A PROPOSAL FOR A STRUCTURAL EQUATION MODEL TO EXPLAIN ACADEMIC PERFORMANCE IN E-LEARNING

Authors

DOI:

https://doi.org/10.32358/rpd.2020.v6.422

Keywords:

e-learning, knowledge, motivation, digital skills, higher education

Abstract

Purpose: Present the advances of a research project whose main goal is the construction and empirical validation of a structural equations model to explain the students’ academic performance in Administration distance degree careers of the Universidad de la Defensa Nacional (Argentina). Methodology/Approach: Were selected and adapted indicators for each latent variable identified at the theorical model. For selection in some cases we resort to measurable variables in objective units and in other cases to subjective variables measurement scales validated by previous research. For adaptation, we consider the population characteristics under study and the distance education model particularly applied in the University. Findings: A measurement model formulation was obtained which, linked to the causal model proposed as a result of bibliographic background integration, allowed us to reach a complete structural equations model specification with six latent variables, five endogenous and one exogenous. Research Limitation/implication: Consider that the observed variables selected are the ones that best combine to identify the hypothesized constructs. Originality/Value of paper: Learning in virtual environments is the main endogenous latent variable of the model, explained by previous knowledge, motivation, digital skills, self-regulation and interaction processes.

Downloads

Download data is not yet available.

Author Biographies

Adrián Moneta Pizarro, Universidad de la Defensa Nacional

Licenciado en Economía y Magíster en Estadística Aplicada Universidad Nacional de Córdoba. Profesor Adjunto (Facultad de Ciencias Económicas) en Universidad Nacional de Córdoba.

Mariana González, Universidad de la Defensa Nacional

Docente-investigadora de la Facultad de Ciencias de la Administración. Universidad de la Defensa Nacional.

Carina Tofful, Universidad de la Defensa Nacional

Universidad de la Defensa Nacional. Subsecretaria de Innovación y Tecnología Educativa de laFacultad de Ciencias de la Administración.

Mercedes Arrieta, Universidad de la Defensa Nacional

Universidad de la Defensa Nacional. Jefa de la División de Pedagogía, Comunicación y Discurso de laFacultad de Ciencias de la Administración.

Valeria Britos, Universidad de la Defensa Nacional

Universidad de la Defensa Nacional. Docente-investigadora de la Facultad de Ciencias de la Administración.

References

Acock, A. (2013). Discovering Structural Equation Modeling Using Stata. College Station: Stata Press.

Ausubel, D. P., Novak, J. D. and Hanesian, H. (1983). Psicología educativa: un punto de vista cognoscitivo, México: Ed. Trillas.

Barahona, P. (2014). Factores determinantes del rendimiento académico de los estudiantes de la Universidad de Atacama. Estudios Pedagógicos, Vol. XL, 1, 25-39.

Barberá, E. (Coord.) (2001). La incógnita de la educación a distancia. Ice de la Universidad de Barcelona-Editorial Horsori. Cuadernos de educación. Barcelona.

Bernard, R., Abrami, P., Borokhovski, E. and Wade, C. (2009). A meta-analysis of three types of interaction treatments in distance education. Review of Educational Research, 79(3), 1243-1290.

Berridi, R., Martínez, J. I., and García-Cabrero, B. (2015). Validación de una escala de interacción en contextos virtuales de aprendizaje. Revista Electrónica de Investigación Educativa, 17(1), 116-129.

Burgos Castillo, E.; and Sánchez Abarca, P. (2012). Adaptación y validación preliminar del cuestionario de motivación y estrategias de aprendizaje (MSLQ). Degree thesis. Facultad de Educación y Humanidades, Universidad del Bío-Bío, Chile. Online: http://repobib.ubiobio.cl/jspui/handle/123456789/1544. Recover in july 2018.

Byrne, B. M. (2001). Structural equation modeling with AMOS: basic concepts, applications, and programming. New Jersey: Lawrence Erlbaum Associates.

Chacón, F. J. (1989). Factores del rendimiento en los cursos a distancia: Aplicación del análisis de vías. Informe de Investigaciones Educativas, 3(1), 9-46.

