Aportaciones al análisis de datos de enfoques de aprendizaje y afrontamiento de estrés académico en estudiantes universitarios desde una perspectiva multivariante

Abstract

[ES] En la actualidad la sociedad demanda personas que sean capaces de analizar, evaluar y enfrentar los problemas adecuadamente. En el contexto universitario, los enfoques de aprendizaje varían según el contexto y la situación individual. El estrés dificulta a los estudiantes cumplir los requisitos de estudio y afrontarlos adecuadamente. De aquí la importancia y el interés del estudio para realizar esta investigación, con el objetivo de evaluar y analizar los enfoques de aprendizaje y su relación con el afrontamiento de estrés académico en estudiantes universitarios de distintas culturas y países como lo son la Universidad de Salamanca en España y la Universidad de Colima en México, a través de la aplicación de distintas técnicas estadísticas multivariantes y machine learning. Cada estudiante tiene una predisposición a aprender de una determinada forma, y a utilizar un enfoque determinado. Sin embargo, utilizando las estrategias adecuadas los enfoques son más flexibles adaptándose al contexto según los objetivos a conseguir. Para recoger la información fueron utilizados el cuestionario The Revised Two-Factor Study Process Questionnaire, R-SPQ-2F de Biggs et al., (2001) y el cuestionario Coping Scale of Academic Stress Questionnaire (Cuestionario de Afrontamiento del Estrés académico A-CEA) desarrollado por Cabanach et al., (2010). El propósito de esta investigación fue encontrar modelos de clasificación para reconocer patrones del uso de los enfoques de aprendizaje. Para ello, se utilizaron métodos de Machine Learning en base a la aplicación de redes neuronales prealimentadas de una única capa oculta para la clasificación supervisada, al objeto de conocer desde un punto de vista multivariante las posibles relaciones entre los enfoques de aprendizaje y afrontamiento de estrés académico en estudiantes universitarios y poder describir las estructuras de covariación entre ambos. Este trabajo, por tanto, se centró en las herramientas estadísticas que permiten capturar las relaciones entre los constructos y obtener patrones de los estudiantes que pueden ayudar a mejorar la educación superior. Dando como resultado que los estudiantes universitarios de ambas universidades se caracterizan por tener un enfoque de aprendizaje profundo con un patrón de respuestas distinto en cada una.