera que los modelos que incorporan la mediación entre personalidad, los recursos psicológicos y el RA presenten mayor predicción que el modelo directo H4.2. Considerando que los mediadores motivación, resiliencia, autoeficacia, satisfacción y percepción de estrés académico (de manera negativa) presentarán relación mediadora con el RA universitario (Backmann et al., 2019; Chisholm-Burns et al., 2021; De Feyter et al., 2012; Oshio et al., 2018; Saklofske et al., 2012). El segundo objetivo fue identificar si el RA universitario presenta diferencias según el tipo de acceso a la universidad y el sexo de los participantes (OB5). Esperamos que el RA universitario no presente diferencias según la vía de acceso H5 (Gil-Llambías et al., 2019). Así como que mujeres presenten mayor RA que los varones H5.1 (SIES, 2021b). Finalmente, como tercer objetivo, quisimos evaluar si tras cursar un año académico se observaban cambios en los recursos psicológicos (OB6). Dado que el año en que se aplicó el cuestionario online fue al inicio de la pandemia por SARS-CoV-2 143 (2020), queremos identificar si los resultados pueden estar contaminados por el contexto y la incertidumbre que se vivió durante mayo a junio de 2020. Ante ello, nos planteamos como hipótesis que los cinco rasgos de personalidad no presentarían diferencias tras un año de estudios H6, sin embargo, los otros recursos psicológicos podrían presentar variación. 8.2 METODOLOGÍA 8.2.1 PARTICIPANTES En la tesis se contó con la participación de 1003 estudiantes universitarios chilenos, seleccionados a través de un muestreo no probabilístico por conveniencia, siguiendo las pautas de Hernández et al. (2014). Para el estudio 3 se contó con 715 participantes, tras eliminar datos faltantes y la información incompleta relacionada con el seguimiento del rendimiento académico universitario. De los participantes seleccionados, el 66,43% (475 estudiantes) ingresaron a través de la vía Regular, mientras que el 33,67% (240 estudiantes) ingresaron por la vía PACE. En cuanto al sexo, el 77,48% (554 estudiantes) fueron mujeres y el 22,52% (161 estudiantes) fueron varones. La edad promedio de los participantes fue de 20,23 años, con una desviación estándar de 3. Estos estudiantes pertenecían a siete universidades del consejo de rectores de Chile, y se puede observar la distribución de estudiantes por universidad en la tabla 24. Después de un periodo de un año, se llevó a cabo una segunda evaluación de los recursos psicológicos con los mismos estudiantes que participaron anteriormente. En esta ocasión, se contó con 147 estudiantes, los cuales se redujeron a 116 estudiantes por contar con datos perdidos. Del total 95 (82%) ingresó por acceso Regular y 21 (18%) por vía PACE, 88 (75,90%) fueron mujeres y 28 (24,10%) varones. La representación por universidad se puede observar en la tabla 24. 144 Tabla 24. Distribución de estudiantes por Universidad estudio 3. Universidad Medida 1 Medida 2 n % N % Universidad de Tarapacá 42 5,90 2 1,36 Universidad de Atacama 44 6,15 1 0,68 Universidad Metropolitana de Cs. de la Educación 48 6,70 10 7,48 Universidad Alberto Hurtado 34 4,80 2 2,72 Universidad de Playa Ancha 425 59,44 91 74,15 Universidad Santísima de la Concepción 42 5,90 4 4,08 Universidad Católica de Temuco 80 11,20 6 9,53 Total 715 100 116 100 8.2.2 DISEÑO Se empleó un diseño no experimental, prospectivo y longitudinal (León y Montero, 2015). Dado que evaluamos inicialmente las variables predictoras y tuvimos que esperar tres semestres académicos para obtener las variables criterios (RA del primer y del tercer semestre). El estudio incorpora dos grupos según la vía de acceso a la universidad y está también dirigido a explorar las posibles diferencias por sexo. Adicionalmente, se agrega una segunda medida de recursos psicológicos, la cual fue obtenida por la misma muestra que respondió tras un año universitario. 8.2.3 VARIABLES E INSTRUMENTOS La variable criterio de este estudio fue el RA en la universidad. Se operacionaliza esta medida con el promedio de notas de las asignaturas cursadas durante el primer y tercer semestre académico. Las notas tienen un rango de 1 a 7, donde 7 es la nota máxima, según la escala chilena. Las variables predictoras son los recursos psicológicos 145 evaluados a través de seis escalas, cuyos detalles se encuentran en la tabla 25. Para obtener información más detallada sobre estas escalas, se puede consultar la sección 5.2 del capítulo 5. Adicionalmente, se incorporan las variables de acceso a la educación superior (Regular o PACE) y las diferencias según el sexo. Tabla 25. Variables predictoras estudio 3. Escala Dimensiones ítems Fiabilidad 1.Escala OPERAS (Vigil-Colet et al., 2013). 5 dimensiones: extraversión, estabilidad emocional, responsabilidad, amabilidad y apertura a la experiencia 40 ítems, 7 por dimensión. Alfa de Cronbach de ,66 a ,84 para las cinco dimensiones en universitarios chilenos (Rodríguez et al., 2022). 2. Escala de Autoeficacia Percibida Especifica de Situaciones Académicas (EAPESA: Palenzuela, 1993). Unidimensional 10 ítems Alfa ordinal de ,87 en universitarios chilenos (Del Valle et al., 2018). 3.Connors-Davidson Resilience Scale (CD-RISC; Connor y Davidson, 2003). Unidimensional 25 items Omega jerárquico general de ,94 en universitarios chilenos (Cisternas, 2015). 146 4.Cuestionario de autorregulación Académica (SRQ; Ryan y Connell, 1989) versión de Vergara-Morales, (2018). 4 dimensiones: regulación intrínseca, regulación identificada, regulación introyectada, regulación externa 16 ítems Alfa de Cronbach de ,85 a ,89 en las cuatro dimensiones en contexto universitario chileno (Vergara- Morales et al., 2022). 5. Inventario de Bournout de Maslach (MBI-SS; Maslach y Jackson, 1981) adaptado y validado en población chilena por Pérez et al., (2012) evalúa estrés académico. 3 dimensiones: despersonalización, falta de desarrollo personal y agotamiento. También se puede extraer un factor superior de estrés general. 22 ítems Alfa de Cronbach de ,84 para modelo unifactorial (Pérez et al., 2012). 6. Escala Breve de Satisfacción con los Estudios (EBSE; Merino-Soto et al., 2017) Unidimensional 3 ítems Alfa de Cronbach de ,78 (Merino-Soto et al., 2017). 8.2.4 PROCEDIMIENTO Inicialmente, la investigación fue sometida al Comité de Ética de la Universidad de Playa Ancha, considerando los principios éticos de la investigación. Al mismo tiempo, se estableció contacto y se llevaron a cabo reuniones virtuales con autoridades académicas de otras seis universidades chilenas. Después de obtener la aprobación para llevar a cabo la investigación en estas siete universidades, se definió la forma de 147 trabajar, los instrumentos y los procedimientos para la aplicación del cuestionario en línea. Se designó un contacto clave en cada universidad, quien sería responsable de mantener la comunicación y el seguimiento de los datos, así como de ser el enlace con los estudiantes participantes. Se creó un formulario Google para cada universidad. El cuestionario comenzaba con un consentimiento informado que incluía una presentación de la investigación, enfatizando su carácter confidencial y voluntario. A los participantes se les informó que su participación implicaba responder el cuestionario y la autorización para el seguimiento de los datos, relacionados con su rendimiento académico universitario por parte de la institución. Una vez que los estudiantes decidían participar en el estudio, se les presentaban las preguntas de las escalas que evaluaban los recursos psicológicos. En caso de que un estudiante optara por no participar, se le redirigía al final del formulario. El Estudio 3 fue la tercera recopilación de información de la Tesis, ya que consideraba los recursos psicológicos evaluados en la primera medida (2020), una evaluación de los recursos psicológicos tras un año académico (2021). Y adicionalmente, las medidas de RA del primer y tercer semestre académico entregadas por cada universidad, de acuerdo con el consentimiento de los estudiantes. 8.2.5 ANÁLISIS DE DATOS Se llevaron a cabo análisis iniciales utilizando estadística descriptiva para examinar los recursos psicológicos y las variables criterio. Se calculó la media, la desviación estándar, la asimetría y la curtosis de los ítems. Los indicadores de asimetría y curtosis se consideraron valores inferiores a ±1,96 para asumir una distribución normal, siguiendo la referencia de Mardia (1970). Se evaluó la normalidad univariante como multivariante. Además, se analizó la fiabilidad utilizando el coeficiente alfa de Cronbach y se evaluaron las relaciones entre las variables utilizando el coeficiente de correlación de Pearson (r). Posteriormente, se realizaron análisis para examinar las propiedades psicométricas de las escalas mediante análisis factorial confirmatorio. Se utilizó el 148 método mínimos cuadrados ponderados diagonalmente, el cual es robusto ante violaciones de la normalidad multivariada (Forero et al., 2009). Para evaluar la bondad de ajuste del modelo, se consideraron los siguientes criterios: el χ2, donde un valor no significativo indica un buen ajuste (p > ,05). Sin embargo, debido a la sensibilidad al tamaño muestral se usan otros indicadores. El CFI y el TLI, comparan el modelo existente con un modelo nulo, los valores > ,90 indican un ajuste aceptable y > a ,95 un buen ajuste (Hu y Bentler, 1999). Los residuos del modelo fueron evaluados con el RMSEA, integrando el intervalo de confianza y el SRMR. Se consideran valores inferiores a ,08 como aceptables y < a ,05 como indicadores de un buen ajuste (Fan y Sivo, 2007). Para responder al OB4 se propuso tres modelos predictivos del RA en la universidad en el primer y en el tercer semestre evaluados mediante ecuaciones estructurales. El Modelo A planteó una relación directa con los recursos psicológicos para predecir el RA en la universidad, siguiendo los antecedentes teóricos que afirman que variables psicológicas como la personalidad, motivación, resiliencia, autoeficacia, estrés y satisfacción académica se asocian al RA en educación superior (Merino-Soto et al., 2017; Richardson et al., 2012; Ryan y Deci, 2020; Stajkovic et al., 2018; Wilson et al., 2019). El Modelo B es un modelo mediador, que consideró los cinco rasgos de personalidad agrupados en los factores 𝛼𝛼 y β (Digman, 1997) para relacionarlos con el RA universitario, mediados por los recursos psicológicos. Este modelo se construye sobre la evidencia que ha presentado la personalidad en interacción con los recursos psicológicos y su relación con el RA (Backmann et al., 2019; Chisholm-Burns et al., 2021; De Feyter et al., 2012; Oshio et al., 2018; Saklofske et al., 2012). Se espera que presente un impacto mayor que la relación directa del Modelo A. El Modelo C es un modelo mediador que deriva del modelo B, que agrupa las medidas de α y β en el factor P de orden superior (Musek, 2017), para evaluar su relación en el RA mediado por los recursos psicológicos. No existe referencia teórica de su relación con los recursos psicológicos propuestos, sin embargo, el factor P se ha vinculado a la eficacia personal, ajuste e inteligencia emocional (Musek, 2017) y ha sido considerado un predictor hipotético del éxito académico (Van der Linden et al., 2017). En los tres modelos se sumó la medida del RA del 1º semestre como un predictor del RA del 3º semestre, considerando el antecedente de que los créditos aprobados y 149 que el RA previo predice el RA futuro (Casanova et al., 2021; Esteban et al., 2017; Schaeper, 2020; Wild y Schulze Heuling, 2020). Se utilizó el método de estimación mínimos cuadrados no ponderados (ULS) (Forero et al., 2009), dado que no se cumple la normalidad multivariada. Los criterios para evaluar el ajuste de los modelos fueron: Un valor p > ,05 para el χ2 indica un buen ajuste, y como ya se comentó es un índice sensible al tamaño de la muestra (Curran et al., 2002). El GFI y el NFI son indicadores comparativos, donde se considera un buen ajuste con valores > ,95. El índice de parsimonia PGFI y el PNFI incorpora el ajuste y los grados de libertad, indicando que valores superiores a ,50 muestra un ajuste más parsimonioso. Para responder al OB5. Se analizó si existen diferencias en el RA universitario del primer y tercer semestre según el tipo de acceso Regular o PACE y el sexo mediante una prueba t de Student para muestras independientes evaluando los tamaños del efecto con la d de Cohen. Un tamaño del efecto pequeño es de ± 0,20, un efecto mediano es de ± 0,50 y un efecto grande es de ± 0,80 (Cohen, 1992). Finalmente, se evaluó si los recursos psicológicos de los estudiantes evaluados en la medida uno (al iniciar el año académico en 2020) y en la medida dos (tras un año de estudios 2021) cambiaron mediante una comparación de medias de muestras relacionadas con t de Student y tamaño del efecto (Cohen, 1992), para dar respuesta al OB6. Los análisis descriptivos, correlaciones, fiabilidad se realizaron con el programa estadístico SPSS versión 25. El análisis factorial confirmatorio de las escalas, las pruebas t y tamaño del efecto se calculó con el programa JASP (2022) versión 0.16. Los análisis de ecuaciones estructurales se realizaron con el programa AMOS 23 (Arbuckle, 2019). 150 8.3 RESULTADOS 8.3.1 ANÁLISIS DESCRIPTIVO Los análisis se realizaron en una muestra de 715 estudiantes. En la tabla 26 se observan los estadísticos descriptivos, correlaciones y consistencia interna de las 15 medidas utilizadas. Las primeras 13 variables corresponden a los predictores, seguidas de las variables criterio, RA en el primer y tercer semestre universitario. Las medidas cumplieron con los criterios de normalidad univariante, con valores de asimetría y curtosis menor a ± 1,96 a excepción del RA medio del primer semestre y del tercer semestre. No se observa normalidad multivariante con un valor de 49,60. Las correlaciones fueron adecuadas, sin presencia de multicolinealidad (< ,80) (tabla 24). De las dimensiones de personalidad, estabilidad y responsabilidad presentaron mayor correlación con los recursos psicológicos evaluados. Las variables resiliencia, autoeficacia, satisfacción y estrés presentaron una correlación moderada entre ellas (r = -,51 a ,55), similar al Estudio 2. Las dimensiones de motivación mostraron una correlación de r = -,34 a ,68 observándose que la motivación intrínseca y regulación identificada presentó una correlación de moderada a alta, al igual que la regulación introyectada y la motivación extrínseca. Tal como indica la teoría de la autodeterminación, existe un continuo que fluctúa desde la autonomía/autodeterminación a un grado de control externo del comportamiento (Ryan y Deci, 2000). La motivación extrínseca, motivación introyectada y el estrés presentaron correlación negativa con todos los recursos personales. Las variables criterio RA del primer y tercer semestre presentaron una correlación moderada de r = ,47. 159 Tabla 26. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos del Estudio 3. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 Amabilidad 1,00 ,26 ,22 ,09* ,18 ,21 ,17 -,14 -,16 ,22 ,05 ,27 -,28 -,01 -,03 2 Responsabilidad 1,00 ,39 ,18 ,08* ,31 ,32 -,14 -,19 ,49 ,38 ,42 -,38 ,14 ,07* 3 Estabilidad 1,00 ,32 -,01 ,23 ,17 -,25 -,23 ,55 ,45 ,39 -,56 ,01 ,04 4 Extraversión 1,00 ,22 ,24 ,16 -,11 -,12 ,43 ,31 ,20 -,34 ,05 ,05 5 Apertura 1,00 ,31 ,18 -,06 -,10 ,23 ,17 ,07* -,18 ,04 ,03 6 Motivación Intrínseca 1,00 ,58 -,24 -,34 ,44 ,41 ,41 -,40 ,06 ,04 7 Regulación Identificada 1,00 -,11 -,24 ,39 ,25 ,33 -,27 ,02 ,01 8 Regulación Introyectada 1,00 ,68 -,20 -,18 -,22 ,37 -,07 -,04 9 Motivación Extrínseca 1,00 -,21 -,21 -,20 ,37 -,13 -,07 10 Resiliencia 1,00 ,55 ,47 -,49 ,08* ,05 11 Autoeficacia 1,00 ,44 -,50 ,14 ,12 12 Satisfacción 1,00 -,51 ,13 ,06 13 Estrés 1,00 -,15 -,08* 14 RA 1º S 1,00 ,47 15 RA 3º S 1,00 Alfa ,64 ,75 ,83 ,84 ,68 ,78 ,81 ,80 ,78 ,90 ,90 ,57 ,83 Media 27,95 25,06 21,49 20,33 29,57 23,23 25,87 11,99 11,10 70,49 28,56 3,87 43,00 5,75 5,68 Desviación 3,56 4,85 5,96 5,58 3,92 3,93 3,08 6,24 5,68 14,93 5,59 0,75 17,07 0,65 0,89 Asimetría -0,52 -0,14 -0,18 -0,03 -0,64 -0,94 -1,77 0,47 0,70 -0,62 -0,18 -0,70 0,14 -1,48 -2,18 Curtosis 0,18 -0,56 -0,52 -0,48 -0,04 0,59 2,81 -0,72 -0,17 0,08 -0,44 0,32 -0,40 5,28 6,71 RA 1 º S: Rendimiento Académico primer semestre; RA 3 º S Rendimiento Académico tercer semestre; La correlación en negrita es significativa en el nivel ,01 (bilateral).* La correlación es significativa en el nivel ,05 (bilateral) 160 Los recursos psicológicos que mostraron una correlación > ,10 con el RA medio del primer semestre fueron responsabilidad, autoeficacia, satisfacción, estrés (relación inversa) y motivación extrínseca (relación inversa) con una correlación baja de r = -,15 a ,14. Los recursos psicológicos y su relación con el RA del tercer semestre, disminuyó sólo a la autoeficacia con un r = ,12, adicionalmente se sumó el RA del primer semestre el cual presentó una correlación moderada r = ,47. Los índices de fiabilidad se observan en la tabla 26, con valores de alfa de Cronbach de aceptables a buenos a excepción de la variable satisfacción académica que presentó un alfa de ,57 y amabilidad con un alfa de ,64, similar al Estudio 2. 8.3.2 VALIDEZ INTERNA DE LAS ESCALAS Se evaluaron las características psicométricas de las escalas en la muestra de 715 estudiantes mediante análisis factorial confirmatorio. Se empleó el método mínimos cuadrados ponderados diagonalmente y en la tabla 27 se observan los índices de bondad de ajuste. Tabla 27. Resumen de los indicadores de ajuste de las medidas del Estudio 3. 𝝌𝝌2 gl 𝝌𝝌2/gl p CFI TLI RMSEA IC 90% SRMR Personalidad 1481,10 549 1,16 ,001 ,93 ,92 ,05 (,05 - ,05) ,06 Resiliencia 587,55 275 2,12 ,001 ,98 ,97 ,04 (,03 - ,04) ,06 Autoeficacia 60,85 35 1,73 ,004 1,00 ,99 ,03 (,02 - ,04) ,04 Motivación 263,39 98 2,68 ,001 ,97 ,97 ,05 (,04 - ,06) ,06 Estrés 801,65 167 4,85 ,001 ,92 ,91 ,07 (,06 - ,08) ,08 161 La escala OPERAS utilizada para evaluar personalidad (Vigil-Colet et al., 2013) demostró adecuada validez interna al confirmar una estructura de cinco factores con índices de bondad de ajuste buenos. La escala de resiliencia (Cisternas, 2015) y de autoeficacia (García-Fernández et al., 2016) confirmaron una estructura unifactorial presentando buenos indicadores de ajuste. La escala de motivación (Vergara-Morales et al., 2022) confirmó la estructura de cuatro factores con buenos indicadores de ajuste. En cuanto al estrés académico (Pérez et al., 2012), presentó una estructura unifactorial de segundo orden que agrupó los tres factores propuestos por la teoría de Maslach (Maslach y Jackson, 1981), se tuvo que re-especificar y eliminar los ítems 4 y 7 dado que presentaban problema por alto residuo. La escala de satisfacción por los estudios, no se logró identificar una estructura clara (Merino-Soto et al., 2017), por lo que se realizó un análisis factorial exploratorio tal como se realiza en el estudio 2. Se empleó el método de extracción de mínimos cuadrados no ponderados. El valor de Kaiser-Meyer-Olkin (KMO) fue 0,63 resultando adecuado. La prueba de Bartlett fue estadísticamente significativa [χ2(3) = 204,60 p < ,001], lo que refleja que la matriz de correlaciones no es una matriz identidad. En la tabla 28 se puede observar la correlación entre los tres ítems, la comunalidad presentó valores entre 0,27 y 0,36 y los pesos factoriales de 0,52 a 0,60. Se obtuvo un factor que explica el 32,70% de la varianza con un autovalor de 0,98. Con esta información se utilizó la escala de satisfacción como una medida unifactorial. Tabla 28. Correlación entre ítems, comunalidad y pesos factoriales de la escala de satisfacción del Estudio 3. Ítems 1 2 3 1 Satisfacción por el estudio 1,00 ,31 ,31 2 Satisfacción por su rendimiento 1,00 ,35 3 Satisfacción global 1,00 Comunalidades 0,27 0,36 0,35 Peso factorial 0,60 0,59 0,52 162 8.3.3 PREDICCIÓN DEL RA EN LA UNIVERSIDAD Se propuso tres modelos predictivos los cuales incorporaron los recursos psicológicos como variables predictoras. El Modelo A utilizó un diseño de relación directa, mientras que los otros Modelos B y C incorporaron la mediación de los recursos psicológicos entre la relación de personalidad y el RA del primer y el tercer semestre. Los análisis fueron estimados con el método mínimos cuadrados no ponderados, dado que no se observó normalidad multivariada. El Modelo A planteó una relación directa de los recursos psicológicos para predecir el RA en la universidad. La figura 10 presenta las cinco dimensiones de personalidad, la variable latente Motivación compuesta por sus cuatro dimensiones y la variable latente Recursos que agrupó las variables resiliencia, autoeficacia, estrés y satisfacción, por la correlación moderada que presentaron. El RA del primer semestre se incorporó como un predictor del RA del tercer semestre, resultando la medida que mayor aporte entregó al Modelo. En la figura 10, las flechas negras presentan una correlación mayor a ,10, mientras que las flechas punteadas en gris son correlaciones menores a ,10. Con el fin de mejorar la legibilidad en del Modelo A se integra la tabla 29 con la relación de las dimensiones de personalidad, Motivación y Recursos. Los factores que presentaron mayor relación con el RA en el primer semestre fueron Recursos = ,24 y estabilidad = ,18. Aquellas que presentaron mayor relación en el tercer semestre fue el RA del primer semestre = ,47 y estabilidad = ,05. Se puede observar que la relación entre el RA del primer semestre con el RA del tercer semestre es igual que la observada en la tabla 26 de correlaciones, sin reflejar influencia de los recursos psicológicos. 