Cupani, M. (2012). Análisis de Ecuaciones Estructurales: conceptos, etapas de desarrollo y un ejemplo de aplicación, Revista Tesis, 1, 186-199.

Del Mastro Vecchione, C. (2005). Enseñanza estratégica en un contexto virtual: un estudio sobre la formación de tutores en educación continua. PhD thesis. Departamento de Psicología Básica, Evolutiva y de la Educación. Universidad Autónoma de Barcelona.

Ferrari, A. (2012). Digital competence in practice: an analysis of frameworks. European Commission. Joint Research Centre, Institute for Prospective Technological Studies. Online: https://www.ifap.ru/library/book522.pdf. Recover in june 2018.

Garbanzo, G. (2007). Factores asociados al rendimiento académico en estudiantes universitarios, una reflexión desde la calidad de la educación superior pública. Educación: Revista de la Universidad de Costa Rica, 31(1), 46-63.

García Tinisaray, D. K. (2016). Construcción de un modelo para determinar el rendimiento académico de los estudiantes basado en learning analytics (análisis del aprendizaje), mediante el uso de técnicas multivariantes. Unpublished PhD thesis. Universidad de Sevilla. Online: https://idus.us.es/xmlui/handle/11441/40436 Recover in july 2017.

Gómez Sánchez, D.; Oviedo Marin, R., and Martínez López, E. I. (2011). Factores que influyen en el rendimiento académico del estudiante universitario. Tecnociencia Chihuahua, 5(2), 90-97.

Holmberg, B. (1985). Educación a distancia: Situación y perspectivas, (Traducción 1981, Londres) Buenos Aires: Kapeluz.

Kahn, J. H. (2006). Factor analysis in Counseling Psychology research, training and practice: Principles, advances and applications. The Counseling Psychologist, 34, 1-36.

Kerlinger, F., and Lee, H. (2002). Investigación del comportamiento. Métodos de investigación en las ciencias sociales. México: McGraw-Hill.

Lee, H. W. (2011). An Application of Latent Variable Structural Equation Modeling for Experimental Research in Educational Technology. Turkish Online Journal of Educational Technology-TOJET, 10(1), 15-23.

Lion, C. (2012). Desarrollo de Competencias Digitales para portales de la región. Documento del Banco Interamericano de Desarrollo y la Red Latinoamericana de Portales Educativos. Online: http://www.uruguayeduca.edu.uy/sites/default/files/2018-02/09-Desarrollo-de-Competencias-Digitales-para-Portales-de-la-Regi%C3%B3n%20%281%29%20%281%29%281%29.pdf. Recover in june 2018.

López Aguado, M. (2010). Diseño y análisis del Cuestionario de Estrategias de Trabajo Autónomo (CETA) para estudiantes universitarios. Revista de Psicodidáctica, 15(1), 77-99.

Marks, R. B., Sibley, S. D., and Arbaugh, J. B. (2005). A structural equation model of predictors for effective online learning. Journal of Management Education, 29, 531-563.

McArdle, J. J., Paskus, T. S., & Boker, S. M. (2013). A multilevel multivariate analysis of academic performances in college based on NCAA student-athletes. Multivariate behavioral research, 48(1), 57-95.

Miras, M. (1999). Un punto de partida para el aprendizaje de nuevos contenidos: los conocimientos previos. En: C. Coll, E. Marin, T. Mauri, M. Miras, J. Onrubia, I. Solé, A. Zabala (eds.). El constructivismo en el aula (47-63), 9 edition. Barcelona: Graó.

Mirete Ruiz, A. B.; García-Sánchez, F. A.; and Hernández Pina, F. (2015). Cuestionario para el estudio de la actitud, el conocimiento y el uso de TIC (ACUTIC) en Educación Superior. Estudio de fiabilidad y validez. Revista Interuniversitaria de Formación del Profesorado, 83 (29.2), 75-89.

Monereo, C. (coord.) (2005). Internet y competencias básicas. Aprender a colaborar, a comunicarse, a participar, a aprender. Barcelona: Graó.

