REICE, 2019.

REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 2019, 17(2), 147-185.
https://doi.org/10.15366/reice2019.17.2.008
*Contacto: orlandotipismana@gmail.com
ISSN: 1696-4713
www.rinace.net/reice/
revistas.uam.es/reice
Recibido:
1ª Evaluación:
2ª Evaluación:
Aceptado:
15 de noviembre 2018
27 de febrero 2019
10 de marzo 2019
25 de marzo 2019
Factores de Resiliencia y Afrontamiento como
Predictores del Rendimiento Académico de los
Estudiantes en Universidades Privadas
Resilience Factors and Coping as Predictors of Academic
Performance of the Students in Private Universities
Orlando Tipismana *
Universidad Científica del Sur, Perú
Predecir el rendimiento académico en estudiantes universitarios peruanos es una
garantía para cumplir las exigencias de licenciamiento y acreditación. Se realiza un
diseño transversal, comparativo y explicativo para establecer los factores de
resiliencia y afrontamiento que predicen el rendimiento académico, en dos muestras
probabilísticas estratificadas de universidades privadas de Lima. El RESI-, CAE,
Smilkstein, CP-LS y estimadores DWLS, GLS, demostraron que el modelo predictivo
de resiliencia y promedio ponderado tienen efecto en la percepción de rendimiento
académico y un efecto mínimo en el promedio ponderado. Ambos factores predicen
de manera directa, indirecta y relacional el rendimiento académico. Destacan los
factores confianza en sí mismo, capacidad social, estrategias de autofocalización
emocional abierta, exposición emocional abierta y apoyo familiar social como
predictores relevantes en expectativa de logro, aprendizaje percibido y satisfacción
global. El funcionamiento familiar, es un predictor indirecto a través de la resiliencia
del rendimiento académico. Factores de afrontamiento activo, predicen mejor la
percepción del rendimiento que factores de protección y riesgo. Muestras
homogéneas grandes con valor psicométrico pueden mejorar los modelos
predictivos, identificar perfiles, diseñar estudios causales, desarrollar programas de
aprendizaje de talento y estrategias activas que mejorarían la calidad del aprendizaje
universitario.
Descriptores: Rendimiento escolar; Estudiante universitario; Perú; Calidad de la
educación; Enseñanza privada.
Predicting academic performance in Peruvian university students is a guarantee to
meet licensing and accreditation requirements. A transversal, comparative and
explanatory (predictive) design was used to establish the resilience and coping
factors that predict academic performance, in two stratified probabilistic samples
from private universities in Lima. The RESI-, CAE, Smilkstein, CP-LS and DWLS
estimators, GLS, showed that the predictive model of resilience and weighted average
have an effect on the perception of academic performance and a minimal effect on the
weighted average. Both factors predict academic performance directly, indirectly and
relationally. The self-confidence factor, social capacity, open emotional self-targeting
strategies, open emotional exposure and social family support are highlighted as
relevant predictors in expectation of achievement, perceived learning and overall
satisfaction. Family functioning is an indirect predictor through the resilience of
academic performance. Factors of active coping better predict the perception of
performance than protection and risk factors. Large homogeneous samples with
psychometric value can improve predictive models, identify profiles, design causal
studies, develop talent learning programs and active strategies that would improve
the quality of university learning.
Keywords: Academic achievement; University students; Peru; Educational quality;
Private education.