163 Figura 10. Modelo A de predicción del Rendimiento Académico (RA) durante la universidad. 164 La tabla 29 permite observar las relaciones de las dimensiones de personalidad y motivación con una correlación que fluctúa de r = ,22 a ,36. La personalidad y los Recursos presentaron una relación de r = ,28 a ,69, donde estabilidad, extraversión y responsabilidad presentan mayor relación. Tabla 29. Correlaciones entre dimensiones de personalidad, motivación y recursos del Modelo A. Personalidad Motivación Recursos Amabilidad ,26 ,32 Responsabilidad ,33 ,56 Estabilidad ,36 ,69 Extraversión ,23 ,51 Apertura ,22 ,28 En la tabla 30 se observan los indicadores de ajuste de los tres modelos propuestos, en el caso del Modelo A explica un 5% de la variabilidad del primer semestre y un 23% de la variabilidad del RA del tercer semestre. Tabla 30. Indicadores de ajuste de Modelos A, B y C del Estudio 3. 𝝌𝝌2 gl 𝝌𝝌2/gl GFI NFI PGFI PNFI R2 Modelo A 1552926,38 63 24649,62 ,98 ,95 ,51 ,57 5% y 23% Modelo B 673606,07 68 10053,82 ,96 ,90 ,56 ,64 8% y 23% Modelo C 613204,35 75 5110,03 ,99 ,98 ,62 ,70 8% y 23% El Modelo B se presenta en la figura 11 el cual evalúa el efecto de la personalidad desde los factores α y β (Digman, 1997) en el RA mediado por los recursos psicológicos. Este modelo surge por la evidencia que ha presentado el papel mediador de los recursos psicológicos entre la personalidad y su relación con el RA (Backmann et al., 2019; 165 Chisholm-Burns et al., 2021; De Feyter et al., 2012b; Oshio et al., 2018; Saklofske et al., 2012). En la figura 11 se observa que las variables que presentan mayor relación con el RA del primer semestre fue satisfacción académica r = ,27, estrés r = -,16, autoeficacia r =,14 y motivación extrínseca r = -,11. Indicando que estudiantes con mayor satisfacción académica y autoeficacia, así como menor estrés académico y menor motivación extrínseca presentarán mayor RA en el primer semestre universitario. Las variables que presentaron mayor relación con el RA del tercer semestre fue el RA del primer semestre r = ,47 y la autoeficacia académica r = ,07. La relación de los factores α y β fue de r = ,79 cercana a la colinealidad. El resto de las correlaciones de los factores α y β con las variables mediadoras se presentan en la tabla 31. El factor α presentó una relación con las dimensiones de motivación de r = - ,67 a ,43, observándose que α se relaciona positivamente con las dos dimensiones de la motivación autónoma (motivación intrínseca e identificada) y presentó una relación negativa con la motivación controlada (regulación introyectada y extrínseca). La relación de α con las variables de resiliencia, autoeficacia, satisfacción y estrés es de moderada a leve (r = -,70 a ,19), donde sólo con estrés presenta una relación inversa lo cual resulta coherente con los antecedentes teóricos. 166 Figura 11. Modelo B de predicción del Rendimiento Académico (RA) durante la universidad 167 Tabla 31. Correlaciones entre factores α y β recursos psicológicos del Modelo B del Estudio 3. Recursos psicológicos Factor α Factor β Motivación Intrínseca ,43 ,16 Motivación identificada ,16 ,31 Motivación introyectada -,37 -,50 Motivación extrínseca -,67 -,59 Resiliencia ,19 ,63 Autoeficacia ,36 ,38 Estrés -,70 -,01 Satisfacción ,63 ,08 El factor β presenta una relación levemente menor que el factor α con las dos dimensiones de la motivación autónoma (motivación intrínseca e identificada) y una relación negativa con la motivación introyectada y extrínseca. El factor β presenta una relación de moderada con la variable resiliencia y autoeficacia y leve con satisfacción. Con estrés académico la correlación fue de -,01. El Modelo B presentó adecuados indicadores de ajustes que se pueden ver en la tabla 30, explicando un 8% de la variabilidad del primer semestre y un 23% de la variabilidad del RA del tercer semestre El Modelo C derivado del Modelo B agrupó las medidas de α y β en el factor P, factor general de orden superior (Musek, 2017) y su relación con el RA del primer y tercer semestre mediado por los recursos psicológicos. Se puede apreciar en la figura 12 que las variables que presentaron mayor relación con el RA del primer semestre fue satisfacción académica r = ,26, estrés r = -,17 y autoeficacia r = ,13. Las variables que presentan mayor relación con el RA del tercer semestre fue el RA del primer semestre r = ,47 y la autoeficacia académica r = ,07, similar al modelo B. 168 Figura 12. Modelo C de predicción del Rendimiento Académico (RA) durante la universidad. El facto P presentó una relación con las dimensiones de motivación de r = -,41 a ,57, observándose una relaciona positiva con la motivación intrínseca e identificada y una relación negativa con la regulación introyectada y extrínseca. Sin embargo, la motivación identificada presentó una relación con el RA de ,04 y la motivación introyectada de -,03. P presentó una relación de moderada a alta r = - ,75 a ,71 con las variables de resiliencia, autoeficacia, satisfacción y estrés (presentó una relación inversa), donde las últimas tres presentaron una mayor relación con el RA. El modelo C explicó un 8% de la variabilidad del RA del primer semestre y un 23% de la variabilidad del tercer semestre académico. En la tabla 30 se presentan los indicadores de ajustes, los cuales resultan adecuados. 169 Tras presentar los tres modelos predictivos del RA universitario, es posible afirmar que existe relación entre los recursos psicológicos con el RA universitario (H4). También se observa que los Modelos mediadores B y C tienen mayor capacidad predictiva que el Modelo A en el primer semestre, donde el Modelo C presentó mejores indicadores de ajuste. Estos resultados estarían apoyando la H4.1, pero sólo para el RA del primer semestre. Para responder al segundo objetivo del estudio (OB5), se aplicó una prueba t de student para evaluar diferencias de media en el RA del primer y tercer semestre, según la vía de acceso a la universidad Regular o PACE y el sexo. Se observa en la tabla 32 que las medidas de RA del primer y del tercer semestre académico no presentan diferencias significativas entre los grupos. Es decir, estudiantes de acceso Regular y PACE cuentan con un rendimiento similar tras insertarse a la educación superior, apoyando la H5. Tabla 32. Comparación de medias de RA entre estudiantes de acceso Regular y PACE Regular PACE IC d Media DT Media DT Prueba t d inferior superior M 1º S 5,77 0,66 5,75 0,60 t 713 = 0,181 p =,856 0,04 -0,14 0,17 M 3º S 5,70 0,91 5,65 0,84 t 713 = 0,714 p = ,475 0,06 -0,10 0,21 DT: Desviación Típica; M1ºS: Promedio de notas del primer semestre. M 3º S: Promedio de notas del tercer semestre; IC: Intervalo de confianza. 170 Para analizar si existen diferencias según el sexo en el RA (OB5) se aplicó una prueba t de student. En la tabla 33 se observa que las mujeres mostraron mayor RA en el primer y tercer semestre que los varones, con un tamaño del efecto pequeño, aportando evidencia a favor de la H5.1. Tabla 33. Comparación de medias de RA entre estudiantes según sexo Varón Mujer IC d Media DT Media DT Prueba t d inferior superio r M 1ºS 5,60 0,67 5,79 0,64 t 713 = -3,326 p = ,001 -0,30 -0,47 -0,12 M 3ºS 5,53 0,93 5,73 0,87 t 713 = -2,549 p = ,011 -0,23 -0,40 -0,05 DT: Desviación Típica; M1ºS: Promedio de notas del primer semestre. M 3º S: Promedio de notas del tercer semestre; IC: Intervalo de confianza. Para evaluar si los recursos psicológicos cambiaron tras un año de estudios en la universidad (OB6), se aplicó una prueba t para muestras relacionadas considerando la muestra de 147 sujetos. Para los análisis utilizados en este estudio se tuvo eliminar casos por no contar con todos los datos. Por ello, la comparación de muestras relacionadas se realiza con una muestra de 116 estudiantes que contesto el cuestionario durante el primer semestre de 2020 y tras un año de estudios (2021). En la tabla 34 no se observaron diferencias significativas en las trece variables evaluadas con tamaños del efecto pequeños que fluctúan de un -0,14 a 0,19. Se apoya la H6, ya que los cinco rasgos de personalidad no presentan diferencias. Se esperaba que los otros recursos psicológicos pudiesen presentar variación, sin embargo, no presentaron diferencias significativas. 171 Tabla 34. Comparación de medias de recursos psicológicos entre estudiantes tras un año de estudios 1 año 2º año IC d Media DT Media DT Prueba t d inferior superior Amabilidad 27,86 3,40 28,25 3,74 t 115 = -1,35 p = ,179 -0,12 -0,31 0,06 Responsabilidad 24,33 4,72 24,38 5,13 t 115 = -0,15 p = ,880 -0,04 -0,20 0,17 Estabilidad 20,55 6,42 19,78 6,42 t 115 = 1,86 p = ,065 0,17 -0,01 0,35 Extraversión 19,56 5,68 19,04 6,02 t 115 = 1,66 p =,099 0,15 -0,03 0,34 Apertura 30,09 4,00 30,10 3,36 t 115 = -0,03 p =,974 -0,01 -0,19 0,18 Intrínseca 23,04 4,34 22,72 4,88 t 115 = 0,97 p = ,330 0,09 -0,09 0,27 Identificada 25,56 3,77 25,27 3,72 t 115 = 0,94 p = ,348 0,09 -0,09 0,27 Introyectada 12,10 6,91 12,61 6,79 t 115 = -0,89 p = ,374 -0,08 -0,27 0,10 Extrínseca 11,68 6,24 11,68 6,65 t 115 = 0,00 p = 1,000 0,00 -0,18 0,18 Resiliencia 68,53 16,18 68,06 14,41 t 115 = 0,34 p = ,730 0,03 -0,15 0,21 Autoeficacia 28,21 5,83 28,61 5,87 t 115 = -0,86 p = ,390 -0,08 -0,26 0,10 Satisfacción 3,87 0,799 3,79 0,765 t 115 = 1,19 p = ,239 0,11 -0,07 0,29 Estrés 46,45 17,77 48,88 19,34 t 115 = -1,49 p = ,139 -0,14 -0,32 0,04 Nota: DT: Desviación Típica; IC: Intervalo de confianza. 8.4 DISCUSIÓN Los resultados obtenidos aportan evidencia sobre la relación de los recursos psicológicos con el RA universitario. El RA del primer semestre fue explicado entre un 5 y 8% y el RA del tercer semestre fue explicado un 23%, indicando que los Modelos mediadores B y C presentaron mayor capacidad predictiva en el RA del primer semestre. Cabe señalar que, en este estudio, el rasgo de personalidad que presentó mayor relación con el RA fue estabilidad emocional. Estabilidad emocional destacó en su relación con el RA del primer semestre y fue la variable que más relación presentó con el resto de los recursos psicológicos. Alta estabilidad ha presentado una relación positiva con el RA (De Feyter et al., 2012; Rosander et al., 2011). También se ha visto que cuando la estabilidad es baja (neuroticismo) los estudiantes para evitar su ansiedad al trabajo, si el estudiante cuenta con recursos como la autoeficacia y motivación, intensifican sus esfuerzos aumentando su RA (De Feyter et al. 2012). Hay que recordar que se esperaba que el rasgo https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0060 https://www.sciencedirect.com/science/article/pii/S1041608012000398#bb0060 172 responsabilidad presentaría una mayor relación con el RA de manera directa, sin embargo, al contrario de lo que sucede en otras investigaciones en educación terciaria (Poropat, 2009; Richardson et al., 2012; Vedel, 2014), presentó una carga de ,09 mientras que estabilidad fue de ,18, rechazando la H4.1. Resulta importante destacar que la personalidad mediada por los recursos psicológicos incrementó la predicción en 3 puntos del RA del primer semestre. Esto nos permite observar la relación que cumple la personalidad tanto desde el modelo α y β (Digman, 1997) como desde el factor P (Musek, 2017) en interacción con los recursos psicológicos hacia el RA universitario. Por un lado, α presentó relaciones levemente más altas que el factor β con las variables mediadoras. En cuanto al factor P que implica la eficiencia social y el ajuste del comportamiento presentó alta relación con resiliencia, autoeficacia, estrés y satisfacción. En esta relación de personalidad y RA, las variables satisfacción, estrés y autoeficacia presentaron mayor capacidad predictiva, no así resiliencia y motivación. Por lo que, se apoya parcialmente la H4.2, ya que el modelo mediador mejoró la predicción del RA en el primer semestre en tres puntos, sin embargo, en el tercer semestre los tres modelos obtuvieron la misma carga predictiva. Al analizar la variable predictora que mayor influencia tuvo en el RA del tercer semestre, fue el RA del primer semestre. Haciendo mención que el RA previo y principalmente del primer año predice el rendimiento futuro (Casanova et al., 2018; Esteban et al., 2017; Schaeper, 2020; Westrick et al., 2021). En esta relación se sumó la autoeficacia académica, como segunda variable que mayor aporte entregó a explicar el RA del tercer semestre. Estos resultados nos permiten explicar la orientación de futuro que puede tener la autoeficacia (Talsma et al., 2018). En este caso, los estudiantes que presentaron altas creencias en sus habilidades académicas (Bandura, 1995) evaluadas en el inicio del año universitario 2020, tuvieron un impacto en el RA académico un año y medio más tarde. Esta relación entre autoeficacia y RA del tercer semestre sería similar a resultados encontrados por Obrentz (2012) que indicó que la autoeficacia resulta más predictiva en los estudiantes que mayor RA han tenido. Se trataría pues de una variable de interés para el ámbito educativo que se debe seguir investigando (Sharififard et al., 2020). En nuestros datos la relación entre autoeficacia y RA fue de r = ,07, que se corresponde con un tamaño del efecto pequeño (Cohen, 1992). Sin embargo, esta ha sido la misma relación encontrada por Caprara et al. (2011), lo que podría estar sugiriendo que presentar relaciones a largo plazo con tamaños del efecto de medianos a pequeños, es complejo por la multicausalidad del fenómeno (Tinto, 2006). 173 En relación al segundo objetivo (OB5), se encontró que las medidas de RA del primer y tercer semestre no presentaron diferencias significativas según tipo de acceso a la universidad, apoyando la H5. Es importante recordar que este resultado es diferente del obtenido en el estudio anterior, donde se observaban diferencias en el RA previo, referido a las NEM y Selectividad según vía de acceso. Estos hallazgos dejan en evidencia que, para los estudiantes aquí analizados, una vez que están dentro de la universidad sus resultados de RA universitario se igualan. Estos datos habían sido señalados en un estudio que involucró tres universidades chilenas en la cohorte 2017, indicando que por las habilidades que presentan los estudiantes PACE pueden acotar las brechas observadas en su RA previo (Gil-Llambías et al., 2019). Esta investigación con una muestra más amplia y con representación de siete universidades (sólo una de ellas se repite en el estudio mencionado) encuentran los mismos hallazgos. El que los estudiantes PACE logren mimetizarse en la educación superior, puede estar relacionado a las diferencias en los recursos psicológicos (resultados presentados en el estudio 2). Hay que subrayar que estos estudiantes (PACE) presentan apoyos académicos y psicoeducativos garantizados en la universidad, sin embargo, el tipo de participación en los acompañamientos no fue controlado en este estudio. En cuando a las diferencias en el RA según el sexo de los estudiantes, se encontró que es mayor en mujeres que en varones, apoyando de nuevo la H5.1. Este resultado es congruente con las estadísticas nacionales que indican que la tasa de aprobados anual en carreras de pregrado es mayor para mujeres que para los varones (SIES, 2021b). Finalmente, el tercer objetivo encontró que los recursos psicológicos de los mismos estudiantes tras un año de estudios (OB6), no presentaron diferencias significativas, aportando evidencia a la H6 parcialmente. Este resultado nos parece interesante porque nos permite hablar de estabilidad en los recursos psicológicos estudiados, aportando validez a las predicciones encontradas. La segunda medida se aplicó con el fin de indagar el efecto del SARS-CoV-2 en los participantes, ya que la primera toma de datos se realizó cuando la pandemia llevaba 2 meses. De acuerdo a los datos, tras un año académico de haber sido evaluados, no se observaron variaciones en sus respuestas. Si bien esta información no se pudo comprobar con toda la muestra, ya que no todos los estudiantes contestaron el cuestionario al año siguiente. El 15% que sí respondió no presentó diferencias en los recursos psicológicos (personalidad, resiliencia, autoeficacia, motivación, estrés y satisfacción académica). Nosotros 174 esperábamos estos resultados para los rasgos de personalidad, ya que son más más estables y menos modificables que otros factores no cognitivos (Gutman y Schoon, 2013; Richardson et al., 2012). Ante estos resultados, será necesario considerar esta evidencia en los programas de intervención en educación superior, ya que los resultados nos indican que más que buscar modificar los recursos personales, la intervención puede orientarse al autoconocimiento y reconocimiento de sus recursos, para abordarlos desde ahí. Este estudio posee ciertas restricciones a ser consideras, entre ellas la baja fiabilidad observada en la escala de satisfacción por los estudios. No obstante, al igual que en el Estudio 2 la escala mantuvo una correlación consistente con las premisas teóricas. 175 CAPITULO 9: ESTUDIO 4: RECURSOS PERSONALES EN LA PERMANENCIA EN LA EDUCACIÓN SUPERIOR 9.1 INTRODUCCIÓN El estudio de la permanencia universitaria es un fenómeno relevante para la investigación actual, dado el impacto que tiene para los estudiantes, familias e instituciones cuando los estudios no se concretan (Casanova et al., 2022). Este constructo se entiende como la persistencia, finalización, retención o graduación de la formación (Behr et al., 2020). De modo antagónico, encontramos conceptos como el abandono universitario, deserción estudiantil, no finalización o retirada (Behr et al., 2020). Para este estudio, se define la permanencia como la matricula en un curso posterior en la universidad en la que previamente cursó, independientemente de haber aprobado, suspendido o cambiado de carrera (Casanova et al., 2018). En contexto chileno, la permanencia del primer año en las instituciones de educación superior es del 75,60%, siendo mayor para las mujeres (79,50%) que para los hombres del (71,20%). También existen disparidades según el origen socioeconómico de la escolaridad cursada, siendo los estudiantes de colegios privados los que tienen la mayor permanencia con un 85,10%, seguidos de los subvencionados con un 77,50% y los públicos con un 72,30%. La comprensión de las diversas causas y actores involucrados en la permanencia en educación superior resulta desafiante por la variedad de razones y participantes involucrados. Entre ellas incluyen determinantes sociodemográficos, individuales, psicológicas, institucionales, nacionales (Bernardo et al., 2016; Esteban et al., 2017; Sarra et al., 2019; Tinto, 2010). Dentro de los aspectos individuales, resultan determinantes los aspectos cognitivos, así como los recursos psicológicos, que mediarán la capacidad del estudiante para ajustarse al entorno académico (Aina, 2022). En base a los fundamentos teóricos presentados en el capítulo 3, se destaca que estudiantes con mayor RA previo aumentan la probabilidad de permanecer en sus estudios posteriores, ya que refuerzan el sentimiento de integración académica (Aina et al., 2022). De acuerdo al meta-análisis de Westrick et al. (2021), también ocurre en educación superior, donde el RA del primer año, ha resultado el mejor predictor de la 176 permanencia en el segundo año. La investigación realizada por Wild y Schulze Heuling, (2020) se observó que el RA en el primer año universitario y la puntuación en la prueba de Selectividad aumentaban la probabilidad de permanecer en la institución. Sin aquellos estudiantes con alta puntuación en la selectividad, pero con bajo RA, abandonaban antes los estudios en comparación con los otros estudiantes. Hallazgos similares fueron reportados por Casanova et al. (2018) quienes resaltaron que la cantidad de créditos aprobados durante el primer año académico fue un fuerte indicador de permanencia. En relación a los recursos psicológicos vinculados con la permanencia en educación superior, es importante señalar que la personalidad desempeña un papel fundamental en el proceso de adaptación (De Young, 2015). En este sentido, la capacidad de adaptarse y mantenerse en el entorno educativo podría estar influenciado por un mejor ajuste de personalidad (Papageorgiou y Callaghan, 2018). La motivación académica, especialmente la motivación autónoma, facilitan la orientación a las metas, la satisfacción retrospectiva con la elección de la carrera y finalización de los estudios (Janke, 2020). La resiliencia se ha observado en personas que tienen trayectorias académicas positivas pese a las adversidades, presentando menores intenciones de abandono académico y, en general, una mayor percepción de satisfacción con la vida (Bittmann, 2021; Casanova et al., 2021; Sarra et al., 2019). La autoeficacia académica ha presentado relación con la permanencia y RA (Paulus et al., 2021; Vedel, 2014), así como con la intensión de permanencer (Díaz Mujica et al., 2019). Esto dado los sentimientos de competencia y de poder administrar sus hábitos otorga mayor probabilidad de terminar los estudios (Vedel, 2014). La satisfacción académica también resulta relevante en la predicción de la permanencia universitaria. Se ha encontrado que mayor satisfacción tiene una relación inversa con la intención de abandonar los estudios (Bernardo et al., 2022). En contexto chileno, la satisfacción académica además de tener una relación directa con la permanencia fue un buen mediador de la autoeficacia y motivación. Finalmente, el estrés académico se ha presentado como factor que se relaciona con la intención de abandono e insatisfacción con los estudios (Liu, 2015; Mostert y Pienaar, 2020; Pascoe et al., 2020). Una menor percepción de estrés se asocia a una mayor adaptación a situaciones complejas con respuestas de afrontamiento efectivas y flexibles (Enns et al., 2018). De acuerdo con los antecedentes presentados, se plantea como primer objetivo estudiar la influencia de los recursos del estudiante en la permanencia universitaria durante tres semestres académicos (OB7). A partir de la revisión hipotetizamos que los 177 recursos del estudiante presentan relación con la permanencia universidad H7. Se espera que el RA sea la variable con mayor predicción en la permanencia universitaria. Entre ellos el RA previo y la superación de asignaturas del primer semestre académico H7.1 (Westrick et al., 2021). Se espera que los recursos psicológicos presenten relación con la permanencia, entre ellos personalidad, mayor motivación intrínseca, mayor resiliencia, mayor autoeficacia, mayor satisfacción con los estudios y menor percepción del estrés. Estas variables otorgaran al estudiante mayor probabilidad de ajustarse al entorno y permanecer en sus estudios de educación superior H7.2. El segundo objetivo es identificar si la permanencia presenta diferencias en función del tipo de acceso a la universidad Regular y PACE y sexo de los participantes (OB8). Se plantea como hipótesis que existen diferencias en la permanencia universitaria según la vía de acceso y según el sexo en educación superior H8. En este sentido, hipotetizamos que los estudiantes PACE, por provenir de contextos más vulnerados presentarían mayores probabilidades de abandonar estudios H8.1 (Espinoza et al., 2021). Y mujeres presentarán más probabilidad de permanecer en la universidad H8.2 (2021b). 