Moneta Pizarro, A.; Montero, L.; Juárez, M.; Depetris, J., and Fagnola, B. (2017). Adaptación y validación de un instrumento de medida para la interacción en b-learning. Virtualidad, Educación y Ciencia, 14 (8), 27-41.

Moneta Pizarro, A. M.; González, M. V.; Tofful, C.; Arrieta, M.; and Britos, V. (2018, june). Hacia un modelo estructural del e-learning. Working paper presented in 1as. Jornadas Científico-Tecnológicas de la Universidad de la Defensa Nacional, Buenos Aires, Argentina.

Moneta Pizarro, A. M.; and Juárez, M. A. (2018). Adaptación y análisis de una escala de medida para estrategias de aprendizaje autónomo en educación a distancia. Poster presented in XLVI Coloquio Argentino de Estadística, Río Cuarto, Argentina.

Moneta Pizarro, A. M. (2019). Determinantes del desempeño académico en educación a distancia: aplicación de un modelo de ecuaciones estructurales. Master thesis, Universidad Nacional de Córdoba, Argentina. Online: https://rdu.unc.edu.ar/handle/11086/14007. Recover in december 2019.

OECD (2002) The definition and selection of key competencies. Executive Summary. Online: http://www.oecd.org/pisa/35070367.pdf. Recover in june 2018.

Peñalosa Castro, E. (2010). Evaluación de los aprendizajes y estudio de la interactividad en entornos en línea: un modelo para la investigación. Revista Iberoamericana de Educación a Distancia, 13(1), 17-38.

Peñalosa Castro, E., and Castañeda Figueras, S. (2012). Identificación de predictores para el aprendizaje efectivo en línea, Revista Mexicana de Investigación Educativa, 12(52), 247-285.

Pintrich, P.; Smith, D.; García, T.; and Mckeachie, W. (1991). A Manual for the Use of the Motivational Strategies for Learning Questionnaire (MSLQ). AnnArbor, MI: NCRIPTAL, The University of Michigan.

Ramírez–Carbajal, A. A. (2016). Constructos y variables del ambiente virtual de aprendizaje, desde la perspectiva del modelo de ecuaciones estructurales. Revista de Educación a Distancia (RED), 49(2), 1-25.

Rojas, L. (2013). Validez predictiva de los componentes del promedio de admisión a la Universidad de Costa Rica utilizando el género y el tipo de colegio como variables de control. Revista Actualidades Investigativas en Educación, 13(1), 1-24.

Ruiz Velasco, E. (2003). Exploración y comunicación a través de la informática. México: Editorial Iberoámerica.

Ruiz, M. A., Pardo, A., and San Martín, R. (2010). Modelos de Ecuaciones Estructurales, Papeles del Psicólogo, 31(1), 34-45.

Shin, Y., and Raudenbush, S. (2011). The causal effect of class size on academic achievement multivariate instrumental variable estimators with data missing at random. Journal of Educational and Behavioral Statistics, 154-185.

Silva, A. S. R., and Andriola, W. B. (2012). Uso de equações estruturais para validar um modelo explicativo da relação entre domínio tecnológico, interação e aprendizagem colaborativa na Educação a Distância (EaD). Ensaio: avaliação e políticas públicas em Educação, 20(75), 373-96.

StataCorp (2015). Stata Statistical Software: Release 14. College Station: StataPress.

Tejedor, F. (2003). Poder explicativo de algunos determinantes del rendimiento en los estudios universitarios. Revista Española de Pedagogía, 224, 5-32.

Villardón, L. and Yániz, C. (2011). La autogestión del aprendizaje y la autonomía e iniciativa personal. Girona: Universidad de Deusto.

Woolfolk, A. (1996). Psicología de la educación. 6 Edition. México: Ediciones Programas Educativos.

Downloads

Published

2020-02-29

How to Cite

Pizarro, A. M. ., González, M. V. ., Tofful, C. M. ., Arrieta, M. ., & Britos, V. . (2020). A PROPOSAL FOR A STRUCTURAL EQUATION MODEL TO EXPLAIN ACADEMIC PERFORMANCE IN E-LEARNING. Revista Produção E Desenvolvimento, 6. https://doi.org/10.32358/rpd.2020.v6.422

Issue

Section

Territorial Affairs