Analysis of Student and School Level Variables Related to Mathematics Self-Efficacy Level Based on PISA 2012 Results for China-Shanghai, Turkey, and Greece

Abstract

This study aims to analyze the student and school level variables that affect students' self-efficacy levels in mathematics in China-Shanghai, Turkey, and Greece based on PISA 2012 results. In line with this purpose, the hierarchical linear regression model (HLM) was employed. The interschool variability is estimated at approximately 17% in China-Shanghai, approximately 22% in Turkey, and approximately 23% in Greece.This study showed a positive association between variables of self-confidence, teacher support, and attitude toward school, all of which are among Level 1 variables, and mathematics self-efficacy in all three countries.A negative association was observed to exist between the variables socio-cultural index and educational opportunities at home and mathematics self-efficacy in all three countries. While pre-school education in ChinaShanghai and Turkey were negatively associated with students' mathematics self-efficacy levels, the same variable was positively associated with students' mathematics self-efficacy in Greece. While the variable mathematical anxiety was negatively associated with students' mathematics self-efficacy in China-Shanghai and Greece, it was positively associated with students' mathematics self-efficacy in Turkey. The variable interest in mathematics, in turn, was negatively associated with mathematics self-efficacy solely in ChinaShanghai. Regarding the association between mathematics self-efficacy levels and the school level variables, a near-zero positive association was found between class size, deemed significant for Turkey, and self-efficacy levels. The association between teacher to student ratio in school and self-efficacy levels was found to be negative in all three countries. The variable teacher' s morale, however, was positively associated with self-efficacy level in China-Shanghai and Turkey.

Sorotan Literatur Bersistematik bagi Efikasi Kendiri Pelajar Terhadap Matematik

“…Kemahiran berfikir, sikap, jantina, kepercayaan diri dan keyakinan diri merupakan pemboleh ubah yang boleh dikaitkan dengan faktor dalaman, manakala status sosio-ekonomi dan kaedah pembelajaran menunjukkan faktor persekitaran yang dikaji bersama dengan efikasi kendiri pelajar. Terdapat juga faktor guru ditemui dalam analisis ini seperti sokongan guru (King-Sears & Strogilos, 2020;Usta, 2016;Wu, 2016), efikasi kendiri guru (Chang, 2015;Sarac, 2017) dan kebolehan guru mengajar matematik (Kaskens et al, 2020;King-Sears & Strogilos, 2020;Regier & Savic, 2020).…”

Estudio multinivel sobre las variables explicativas de los resultados de México en PISA 2015

“…Sin embargo, en la mayoría de los estudios se analizan muestras de un solo país, y en cada caso se centran en diferentes grupos de variables contextuales, utilizando distintos procedimientos de análisis. A la fecha se pueden identificar variables vinculadas a los altos resultados en PISA, cada una con distinto peso explicativo según la prueba y el país (Camminatiello, Paletta & Speziale, 2012;Gamboa & Waltenberg, 2015;Usta, 2016); y, además, modulada, en muchas ocasiones, por otras variables (Schindler, 2007). Así, de manera general se pueden encontrar tres grandes grupos de variables asociadas a los resultados del logro educativo: nivel socioecónomico, características personales y variables psicoeducativas.…”

“…Por ejemplo, en una muestra de estudiantes turcos, Arikan (2014) mostró que la motivación para aprender, la autoeficacia, así como la ansiedad por las matemáticas tienen efectos significativos en los resultados en la prueba de Matemáticas. Asimismo, el nivel de confianza en sus capacidades (Giménez & Castro, 2017;Usta, 2016) la actitud hacia la prueba (Kasapoglu, 2014) y hacia la escuela (Usta, 2016) tienen influencia en las puntuaciones obtenidas.…”

“…No obstante, González-Such et al (2016) afirmaron que, en la mayoría de los estudios de PISA, se utilizan procedimientos de análisis que no toman en cuenta la naturaleza anidada de los datos; por ejemplo, la regresión o análisis de senderos (Arikan, 2014;Burhan et al, 2016;Camminatiello et al, 2012;Kasapoglu, 2014;Ortíz, 2013;Schindler, 2007); análisis de conglomerados (Nieto & Recaman, 2011), o de descomposición (Giménez & Castro, 2017), entre otros. No obstante, en pocos casos se ubican estudios que consideran el uso de modelos multinivel (Bove et al, 2016;Gamazo et al, 2018;Karakolidis et al, 2016;Krüger, 2017;Quiroz, Dari & Cervini, 2018;Usta, 2016); a pesar de que como afirmaron Giménez y Castro (2017), los modelos jerárquicos o multinivel tienen la ventaja de que permiten tomar en consideración las potenciales correlaciones entre los términos de error que aparecen entre los estudiantes de una misma clase, profesor o escuela.…”

“…Esto es particularmente aplicable a México, donde el contexto y sistema educativo tienen una marcada diferencia respecto a otros países de la OCDE (Martínez-Rizo, 2005). Asimismo, dado que los estudiantes están agrupados (o anidados) en escuelas, es importante tener en cuenta este anidamiento en el análisis de los datos (González-Such et al, 2016), por lo que los métodos multinivel, como los aplicados en este estudio, resultan los más apropiados para llevar a cabo la identificación de los factores asociados al logro (Bove et al, 2016;Gamazo et al, 2018;Karakolidis et al, 2016;Usta, 2016). Es así que, utilizando este tipo de análisis, los resultados de este estudio permitieron identificar las variables de contexto y procesuales que se asocian a las puntuaciones de estudiantes mexicanos en PISA.…”