9.2 METODOLOGÍA 9.2.1 PARTICIPANTES La investigación se llevó a cabo con 1003 estudiantes universitarios chilenos, seleccionados mediante un muestreo no probabilístico por conveniencia (Hernández, et al., 2014). De los cuales, se obtuvo una muestra de 952 estudiantes, tras eliminar datos perdidos e información incompleta. De los participantes 561 (58,93%) ingresaron por vía Regular y 391 (41,07%) por vía PACE, 721 (75,74%) fueron mujeres y 231 (24,26%) fueron varones. La edad promedio fue de 19,95 años con una desviación típica de 2,79. Estos estudiantes pertenecían a siete universidades, las cuales se pueden observar en la tabla 35. 178 Tabla 35. Distribución de estudiantes por Universidad estudio 4. Universidad Medida 1 n % Universidad de Tarapacá 44 4,62 Universidad de Atacama 51 5,36 Universidad Metropolitana de Cs. de la Educación 59 6,20 Universidad Alberto Hurtado 44 4,62 Universidad de Playa Ancha 470 49,37 Universidad Santísima de la Concepción 99 10,40 Universidad Católica de Temuco 185 19,43 Total 952 100 9.2.2 DISEÑO Se utilizó un diseño no experimental, longitudinal de tres tiempos prospectivo. Es prospectivo porque se evaluó inicialmente las variables predictoras y se incorporó posteriormente las variables criterios del estado de permanencia de los estudiantes por tres semestres académicos (León y Montero, 2015). El estudio incorpora la medida de los dos grupos según la vía de acceso a la universidad y contempla también el análisis de las posibles diferencias por sexo. 179 9.2.3 VARIABLES E INSTRUMENTOS La variable criterio de este estudio fue la permanencia universitaria. Se operativizó con el estado de matrícula (permanece o no permanece) de los estudiantes tras finalizar el primer, segundo y tercer semestre académico. Las variables predictoras fueron los recursos de los estudiantes, los cuales incluyeron el RA previo, considerando las NEM, la Selectividad y el RA del primer semestre académico; y los recursos psicológicos, los cuales se pueden observar en la tabla 36. Para obtener mayor detalle sobre las escalas se puede revisar el punto 5.2 del capítulo 5. Además, se incorporó las variables de acceso a la educación superior y el sexo. Tabla 36. Variables predictoras estudio 4. Escala Dimensiones ítems Fiabilidad 1.Escala OPERAS (Vigil-Colet et al., 2013). 5 dimensiones: extraversión, estabilidad emocional, responsabilidad, amabilidad y apertura a la experiencia 40 ítems, 7 por dimensión. Alfa de Cronbach de ,66 a ,84 para las cinco dimensiones en universitarios chilenos (Rodríguez et al., 2022). 2. Escala de Autoeficacia Percibida Especifica de Situaciones Académicas (EAPESA: Palenzuela, 1993). Unidimensional 10 ítems Alfa ordinal de ,87 en universitarios chilenos (Del Valle et al., 2018). 3.Connors-Davidson Resilience Scale (CD-RISC; Connor y Davidson, 2003). Unidimensional 25 items Omega jerárquico general de ,94 en universitarios chilenos (Cisternas, 2015). 180 4.Cuestionario de autorregulación Académica (SRQ; Ryan y Connell, 1989) versión de Vergara-Morales, (2018). 4 dimensiones: regulación intrínseca, regulación identificada, regulación introyectada, regulación externa 16 ítems Alfa de Cronbach de ,85 a ,89 en las cuatro dimensiones en contexto universitario chileno (Vergara- Morales et al., 2022). 5. Inventario de Bournout de Maslach (MBI-SS; Maslach y Jackson, 1981) adaptado y validado en población chilena por Pérez et al., (2012) evalúa estrés académico. 3 dimensiones: despersonalización, falta de desarrollo personal y agotamiento. También se puede extraer un factor superior de estrés general. 22 ítems Alfa de Cronbach de ,84 para modelo unifactorial (Pérez et al., 2012). 6. Escala Breve de Satisfacción con los Estudios (EBSE; Merino-Soto et al., 2017). Unidimensional 3 ítems Alfa de Cronbach de ,78 (Merino-Soto et al., 2017). 9.2.4 PROCEDIMIENTO Un primer paso fue la aprobación del Comité de Ética de la Universidad de Playa Ancha, siguiendo los principios éticos de investigación científica con seres humanos. Luego, se estableció contacto con autoridades académicas de otras seis universidades chilenas, quienes aprobaron la implementación de la investigación. Se organizó un método de trabajo y procedimientos para la implementación del cuestionario online. 181 Cada institución tuvo un contacto clave, quien sería responsable de mantener el vínculo con los estudiantes y dar seguimiento a los datos. Para cada universidad se creó un formulario en Google. El cuestionario comenzaba con un consentimiento informado, que incluía una presentación de la investigación, asegurando la confidencialidad y voluntariedad de la participación. Se indicaba a los participantes que su colaboración implicaba completar el cuestionario y autorizar el seguimiento de sus datos académicos y su estado de matrícula, por parte de la universidad. Una vez que los estudiantes decidían participar en el estudio, se les presentaban las preguntas relacionadas con las escalas de recursos psicológicos. En caso de que un estudiante decidiera no participar, se le redirigía al final del formulario. El presente estudio implicó tener una base de datos con la variable de permanencia universitaria. Esta variable se fue construyendo a partir del reporte que enviaba cada universidad y en función del número identificador de los estudiantes se incorporaba a la base de datos. Cabe señalar que las siete universidades utilizaban distintos conceptos para referirse al estado del estudiante, entre los cuales se encontraban activo y regular para hacer referencia a que el estudiante seguía matriculado en la universidad o conceptos como interrumpido, eliminado, retiro temporal, retiro sin aviso, suspendido, renuncia, no inscrito en cursos, abandono, posterga, no activo para hacer referencia a que el estudiante durante ese semestre no cursaba estudios en la universidad. Dado que para este estudio nos interesaba saber si el estudiante se mantenía matriculado, es decir, permanecía en la universidad, se clasificó de manera dicotómica en vigentes o no matriculado, para poder determinar la permanencia en los tres semestres académicos universitarios. 182 9.2.5 ANÁLISIS DE DATOS Se analizó la estadística descriptiva de las variables, siguiendo el mismo enfoque utilizando en los estudios anteriores. Se calculó medidas como la media, desviación estándar, asimetría y curtosis de los ítems. La fiabilidad se evaluó a través del coeficiente alfa de Cronbach, mientras que las relaciones entre variables se examinaron mediante el coeficiente de correlación r de Pearson. Posteriormente, se llevó a cabo un análisis factorial confirmatorio para evaluar las propiedades psicométricas de las escalas, utilizando el mismo procedimiento empleado en los Estudio 2 y 3. Se utilizó el método mínimos cuadrados ponderados diagonalmente, el cual es robusto ante violaciones de la normalidad multivariada (Forero et al., 2009). Se evaluó la bondad de ajuste del modelo, considerando el χ2; CFI, TLI (> ,90 indica un ajuste aceptable; > ,95 un buen ajuste). Los residuos fueron evaluados con el RMSEA y SRMR (< ,08 es aceptable; < ,05 indica un buen ajuste). Con el fin de abordar el primer objetivo del presente estudio, se realizaron tres regresiones logísticas binarias, utilizando los datos de la permanencia del primer, segundo y el tercer semestre académico como las variables criterio. Los predictores se seleccionaron a partir de los fundamentos teóricos mencionados: RA previo a la universidad (Westrick et al., 2021), RA universitario del primer semestre (Casanova et al., 2018), los recursos psicológicos (Bernardo et al., 2022; Díaz Mújica et al., 2019; Liu, 2015; Papageorgiou y Callaghan, 2018; Rump et al., 2017; Sarra et al., 2019). Se utilizó el método hacia delante condicionado (López-Roldán y Fachelli, 2016). El análisis de regresión logística binaria (0 = no permanece, 1= permanece), consideró para el ajuste del modelo el estadístico χ2 que evalúa la hipótesis nula de que los coeficientes Beta (β) que se presentan en el modelo son cero. El estadístico R2 de Nagelkerke estima la proporción de la varianza de la variable criterio explicada por las variables predictoras. Para interpretar el impacto de la variable predictora se observó el coeficiente de regresión β de las variables del modelo, indicando la jerarquía e intensidad de las variables significativas. El exponencial de β (eβ) evalúa el impacto de la variable predictora en relación a la variable criterio (permanencia). Su interpretación será en relación al odds ratio que asocia la permanencia con las variables predictoras. 183 Para responder al segundo objetivo de identificar si la permanencia universitaria difiere según el tipo de acceso (Regular o PACE) y según el sexo (OB8), se planteó un análisis de tabla de contingencia. En este análisis, la variable criterio fue dicotómica (0 = no permanece, 1= permanece) y las variables predictivas también fueron dicotómicas, acceso (0= PACE y 1= Regular) y sexo (0 = mujer y 1= Varón). Para ello se analizó con el test Chi- cuadrado y el C de contingencia. El coeficiente C nos indica que, si está cerca de cero, se concluye que las variables son independientes entre sí y no hay asociación entre ellos. Si C está lejos de cero, existe una relación entre las variables. Los softwares estadísticos utilizados para los análisis factorial confirmatorio de las escalas fue el programa JASP (2022) versión 0.16. Para los análisis descriptivos, correlaciones, fiabilidad, regresión logística y tabla de contingencia el programa estadístico SPSS versión 25. 9.3 RESULTADOS 9.3.1 ANÁLISIS DESCRIPTIVOS Los análisis se realizaron en una muestra de 952 estudiantes. En la tabla 37 se observan las medidas de permanencia universitaria del primer semestre (1ºS), segundo semestre (2ºS) y tercer semestre (3ºS). En la medida que transcurre el periodo académico aumenta el porcentaje de los estudiantes que no permanecen en la universidad (7,20%). En el 3º S existen 8 casos que no existía información, clasificándose como casos perdidos, sin embargo, se decide no eliminarlos, ya que si contaban con información de los dos semestres previos. 184 Tabla 37. Descriptivos de la variable permanencia universitaria No permanece Permanece Casos Perdidos F % F % F % Permanencia 1ºS 34 3,60% 918 96,40% Permanencia 2ºS 60 6,30% 892 93,70% Permanencia 3ºS 69 7,20% 875 91,90% 8 ,80% F: Frecuencia. La tabla 38 presenta las tres variables criterio y las dieciséis variables predictoras, con los estadísticos descriptivos, correlaciones y consistencia interna. De las variables predictoras en trece de ellas la curtosis y asimetría fue menor a ± 1,96, por lo que afirmamos normalidad univariada. La curtosis, presentó valores mayores al criterio en Selectividad, RA del primer semestre y regulación identificada. Las correlaciones fueron adecuadas, sin presencia de multicolinealidad (<,80). Las variables predictoras que presentaron mayor correlación con la permanencia del 1ºS (> ,10 significativa en el nivel ,01 bilateral) fue el RA del 1º, 2º y 3º semestre académico, seguido del RA previo, Selectividad y el estrés académico con una correlación negativa. La permanencia del 2º semestre presentó correlaciones con la permanencia del semestre anterior y el RA del 1º semestre. La permanencia del 3º semestre presentó correlaciones con la permanencia de los semestres anteriores, el RA en la universidad de los dos semestres anteriores, así como del estrés académico de manera inversa. El alfa de Cronbach fue bueno a excepción de la variable amabilidad con un alfa de ,67 y satisfacción académica que presentó un alfa de ,58, valores similares al estudio 2 y 3. 185 Tabla 38. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos del Estudio 4. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 Perm. 1S 1,00 ,56 ,38 ,04 ,11 ,53 ,025 ,04 ,03 -,02 ,01 ,04 ,05 ,06 ,09 -,04 -,05 ,08* -,10 2 Perm. 2S 1,00 ,56 ,04 ,05 ,37 ,043 ,04 ,05 ,01 ,03 ,08* ,05 ,07* ,08* -,05 -,03 ,06 -,09 3 Perm. 3S 1,00 0 ,06 ,32 ,021 ,04 -,01 -,05 ,04 ,04 ,02 ,05 ,05 -,05 -,05 ,04 -,10 4 NEM 1,00 ,11 ,07* -,012 ,06 ,13 ,11 ,17 ,09 ,05 ,04 ,01 ,01 -,04 ,07* ,04 5 Selectividad 1,00 ,04 ,059 ,04 ,17 ,17 ,06 ,12 ,06 -,02 ,12 -,03 -,06 ,19 -,08* 6 RA 1S 1,00 ,080* ,02 ,11 -,04 ,06 ,10 ,11 ,08* ,08* -,08* -,14 ,18 -,18 7 Extraversión 1,00 ,33 ,23 ,11 ,20 ,44 ,33 ,25 ,17 -,12 -,11 ,19 -,33 8 Estabilidad 1,00 ,41 ,23 -,02 ,54 ,43 ,23 ,20 -,25 -,20 ,36 -,58 9 Responsabilidad 1,00 ,27 ,06 ,50 ,38 ,31 ,33 -,14 -,17 ,41 -,42 10 Amabilidad 1,00 ,13 ,24 ,07* ,21 ,19 -,14 -,13 ,25 -,26 11 Apertura 1,00 ,21 ,20 ,31 ,19 -,06 -,11 ,07* -,17 12 Resiliencia 1,00 ,57 ,44 ,42 -,18 -,19 ,44 -,50 13 Autoeficacia 1,00 ,44 ,28 -,16 -,18 ,42 -,52 14 M. Intrínseca 1,00 ,60 -,19 -,31 ,40 -,39 15 R. identificada 1,00 -,11 -,25 ,37 -,30 16 R. introyectada 1,00 ,67 -,19 ,33 17 M. extrínseca 1,00 -,20 ,32 18 Satisfacción 1,00 -,52 19 Estrés 1,00 Alfa ,83 ,82 ,75 ,67 ,68 ,90 90 ,79 ,81 ,79 ,78 ,58 ,82 Media 618,57 540,67 5,60 20,14 21,61 25,27 28,13 29,17 70,37 28,28 23,02 25,87 12,17 11,38 3,84 40,03 DT 72,82 80,8 0,88 5,53 5,86 4,81 3,5 3,94 14,62 5,72 3,97 3 6,25 5,8 0,75 15,73 Asimetría 0,14 0,69 -2,29 -0,03 -0,2 -0,16 -0,56 -0,51 -0,61 -0,15 -0,83 -1,73 0,45 0,69 -0,62 0,07 Curtosis 0,07 3,62 7,82 -0,48 -0,51 -0,5 0,31 -0,3 0,14 -0,46 0,33 2,69 -0,74 -0,22 0,10 -0,46 Valido 952 814 952 952 952 952 952 952 952 952 952 952 952 952 952 952 La correlación en negrita es significativa en el nivel ,01 (bilateral).* La correlación es significativa en el nivel ,05 (bilateral). Perm 1S: Permanencia primer semestre; Perm 2s: Permanencia segundo semestre; Perm 3S: Permanencia tercer semestre; NEM: Notas de Enseñanza Media; RA 1S: RA primer semestre; R. Identificada: Regulación Identificada; R. Introyectada: Regulación Introyectada. 186 9.3.2 VALIDEZ INTERNA DE LAS ESCALAS Se evaluaron las propiedades psicométricas de las escalas aplicadas a 952 estudiantes, siguiendo el mismo procedimiento utilizado en los Estudios 2 y 3. En la tabla 39 se muestran los índices de bondad de ajuste. En general, las escalas mostraron consistencia de la estructura factorial esperada, a excepción de la escala de satisfacción académica. La escala OPERAS (Vigil-Colet et al., 2013) confirmó la estructura de cinco factores con buenos índices de ajuste. Tanto la escala de resiliencia (Cisternas, 2015) como la de autoeficacia (García-Fernández et al., 2016) confirmaron una estructura unifactorial y presentaron indicadores favorables. La escala de autorregulación académica (Vergara- Morales et al., 2022) también confirmó su estructura de cuatro factores, mostrando buenos indicadores de ajuste. La escala de estrés académico (Pérez et al., 2012) presentó una estructura unifactorial de segundo orden que agrupó los tres factores propuestos por la teoría de Maslach (Maslach y Jackson, 1981) al igual que se hizo en los estudios 2 y 3. Tabla 39. Resumen de los indicadores de ajuste los instrumentos del Estudio 4. 𝝌𝝌2 gl 𝝌𝝌2/gl p CFI TLI RMSEA IC 90% SRMR Personalidad 1890,81 550 3,43 ,001 ,92 ,91 ,05 (,05 - ,05) ,06 Resiliencia 778,83 275 2,83 ,001 ,97 ,97 ,04 (,04 - ,05) ,06 Autoeficacia 60,89 35 1,74 ,004 1,00 1,00 ,03 (,02 - ,04) ,04 Motivación 356,75 98 3,64 ,001 ,97 ,96 ,05 (,05 - ,06) ,06 Estrés 959,09 167 5,74 ,001 ,92 ,91 ,07 (,06 - ,07) ,07 Ante la dificultad de identificar la estructura de la escala de satisfacción por los estudios (Merino-Soto et al., 2017), se llevó a cabo un análisis factorial exploratorio utilizando el método de extracción de mínimos cuadrados no ponderados. Los indicadores observados fue KMO = 0,63, [χ2(3) = 264,80 p < ,001], los cuales fueron adecuados para extraer un factor que explicó el 32,26% de la varianza con un autovalor de 0,97. En la tabla 40 se puede observar la correlación entre los tres ítems, la comunalidad presentó valores entre 0,24 y 0,37 y los pesos factoriales entre 0,49 a 0,61. 187 Tabla 40. Correlación entre ítems, comunalidad y pesos factoriales de la escala de satisfacción del Estudio 4. Ítems 1 2 3 1 Satisfacción por el estudio 1,00 ,30 ,29 2 Satisfacción por su rendimiento 1,00 ,36 3 Satisfacción global 1,00 Comunalidades 0,24 0,37 0,36 Peso factorial 0,61 0,60 0,49 9.3.3 PREDICCIÓN DE LA PERMANENCIA ACADÉMICA Para responder al primer objetivo del Estudio 4 (OB7), se analizan los recursos del estudiante que predicen la permanencia universitaria (0= no permanece y 1 = permanece) durante el primer, segundo y tercer semestre académico, mediante tres análisis de regresión logística binaria. Los predictores fueron: las NEM, Selectividad, RA del primer semestre, Extraversión, Estabilidad Emocional, Responsabilidad, Amabilidad, Apertura a la experiencia, resiliencia, autoeficacia, satisfacción académica, estrés académico, motivación intrínseca, regulación identificada, regulación introyectada y motivación extrínseca. El modelo de permanencia del primer semestre académico indicó que la prueba estadística chi-cuadrado rechazó la hipótesis nula [χ2 (3) = 124,13; p = ,001] mostrando que existe asociación significativa entre las variables predictivas y criterio, ajustando a los datos en el paso 3. El estadístico R2 de Nagelkerke fue de ,55 indicando que el modelo predice un 55% de la variabilidad de la permanencia en la universidad durante el primer semestre. La efectividad del modelo clasificó correctamente al 97,90% de los estudiantes. En la tabla 41 se observan las variables de la ecuación. El predictor Selectividad con un signo positivo (β1 = 0,01) indicó que esta variable benefició más a los estudiantes que permanecen en el primer semestre. El valor exponencial eβ = e 0,01 = 1,01 será el odds 188 ratio que asocia la permanencia con la prueba de selectividad. Es decir, los estudiantes que presentan una mayor puntuación en la prueba de Selectividad tienen 1,01 más probabilidad de permanecer, resultando una ventaja pequeña pero significativa. Tabla 41. Variables en la ecuación de la predicción de permanencia del 1º semestre. Predictores B SE Wald gl Sig. eβ Selectividad 0,01 0,01 15,14 1 ,001 1,01 RA 1º Semestre 1,62 0,21 58,71 1 ,001 5,07 Regulación identificada 0,15 0,07 4,16 1 ,041 1,16 Constante -15,22 3,19 22,72 1 ,001 0,01 SE: Error estándar. El predictor RA del primer semestre (β2 = 1,62) benefició más a los estudiantes que permanecen el primer semestre. El valor eβ = e1,62 = 5,07 será el odd ratio que asocia la permanencia con el RA del primer semestre. Es decir, los estudiantes que presentan mayor RA el primer semestre tienen 407% (5,07 -1 = 4,07) más probabilidades de permanecer en la universidad. Así también ocurrió con la regulación identificada (β3 = 0,15), la cual tuvo un impacto positivo mayor en los estudiantes que continúan en el primer semestre. El valor eβ = e 0,15 = 1,16 indicó que aquellos estudiantes que exhiben una mayor regulación identificada (vinculada a la motivación intrínseca) tienen 16% (1,16 – 1 = 0,16) más probabilidad de permanecer en la universidad. Por lo tanto, la permanencia académica durante el primer semestre es explicada en un 55% de la variabilidad de la varianza por las variables RA del primer semestre, regulación identificada y la puntuación en la prueba de Selectividad. Al predecir la permanencia universitaria en el segundo semestre académico el modelo muestra que la prueba estadística chi-cuadrado rechazó la hipótesis nula [χ2 (1) = 72,35; p = ,001] indicando asociación entre variables predictivas y criterio. El estadístico R2 de Nagelkerke fue de ,25 mostrando que el modelo predice un 25% de la variabilidad de la permanencia en la universidad durante el segundo semestre. 