Introducción. La escritura es una herramienta que construye y modifica el conocimiento. Evaluar la tarea escritora espontánea no es tarea fácil. En este trabajo se han seleccionado y analizado una serie de indicadores de calidad para la evaluación de la escritura espontánea o productiva y se ha analizado su nivel de dificultad así como la relación que existe entre la aplicación de estrategias metacognitivas al escribir y la calidad en el escrito espontáneo.Método. Los participantes en esta investigación fueron 480 estudiantes de 5º y 6º de Educación Primaria y 1º y 2º de Educación Secundaria Obligatoria (40% mujeres y 60% hombres). Se administraron varias pruebas: una subprueba de PROESC, EVAPROMES y la escritura de una historia. Se recogieron, además, las calificaciones de la asignatura de Lengua Española del curso anterior.Resultados. La calidad de los escritos producidos de forma espontánea se relaciona con el rendimiento académico en Lengua Española, siendo la metacognición, medida mediante EVAPROMES, la variable subyacente que explica las diferencias en dificultad de los indicadores de calidad.Discusión y conclusiones. Las diferencias observadas en el análisis de los indicadores por etapas (Educación Primaria vs Educación Secundaria Obligatoria) parecen ser debidas a la metodología que los docentes emplean en las aulas así como al nivel de exigencia demandado. Por otro lado, implementar tareas de escritura espontánea que exijan la aplicación de estrategias metacognitivas (metaescritura) redundaría positivamente en el rendimiento académico de los alumnos.
RESUMENEn Psicología es frecuente encontrar situaciones en las que se necesita realizar algún tipo de clasificación de personas en subgrupos o clases. Existen técnicas de análisis multivariado como el Análisis Clúster Jerárquico (HCA) que se utilizan habitualmente para este fin. Actualmente, existe un interés creciente por la técnica de Análisis de Clases Latentes (LCA), si bien es una técnica relativamente poco conocida y utilizada. Varios autores han destacado que el LCA presenta importantes ventajas respecto al HCA, en especial que el LCA permite obtener medidas de bondad de ajuste. El objetivo de este trabajo es presentar varias aplicaciones del LCA tanto a partir de un estudio de simulación como a partir de datos reales, y comparar el desempeño de esta técnica frente al HCA. Los resultados a partir de la simulación indican que el LCA tiene una elevada capacidad para detectar estructuras de clase. Los resultados del estudio a partir de datos reales muestran que las distintas clases o mixturas presentes en los datos pueden estar solapadas, lo que dificulta la agrupación de clases al aplicar LCA. El HCA puede ser una buena herramienta de análisis para el investigador aplicado, ya que puede orientar sobre el mejor modelo de LCA que se debería interpretar. En contextos de investigación en los que el modelo teórico no es claro, se recomienda utilizar ambas técnicas con el fin de buscar convergencia de resultados.Palabras clave análisis de clases latentes; análisis de clúster jerárquico; variable latente categórica; BIC; AIC ABSTRACTLatent Class Analysis as a typology identification technique. In Psychology, it is common to find situations in which some kind of classification of people in subgroups or classes is needed. There are multivariate analysis techniques such as Hierarchical Cluster Analysis (HCA) that are commonly used for this purpose. Currently, there is a growing interest in the technique of Latent Class Analysis (LCA), although it is a relatively little known and used technique. Several authors have pointed out that the LCA has important advantages with respect to HCA, especially that the LCA allows for measures of goodness of fit. The aim of this paper is to present several applications of the LCA both from a simulation study and from real data and compare the performance of this technique against the HCA. The results from the simulation indicate that the LCA has a high performance to detect class structures. The results of the study from real data show that the different classes or mixtures present in the data may be overlapping, which makes grouping classes more difficult when applying LCA. The HCA can be a good analysis tool for the applied researcher since it can guide on the best model of LCA that should be interpreted. In research contexts in which the theoretical model is not clear, it is recommended to use both techniques in order to seek convergence of results.
La implementación de las tecnologías de la información y la comunicación (TIC) en el ámbito educativo se ha acelerado en los últimos años. En el entorno universitario se utilizan plataformas educativas que dan acceso a los contenidos de diferentes asignaturas, así como la comunicación on-line entre docente y alumnado.El presente proyecto pretendía mejorar la calidad docente, así como la motivación y satisfacción de los estudiantes del primer curso de grado, a través de la inserción de nuevas herramientas TIC [formularios Google y códigos QR (quick response codes)] que permitieran al alumnado la evaluación continua de su propio aprendizaje, haciendo especial hincapié en la aplicación de estrategias metacognitivas para la resolución de problemas.Se realizó durante el curso académico 2014-2015 en la asignatura de Psicología Básica (prácticas). La asignatura Psicología Básica se imparte en el primer curso del grado de Trabajo Social en la Universidad Complutense de Madrid. Consta de seis créditos ECTS (Sistema Europeo de Transferencia y Acumulación de Créditos) y, como tal, los estudiantes reciben dos horas de clase teórica y una hora de clase práctica a la semana. Fue durante la hora semanal de prácticas donde se llevó a cabo el presente proyecto de innovación.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.