189 La efectividad del modelo clasificó correctamente al 95,50% de los estudiantes en el paso 1. En la tabla 42 se presentan las variables de la ecuación de la permanencia del segundo semestre, donde el RA del primer semestre con un signo positivo β1 = 1,04 fue el único predictor. El valor eβ = e 1,04 = 2,84 indica que los estudiantes que cuentan con mayor RA en el primer semestre universitario presentan 184% (2,84 -1 = 1,84) más probabilidades de permanecer el segundo semestre. Tabla 42. Variables en la ecuación de la predicción de permanencia del 2º semestre Predictores β SE Wald gl Sig. eβ RA 1º semestre 1,04 0,13 64,87 1 ,001 2,84 Constante -12,81 2,54 25,38 1 ,001 0,08 SE: Error estándar. El modelo de la permanencia académica en el tercer semestre indicó que la prueba estadística chi-cuadrado rechazó la hipótesis nula [χ2 (1) = 55,88; p = ,001] mostrando que existe asociación significativa entre las variables presentadas. El estadístico R2 de Nagelkerke fue de ,18 indicando que el modelo predice un 18% de la variabilidad de la permanencia en la universidad durante el tercer semestre. Los resultados de las variables en la ecuación de permanencia en el tercer semestre indican que el 94,10% de los casos fueron correctamente clasificados. En la tabla 43 se muestra que el único predictor significativo fue el RA del primer semestre con un signo positivo (β1 = 0,88). El valor eβ = e 0,88 = 2,40 indica que los estudiantes con un mejor RA durante el primer semestre tienen 140% (2,4 – 1 = 1,4) más probabilidades de permanecer en el tercer semestre. Tabla 43. Variables en la ecuación de la predicción de permanencia del 3º semestre. Predictores β SE Wald gl Sig. eβ RA 1º Semestre 0,88 0,12 55,20 1 ,001 2,40 Constante -1,92 0,61 10,05 1 ,002 0,15 SE: Error estándar. 190 A modo de síntesis del OB7, el modelo de permanencia del 1º semestre explicó un 55% la varianza con las variables de RA del 1º semestre, la regulación identificada y la puntuación en Selectividad. El 2º semestre fue explicado en un 25% por el RA del 1º semestre. Finalmente, la permanencia del 3º semestre es explicado en un 18% por el RA del 1º semestre. Estos resultados apoyan la H7, indicando que los recursos del estudiante predicen la permanencia. El RA previo (prueba de Selectividad) es un predictor del primer semestre, lo que sería una evidencia compatible con la H7.1. sin embargo, de los recursos psicológicos, sólo la regulación identificada mostro evidencia en el modelo de cumplir un rol predictor de la permanencia, por lo que se encuentra un apoyo parcial para la H7.2. Para responder al segundo objetivo referente a identificar si la permanencia universitaria en el primer, segundo y tercer semestre presenta diferencias según el tipo de acceso Regular o PACE y según el sexo (OB8), se analizan estas diferencias mediante una tabla de contingencias con Chi-cuadrado 2x2 y coeficiente C de contingencia. El análisis de asociación entre las variables dicotómicas acceso (Regular = 1 y PACE = 0) y permanencia universitaria (Permanece = 1 y no permanece = 0) se realizó para los tres semestres académicos. Se observa que estudiantes que ingresaron por la vía Regular o PACE no presentaron diferencias significativas en la permanencia del primer semestre (X2 = 0,522, gl= 1 y p= ,470; coeficiente C = ,023, p = ,470), al igual que en el segundo semestre (X2 = 1,39, gl= 1 y p= ,238; coeficiente C = ,038, p = ,238), sin embargo en el tercer semestre si se observa una diferencia significativa (X2 = 17,713, gl= 1 y p= ,001; coeficiente C = ,136, p = ,001) que se presenta en la tabla 44. Se puede observar que estudiantes que ingresan vía Regular tienen un 60,70% de permanencia, mientras que los estudiantes PACE presentan un 39,30% de permanencia al tercer semestre. Tabla 44. Asociación entre permanencia en el 3º semestre y acceso a la universidad. Acceso No permanece 3ºS Permanece 3ºS Total Regular 24 (34,80%) 531 (60,70%) 555 (58,80%) PACE 45 (65,20%) 344 (39,30%) 389 (41,20%) Total 69 (100%) 875 (100%) 944 (100%) 191 Tras analizar la relación entre el sexo y la permanencia universitaria en los tres semestres académicos, no se observó asociación significativa. La permanencia del primer semestre (X2 = 1,282, gl= 1 y p= ,258; coeficiente C = ,036, p= ,258), la permanencia del segundo semestre (X2 = 1,721, gl= 1 y p= ,190; coeficiente C = ,042, p= ,190) y la permanencia del tercer semestre (X2 = 1,530 gl= 1 y p= ,216; coeficiente C = ,040 , p= ,216) dan cuenta que las variables son independientes entre sí. Por lo tanto, en esta muestra no existiría asociación entre el estado de permanencia en los estudios y el sexo en un año y medio académico. Finalmente, los resultados nos indican que en esta muestra no existen diferencias significativas en la permanencia y vía de acceso de los estudiantes en el primer año (primer y segundo semestre). Sin embargo, en el tercer semestre existe una diferencia significativa con mayor riesgo de no permanecer para los estudiantes PACE por lo que se apoya parcialmente la H8. En relación con las diferencias en la permanencia universitaria según el sexo, no se observan contrastes significativos en los tres semestres académicos rechazando la H8.1. 9.4 DISCUSIÓN En este estudio se analizó la influencia de los recursos del estudiante en la permanencia universitaria durante tres semestres académicos (OB7); e identificó si las variables tipo de acceso a la universidad Regular y PACE y el sexo de los participantes influyeron en esta relación (OB8). De los hallazgos se destaca que los recursos del estudiante predicen la permanencia del primer semestre con un 55% de probabilidad, seguido de un 25% en el segundo semestre y un 18% en el tercer semestre académico. Respecto a las variables tipo de acceso y sexo, se observó influencia del acceso Regular a la universidad en la permanencia del tercer semestre universitario, sin verse afectado por el sexo de los estudiantes. Las variables que mayor aporte entregaron a la predicción de la permanencia fue el RA. Entre ellos el RA del primer semestre y la Selectividad apoyando la H8.1. Este resultado es convergente con lo encontrado por Casanova et al. (2018) que manifiestan que el mejor predictor de la permanencia universitaria es el RA. Wild y Schulze Heuling (2020) encontraron que terminar un curso inicial en el primer semestre, aumenta la 192 probabilidad de permanecer en la universidad. Así también se ha encontrado que el RA previo, como la Selectividad podrían predecir la permanencia (Geiser, 2016). Estos resultados se observan en la predicción de los tres semestres. Estos hallazgos son relevantes para las instituciones de educación superior. Resulta interesante que las NEM no aportaron a la relación con la permanencia, mientras que sí lo hizo la Selectividad. La prueba de Selectividad en Chile ha generado un filtro en la prueba de admisión, cuyas puntuaciones se han asociado con el estatus socioeconómico (Espinoza et al., 2022). Y que como podemos apreciar tiene un impacto en la permanencia de los estudiantes tras un año y medio de estudios. Esto implica un factor de riesgo para estudiantes PACE, dado que como se explica en el Estudio 2 su puntuación en la prueba de Selectividad es significativamente menor que los estudiantes de acceso Regular. Esta información se debe tener en consideración en los apoyos institucionales. Respecto a los recursos psicológicos, sólo la regulación identificada presentó una relación predictiva con la permanencia universitaria en el primer semestre. Por lo que se apoya parcialmente la H7.2. Esta variable es entendida como comportamientos valorados personalmente que impulsan a participar de actividades académicas importantes (Ryan y Deci, 2020). Desde la teoría de la autodeterminación la regulación identificada está próxima a la motivación intrínseca, orientada al comportamiento autónomo (Ryan y Deci, 2000). Se ha encontrado que estudiantes con mayor motivación autónoma (intrínseca e identificada) presentan una relación significativa, fuerte e inversa con la intención de abandonar los estudios (Rump et al., 2017). Así también, se ha observado que la valoración positiva de las propias capacidades favorece la satisfacción, la motivación autónoma y la intención de permanecer estudiando (Barrientos-Illanes et al., 2021). En general los intereses, ya sea vocacionales o a nivel de motivación, influyen en la toma de decisiones, en el nivel de energía invertido, en la dirección de las intenciones y en la persistencia en las actividades (Van der Linden et al., 2022). Por ello, fomentar la motivación y principalmente la motivación intrínseca debe ser un tema de interés para las instituciones de educación superior (Rump et al., 2017). Las dimensiones de personalidad y los recursos como resiliencia, autoeficacia, satisfacción académica, estrés académico en el modelo presentado no reflejaron un aporte directo como predictores de la permanencia en educación superior. Pese a que se había encontrado que se relacionaban con el ajuste de los estudiantes al contexto académico aumentando la probabilidad de permanecer en educación superior 193 (Bernardo et al., 2022; Díaz Mújica et al., 2019; Liu, 2015; Papageorgiou y Callaghan, 2018; Sarra et al., 2019). Al observar la correlación que los rasgos de personalidad tuvieron con la permanencia del 1º, 2º y 3º semestre, no se registran correlaciones significativas. Sin embargo, personalidad si presentó correlación con el RA previo como las NEM, Selectividad y en menor medida con el RA del primer semestre. En este sentido, sería interesante indagar si en un modelo mediador personalidad cumple un rol predictor en la permanencia universitaria, al igual que el resto de los recursos psicológicos evaluados. Al analizar las diferencias entre grupos en la permanencia universitaria, la vía de acceso presentó diferencias en el tercer semestre universitario, resultando a favor de los estudiantes de acceso Regular. Estos hallazgos resultan relevantes, principalmente porque queda en evidencia un factor de riesgo para los estudiantes de acceso PACE tras un año y medio de estudios, comprobando la Hipótesis 8.1. En contraste con los resultados del Estudio 3, donde se aprecia que no existen diferencias según la vía de acceso en el RA en el primer y tercer semestre. Estos hallazgos permiten reflexionar sobre las oportunidades que se generan en las Instituciones de Educación Superior durante la trayectoria universitaria, donde el acceso es solo un primer paso. Espinoza et al. (2022) afirma que los procedimientos de selección actuales reproducen la desigualdad socioeconómica en la sociedad chilena. Aquellos estudiantes que han egresado de colegios públicos de mayor vulnerabilidad presentan un 10% menos de probabilidad de tomar la prueba de Selectividad para ingresar a la universidad. Y según este estudio, también presentarían un mayor riesgo de no permanecer tras 1 año y medio de estudio. El MINEDUC (2022) sugiere en sus términos de referencia de implementación del programa PACE, que es necesario realizar un acompañamiento académico y psicológico a estos estudiantes durante los dos primeros años en la educación superior. Estos hallazgos nos indicarían que se debe seguir indagando en la trayectoria académica de los estudiantes según sus vías de acceso para evitar factores de riesgo y fortalecer la equidad tanto en el acceso como en la titulación oportuna. La variable sexo en este estudio no presentó diferencias en la permanencia universitaria, rechazando la H8.2. A diferencia de la estadística nacional que destacan que estudiantes mujeres presentan mayor tasa de retención con un 76,30% en comparación con los varones con un 70,70% (SIES, 2021b). Esta investigación presentó resultados similares a los encontrado por Ferrão y Almeida (2021), quienes no observaron diferencias según el sexo en la permanencia universitaria. 194 Un punto importante para considerar en futuras investigaciones es que el porcentaje de permanencia de la muestra estudiada al tercer semestre fue de 92,80% mayor al 73,60% que se reporta a nivel nacional (SIES, 2020). Esto es posible por un sesgo de recolección de datos, es decir, quienes contestan estos cuestionarios pueden ser estudiantes que presentan un mayor interés en actividades académicas y por lo tanto más probabilidad de permanecer en educación superior. De manera similar, se pueden apreciar las limitaciones constatadas en los Estudios 2 y 3 en relación con la fiabilidad en la escala de satisfacción, así como las disparidades grupales en cuanto a tipo de acceso y sexo. 195 TERCERA PARTE: DISCUSIÓN GENERAL 196 197 CAPITULO 10. DISCUSIÓN GENERAL Al iniciar la investigación se planteó la siguiente pregunta: ¿Los recursos psicológicos presentan relación con el RA y permanencia de estudiantes de educación superior? Con el propósito de responder esta cuestión, la investigación consideró una perspectiva longitudinal para averiguar cómo los recursos psicológicos se relacionan durante la trayectoria universitaria con las medidas de RA previo. Considerando las notas de la secundaria, de la prueba de Selectividad y del RA durante el primer y tercer semestre académico, así como también el estado de permanencia universitaria durante tres semestres académicos. La investigación también persiguió identificar el papel que las variables tipo de acceso (estudiantes que ingresaron por vía Regular o mediante vía inclusiva PACE) y sexo podían tener en los recursos psicológicos, RA y permanencia académica. Es importante resaltar aquí, que desde la aproximación seguida en este trabajo entendemos que identificar recursos psicológicos asociados al progreso académico durante la trayectoria educativa, no tuvo como propósito delegar causalidad y responsabilidad en el individuo de una problemática tan compleja y multicausal. Más bien la investigación ha buscado contribuir con datos empíricos el aporte de los recursos psicológicos al problema planteado en estudiantes universitarios chilenos. Tal y como se ha desarrollado a lo largo de este trabajo, para tratar de dar respuesta a la pregunta general planteada anteriormente, se desarrolló un plan de investigación que implicó la realización de 4 estudios. Un primer estudio previo que buscó adaptar y validar la escala OPERAS de personalidad en estudiantes universitarios chilenos. A partir de esos hallazgos se pudo contar con una escala adaptada y validada al contexto, con adecuadas propiedades psicométricas, fiabilidad, validez convergente y discriminante (Rodríguez et al., 2022). El estudio además aportó con los baremos de los cinco rasgos para ambos sexos, información que puede ser útil para investigaciones futuras. Los estudios 2, 3 y 4 estuvieron enfocados a responder a la pregunta de investigación. El Estudio 2 se dirigió al análisis de los recursos psicológicos del estudiante en relación con el RA previo, considerando las NEM y Selectividad. Los hallazgos nos indican que existe relación de los recursos psicológicos con el RA previo, con mayor fuerza en la prueba de Selectividad explicando entre un 18 a 22% de la 198 varianza, que en las NEM (1 y 3%). Cuando los recursos psicológicos se relacionaron con las NEM, permitieron una mejor predicción de la Selectividad. Tal como indicó Alyahyan y Düştegör (2020) referente a que los recursos psicológicos junto a una medida de RA permiten mejorar la predicción del RA futuro. El rasgo de personalidad que mayor relación presentó con el RA previo no fue responsabilidad como se hipotetizaba (Poropat, 2009; Richardson et al., 2012; Vedel, 2014), sino que fue estabilidad emocional. Este rasgo presentó alta relación con la variable latente Recursos, Motivación y Selectividad en ambos grupos Regular y PACE. El estudio de De Feyter et al. (2012) encontró que estabilidad presentó una relación positiva con el RA cuando se relacionaba con otros recursos personales como autoeficacia y motivación de buena calidad. En este caso, para los estudiantes de acceso Regular y en menor grado para los PACE la relación de estabilidad y recursos compuestos de autoeficacia, resiliencia, satisfacción y estrés académico fue alta cercana a la multicolinealidad. Una posible explicación que es que la variable latente Recursos esté midiendo características similares a la estabilidad emocional. Ambos grupos de estudiantes Regular y PACE presentaron diferencias en sus recursos psicológicos, encontrando que los de acceso Regular destacaron por su apertura a la experiencia, mientras que los PACE presentaron mayor responsabilidad, amabilidad, resiliencia, satisfacción y percepción de estrés. Estas diferencias en los recursos personales podrían estar asociadas a la alta perseverancia que han mostrado los estudiantes PACE para sobresalir en sus entornos pese a las dificultades por la vulnerabilidad económica (Gil-Llambías et al., 2019; Aedo, 2017; Morales et al., 2019). También se encontraron diferencias en el RA previo, donde estudiantes PACE presentaron mayores NEM y los estudiantes de acceso Regular mayor puntuación en la Selectividad, diferencias que justifican la implementación del programa PACE (MINEDUC, 2022). Respecto al sexo se encontró diferencias, donde mujeres presentaron mayor amabilidad, responsabilidad, apertura, motivación identificada y mayor NEM, mientras que los varones mayor estabilidad emocional, autoeficacia y mayor puntuación en la prueba de Selectividad. Resultados coherentes con investigaciones previas (De Bolle et al., 2015; Oga-Baldwin y Fryer, 2020; Schürmann y Quaiser-Pohl, 2022; SIES, 2021b). Los hallazgos del Estudio 2 permiten observar cómo se relacionan los recursos psicológicos con el rendimiento previo, así como también apreciar diferencias en perfiles 199 de estudiantes de acuerdo a sus historiales de RA previo, recursos psicológicos y aspectos sociodemográficos como el sexo o la vía de acceso a la universidad. Perfiles que permiten observar diferencias, sin embargo, son estudiantes que se desempeñaran en un ambiente común. El Estudio 3 se sitúa en la educación superior y plantea tres modelos predictivos para relacionar los recursos psicológicos con el RA del primer y tercer semestre universitario. Los resultados indicaron que los recursos psicológicos presentaron relación con el RA. La predicción del primer semestre fluctuó de 5 a un 8% explicado por Recursos y estabilidad emocional principalmente. El RA del tercer semestre fue explicado un 23% influido por el RA del primer semestre y la autoeficacia académica. Responsabilidad presentó relación con el RA, pero no fue la variable que más destacó en esta relación. Los modelos mediadores que establecieron una relación de personalidad y RA mediado por los recursos psicológicos presentaron mayor capacidad predictiva en el primer semestre que el modelo directo, aumentando la predicción en 3 puntos. Estos hallazgos permiten reforzar el papel que personalidad desde el modelo α y β (Digman, 1997) y del factor P (Musek, 2017) en interacción con los recursos psicológicos presentan hacia el RA universitario. El Estudio 3 reveló que no se presentaron diferencias en el RA universitario en el primer y tercer semestre según la vía de acceso a la universidad Regular y PACE. Contrastando los resultados del estudio 2 que indicaba que estos estudiantes según la vía de acceso presentan diferencias en su RA previo. Este hallazgo nos indica un buen resultado de la política pública implementada con el programa PACE, ya que, sin la oportunidad de esta vía de acceso inclusivo, estudiantes PACE, podrían haber estado imposibilitados de ingresar a la universidad por su puntuación en la prueba de Selectividad. Respecto a las diferencias por sexo las mujeres presentaron mayor RA que los varones en el primer y tercer semestre. Información que fue congruente con la estadística nacional (SIES, 2021b). Adicionalmente el Estudio 3 incorporó una comparación de los recursos psicológicos en la misma muestra tras un año de estudios, sin observarse diferencias significativas. Esta medida se aplicó para indagar si el efecto del SARS-CoV-2 en los participantes durante el año 2020 podría haber alterado los resultados. Para este análisis sólo participó un 15% de los estudiantes del estudio inicial. Y no se observó variación en sus recursos psicológicos. Se esperaba este resultado para personalidad, ya que son rasgos más estables que los otros recursos psicológicos evaluados (Gutman y Schoon, 200 2013; Richardson et al., 2012). Este resultado puede estar influenciado por un sesgo de respuesta del 15% que sí contestó. Otro aspecto que resulta interesante a considerar principalmente para el trabajo futuro en propuestas de intervención en recursos psicológicos sería orientar al autoconocimiento y reconocimiento de sus recursos más que a buscar sus modificaciones. El estudio 4 se enfocó en la permanencia universitaria. Propuso tres modelos de regresión logística binaria para indagar en las variables que podían estar relacionadas a la permanencia, considerando recursos de RA previo (NEM, Selectividad), RA del primer semestre y los recursos psicológicos (personalidad, resiliencia, motivación, autoeficacia, satisfacción y estrés). El modelo predictivo de permanencia del 1º semestre explicó un 55% la varianza con las variables de RA del 1º semestre, la regulación identificada y la puntuación en Selectividad. El 2º semestre fue explicado en un 25% por el RA del 1º semestre, misma variable que explicó en un 18% de la permanencia del 3º semestre. Estos resultados nos indican que el RA es un predictor constante de la permanencia, coherente con lo planteado por estudios anteriores (Casanova et al., 2018; Westrick et al., 2021; Wild y Schulze Heuling 2020). De los recursos psicológicos sólo la regulación identificada cumplió un rol predictor de la permanencia universitaria. Esta variable implica una motivación de mayor calidad por presentarse en el polo de la motivación autónoma (Ryan y Deci, 2000). Resultado coherente con investigaciones que han encontrado que estudiantes con mayor autonomía, presentan mayor orientación a las metas, favorece la satisfacción y su intención de permanecer en la universidad (Barrientos-Illanes et al., 2021; Janke, 2020). Este hallazgo nos indicaría un camino para el trabajo con los estudiantes, con el fin de fortalecer su permanencia académica principalmente el primer año académico. En cuanto a los demás recursos psicológicos que no mostraron relación directa con la permanencia, es necesario destacar que, al analizar los resultados de los Estudios 2 y 3, se confirma una asociación entre ellos y el RA. Considerando que el RA fue la variable que mayor relación presentó con la permanencia, es plausible que exista una relación indirecta entre los recursos psicológicos, el RA y la permanencia, por lo que merecen una investigación más profunda. Acerca de la variable acceso a la educación superior, se encontró una diferencia en la permanencia en el tercer semestre académico, resultando mayor la probabilidad de permanecer si eres estudiante de acceso Regular. Este resultado es de alta 201 relevancia, ya que evidencia el riesgo que presentan los estudiantes PACE tras un año y medio de estudios. Este hallazgo refleja las desigualdades en educación superior, posiblemente referentes al establecimiento educacional de origen y a la vulnerabilidad socioeconómica (Espinoza, 2021; SIES, 2020). A partir de este resultado sería pertinente reforzar el seguimiento de estudiantes PACE después del 3 semestre académico para evitar su deserción. El sexo no se presentó como una variable que impacta en la permanencia en los tres semestres estudiados. Resultado que nos parece interesante, ya que la estadística nacional indica que las mujeres sí presentan mayor permanencia que los varones (SIES, 2021b), así como también mujeres presentaron mayor RA universitario, sin embargo, no fue reflejado en mayor permanencia. A modo de síntesis, se puede afirmar que los recursos psicológicos presentan relación con el RA en la secundaria (1 a 3%), aumentando su relación con la prueba de Selectividad (6 a 7%), la cual mejora a 18 y 22% cuando se complementa con las NEM. En el caso del RA en la universidad, este fue explicado entre un 5 y 8% para el primer semestre y un 23% para el tercer semestre universitario, medida que fue complementada con el RA del primer semestre. La permanencia fue explicada en un 55%, 25% y 18% para el 1º, 2º y 3º semestre respectivamente, principalmente por el RA del primer semestre, Selectividad y regulación introyectada. Al analizar las diferencias entre grupos según la vía de acceso y sexo, solo se presentan diferencias en el tercer semestre, resultando un mayor riesgo para la permanencia haber ingresado por vía PACE. A modo general algunas fortalezas que se destacan de esta Tesis son: El diseño longitudinal propuesto permite obtener resultados más significativos de lo que podría ser posible con un diseño transversal (Wild y Schulze Heuling, 2020). Este diseño facilita la observación en diferentes momentos de la trayectoria educativa, tales como la transición a la educación superior desde la secundaria, Selectividad y tres semestres académicos. Los datos fueron recopilados de siete universidades del Consejo de Rectores de Chile. La elección de estas instituciones fue por ser instituciones selectivas académicamente, por los requisitos que solicitan a sus estudiantes y por el desempeño que estas han presentado en las acreditaciones sometidas (González y Dupriez, 2017). Estas universidades implementan el programa PACE por lo que se pudo obtener datos de ambos grupos. Además, se consideró universidades que pertenecían a la zona norte, 202 centro y sur del país favoreciendo la heterogeneidad de sus estudiantes. Se utilizaron seis escalas que permitieron valorar los recursos psicológicos de los estudiantes. Estas presentaron adecuadas propiedades psicométricas a excepción de la Escala Breve de Satisfacción con los estudios (Merino-Soto et al., 2017), escala breve de 3 ítem que presentó una baja fiabilidad. Pese a que se tuvo que especificar mediante un análisis factorial exploratorio, esta resultó ser un aporte en los modelos predictivos. La escala de estrés académico (Maslach y Jackson, 1981; Pérez et al., 2012) funcionó adecuadamente, pero en los tres estudios se tuvo que re-especificar el modelo eliminando dos ítems. Por lo que será interesante realizar un estudio actualizado de análisis de las propiedades psicométricas de la escala de estrés académico en universitarios chilenos. La adaptación y validación de la escala de personalidad OPERAS en contexto de universitarios chileno, contribuyó a dar validez a los resultados obtenidos en esta Tesis (Rodríguez et al., 2022), así como también será un aporte para futuras investigaciones. Como se ha mencionado, uno de los aportes de esta investigación es la incorporación de estudiantes según dos vías de acceso a la universidad. Los estudiantes de acceso Regular y a un grupo poco estudiado, los estudiantes PACE. Lo cual permite establecer nuevos antecedentes del perfil de estudiantes de educación superior, así como de la política pública que ha permitido la incorporación de estudiantes talentosos provenientes de los liceos con mayores índices de vulnerabilidad del país (MINEDUC, 2022). La investigación también ha visibilizado el contexto educativo chileno marcado por brechas de desigualdad social en contexto educativo. Respecto a la personalidad y RA, no se encontró la relación entre responsabilidad y RA esperada tanto en el RA previo, RA universitario y permanencia en educación superior. Es posible que los resultados encontrados responden a que las correlaciones disminuyen progresivamente en la educación superior (Mammadov, 2022). Cabe señalar que existen escasos estudios latinoamericanos sobre la relación de personalidad y las variables estudiadas. Un elemento relevante a destacar es que la estabilidad emocional presentó un rol importante en los Estudios 2 y 3, variable asociada a la salud mental y que en este contexto fue relevante para progresar académicamente. Finalmente, la investigación incorpora las diferencias entre varones y mujeres en las variables predictoras y criterios, información que sigue aportando al debate sobre 203 cambios culturales que tenemos que incorporar para lograr la equidad de género. 10.1 LIMITACIONES De la investigación se pueden señalar algunas limitaciones. En primer lugar, es importante mencionar que estudiar el fenómeno del RA y la permanencia en educación superior es complejo, ya que no son fenómenos monocausales. Con la finalidad de ampliar el debate en cuanto a recursos psicológicos del estudiante, esta tesis no evaluó la variable inteligencia, pese que se ha comprobado que es uno de los grandes predictores del RA (Chamorro-Premuzic et al., 2009; Colom et al., 2007; Colom, 2018; Morales-Vives et al., 2020; Roth et al., 2015). Tampoco consideró otros actores como docentes, familia, redes de amigos, aspectos de la institución y del proceso enseñanza- aprendizaje, que la bibliografía señala que cumplen un rol en la predicción del progreso en educación superior (Alyahyan y Düştegör, 2020; Behr et al., 2020; Tinto, 2006). En cuanto a las variables criterio la medida de RA implicó el promedio de notas de cada semestre universitario. Estos datos se recopilaron de siete universidades, con estudiantes provenientes de diferentes áreas del conocimiento. Trabajar con el promedio de notas puede haber omitido información. Será recomendable para futuros trabajos considerar los créditos inscritos, aprobados y reprobados, información que podrían enriquecer los análisis. También sería interesante disponer de muestras adecuadas para analizar la replicabilidad de estos resultados en función del tipo de carrera. La variable permanencia fue categorizada dicotómicamente como vigente/no vigente. Esta clasificación no permite profundizar en las causas de no permanecer en el siguiente semestre académico. Si bien el abandono no era el foco de esta investigación, trabajar con más categorías para reflejar el estado del estudiante durante su trayectoria en educación superior puede aportar mayor información a los análisis futuros. La investigación contó con una amplia muestra que buscaba abarcar una heterogeneidad de estudiantes de siete universidades, sin embargo, la representación de estudiantes por institución no fue equitativa. Algunas presentaron un mínimo de 50 estudiantes, mientras que otra de ellas fue de 450 estudiantes. Lo mismo ocurre con el 204 sexo, donde un 75% de las participantes fueron mujeres. Finalmente, la presente investigación se ha realizado durante el periodo más álgido de la pandemia SARS-CoV-2, una situación que suponía una amenaza a la validez de los resultados aquí presentados y que no se pudo controlar. Por este motivo, para poder disponer de alguna evidencia de su posible impacto, se realizó una segunda medición de los recursos psicológicos al año siguiente con los mismos estudiantes, sin observar diferencias entre las variables. Pese a ello, la segunda medida solamente fue contesta por un 15% de la muestra inicial. Este porcentaje resulta una limitante para afirmar con seguridad que estos recursos psicológicos son estables tras un año de estudios y que no se vieron afectados al transcurrir un año de pandemia. 10.2 PROYECCIONES FUTURAS Tras los hallazgos encontrados y sus limitaciones es posible plantear nuevas interrogantes y proyecciones futuras a considerar. Resultará conveniente incorporar la variable inteligencia para analizar su relación con personalidad en la trayectoria universitaria, así como analizar diferencias según carreras (Friedrich y Schütz, 2023; Wolfram, 2023). Será interesante considerar a diferentes actores y escenarios en la problemática del RA y permanencia universitaria. Por ejemplo, los recursos psicológicos de los docentes y contrastarlos con los estudiantes. También resulta relevante sistematizar la participación de los estudiantes a los programas de apoyo que entrega la universidad, tales como atenciones psicológicas, talleres grupales, tutorías, actividades deportivas y relacionarlos con los recursos cognitivos y psicológicos. Indicadores que permitirían evaluar sus relaciones e impacto en los esfuerzos que realiza la institución por acompañar a los estudiantes. Respecto a las variables criterios, como se mencionó anteriormente se sugiere profundizar en mayor detalle en el RA considerando los créditos inscritos, aprobados y reprobados; así como en las categorías para clasificar el estado de un estudiante (vigente, suspendido, abandono, entre otros). 205 Resulta de interés para futuras investigaciones poder incorporar a otros estudiantes de acceso inclusivo. Por ejemplo, estudiantes en situación de discapacidad, migrantes, indígenas y minorías que tengan cupos especiales de acceso. Es un desafío para la educación superior comprender el perfil y apoyar la diversidad en los distintos momentos de la trayectoria educativa. Será pertinente equiparar los grupos de estudio, reconociendo que existe disparidad de representatividad de estudiantes según vías de acceso inclusiva. No obstante, resultará importante implementar medidas específicas para promover una muestra equitativa. Si bien este es un estudio longitudinal, se sugiere seguir investigando de manera longitudinal los recursos psicológicos. Es decir, poder evaluarlos por cohorte de ingreso a la educación superior al inicio, durante la mitad de la carrera y al proceso de finalización de estudios y si es posible al año después de su inserción laboral. El propósito será seguir indagando en el papel que tienen los recursos psicológicos y cómo estos se relacionan con el progreso de un individuo a lo largo de la trayectoria académica, titulación oportuna e inserción laboral, con el fin fortalecer la formación profesional con intervenciones educativas universitarias. Así como también con implicaciones para el currículo académico en la secundaria. 10.3 CONCLUSIONES Tras describir las relaciones entre los recursos psicológicos con el RA y permanencia universitaria en estudiantes universitarios chilenos, podemos concluir que este componente psicológico es un complemento de los recursos cognitivos, donde el RA, considerando las NEM, la Selectividad y el RA del primer semestre cumplen un rol fundamental en el RA futuro y permanencia universitaria. Resulta relevante seguir estudiando las dimensiones de la personalidad, considerando un modelo directo o un modelo mediador, el modelo α y β y el factor P, ya que todos aportan desde su perspectiva. La motivación resultó un predictor en la trayectoria académica tanto en el RA en la secundaria, en la prueba de la Selectividad, en el RA universitario, así como en la permanencia, por lo que resulta una variable de alto interés. Los Recursos (autoeficacia, resiliencia, satisfacción y estrés académico de 206 manera inversa), en su conjunto resultaron un indicador de ajuste del estudiante que considera los factores protectores y de riesgo con interacción en el RA previo y RA universitario. La permanencia universitaria fue explicada mayormente por el RA y la regulación identificada resultó ser el único recurso psicológico que presentó relación directa, sin embargo, los recursos psicológicos si presentaron relación con el RA. Por lo que se podría hipotetizar que los recursos psicológicos podrían presentar una relación indirecta con la permanencia mediada por el RA. Otro de los grandes hallazgos de esta investigación son las diferencia y similitudes observadas en los estudiantes según la vía de acceso a la universidad (Regular y PACE). El acceso es un filtro de particularidades, observándose diferencias en los recursos personales, destacando mayor apertura a la experiencia y menor percepción de estrés en estudiantes de acceso Regular. Se destacó mayor responsabilidad, amabilidad, estabilidad, resiliencia y satisfacción en estudiantes PACE. Existen diferencias en el RA previo, donde estudiantes de acceso Regular presentaron mayores puntuaciones en las pruebas de Selectividad, mientras que los estudiantes PACE presentaron mayores NEM. Los estudiantes mostraron mayor probabilidad de permanecer en el tercer semestre académico si ingresaban por vía Regular que PACE. Estas diferencias podrían estar relacionadas a factores socioeconómicos que determinan el acceso a la educación desde el nacimiento y reproducen las estructuras sociales y económicas que han mantenido la desigualdad en el tiempo en Chile (Espinoza et al., 2022). Así como también a las autopercepciones positivas que han construido estudiantes PACE para compensar con creatividad y persistencia autopercepciones negativas (Ávila Reyes et al., 2021). Un ejemplo de ello fue que el RA universitario no presentó diferencias entre ambos grupos durante el primer año y medio de estudios. Por lo que, potenciar políticas de acción afirmativas como el programa PACE que favorecen el acceso de estudiantes talentosos que provienen de los establecimientos de mayor vulnerabilidad del país, es una medida que aporta a acortar las brechas de desigualdad. Se debe seguir trabajando en vías de acceso alternativo que reduzcan la discriminación de los estudiantes en función de su origen social. Por otra parte, se encontraron diferencias entre varones y mujeres tanto en recursos psicológicos (personalidad, autoeficacia, motivación intrínseca) como en la prueba de Selectividad y RA en educación superior. Estos hallazgos contribuyen con información empírica sobre perfiles de estudiantes en contexto chileno y cómo esta información puede aportar al debate de la igualdad de género en contextos universitarios. Resulta relevante el aumento en la matrícula de mujeres en educación 207 superior, que pese a tener un mejor NEM, mayor RA en el primer año y medio universitario, mayor responsabilidad, no aseguran que tengan una mejor permanencia que los varones, donde no se registran diferencias según el sexo. Es responsabilidad de las instituciones de educación superior generar las oportunidades para que todas y todos los estudiantes tengan las mismas posibilidades. Será necesario apoyar a quienes presentan menor RA académico el primer semestre, así como también a quienes ingresaron por vía PACE tras cursar un 1 año y medio, ya que contarán con mayor riesgo de no permanecer en la educación superior. Finalmente se puede decir que estos resultados aportan a la literatura sobre qué factores personales pueden afectar el RA y permanencia en educación superior. Pero quedará pendiente enfocarnos en el ¿cómo? Aportar con intervenciones efectivas preventivas que apoyen una trayectoria educativa exitosa. 208 REFERENCIAS Adekitan, A. I., y Noma-Osaghae, E. (2019). Data mining approach to predicting the performance of first year student in a university using the admission requirements. Education and Information Technologies, 24(2), 1527-1543. https://doi.org/10.1007/s10639-018-9839-7 Aedo, R. (2017). Efectos de la intervención del programa nacional de acceso inclusivo en el sentido de autoeficacia académica en estudiantes de cuarto medio de liceos en contexto de vulnerabilidad de la novena región de Chile. Congresos CLABES. https://revistas.utp.ac.pa/index.php/clabes/article/view/1655 Aina, C., Baici, E., Casalone, G., y Pastore, F. (2022). The determinants of university dropout: A review of the socio-economic literature. Socio-Economic Planning Sciences, 79, 101102. https://doi.org/10.1016/j.seps.2021.101102 Alarcon, G. M., y Edwards, J. M. (2013). Ability and motivation: Assessing individual factors that contribute to university retention. Journal of Educational Psychology, 105(1), 129-137. https://doi.org/10.1037/a0028496 Al Darwish, S. (2016). The Role of Socioeconomic Factor in Promoting Higher Education in the State of Kuwait. International Education Studies, 9(6), 1-14. Alghamdi, A., Karpinski, A. C., Lepp, A., y Barkley, J. (2020). Online and face-to-face classroom multitasking and academic performance: Moderated mediation with self- efficacy for self-regulated learning and gender. Computers in Human Behavior, 102, 214-222. https://doi.org/10.1016/j.chb.2019.08.018 Allensworth, E. M., y Clark, K. (2020). Los GPA de la escuela secundaria y los puntajes de ACT como predictores de la finalización de la universidad: Examen de los supuestos sobre la consistencia en las escuelas secundarias. Educational Researcher, 49(3), 198-211. https://doi.org/10.3102/0013189X20902110 Alyahyan, E., y Düştegör, D. (2020). Predicting academic success in higher education: Literature review and best practices. International Journal of Educational Technology in Higher Education, 17(1), 3. https://doi.org/10.1186/s41239-020- 0177-7 American College Health Association (2019) American College Health Association- National College Health Assessment II: Reference Group Executive Summary Spring 2019. ACHA. https://www.acha.org/ Ang, W. H. D., Shorey, S., Lopez, V., Chew, H. S. J., y Lau, Y. (2021). Generation Z undergraduate students’ resilience during the COVID-19 pandemic: A qualitative 209 study. Current Psychology. 41, 8132–8146 https://doi.org/10.1007/s12144-021- 01830-4 Arbuckle, J. L. (2019). Amos 23 [Computer Program]. Chicago: IBM SPSS. Arias-Martínez, B. A. (2008). Desarrollo de un ejemplo de análisis factorial confirmatorio con LISREL, AMOS y SAS. Metodología en la investigación sobre discapacidad: Introducción al uso de las ecuaciones estructurales. Publicaciones del INICO. Ávila Reyes, N., Navarro, F. y Tapia-Ladino, M. (2021). «My abilities were pretty mediocre»: Challenging deficit discourses in expanding higher education systems. Journal of Diversity in Higher Education. https://doi.org/10.1037/dhe0000366 Backmann, J., Weiss, M., Schippers, M. C., y Hoegl, M. (2019). Personality factors, student resiliency, and the moderating role of achievement values in study progress. Learning and Individual Differences, 72, 39-48. https://doi.org/10.1016/j.lindif.2019.04.004 Bandura, A. (1995). Self-Efficacy in Changing Societies. Cambridge University Press. Bandura, A. (1997). Self-efficacy: The exercise of control. W H Freeman/Times Books Barone, C., Schizzerotto, A., Assirelli, G., y Abbiati, G. (2019). Nudging gender desegregation: A field experiment on the causal effect of information barriers on gender inequalities in higher education. European Societies, 21(3), 356-377. https://doi.org/10.1080/14616696.2018.1442929 Barańczuk, U. (2021). The Five-Factor Model of personality and generalized self efficacy: A meta-analysis. Journal of Individual Differences, 42, 183-193. https://doi.org/10.1027/1614-0001/a000345 Barrick, M. R., y Mount, M. K. (1991). The big five personality dimensions and job performance: a meta-analysis. Personnel Psychology, 44(1), 1-26. https://doi.org/10.1111/j.1744-6570.1991.tb00688.x Barrientos-Illanes, P., Pérez-Villalobos, M. V., Vergara-Morales, J., Díaz-Mujica, A., (2021). Influence of the Perceived Autonomy Support, Self-Efficacy, and Academic Satisfaction in the Intentions of Permanence of University Students. Revista Electrónica Educare, 25(2), 90-103. https://doi.org/10.15359/ree.25-2.5 Batz-Barbarich, C., Tay, L., Kuykendall, L., y Cheung, H. K. (2018). A Meta-Analysis of Gender Differences in Subjective Well-Being: Estimating Effect Sizes and Associations with Gender Inequality. Psychological Science, 29(9), 1491-1503. https://doi.org/10.1177/0956797618774796 Behr, A., Giese, M., Kamdjou, H. D. T., y Theune, K. (2020). Dropping out of university: A literature review. Review of Education, 8(2), 614-652. https://doi.org/10.1002/rev3.3202 https://doi.org/10.1002/rev3.3202 210 Bellei, C., Cabalin, C. y Orellana, V. (2014). The 2011 Chilean student movement against neoliberal educational policies. Studies in Higher Education, 39(3), 426-440. https://doi.org/10.1080/03075079.2014.896179 Bentler, P. M., y Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3), 588-606. https://doi.org/10.1037/0033-2909.88.3.588 Bentler, P. M. (1983). Some contributions to efficient statistics in structural models: Specification and estimation of moment structures. Psychometrika, 48(4), 493-517. https://doi.org/10.1007/BF02293875 Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238-246. https://doi.org/10.1037/0033-2909.107.2.238 Bentler, P. M. (1995). EQS structural equations program manual. Multivariate Software. https://www3.nd.edu/~kyuan/courses/sem/EQS-Manual6.pdf Bergold, S., y Steinmayr, R. (2018). Personality and Intelligence Interact in the Prediction of Academic Achievement. Journal of Intelligence, 6(27) 1-18. https://doi.org/10.3390/jintelligence6020027 Bernardo, A., Esteban, M., Fernández, E., Cervero, A., Tuero, E., y Solano, P. (2016). Comparison of personal, social and academic variables related to university drop- out and persistence. Frontiers in Psychology, 7 https://doi.org/10.3389/fpsyg.2016.01610 Bernardo, A., Galve-González, C., Núñez, J. C., y Almeida, L. S. (2022). A Path Model of University Dropout Predictors: The Role of Satisfaction, the Use of Self-Regulation Learning Strategies and Students Engagement. Sustainability, 14, 1057, 1-10. https://doi.org/10.3390/su14031057 Binet, A. (1905) New methods for the diagnosis of the intellectual level of subnormals L'Annee Psychologique, 12, 191-244. Bittmann, F. (2021). When problems just bounce back: About the relation between resilience and academic success in German tertiary education. SN Social Sciences, 1:65. https://doi.org/10.1007/s43545-021-00060-6 Borzone Valdebenito, M. A. (2017). Autoeficacia y vivencias académicas en estudiantes universitarios. Acta Colombiana de Psicología, 20(1), 266-283. https://doi.org/10.14718/ACP.2017.20.1.13 Bralic, S. y Romagnoli, C. (2000). Niños y jóvenes con talentos: Una educación de calidad para todos. Dolmen Ediciones. Brewer, Margo. L., van Kessel, G., Sanderson, B., Naumann, F., Lane, M., Reubenson, A., y Carter, A. (2019). Resilience in higher education students: A scoping review. 211 Higher Education Research y Development, 38(6), 1105-1120. https://doi.org/10.1080/07294360.2019.1626810 Briones, J., y Leyton, D. (2020). Excepcionalidad meritocrática y política de acción afirmativa en la educación superior en Chile. Education Policy Analysis Archives, 28, 136-136. https://doi.org/10.14507/epaa.28.5262 Buckley, J., Letukas, L., y Wildavsky, B. (2018). Measuring Success: Testing, Grades, and the Future of College Admissions. JHU Press. Busche, K., Elks, M. L., Hanson, J. T., Jackson-Williams, L., Manuel, R. S., Parsons, W. L., Wofsy, D., y Yuan, K. (2020). The Validity of Scores From the New MCAT Exam in Predicting Student Performance: Results From a Multisite Study. Academic Medicine, 95(3), 387-395. https://doi.org/10.1097/ACM.0000000000002942 Cabanach, R. G., Gestal, A. J. S., Cervantes, R. F., y Rodríguez, C. F. (2011). Regulación emocional y burnout académico en estudiantes universitarios de Fisioterapia. Revista de investigación en educación, 9(2), 7-18. Caprara, G. V., Fida, R., Vecchione, M., Del Bove, G., Vecchio, G. M., Barbaranelli, C., y Bandura, A. (2008). Longitudinal analysis of the role of perceived self-efficacy for self-regulated learning in academic continuance and achievement. Journal of Educational Psychology, 100(3), 525-534. https://doi.org/10.1037/0022- 0663.100.3.525 Caprara, G. V., Vecchione, M., Alessandri, G., Gerbino, M., y Barbaranelli, C. (2011). The contribution of personality traits and self-efficacy beliefs to academic achievement: A longitudinal study. British Journal of Educational Psychology, 81(1), 78-96. https://doi.org/10.1348/2044-8279.002004 Carver, C. S., y Scheier, M. F. (2001). Optimism y pessimism: Implications for theory, research, and practice. American Psychological Association,. 31-51 https://doi.org/10.1037/10385-002 Casanova, J. R., Fernández-Castañón, A. C., Pérez, J. C. N., Almeida, L., y Gutiérrez, A. B. B. (2018). Factors that determine the persistence and dropout of university students. Psicothema, 30(4), 408-414. Casanova, J. R., Gómes, C. M. A., Bernardo, A. B., Núñez, J. C., y Almeida, L. S. (2021). Dimensionality and reliability of a screening instrument for students at-risk of dropping out from Higher Education. Studies in Educational Evaluation, 68, 100957. https://doi.org/10.1016/j.stueduc.2020.100957 Casanova, J. R., Gómes, A., Moreira, M. A., y Almeida, L. S. (2022). Promoting Success and Persistence in Pandemic Times: An Experience with First-Year Students. Frontiers in Psychology, 13, 815584. https://doi.org/10.3389/fpsyg.2022.815584 https://doi.org/10.1016/j.stueduc.2020.100957 212 Cassidy, S. (2012). Exploring individual differences as determining factors in student academic achievement in higher education. Studies in Higher Education, 37(7), 793-810. https://doi.org/10.1080/03075079.2010.545948 Chamorro‐Premuzic, T., y Furnham, A. (2003). Personality traits and academic examination performance. European Journal of Personality, 17(3), 237-250. https://doi.org/10.1002/per.473 Chamorro-Premuzic, T., Quiroga, M. A., y Colom, R. (2009). Intellectual competence and academic performance: A Spanish study. Learning and Individual Differences, 19(4), 486-491. https://doi.org/10.1016/j.lindif.2009.05.002 Chen, S., Xue, Y., Chen, H., Ling, H., Wu, J., y Gu, X. (2021). Making a Commitment to Your Future: Investigating the Effect of Career Exploration and Career Decision- Making Self-Efficacy on the Relationship between Career Concern and Career Commitment. Sustainability, 13(22), 12816. https://doi.org/10.3390/su132212816 Chisholm-Burns, M. A., Berg-Poppe, P., Spivey, C. A., Karges-Brown, J., y Pithan, A. (2021). Systematic review of noncognitive factors influence on health professions students’ academic performance. Advances in Health Sciences Education, 26(4), 1373-1445. https://doi.org/10.1007/s10459-021-10042-1 Chow, H. P. H. (2008). The Determinants of Life Satisfaction: High School Students in Regina. Alberta Journal of Educational Research, 54(4), 477-481 Cisternas, F. P. (2015). Análisis exploratorio de modelos de ecuaciones estructurales sobre la escala de resiliencia de Connor y Davidson (CD-RISC) en Chile y España. Salud y Sociedad, 6(3), 238-247. https://doi.org/10.22199/S07187475.2015.0003.00004 Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037//0033-2909.112.1.155 Colom, R., Escorial, S., Shih, P. C., y Privado, J. (2007). Fluid intelligence, memory span, and temperament difficulties predict academic performance of young adolescents. Personality and Individual Differences, 42(8), 1503-1514. https://doi.org/10.1016/j.paid.2006.10.023 Colom, R., (2018). Manual de Psicología Diferencial. Métodos, Modelos y Aplicaciones. Ediciones Pirámide. Connor, K., y Davidson, J. (2003). Development of a new resilience scale: The Connor- Davidson Resilience Scale (CD-RISC). Depression and anxiety, 18 (2), 76-82. https://doi.org/10.1002/da.10113 Contreras, D., Gallegos, S., y Meneses, F. (2009). Determinantes de desempeño universitario: ¿importa la habilidad relativa? Calidad en la Educación, 30, 18-48. https://doi.org/10.31619/caledu.n30.172 213 Cooper, R., Guevara, J., Rivera, M., Sanhueza, A., y Tincani, M. (2019). Evaluación de impacto del programa PACE: Dirección de Presupuestos, Ministerio de Hacienda de Chile. Costa, A., y Faria, L. (2018). Implicit Theories of Intelligence and Academic Achievement: A Meta-Analytic Review. Frontiers in Psychology, 9. https://www.frontiersin.org/articles/10.3389/fpsyg.2018.00829 Costa, P., y McCrae, R. R. (1992). Revised NEO personality inventory (NEO PI-R) and NEO five-factor inventory. Psychological Assessment Resources. Cuadra-Peralta, A., Besio, C. V., Marambio-Guzmán, K., y Henríquez, C. T. (2015). Relación entre rasgos de personalidad y rendimiento académico en estudiantes universitarios. Interciencia, 40(10), 690-695. Curran, P. J., Bollen, K. A., Paxton, P., Kirby, J., y Chen, F. (2002). The Noncentral Chi- square Distribution in Misspecified Structural Equation Models: Finite Sample Results from a Monte Carlo Simulation. Multivariate Behavioral Research, 37(1), 1- 36. https://doi.org/10.1207/S15327906MBR3701_01 Deary, I. J., Strand, S., Smith, P., y Fernandes, C. (2007). Intelligence and educational achievement. Intelligence, 35(1), 13-21. https://doi.org/10.1016/j.intell.2006.02.001 De Bolle, M., De Fruyt, F., McCrae, R. R., Löckenhoff, C. E., Costa Jr., P. T., Aguilar- Vafaie, M. E., Ahn, C., Ahn, H., Alcalay, L., Allik, J., Avdeyeva, T. V., Bratko, D., Brunner-Sciarra, M., Cain, T. R., Chan, W., Chittcharat, N., Crawford, J. T., Fehr, R., Ficková, E., … Terracciano, A. (2015). The emergence of sex differences in personality traits in early adolescence: A cross-sectional, cross-cultural study. Journal of Personality and Social Psychology, 108, 171-185. https://doi.org/10.1037/a0038497 De Feyter, T., Caers, R., Vigna, C., y Berings, D. (2012). Unraveling the impact of the Big Five personality traits on academic performance: The moderating and mediating effects of self-efficacy and academic motivation. Learning and Individual Differences, 22(4), 439-448. https://doi.org/10.1016/j.lindif.2012.03.013 De Fruyt, F., y Mervielde, I. (1996). Personality and interests as predictors of educational streaming and achievement. European Journal of Personality, 10(5), 405-425. https://doi.org/10.1002/(SICI)1099-0984(199612)10:5<405::AID- PER255>3.0.CO;2-M Del Valle, M., Díaz, A., Victoria Pérez, M., y Vergara, J. (2018). Análisis Factorial Confirmatorio Escala Autoeficacia Percibida en Situaciones Académicas (EAPESA) en Universitarios Chilenos. Revista Iberoamericana de Diagnóstico y Evaluación – e Avaliação Psicológica, 49(4), 97-106. https://doi.org/10.21865/RIDEP49.4.08ç 214 DEMRE (2022). Postulación al Departamento de Evaluación, Medición y Registro Educacional. https://demre.cl/index. DeYoung, C. G. (2010). Personality Neuroscience and the Biology of Traits. Social and Personality Psychology Compass, 4(12), 1165-1180. https://doi.org/10.1111/j.1751-9004.2010.00327.x DeYoung, C. G. (2015). Cybernetic Big Five Theory. Journal of Research in Personality, 56, 33-58. https://doi.org/10.1016/j.jrp.2014.07.004 Díaz Mújica, A., Pérez, M. V., Bernardo, A. B., Cervero, A., y González-Pienda, J. A. (2019). Affective and cognitive variables involved in structural prediction of university dropout. Psicothema, 31(4), 429-436. https://doi.org/10.7334/psicothema2019.124 Diener, E. (1994). Assessing subjective well-being: Progress and opportunities. Social Indicators Research, 31(2), 103-157. https://doi.org/10.1007/BF01207052 Digman, J. M. (1997). Higher-order factors of the Big Five. Journal of Personality and Social Psychology, 73(6), 1246-1256. http://dx.doi.org/10.1037/0022-3514.73.6.1246 Diseth, Å. (2011). Self-efficacy, goal orientations and learning strategies as mediators between preceding and subsequent academic achievement. Learning and Individual Differences, 21(2), 191-195. https://doi.org/10.1016/j.lindif.2011.01.003 DiStefano, C., y Morgan, G. B. (2014). A Comparison of Diagonal Weighted Least Squares Robust Estimation Techniques for Ordinal Data. Structural Equation Modeling: A Multidisciplinary Journal, 21(3), 425-438. https://doi.org/10.1080/10705511.2014.915373 Duffy, M. E., Twenge, J. M., y Joiner, T. E. (2019). Trends in Mood and Anxiety Symptoms and Suicide-Related Outcomes Among U.S. Undergraduates, 2007–2018: Evidence From Two National Surveys. Journal of Adolescent Health, 65(5), 590- 598. https://doi.org/10.1016/j.jadohealth.2019.04.033 Duckworth, A. L., Taxer, J. L., Eskreis-Winkler, L., Galla, B. M., y Gross, J. J. (2019). Self- Control and Academic Achievement. Annual Review of Psychology, 70(1), 373- 399. https://doi.org/10.1146/annurev-psych-010418-103230 Dweck, C. S. (1999). Self-theories. Psychology Press. Eather, N., Mavilidi, M. F., Sharp, H., y Parkes, R. (2022). Programmes targeting student retention/success and satisfaction/experience in higher education: A systematic review. Journal of Higher Education Policy and Management, 44(3), 223-239. https://doi.org/10.1080/1360080X.2021.2021600 Ebstrup, J., Eplov, L., Pisinger, C., y Jørgensen, T. (2011). Association between the Five Factor personality traits and perceived stress: Is the effect mediated by general self- https://demre.cl/index https://doi.org/10.1016/j.jrp.2014.07.004 215 efficacy? Anxiety, Stress y Coping, 24(4), 407-419. https://doi.org/10.1080/10615806.2010.540012 Eegdeman, I., Meeter, M., y Van Klaveren, C. (2018). Cognitive skills, personality traits and dropout in Dutch vocational education. Empirical Research in Vocational Education and Training, 10(11), 1-18 https://doi.org/10.1186/s40461-018-0072-9 Eisenberg, N., Duckworth, A. L., Spinrad, T. L., y Valiente, C. (2014). Conscientiousness: Origins in childhood? Developmental Psychology, 50, 1331-1349. https://doi.org/10.1037/a0030977 Elliott, K. M., y Healy, M. A. (2001). Key Factors Influencing Student Satisfaction Related to Recruitment and Retention. Journal of Marketing for Higher Education, 10(4), 1- 11. https://doi.org/10.1300/J050v10n04_01 Elosua, P., Mujika, J., Almeida, L. S., y Hermosilla, D. (2014). Procedimientos analítico- racionales en la adaptación de tests. Adaptación al español de la batería de pruebas de razonamiento. Revista Latinoamericana de Psicología, 46(2), 117-126. https://doi.org/10.1016/S0120-0534(14)70015-9 Enns, A., Eldridge, G. D., Montgomery, C., y González, V. M. (2018). Perceived stress, coping strategies, and emotional intelligence: A cross-sectional study of university students in helping disciplines. Nurse Education Today, 68, 226-231. https://doi.org/10.1016/j.nedt.2018.06.012 Espinoza, O. (2017). Acceso al sistema de educación superior en Chile. El tránsito desde un régimen de elite a uno altamente masificado y desregulado. Universidades,68(74), 7-30. Espinoza, O., González, L. E., Sandoval, L., McGinn, N., y Corradi, B. (2021). Reducing inequality in access to university in Chile: The relative contribution of cultural capital and financial aid. Higher Education, 83 (6), 1355-1370 https://doi.org/10.1007/s10734-021-00746-z Espinoza, O., González, L., Sandoval, L., Corradi, B., McGinn, N., y Vera, T. (2022). The impact of non-cognitive factors on admission to selective universities: The case of Chile. Revista Educativa 1-17. https://doi.org/10.1080/00131911.2022.2106189 Esteban, M., Bernardo, A., Tuero, E., Cervero, A., y Casanova, J. (2017). Variables influyentes en progreso académico y permanencia en la universidad. European Journal of Education and Psychology, 10(2), 75-81. https://doi.org/10.1016/j.ejeps.2017.07.003 Fan, X., y Sivo, S. A. (2007). Sensitivity of Fit Indices to Model Misspecification and Model Types. Multivariate Behavioral Research, 42(3), 509-529. https://doi.org/10.1080/00273170701382864 216 Feist, G. J. (2019). Creativity and the Big Two model of personality: Plasticity and stability. Current Opinion in Behavioral Sciences, 27, 31-35. https://doi.org/10.1016/j.cobeha.2018.07.005 Fernández-Mellizo, M. (2022). Análisis del Abandono de los estudiantes de grado en las universidades presenciales en España. Ministerio de Universidades. Ferrão, M. E., y Almeida, L. S. (2021). Persistence and Academic Expectations in Higher- Education Students. Psicothema, 33(4), 587-594. https://doi.org/10.7334/psicothema2020.68 Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th edition). SAGE Publications. Forero, C. G., Maydeu-Olivares, A., y Gallardo-Pujol, D. (2009). Factor Analysis with Ordinal Indicators: A Monte Carlo Study Comparing DWLS and ULS Estimation. Structural Equation Modeling-a Multidisciplinary Journal, 16(4), 625-641. https://doi.org/10.1080/10705510903203573 Fornés-Vives, J., Garcia-Banda, G., Frias-Navarro, D., y Rosales-Viladrich, G. (2016). Coping, stress, and personality in Spanish nursing students: A longitudinal study. Nurse Education Today, 36, 318-323. https://doi.org/10.1016/j.nedt.2015.08.011 Friedrich, T. S., y Schütz, A. (2023). Predicting School Grades: Can Conscientiousness Compensate for Intelligence? Journal of Intelligence, 11(7), Article 7. https://doi.org/10.3390/jintelligence11070146 Furnham, A., y Monsen, J. (2009). Personality traits and intelligence predict academic school grades. Learning and Individual Differences, 19(1), 28-33. https://doi.org/10.1016/j.lindif.2008.02.001 Gallegos, J., y Campos, N. (2021). Can higher education admission be more equitable? Evidence supporting the inclusion of relative ranking in the process. Economic Research-Ekonomska Istraživanja, 34(1), 2539-2554. https://doi.org/10.1080/1331677X.2020.1833745 Gao, W., Ping, S., y Liu, X. (2020). Gender differences in depression, anxiety, and stress among college students: A longitudinal study from China. Journal of Affective Disorders, 263, 292-300. https://doi.org/10.1016/j.jad.2019.11.121 Garbanzo, G. M. G. (2007). Factores asociados al rendimiento académico en estudiantes universitarios, una reflexión desde la calidad de la educación superior pública. Revista Educación, 31(1), 43-63 https://doi.org/10.15517/revedu.v31i1.1252 García-Fernández, J. M. G., Saura, C. J. I., Juan, M. V., Gonzálvez, C., y Sánchez, A. M. P. (2016). Validación de la Escala de Autoeficacia Percibida Específica de Situaciones Académicas en Chile y su Relación con las Estrategias de Aprendizaje. Revista Iberoamericana de Diagnóstico y Evaluación Psicologica, 41(1), 118-131. https://doi.org/10.3390/jintelligence11070146 217 García-Ros, R., Pérez-González, F., Cavas-Martínez, F., y Tomás, J. M. (2018). Social interaction learning strategies, motivation, first-year students’ experiences and permanence in university studies. Educational Psychology, 38(4), 451-469. https://doi.org/10.1080/01443410.2017.1394448 Gebauer, M. M., McElvany, N., Köller, O., y Schöber, C. (2021). Cross-cultural differences in academic self-efficacy and its sources across socialization contexts. Social Psychology of Education, 24(6), 1407-1432. https://doi.org/10.1007/s11218-021- 09658-3 Geiser, S. (2016). Medición y evaluación para los procesos de admisión de la educación superior: Hallazgos desde California. Pensamiento Educativo. Revista de Investigación Latinoamericana, 53(1), 1-18. https://doi.org/10.7764/PEL.53.1.2016.7 Gil-Llambías, F. J., del Valle Martin, R., Villarroel Jorquera, M., Fuentes Vega, C., (2019). Caracterización y Desempeño Académico de Estudiantes de Acceso Inclusivo PACE en Tres Universidades Chilenas. Revista latinoamericana de educación inclusiva, 13(2), 259-271. https://doi.org/10.4067/S0718-73782019000200259 Gilman, R., y Huebner, S. (2003). A review of life satisfaction research with children and adolescents. School Psychology Quarterly, 18(2), 192-205. https://doi.org/10.1521/scpq.18.2.192.21858 Gomes, M., Monteiro, V., Mata, L., Peixoto, F., Santos, N., y Sanches, C. (2019). The Academic Self-Regulation Questionnaire: A study with Portuguese elementary school children. Psicología: Reflexão e Crítica, 32(1), 8. https://doi.org/10.1186/s41155-019-0124-5 González, Á., y Dupriez, V. (2017). Acceso a las universidades selectivas en Chile: ¿pueden las estrategias institucionales de los establecimientos secundarios atenuar el peso del capital cultural? Revista Complutense de educación. https://doi.org/10.5209/rev_RCED.2017.v28.n3.51492 Gordeeva, T. O., Sychev, O. A., y Lynch, M. F. (2020). The construct validity of the russian version of the modified academic self-regulation questionnaire (SRQ-A) among elementary and middle school children. Psychology in Russia: State of the Art, 13(3), 16-34. DOI: 10.11621/pir.2020.0308 Guay, R. P., Oh, I.-S., Choi, D., Mitchell, M. S., Mount, M. K., y Shin, K. (2013). The interactive effect of conscientiousness and agreeableness on job performance dimensions in South Korea. International Journal of Selection and Assessment, 21(2), 233-238. https://doi.org/10.1111/ijsa.12033 Gutman, L., y Schoon, I. (2013). The impact of non-cognitive skills on outcomes for young people: Literature review. London England: Education Endowment Foundation. https://psycnet.apa.org/doi/10.1521/scpq.18.2.192.21858 218 Hankin, B. L., y Abramson, L. Y. (1999). Development of gender differences in depression: Description and possible explanations. Annals of Medicine, 31(6), 372-379. https://doi.org/10.3109/07853899908998794 Heggestad, E. D., y Kanfer, R. (2005). The Predictive Validity of Self-Efficacy in Training Performance: Little More Than Past Performance. Journal of Experimental Psychology: Applied, 11(2), 84–97. https://doi.org/10.1037/1076-898X.11.2.84 Hendy, N. T., y Biderman, M. D. (2019). Using bifactor model of personality to predict academic performance and dishonesty. The International Journal of Management Education, 17(2), 294-303. https://doi.org/10.1016/j.ijme.2019.05.003 Hernández, R., Fernández, C., Baptista., L. (2014) Metodología de la Investigación. McGraw Hill. Hoffait, A.-S., y Schyns, M. (2017). Early detection of university students with potential difficulties. Decision Support Systems, 101, 1-11. https://doi.org/10.1016/j.dss.2017.05.003 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 Howard, J., Gagné, M., y Bureau, J. (2017). Testing a continuum structure of self- determined motivation: A meta-analysis. Psychological Bulletin 12 (143), 1346- 1377. https://doi.org/10.1037/bul0000125 Hu, T., Zhang, D., y Wang, J. (2015). A meta-analysis of the trait resilience and mental health. Personality and Individual Differences, 76, 18-27. https://doi.org/10.1016/j.paid.2014.11.039 Hu, L., y Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55. https://doi.org/10.1080/10705519909540118 Ismail, L. (2015). Gender gap in higher education: Perspective on factors influencing enrolment in Malaysian universities: A University of Malaya sample. The Online Journal of Quality in Higher Education, 2(4), 35-45. Janke, S. (2020). Prospective effects of motivation for enrollment on well-being and motivation at university. Studies in Higher Education, 45(12), 2413-2425. https://doi.org/10.1080/03075079.2019.1612353 Jarpa-Arriagada, C. G., y Rodríguez-Garcós, C. (2021). First Generation in Chilean Higher Education: Tension between Access and Inclusion in a Segmented University System. Bulletin of Latin American Research, 40(4), 549-564. https://doi.org/10.1111/blar.13237 JASP Team (2022). JASP (Version 0.16.2) [Computer software]. https://jasp stats.org/ https://psycnet.apa.org/doi/10.1037/1076-898X.11.2.84 https://doi.org/10.1016/j.ijme.2019.05.003 https://psycnet.apa.org/doi/10.1037/bul0000125 https://doi.org/10.1016/j.paid.2014.11.039 https://jasp-stats.org/ 219 Jayanthi, S. V., Balakrishnan, S., Ching, A. L. S., Latiff, N. A. A., y Nasirudeen, A. M. A. (2014). Factors Contributing to Academic Performance of Students in a Tertiary Institution in Singapore. American Journal of Educational Research, 2(9), Art. 9. https://doi.org/10.12691/education-2-9-8 Jensen, A. R. (1980). Bias in Mental Testing. Free Press Kaufman, S. B., Reynolds, M. R., Liu, X., Kaufman, A. S., y McGrew, K. S. (2012). Are cognitive g and academic achievement g one and the same g? An exploration on the Woodcock–Johnson and Kaufman tests. Intelligence, 40(2), 123-138. https://doi.org/10.1016/j.intell.2012.01.009 Kertechian, S. K. (2018). Conscientiousness as a key to success for academic achievement among French university students enrolled in management studies. The International Journal of Management Education, 16(2), 154-165. https://doi.org/10.1016/j.ijme.2018.02.003 Komarraju, M., y Karau, S. J. (2005). The relationship between the big five personality traits and academic motivation. Personality and Individual Differences, 39(3), 557-567. https://doi.org/10.1016/j.paid.2005.02.013 Koretz, D., y Langi, M. (2018). Predicting Freshman Grade-Point Average from Test Scores: Effects of Variation Within and Between High Schools. Educational Measurement: Issues and Practice, 37(2), 9-19. https://doi.org/10.1111/emip.12173 Kröner, J., Goussios, C., Schaitz, C., Streb, J., y Sosic-Vasic, Z. (2017). The Construct Validity of the German Academic Self-regulation Questionnaire (SRQ-A) within Primary and Secondary School Children. Frontiers in Psychology, 8:1032. https://doi.org/10.3389/fpsyg.2017.01032 Larsen, M. R., Sommersel, H. B., y Larsen, M. S. (2013). Evidence on dropout phenomena at universities. Copenhagen: Danish Clearinghouse for educational research. Lee, H., Yu, S. L., Kim, M., y Koenka, A. C. (2021). Concern or comfort with social comparisons matter in undergraduate physics courses: Joint consideration of situated expectancy-value theory, mindsets, and gender. Contemporary Educational Psychology, 67, 102023. https://doi.org/10.1016/j.cedpsych.2021.102023 Lee, W. (2017). Relationships among grit, academic performance, perceived academic failure, and stress in associate degree students. Journal of Adolescence, 60(1), 148-152. https://doi.org/10.1016/j.adolescence.2017.08.006 Lemos, G. C., Abad, F. J., Almeida, L. S., y Colom, R. (2014). Past and future academic experiences are related with present scholastic achievement when intelligence is 220 controlled. Learning and Individual Differences, 32, 148-155. https://doi.org/10.1016/j.lindif.2014.01.004 Lent, R. W., Singley, D., Sheu, H.-B., Schmidt, J. A., y Schmidt, L. C. (2007). Relation of Social-Cognitive Factors to Academic Satisfaction in Engineering Students. Journal of Career Assessment, 15(1), 87-97. https://doi.org/10.1177/1069072706294518 León, O. y Montero, I. (2015) Métodos de Investigación en psicología y educación las tradiciones cuantitativa y cualitativas. McGraw-Hill. Leyton, D. (2022). Neoliberalising working-class subjectification through affirmative action policies: Managerial leadership and ontological coaching in higher education. Journal of Education Policy, 37(3), 358-378. https://doi.org/10.1080/02680939.2020.1819569 Limura, S., y Taku, K. (2018). Gender differences in relationship between resilience and big five personality traits in Japanese adolescents. Psychological Reports, 121, 920-931. https://doi.org/10.1177/0033294117741654 Liu, S., Lithopoulos, A., Zhang, C.-Q., Garcia-Barrera, M. A., y Rhodes, R. E. (2021). Personality and perceived stress during COVID-19 pandemic: Testing the mediating role of perceived threat and efficacy. Personality and Individual Differences, 168, 110351. https://doi.org/10.1016/j.paid.2020.110351 Liu, Y. (2015). The longitudinal relationship between Chinese high school students’ academic stress and academic motivation. Learning and Individual Differences, 38, 123-126. https://doi.org/10.1016/j.lindif.2015.02.002 López, M (2012). Democratización de la Educación Superior: Una estrategia para el desarrollo socioeconómico. Revista Gestión y Región, 14, 39-62. López-Roldán, P., y Fachelli, S. (2016). Metodología de la investigación social cuantitativa, Edición digital: http://ddd.uab.cat/record/129382 Luo, D., Thompson, L. A., y Detterman, D. K. (2006). The criterion validity of tasks of basic cognitive processes. Intelligence, 34(1), 79-120. https://doi.org/10.1016/j.intell.2004.12.003 Mackintosh, N. (2011). IQ and human intelligence. Oxford University Press. Mammadov, S. (2022). Big Five personality traits and academic performance: A meta- analysis. Journal of Personality, 90(2), 222-255. https://doi.org/10.1111/jopy.12663 Marchiondo, K., Marchiondo, L. A., y Lasiter, S. (2010). Faculty Incivility: Effects on Program Satisfaction of BSN Students. Journal of Nursing Education, 49(11), 608- 614. http://dx.doi.org/10.3928/01484834-20100524-05 Mardia, K. V. (1970). Measures of Multivariate Skewness and Kurtosis with Applications. Biometrika, 57(3), 519-530. https://doi.org/10.2307/2334770 221 Mardones, J. G., y Campos-Requena, N. (2021). Can higher education admission be more equitable? Evidence supporting the inclusion of relative ranking in the process. Economic Research-Ekonomska Istraživanja, 34(1), 2539-2554. https://doi.org/10.1080/1331677X.2020.1833745 Maslach, C., y Jackson, S. E. (1981). The measurement of experienced burnout. Journal of Organizational Behavior, 2(2), 99-113. https://doi.org/10.1002/job.4030020205 Masutha, M. (2022). Highs, Lows and Turning Points in Marginalised Transitions and Experiences of Noncompletion amongst Pushed Dropouts in South African Higher Education. Education Sciences, 12(9) 608 https://doi.org/10.3390/educsci12090608 Maulana, R., Helms-Lorenz, M., Irnidayanti, Y., y van de Grift, W. (2016). Autonomous Motivation in the Indonesian Classroom: Relationship with Teacher Support Through the Lens of Self-Determination Theory. The Asia-Pacific Education Researcher, 25(3), 441-451. https://doi.org/10.1007/s40299-016-0282-5 McAdams, D. P., y Pals, J. L. (2006). A new Big Five: Fundamental principles for an integrative science of personality. American Psychologist, 61, 204-217. https://doi.org/10.1037/0003-066X.61.3.204 Medrano, L., y Pérez, E. R. (2010). Adaptación de la Escala de Satisfacción Académica a la Población Universitaria de Córdoba. SUMMA Psicológica UST, 7 (2) 5-14. https://doi.org/10.18774/448x.2010.7.117 Merhi, R., Paniagua, Á. S.-E., y Descals, F. J. P. (2018). The Role of Psychological Strengths, Coping Strategies and Well-Being in the Prediction of Academic Engagement and Burnout in First-Year University Students. Acción Psicológica, 15(2), 51-68. https://doi.org/10.5944/ap.15.2.21831 Merino-Soto, C., Domínguez-Lara, S., y Fernández-Arata, M. (2017). Validación inicial de una Escala Breve de Satisfacción con los Estudios en estudiantes universitarios de Lima. Educación Médica, 18(1), 74-77. https://doi.org/10.1016/j.edumed.2016.06.016 Milojevich, H. M., y Lukowski, A. F. (2016). Sleep and Mental Health in Undergraduate Students with Generally Healthy Sleep Habits. Plos one, 11(6), e0156372. https://doi.org/10.1371/journal.pone.0156372 MINEDUC (2022) Programa de Acceso a la Educación Superior (PACE). https://acceso.mineduc.cl/admision-universidades-2023/portal-pace/ Ministerio de Desarrollo Social. (2018). Encuesta de caracterización socioeconómica nacional (CASEN). Ministerio de Desarrollo Social. 222 Morales-Vives, F., Camps Ribas, E., y Dueñas Rada, J. M. (2020). Predicting academic achievement in adolescents: The role of maturity, intelligence and personality. Psicothema. 32 (1) 84-91. https://doi.org/10.7334/psicothema2019.262 Morales, M., Guzmán, E., y Baeza, C. G. (2019). Rasgos de personalidad, Percepción de apoyo social y Motivación de logro como predictores del rendimiento académico en estudiantes pertenecientes a programas de inclusión y permanencia en la educación universitaria (PACE). Revista Pedagogía Universitaria y Didáctica del Derecho, 6(2), 59-80. https://doi.org/10.5354/0719-5885.2019.54680 Morales, M. A., Rojas, L. A. R., Guzmán, E. A. E. G., y Baeza, C. G. B. (2022). Estrés, autoeficacia, apoyo-social y personalidad en estudiantes del Programa de Acceso y Acompañamiento Efectivo a la Educación Superior. Revista Educación,46 (1), 336-350. https://doi.org/10.15517/revedu.v46i1.45585 Morgeson, F. P., Reider, M. H., y Campion, M. A. (2005). Selecting Individuals in Team Settings: The Importance of Social Skills, Personality Characteristics, and Teamwork Knowledge. Personnel Psychology, 58(3), 583-611. https://doi.org/10.1111/j.1744-6570.2005.655.x Mostert, K., y Pienaar, J. (2020). The moderating effect of social support on the relationship between burnout, intention to drop out, and satisfaction with studies of first-year university students. Journal of Psychology in Africa, 30(3), 197-202. https://doi.org/10.1080/14330237.2020.1767928 Musek, J. (2007). A general factor of personality: Evidence for the Big One in the five-factor model. Journal of Research in Personality, 41(6), 1213-1233. https://doi.org/10.1016/j.jrp.2007.02.003 Musek, J. (2017). The General Factor of Personality: Ten Years After. Psychological Topics, 26(1), 61-87. Navarro-González, D., Vigil-Colet, A., Ferrando, P. J., y Lorenzo-Seva, U. (2019). Psychological Test Toolbox: a new tool to compute factor analysis controlling response bias. Journal of Statistical Software, 91(1), 1-21. https://doi: 10.18637/jss.v091.i06 Novoa, C., y Barra, E. (2015). Influence of perceived social support and personality factors in vital satisfaction of university students. Terapia psicológica, 33(3), https://doi.org/10.4067/S0718-48082015000300007 Obrentz, S. B. (2012). Predictors of science success: The impact of motivation and learning strategies on college chemistry performance [Ph.D., Georgia State University]. ProQuest Dissertations and Theses. https://www.proquest.com/docview/926827403/abstract/742EA16F9D6B4B2EPQ/ 1 223 Organización para la cooperación económica y el desarrollo (OCDE, 2013), Education at a Glance 2013: OECD Indicators, OECD Publishing, Paris, https://doi.org/10.1787/eag-2013-en. Organización para la cooperación económica y el desarrollo (OCDE, 2015). PISA 2015 results (Volume I): Excellence and equity in education. PISA, OECD Publishing, Paris. https://doi.org/10.1787/eag-2015-en. Organización para la cooperación económica y el desarrollo (OCDE, 2016). Resultados PISA 2015 (Volumen I): Excelencia y equidad en la educación . Publicaciones de la OCDE. https://doi.org/10.1787/9789264266490-graph70-es Organización para la cooperación económica y el desarrollo (OCDE, 2018), Educación en Chile, Revisión de Políticas Nacionales de Educación, OECD Publishing, Paris/Fundación SM, https://doi.org/10.1787/9789264288720-es. Organización para la cooperación económica y el desarrollo (OCDE, 2019), Education at a Glance 2019: OECD Indicators, OECD Publishing, Paris, https://doi.org/10.1787/f8d7880d-en. Oga-Baldwin, W. L. Q., y Fryer, L. K. (2020). Girls show better quality motivation to learn languages than boys: Latent profiles and their gender differences. Heliyon, 6(5), e04054. https://doi.org/10.1016/j.heliyon.2020.e04054 Oshio, A., Taku, K., Hirano, M., y Saeed, G. (2018). Resilience and Big Five personality traits: A meta-analysis. Personality and Individual Differences, 127, 54-60. https://doi.org/10.1016/j.paid.2018.01.048 Pajares, F. (2007). Motivation and Self-Regulated Learning: Motivational Role of Self- Efficacy Beliefs in Self-Regulated Learning. Routledge. Palenzuela, D. L. (1983). Construcción y validación de una escala de autoeficacia percibida específica de situaciones académicas. Análisis y modificación de conducta, 9(21), 185-219. Papageorgiou, E., y Callaghan, C. W. (2018). Personality and adjustment in South African higher education accounting studies. South African Journal of Accounting Research, 32(2-3), 189-204. https://doi.org/10.1080/10291954.2018.1442649 Patall, E. A., Steingut, R. R., Freeman, J. L., Pituch, K. A., y Vasquez, A. C. (2018). Gender disparities in students’ motivational experiences in high school science classrooms. Science Education, 102(5), 951-977. https://doi.org/10.1002/sce.21461 Pascoe, M. C., Hetrick, S. E., y Parker, A. G. (2020). The impact of stress on students in secondary school and higher education. International Journal of Adolescence and Youth, 25(1), 104-112. https://doi.org/10.1080/02673843.2019.1596823 Paulus, L., Spinath, F. M., y Hahn, E. (2021). How do educational inequalities develop? The role of socioeconomic status, cognitive ability, home environment, and self- https://doi.org/10.1787/eag-2013-en https://doi.org/10.1787/eag-2015-en https://doi.org/10.1787/9789264266490-graph70-en https://doi.org/10.1787/9789264288720-es https://doi.org/10.1787/f8d7880d-en 224 efficacy along the educational path. Intelligence, 86, 101528. https://doi.org/10.1016/j.intell.2021.101528 Pérez, P., McAllister, D. E., Diaz, K. G., y Ravest, J. (2021). A longitudinal study of the gender gap in mathematics achievement: Evidence from Chile. Educational Studies in Mathematics, 107(3), 583-605. https://doi.org/10.1007/s10649-021-10052-1 Pérez, C., Parra, P., Fasce, E., Ortiz, L., y Bastías, N. (2012). Estructura Factorial y Confiabilidad del Inventario de Burnout de Maslach en Universitarios Chilenos. Revista Argentina de clínica psicológica, 21(3), 255-264. Poropat, A. E. (2009). A meta-analysis of the five-factor model of personality and academic performance. Psychological Bulletin, 135(2), 322-338. https://doi.org/10.1037/a0014996 Price, R. A. (2022). A review of resilience in higher education: Toward the emerging concept of designer resilience. Studies in Higher Education, 1-17. https://doi.org/10.1080/03075079.2022.2112027 Prince-Embury, S., Saklofske, D. H., y Nordstokke, D. W. (2017). The Resiliency Scale for Young Adults. Journal of Psychoeducational Assessment, 35(3), 276-290. https://doi.org/10.1177/0734282916641866 Priulla, A., D’Angelo, N., y Attanasio, M. (2021). An analysis of Italian university students’ performance through segmented regression models: Gender differences in STEM courses. Genus, 77(1), 11. https://doi.org/10.1186/s41118-021-00118-6 Programa de las Naciones Unidas para el Desarrollo. (2017). Desiguales. Orígenes, cambios y desafíos de la brecha social en Chile. PNUD. Putwain, D., Sander, P., y Larkin, D. (2013). Academic self-efficacy in study-related skills and behaviours: Relations with learning-related emotions and academic success. British Journal of Educational Psychology, 83(4), 633-650. https://doi.org/10.1111/j.2044-8279.2012.02084.x Richardson, M., Abraham, C., y Bond, R. (2012). Psychological correlates of university students’ academic performance: A systematic review and meta-analysis. Psychological Bulletin, 138(2), 353-387. https://doi.org/10.1037/a0026838 Rimfeld, K., Kovas, Y., Dale, P. S., y Plomin, R. (2016). True grit and genetics: Predicting academic achievement from personality. Journal of Personality and Social Psychology, 111(5), 780-789. https://doi.org/10.1037/pspp0000089 Rivera, G. J., Kitchen, J. A., y Cole, D. (2022). Program Staff as Facilitators of Academic Self–Efficacy, Academic Behavioral Change, and Achievement among Low– income, First–Generation, and Minoritized Students. Journal of Student Affairs Research and Practice, 1-18. https://doi.org/10.1080/19496591.2022.2042007 225 Robayo-Tamayo, M., Blanco-Donoso, L. M., Román, F. J., Carmona-Cobo, I., Moreno- Jiménez, B. y Garrosa, E. (2020). Academic engagement: A diary study on the mediating role of academic support. Learning and Individual Differences, 80, 101887. https://doi.org/10.1016/j.lindif.2020.101887 Rodríguez Garcés, C., y Jarpa Arriagada, C. G. (2015). Capacidad predictiva de las notas en enseñanza media sobre el rendimiento en pruebas de selección universitaria: El caso chileno. Aula Abierta, 43(2), 61-68. https://doi.org/10.1016/j.aula.2015.03.002 Rodríguez, M., Privado, J., Escorial, S., y J. Román, F. (2022). Validación de la Escala de Evaluación General de la Personalidad (OPERAS) en Estudiantes Universitarios Chilenos. Revista Iberoamericana de Diagnóstico y Evaluación – e Avaliação Psicológica, 64(3), 41-55. https://doi.org/10.21865/RIDEP64.3.04 Roick, J., y Ringeisen, T. (2017). Self-efficacy, test anxiety, and academic success: A longitudinal validation. International Journal of Educational Research, 83, 84-93. https://doi.org/10.1016/j.ijer.2016.12.006 Rosander, P., Bäckström, M., y Stenberg, G. (2011). Personality traits and general intelligence as predictors of academic performance: A structural equation modelling approach. Learning and Individual Differences, 21(5), 590-596. https://doi.org/10.1016/j.lindif.2011.04.004 Roser, M., y Ortiz-Ospina, E. (2020). Tertiary Education. Our World in Data. https://ourworldindata.org/tertiary-education Roth, B., Becker, N., Romeyke, S., Schäfer, S., Domnick, F. y Spinath, F. M. (2015). Intelligence and school grades: A meta-analysis. Intelligence, 53, 118-137. https://doi.org/10.1016/j.intell.2015.09.002 Rowell, L., y Hong, E. (2013). Academic Motivation: Concepts, Strategies, and Counseling Approaches. Professional School Counseling, 16(3). https://doi.org/10.1177/2156759X1701600301 Rump, M., Esdar, W., y Wild, E. (2017). Individual differences in the effects of academic motivation on higher education students’ intention to drop out. European Journal of Higher Education, 7(4), 341-355. https://doi.org/10.1080/21568235.2017.1357481 Ryan, R. M., y Connell, J. P. (1989). Perceived locus of causality and internalization: Examining reasons for acting in two domains. Journal of Personality and Social Psychology, 57(5), 749-761. https://doi.org/10.1037/0022-3514.57.5.749 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. https://doi.org/10.1037/0003-066X.55.1.68 https://psycnet.apa.org/doi/10.1037/0003-066X.55.1.68 226 Ryan, R. M., y Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemporary Educational Psychology, 61, 101860. https://doi.org/10.1016/j.cedpsych.2020.101860 Saadat, Z., Alam, S., y Rehman, M. (2022). Review of factors affecting gender disparity in higher education. Cogent Social Sciences, 8(1), 2076794. https://doi.org/10.1080/23311886.2022.2076794 Saklofske, D. H., Austin, E. J., Mastoras, S. M., Beaton, L., y Osborne, S. E. (2012). Relationships of personality, affect, emotional intelligence and coping with student stress and academic success: Different patterns of association for stress and success. Learning and Individual Differences, 22(2), 251-257. https://doi.org/10.1016/j.lindif.2011.02.010 Salazar, M. y Rifo, M. (2020). Bajo el péndulo de la historia: Cinco décadas de masificación y reforma en la educación superior chilena (1967-2019. Economía y Política, 7(1), 27-61. Saleh, D., Camart, N., y Romo, L. (2017). Predictors of Stress in College Students. Frontiers in Psychology, 8. https://doi.org/10.3389/fpsyg.2017.00019 Santelices, M. V., Horn, C. y Catalán, X. (2019). Institution-level admissions initiatives in Chile: Enhancing equity in higher education? Studies in Higher Education, 44(4), 733-761. https://doi.org/10.1080/03075079.2017.1398722 Santiago, C., y Rosado, J. (2019). Factores asociados al dolor cervical en estudiantes del nivel secundaria de una institución educativa estatal, Lima—Perú. Horizonte Médico, 19(3), 6-11. https://doi.org/10.24265/horizmed.2019.v19n3.02 Sarra, A., Fontanella, L., y Di Zio, S. (2019). Identifying Students at Risk of Academic Failure Within the Educational Data Mining Framework. Social Indicators Research, 146(1), 41-60. https://doi.org/10.1007/s11205-018-1901-8 Schaeper, H. (2020). The first year in higher education: The role of individual factors and the learning environment for academic integration. Higher Education, 79(1), 95- 110. https://doi.org/10.1007/s10734-019-00398-0 Schaufeli, W. B., Martínez, I. M., Pinto, A. M., Salanova, M., y Bakker, A. B. (2002). Burnout and Engagement in University Students: A Cross-National Study. Journal of Cross- Cultural Psychology, 33(5), 464-481. https://doi.org/10.1177/0022022102033005003 Schmitt, D. P., Long, A. E., McPhearson, A., O’Brien, K., Remmert, B., y Shah, S. H. (2017). Personality and gender differences in global perspective. International Journal of Psychology, 52(S1), 45-56. https://doi.org/10.1002/ijop.12265 https://doi.org/10.3389/fpsyg.2017.00019 https://doi.org/10.1177/0022022102033005003 227 Schneider, W. J. y McGrew, K. S. (2012). The Cattell-Horn-Carroll model of intelligence. En Contemporary intellectual assessment: Theories, tests, and issues, 3rd ed (pp. 99-144). The Guilford Press. Schürmann, L., y Quaiser-Pohl, C. (2022). Out-of-school learning levels prior achievement and gender differences in secondary school students’ motivation. International Journal of Educational Research Open, 3, 100158. https://doi.org/10.1016/j.ijedro.2022.100158 Serrano, C. (2021). Estudio sobre las relaciones entre los Cinco Grandes, optimismo, inteligencia emocional y afrontamiento y el ajuste emocional y éxito académico del adolescente. [Tesis doctoral, Universidad de Valencia]. Roderic. https://roderic.uv.es/handle/10550/79388 Sharififard, F., Asayesh, H, Haji Mohammad, y Sepahvandi, M. (2020). Motivation, self- efficacy, stress, and academic performance correlation with academic burnout among nursing students. Journal of Nursing and Midwifery Sciences, 7 (2)88-93. Shea, C. M., y Howell, J. M. (2000). Efficacy-performance spirals: An empirical test. Journal of Management, 26(4), 791-812. https://doi.org/10.1016/S0149-2063(00)00056-8 Shek, D. T. L., y Chai, W. (2020). The Impact of Positive Youth Development Attributes and Life Satisfaction on Academic Well-Being: A Longitudinal Mediation Study. Frontiers in Psychology, 11. https://www.frontiersin.org/article/10.3389/fpsyg.2020.02126 Shek, D. T. L., y Li, X. (2016). Perceived School Performance, Life Satisfaction, and Hopelessness: A 4-Year Longitudinal Study of Adolescents in Hong Kong. Social Indicators Research, 126(2), 921-934. https://doi.org/10.1007/s11205-015-0904-y Servicio de Información de Educación Superior (SIES, 2014). Informe Matrícula 2014 de Educación Superior. Servicio de Información de Educación Superior (SIES, 2017). Informe Matrícula 2017 en Educación Superior. Servicio de Información de Educación Superior (SIES, 2020) Informe 2020 Retención de 1º año de Pregrado Cohortes 2016-20219. Servicio de Información de Educación Superior (SIES, 2021a). Informe de Acceso a la Educación Superior en Chile. Septiembre 2021. Servicio de Información de Educación Superior (SIES, 2021b). Brechas de género en Educación Superior 2020. Febrero 2021. Servicio de Información de Educación Superior (SIES, 2022). Informe de Acceso a la Educación Superior en Chile. Julio 2022. Simonelli-Muñoz, A. J., Balanza, S., Rivera-Caravaca, J. M., Vera-Catalán, T., Lorente, A. M., y Gallego-Gómez, J. I. (2018). Reliability and validity of the student stress 228 inventory-stress manifestations questionnaire and its association with personal and academic factors in university students. Nurse Education Today, 64, 156-160. https://doi.org/10.1016/j.nedt.2018.02.019 Slade, T., Johnston, A., Oakley Browne, M. A., Andrews, G., y Whiteford, H. (2009). 2007 National Survey of Mental Health and Wellbeing: Methods and Key Findings. Australian & New Zealand Journal of Psychiatry, 43(7), 594-605. https://doi.org/10.1080/00048670902970882 Solberg Nes, L., Evans, D. R., y Segerstrom, S. C. (2009). Optimism and college retention: Mediation by motivation, performance, and adjustment1. Journal of Applied Social Psychology, 39(8), 1887-1912. https://doi.org/10.1111/j.1559-1816.2009.00508.x Southwick, S. M., y Charney, D. S. (2018). Resilience: The Science of Mastering Life’s Greatest Challenges. Cambridge University Press. Stajkovic, A. D., Bandura, A., Locke, E. A., Lee, D., y Sergent, K. (2018). Test of three conceptual models of influence of the big five personality traits and self-efficacy on academic performance: A meta-analytic path-analysis. Personality and Individual Differences, 120, 238-245. https://doi.org/10.1016/j.paid.2017.08.014 Steiger, J. H. (1990). Structural Model Evaluation and Modification: An Interval Estimation Approach. Multivariate Behavioral Research, 25(2), 173-180. https://doi.org/10.1207/s15327906mbr2502_4 Suldo, S. M., Shaffer, E. J., y Riley, K. N. (2008). A social-cognitive-behavioral model of academic predictors of adolescents’ life satisfaction. School Psychology Quarterly, 23(1), 56-69. https://doi.org/10.1037/1045-3830.23.1.56 Talsma, K., Schüz, B., Schwarzer, R., y Norris, K. (2018). I believe, therefore I achieve (and vice versa): A meta-analytic cross-lagged panel analysis of self-efficacy and academic performance. Learning and Individual Differences, 61, 136-150. https://doi.org/10.1016/j.lindif.2017.11.015 Tapasco-Alzate, O. A., Ruiz-Ortega, F. J., Osorio-García, D., y Ramírez-Ramírez, D. (2021). El historial académico de secundaria como factor predictor del rendimiento universitario. Caso de estudio. Revista Colombiana de Educación, 1(81), 147-170. https://doi.org/10.17227/rce.num81-7530 Taylor, G., Jungert, T., Mageau, G. A., Schattke, K., Dedic, H., Rosenfield, S., y Koestner, R. (2014). A self-determination theory approach to predicting school achievement over time: The unique role of intrinsic motivation. Contemporary Educational Psychology, 39(4), 342-358. https://doi.org/10.1016/j.cedpsych.2014.08.002 Tinto, V. (2006). Research and Practice of Student Retention: What Next? Journal of College Student Retention, 8(1), 1-19. https://doi.org/10.2190/4YNU-4TMB-22DJ- AN4W 229 Tinto, V. (2010). Higher Education: Handbook of Theory and Research. Springer. https://doi.org/10.1007/978-90-481-8598-6_2 Torres-Salazar, C., Moreta-Herrera, R., Ramos-Ramírez, M., y López-Castro, J. (2020). Sesgo Cognitivo de Optimismo y Percepción de Bienestar en una Muestra de Universitarios Ecuatorianos. Revista Colombiana de Psicología, 29(1), 61-72. https://doi.org/10.15446/.v29n1.75853 Tucker, L. R., y Lewis, C. (1973). A reliability coefficient for maximum likelihood factor analysis. Psychometrika, 38(1), 1-10. https://doi.org/10.1007/BF02291170 Turner, M., Scott-Young, C. M., y Holdsworth, S. (2017). Promoting wellbeing at university: The role of resilience for students of the built environment. Construction Management and Economics, 35(11-12), 707-718. https://doi.org/10.1080/01446193.2017.1353698 Van Breda, A. (2018). A critical review of resilience theory and its relevance for social work. Social Work/Maatskaplike Werk, 54(1), Art. 1. https://doi.org/10.15270/54-1-611 Van der Linden, D., Dunkel, C. S., De Zeeuw, E. J., Wu, P., y Pelt, D. H. M. (2022). The General Factor of Personality (GFP) and Vocational Interests: A Test of Social Effectiveness at the Behavioral and Genetic Level. Journal of Business and Psychology, 37(5), 1017-1038. https://doi.org/10.1007/s10869-021-09779-8 Van der Linden, D., Pekaar, K. A., Bakker, A. B., Schermer, J. A., Vernon, P. A., Dunkel, C. S., y Petrides, K. V. (2017). Overlap between the general factor of personality and emotional intelligence: A meta-analysis. Psychological Bulletin, 143(1), 36-52. http://dx.doi.org/10.1037/bul0000078 Vancouver, J. B., Thompson, C. M., Tischner, E. C., y Putka, D. J. (2002). Two studies examining the negative effect of self-efficacy on performance. Journal of Applied Psychology, 87(3), 506-516. https://doi.org/10.1037/0021-9010.87.3.506 Vansteenkiste, M., Sierens, E., Soenens, B., Luyckx, K., y Lens, W. (2009). Motivational Profiles From a Self-Determination Perspective: The Quality of Motivation Matters. Journal of Educational Psychology, 101(3), 671-688. https://doi.org/10.1037/a0015083 Vedel, A. (2014). The Big Five and tertiary academic performance: A systematic review and meta-analysis. Personality and Individual Differences, 71, 66-76. https://doi.org/10.1016/j.paid.2014.07.011 Vergara-Morales, J. (2018) Influencia de factores motivacionales docentes en la satisfacción y desempeño académico de estudiantes universitarios. [Tesis doctoral, Universidad de Concepción, Chile] https://repositorio.anid.cl/entities/tesis/4c961f73-cc45-438f-8a41-0b046212e4d7 230 Vergara-Morales, J., Del Valle, M., Díaz, A., Matos, L., y Pérez, M.-V. (2019). Motivational profiles related to the academic satisfaction of university students. Anales de Psicología, 35(3), 464-471. https://doi.org/10.6018/analesps.35.3.320441 Vergara-Morales, J., Rodríguez-Vera, M., y Valle, M. D. (2022). Evaluación de las propiedades psicométricas del Cuestionario de Autorregulación Académica (SRQ- A) en estudiantes universitarios chilenos. Ciencias Psicológicas, 16 (2) e-2837. https://doi.org/10.22235/cp.v16i2.2837 Vigil-Colet, A., Morales-Vives, F., y Camps, E. (2013). Development and validation of the Overall Personality Assessment Scale (OPERAS). Psicothema, 25 (1), 100-106. https://doi.org/10.7334/psicothema2011.411 Von Hippel, P. T., y Hofflinger, A. (2021). The data revolution comes to higher education: Identifying students at risk of dropout in Chile. Journal of Higher Education Policy and Management, 43(1), 2-23. https://doi.org/10.1080/1360080X.2020.1739800 Wagnild, G. M., y Young, H. M. (1993). Development and psychometric evaluation of the Resilience Scale. Journal of Nursing Measurement, 1(2), 165-178. Wang, M. C., Haertel, G. D., y Walberg, H. J. (1993). Toward a Knowledge Base for School Learning. Review of Educational Research, 63(3), 249-294. https://doi.org/10.3102/00346543063003249 Weisberg, Y., DeYoung, C. y Hirsh, J. (2011). Gender Differences in Personality across the Ten Aspects of the Big Five. Frontiers in Psychology, 2. https://www.frontiersin.org/articles/10.3389/fpsyg.2011.00178 Weissberg, R. P., Durlak, J. A., Domitrovich, C. E., y Gullotta, T. P. (Eds.). (2015). Social and emotional learning: Past, present, and future. En Handbook of social and emotional learning: Research and practice. The Guilford Press. West, S. G., Finch, J. F., y Curran, P. J. (1995). Structural equation models with nonnormal variables: Problems and remedies. Sage Publications, Inc. Westrick, P. A., Le, H., Robbins, S. B., Radunzel, J. M. R. y Schmidt, F. L. (2015). College Performance and Retention: A Meta-Analysis of the Predictive Validities of ACT® Scores, High School Grades, and SES. Educational Assessment, 20(1), 23-45. https://doi.org/10.1080/10627197.2015.997614 Westrick, P. A., Schmidt, F. L., Le, H., Robbins, S. B. y Radunzel, J. M. (2021). The Road to Retention Passes through First Year Academic Performance: A Meta-Analytic Path Analysis of Academic Performance and Persistence. Educational Assessment, 26(1), 35-51. https://doi.org/10.1080/10627197.2020.1848423 Wild, S., y Schulze Heuling, L. (2020). Student dropout and retention: An event history analysis among students in cooperative higher education. International Journal of Educational Research, 104, 101687. https://doi.org/10.1016/j.ijer.2020.101687 231 Wilkins-Yel, K. G., Roach, C. M. L., Tracey, T. J. G., y Yel, N. (2018). The effects of career adaptability on intended academic persistence: The mediating role of academic satisfaction. Journal of Vocational Behavior, 108, 67-77. https://doi.org/10.1016/j.jvb.2018.06.006 Wilson, C. A., Babcock, S. E., y Saklofske, D. H. (2019). Sinking or Swimming in an Academic Pool: A Study of Resiliency and Student Success in First-Year Undergraduates. Canadian Journal of Higher Education, 49(1), 60-84. https://doi.org/10.7202/1060824ar Woodfield, R., y Earl‐Novell, S. (2006). An assessment of the extent to which subject variation between the Arts and Sciences in relation to the award of a First Class degree can explain the ‘gender gap’ in UK universities. British Journal of Sociology of Education, 27(3), 355-372. https://doi.org/10.1080/01425690600750569 Wolf, M. B., y Ackerman, P. L. (2005). Extraversion and intelligence: A meta-analytic investigation. Personality and Individual Differences, 39(3), 531-542. https://doi.org/10.1016/j.paid.2005.02.020 Wolfram, T. (2023). (Not just) Intelligence stratifies the occupational hierarchy: Ranking 360 professions by IQ and non-cognitive traits. Intelligence, 98, 101755. https://doi.org/10.1016/j.intell.2023.101755 Wu, P., van der Linden, D., Dunkel, C. S., Ding, R., Li, J., Li, X., Harmon, A., y Born, M. Ph. (2021). A meta-analysis on the general factor of personality and its relation with leadership outcomes: Evidence from mainland China. Personality and Individual Differences, 179, 110953. https://doi.org/10.1016/j.paid.2021.110953 Xiao, B., y Song, G. (2022). Association between Self-Efficacy and Learning Conformity among Chinese University Students: Differences by Gender. Sustainability, 14(14), Art. 14. https://doi.org/10.3390/su14148725 Zaboski, B. A., Kranzler, J. H. y Gage, N. A. (2018). Meta-analysis of the relationship between academic achievement and broad abilities of the Cattell-horn-Carroll theory. Journal of School Psychology, 71, 42-56. https://doi.org/10.1016/j.jsp.2018.10.001 Zelazo, P. D., Blair, C. B., y Willoughby, M. T. (2016). Executive Function: Implications for Education. National Center for Education Research. https://eric.ed.gov/?id=ED570880 Zembrodt, I. (2021). Compromiso: Predicción de la persistencia para estudiantes de bajo nivel socioeconómico. Journal of College Student Retention: Research, Theory y Practice, 23(3), 580-606. https://doi.org/10.1177/1521025119858340 Zhang, L. (2003). Does the big five predict learning approaches? Personality and Individual Differences, 34(8), 1431-1446. https://doi.org/10.1016/S0191-8869(02)00125-3 https://doi.org/10.1016/j.intell.2023.101755 https://doi.org/10.1016/j.paid.2021.110953 232 Zhang, M., Zhang, J., Zhang, F., Zhang, L., y Feng, D. (2018). Prevalence of psychological distress and the effects of resilience and perceived social support among Chinese college students: Does gender make a difference? Psychiatry Research, 267, 409- 413. https://doi.org/10.1016/j.psychres.2018.06.038 https://doi.org/10.1016/j.psychres.2018.06.038 PORTADA AGRADECIMIENTOS INDICE DE CONTENIDO ÍNDICE DE FIGURAS ÍNDICE DE TABLAS ABREVIATURAS RESUMEN ABSTRACT INTRODUCCIÓN Figura 1. Estudiantes chilenos de pregrado matriculados en Universidades Chilenas desde 1980 a 2022. PRIMERA PARTE: FUNDAMIENTOS TEÓRICOS CAPITULO 1: EDUCACIÓN SUPERIOR EN EL CONTEXTO CHILENO Figura 2. Comparación de los resultados en la prueba de Matemáticas (años 2012 y 2018). Figura 3. Comparación de los resultados en la prueba de Lectura (años 2012 y 2018). 1.1 ACCESO REGULAR EN LA EDUCACION SUPERIOR EN CHILE 1.2 PROGRAMA DE ACOMPAÑAMIENTO Y ACCESO A LA EDUCACION SUPERIOR (PACE) CAPITULO 2: RENDIMIENTO ACADÉMICO (RA) EN EDUCACION SUPERIOR 2.1 PREDICTORES DEL RA EN LA TRAYECTORIA A LA EDUCACIÓN SUPERIOR Figura 4. Factores influyentes en la predicción del éxito académico 2.2 PERSONALIDAD EN EL RA Figura 5. Estructura del factor general de Personalidad (P). 2.3 MOTIVACIÓN EN EL RA 2.4 RESILIENCIA EN EL RA 2.5 AUTOEFICACIA EN EL RA 2.6 SATISFACCIÓN ACADÉMICA EN EL RA 2.7 ESTRÉS ACADÉMICO EN EL RA CAPITULO 3: PERMANENCIA EN EDUCACIÓN SUPERIOR 3.1 PREDICTORES DE LA PERMANENCIA EN EDUCACIÓN SUPERIOR 3.2 RA Y PERMANENCIA EN EDUCACIÓN SUPERIOR 3.3 DIFERENCIAS SOCIODEMOGRÁFICAS Y PERMANENCIA EN EDUCACIÓN SUPERIOR 3.4 PERSONALIDAD Y PERMANENCIA EN EDUCACIÓN SUPERIOR 3.5 MOTIVACIÓN Y PERMANENCIA EN EDUCACIÓN SUPERIOR 3.6 RESILIENCIA Y PERMANENCIA UNIVERSITARIA 3.7 AUTOEFICACIA Y PERMANENCIA UNIVERSITARIA 3.8 SATISFACCIÓN ACADÉMICA Y PERMANENCIA UNIVERSITARIA 3.9 ESTRÉS ACADÉMICO Y PERMANENCIA UNIVERSITARIA SEGUNDA PARTE: INVESTIGACION EMPÍRICA PROBLEMA DE INVESTIGACIÓN CAPITULO 4: OBJETIVOS E HIPÓTESIS 4.1 OBJETIVO GENERAL: 4.2 OBJETIVOS ESPECÍFICOS E HIPOTESIS Tabla 1. Objetivos específicos e hipótesis según Estudios. CAPITULO 5: METODOLOGÍA GENERAL 5.1 PARTICIPANTES Tabla 2. Distribución de estudiantes por Universidad 5.2 VARIABLES Tabla 3. Resumen de variables por estudio 5.2.1 VARIABLES PREDICTORAS E INSTRUMENTOS DE MEDIDA 5.2.2 VARIABLES CRITERIO 5.2.3 VARIABLES CONTAMINADORAS 5.3 DISEÑO Tabla 4. Diseño general de la investigación 5.4 PROCEDIMIENTO 5.5 ANÁLISIS DE DATOS CAPITULO 6: ESTUDIO PREVIO. VALIDACIÓN DE LA ESCALA DE EVALUACIÓN GENERAL DE LA PERSONALIDAD (OPERAS) EN ESTUDIANTES UNIVERSITARIOS CHILENOS. 6.1 INTRODUCCIÓN Tabla 5. Fiabilidad de los Cinco Grandes en diferentes pruebas. Tabla 6. Correlaciones de Pearson entre los Cinco Grandes y varios criterios. 6.2 MÉTODOLOGÍA 6.2.1 PARTICIPANTES 6.2.2 INSTRUMENTOS 6.2.3 PROCEDIMIENTO 6.2.4 ANÁLISIS DE DATOS 6.3 RESULTADOS 6.3.1 ANÁLISIS DESCRIPTIVOS 6.3.2 ANÁLISIS DE LA ESTRUCTURA INTERNA Tabla 7. Estadísticos descriptivos y correlación biserial-puntual (rbp) del OPERAS. Tabla 8. Análisis factorial exploratorio del OPERAS para ambas muestras. Consistencia Interna 6.3.3 EVIDENCIAS DE VALIDEZ CONVERGENTE Y DISCRIMINANTE Tabla 9. Correlaciones de Pearson entre las puntuaciones obtenidas del OPERAS y el resto de las medidas para ambas muestras. Baremos Tabla 10. Diferencia de medias en el OPERAS en función del sexo. Tabla 11. Baremos para las medidas del OPERAS. 6.4 DISCUSIÓN CAPÍTULO 7: ESTUDIO 2: RECURSOS PSICOLÓGICOS Y RENDIMIENTO ACADÉMICO PREVIO AL INGRESO A LA EDUCACIÓN SUPERIOR. 7.1 INTRODUCCIÓN 7.2 METODOLOGÍA 7.2.1 PARTICIPANTES Tabla 12. Distribución de estudiantes por Universidad en el Estudio 2. 7.2.2 DISEÑO 7.2.3 VARIABLES E INSTRUMENTOS Tabla 13. Variables predictoras estudio 2. 7.2.4 PROCEDIMIENTO 7.2.5 ANÁLISIS DE DATOS 7.3 RESULTADOS 7.3.1 ANÁLISIS DESCRIPTIVOS Tabla 14. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos de estudiantes de acceso Regular. Tabla 15. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos de estudiantes de acceso PACE. 7.3.2 VALIDEZ INTERNA DE LAS ESCALAS Tabla 16. Resumen de los indicadores de ajuste los instrumentos del estudio 2. Tabla 17. Correlación entre ítems, comunalidad y pesos factoriales de la escala de Satisfacción en estudiantes de acceso Regular. Tabla 18. Correlación entre ítems, comunalidad y pesos factoriales de la escala de Satisfacción en estudiantes de acceso PACE. 7.3.3. RELACIÓN DE RECURSOS PSICOLÓGICOS CON EL RA PREVIO Figura 6. Modelo de predicción del Rendimiento Académico (RA) previo a la entrada en la universidad de estudiantes de acceso Regular. Tabla 19. Correlaciones entre dimensiones de Personalidad, Motivación y Recursos del Modelo predictivo de RA previo en estudiantes Regular. Figura 7. Modelo de predicción del Rendimiento Académico (RA) previo a la entrada en la universidad de estudiantes de acceso PACE. Tabla 20. Correlaciones entre dimensiones de personalidad, motivación y recursos del Modelo predictivo de RA previo en estudiantes PACE. Tabla 21. Resumen de los indicadores de ajuste del modelo de predicción del RA en estudiantes Regular y PACE. Tabla 22. Comparación de medias entre estudiantes de acceso Regular y PACE en el Estudio 2. Figura 8. Diferencias significativas de los Recursos del estudiante según tipo de acceso Regular o PACE. Tabla 23. Comparación de medias entre estudiantes según el sexo en el Estudio 2. Figura 9. Diferencias significativas de los Recursos del estudiante según el sexo. 7.4 DISCUSIÓN CAPITULO 8: ESTUDIO 3: RECURSOS PSICOLÓGICOS EN EL RENDIMIENTO ACADÉMICO EN LA EDUCACIÓN SUPERIOR 8.1 INTRODUCCIÓN 8.2 METODOLOGÍA 8.2.1 PARTICIPANTES Tabla 24. Distribución de estudiantes por Universidad estudio 3. 8.2.2 DISEÑO 8.2.3 VARIABLES E INSTRUMENTOS Tabla 25. Variables predictoras estudio 3. 8.2.4 PROCEDIMIENTO 8.2.5 ANÁLISIS DE DATOS 8.3 RESULTADOS 8.3.1 ANÁLISIS DESCRIPTIVO Tabla 26. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos del Estudio 3. 8.3.2 VALIDEZ INTERNA DE LAS ESCALAS Tabla 27. Resumen de los indicadores de ajuste de las medidas del Estudio 3. Tabla 28. Correlación entre ítems, comunalidad y pesos factoriales de la escala de satisfacción del Estudio 3. 8.3.3 PREDICCIÓN DEL RA EN LA UNIVERSIDAD Figura 10. Modelo A de predicción del Rendimiento Académico (RA) durante la universidad. Tabla 29. Correlaciones entre dimensiones de personalidad, motivación y recursos del Modelo A. Tabla 30. Indicadores de ajuste de Modelos A, B y C del Estudio 3. Figura 11. Modelo B de predicción del Rendimiento Académico (RA) durante la universidad Tabla 31. Correlaciones entre factores α y β recursos psicológicos del Modelo B del Estudio 3. Figura 12. Modelo C de predicción del Rendimiento Académico (RA) durante la universidad. Tabla 32. Comparación de medias de RA entre estudiantes de acceso Regular y PACE Tabla 33. Comparación de medias de RA entre estudiantes según sexo Tabla 34. Comparación de medias de recursos psicológicos entre estudiantes tras un año de estudios 8.4 DISCUSIÓN CAPITULO 9: ESTUDIO 4: RECURSOS PERSONALES EN LA PERMANENCIA EN LA EDUCACIÓN SUPERIOR 9.1 INTRODUCCIÓN 9.2 METODOLOGÍA 9.2.1 PARTICIPANTES Tabla 35. Distribución de estudiantes por Universidad estudio 4. 9.2.2 DISEÑO 9.2.3 VARIABLES E INSTRUMENTOS Tabla 36. Variables predictoras estudio 4. 9.2.4 PROCEDIMIENTO 9.2.5 ANÁLISIS DE DATOS 9.3 RESULTADOS 9.3.1 ANÁLISIS DESCRIPTIVOS Tabla 37. Descriptivos de la variable permanencia universitaria Tabla 38. Matriz de correlación, índices de fiabilidad y estadísticos descriptivos del Estudio 4. 9.3.2 VALIDEZ INTERNA DE LAS ESCALAS Tabla 39. Resumen de los indicadores de ajuste los instrumentos del Estudio 4. Tabla 40. Correlación entre ítems, comunalidad y pesos factoriales de la escala de satisfacción del Estudio 4. 9.3.3 PREDICCIÓN DE LA PERMANENCIA ACADÉMICA Tabla 41. Variables en la ecuación de la predicción de permanencia del 1º semestre. Tabla 42. Variables en la ecuación de la predicción de permanencia del 2º semestre Tabla 43. Variables en la ecuación de la predicción de permanencia del 3º semestre. Tabla 44. Asociación entre permanencia en el 3º semestre y acceso a la universidad. 9.4 DISCUSIÓN TERCERA PARTE: DISCUSIÓN GENERAL CAPITULO 10. DISCUSIÓN GENERAL 10.1 LIMITACIONES 10.2 PROYECCIONES FUTURAS 10.3 CONCLUSIONES REFERENCIAS