O. Tipismana
148
Introducción
Objetivar lo percibido e interpretarlo exige analizar críticamente la realidad académica en
pleno siglo XXI (Banco Mundial, 2014). Una sociedad global, la irrupción de las nuevas
tecnologías, la introducción de nuevos paradigmas ha permitido comprender las
incertidumbres en la educación superior. Estos nuevos retos plantean en el estudiante
universitario y sistema educativo el estudio de los modelos mentales que rigen la dinámica
del aprendizaje en los contextos universitarios. Haber comprendido que el estudiante es
la razón de ser de su aprendizaje se plantea el propósito global de hallar los constructos
que mejor expliquen cómo funciona la mente humana en etapa formativa universitaria
general, como de las carreras involucradas en ellas.
En este panorama global, la introducción de constructos como resiliencia y afrontamiento
académico y su impacto en el rendimiento académico como proceso (percibido) y su
resultado (el promedio ponderado) implica necesariamente realizar diagnósticos rigurosos
respecto del tipo de perfil personal de los nuevos estudiantes con el objeto de evaluar per
se, cómo perciben sus potencialidades, desarrollan o aprenden estrategias y, como impacta
en la vida académica, personal social y laboral futura.
De las revisiones efectuadas en el campo educativo, rescatamos dos teorías claves en ese
proceso de diagnósticas y evaluar el rol de la resiliencia y el afrontamiento como predictor
del rendimiento académico. La teoría sociocognitiva que plantea como fundamento que las
personas aprenden observando la realidad a través de cómo los demás aprenden a
desarrollar sus potencialidades, crear nuevos recursos, facilitar herramientas para
comprender la naturaleza física y social en la que interactúa. Este patrón realidad-mente
y viceversa, crea condiciones para modelar los patrones atencionales, motivacionales, de
reproducción y de retención de esas realidades, en este caso, se hace referencia a realidades
académicas. En otras palabras, los estudiantes desarrollan un sistema de supuestos,
opiniones, imaginaciones de cómo es el sistema universitario y el rol que ellos
desempeñarían allí. La teoría social cognitiva entonces, se sustenta en el núcleo de
creencias y expectativas que es proporcionada por su contexto social, para aprender a
interactuar en la vida académica. El estilo de cómo la aprenden y desarrollan sus
estrategias, dependerá de tipo de ambiente enriquecido o no para estructurar un perfil
personal que los apoye en ese proceso de desempeño académico en la universidad
(Tadayon, 2012).
En cambio, la teoría de la autoeficacia se fundamenta en los juicios que se van creando a
partir de esa realidad académica que aprenden antes de ingresar a la universidad y de la
manera cómo incorporan las experiencias de la universidad a ese sistema de creencias y
expectativas creadas. Es decir, los estudiantes aprenden a tener control de sí mismo,
desarrollar un patrón social, estructurar una personalidad y desarrollar una estructura de
pensamiento que orientará toda su vida a la búsqueda de logros de metas. Dependiendo
de las habilidades y destrezas que desarrolle en su sistema cognitivo (pensamientos,
atención, memoria, reproducción), implantará un sistema de creencias y expectativas
basadas en juicios de valor, motivaciones, actitudes, valoraciones, control emocional,
patrones evitativos, espiritualidad entre otros. A estos patrones o desarrollos de metas y
logros, se estructurará un patrón mental eficaz o no.
La teoría social cognitiva del aprendizaje vendría a ser el punto de partida de aprendizajes
sociales modelados y moldeados por la cultura familiar, social, escolar y universitaria para

REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
149
ser autoeficaz o no. En ese marco de reflexión es que los patrones cognitivos se convierten
en la estructura visible del pensamiento del estudiante y, los patrones no cognitivos
(creencias y expectativas) en la estructura no visible y necesaria de diagnosticar y evaluar
para poder perfilar el tipo de estudiante que la universidad tendrá en el futuro próximo.
La universidad, al fomentar la búsqueda de perfiles de estudiantes con potencialidades y
estrategias para interactuar en un contexto académico de alta complejidad, requiere
identificarlas y diseñar estrategias que al brindar sus servicios puedan garantizar la
formación del estudiante, conociendo previamente ese patrón de creencias y expectativas
para transformarlas o, moldearlas con el objeto de obtener recursos humanos altamente
competentes. Y que, los servicios que brinden sean sostenibles en el tiempo, no solo
durante la vida académica, sino que, trascienda a la vida laboral (Comisión Europea, 2015;
OCDE, 2013; Sucre y Garre, 2016).
En consecuencia, estos rasgos que definen las creencias y expectativas pueden ser
explicadas por los constructos de resiliencia y afrontamiento académicos. Ello demanda
predecir de manera objetiva y confiable si los rasgos identificados en el perfil del
estudiante pueden asegurar que su aprendizaje estará orientado a adecuarse, adaptarse y
lograr las metas esperadas por él como por la universidad.
Los modelos predictivos entonces, trazan una nueva línea de investigación en la
universidad. Estos puedan diseñar y desarrollar programas académicos que identifiquen y
valoren los atributos que tiene un estudiante para que sus creencias y expectativas de
logro sean satisfechas (Cabanach et al., 2010; Limonero et al., 2012; Piemontesi y Heredia,
2009).
1. Revisión de la literatura
Desde este marco explicativo de la manera como los estudiantes aprenden de su entorno,
desarrollan creencias y expectativas de logro, es importante analizar los tres constructos
para identificar esos factores inherentes y que impactan en la vida académica universitaria.
1.1. Resiliencia académica
Se entiende por resiliencia académica al desarrollo de recursos potenciales que emplea el
estudiante universitario para resolver problemas y tomar decisiones en situaciones típicas
de la vida universitaria (Yan Lee, Cheung y Man Kwong, 2012). También este aprendizaje
implica procesos y resultados. Que se expresen de manera eficiente tanto en sus aspectos
cognitivos como no cognitivos.
La resiliencia, por consiguiente, perfila el alcance de metas y logros, plantea exigencias
para la construcción de nuevos recursos, permite al estudiante utilizarlos con regularidad
en diversas situaciones y contextos donde interactúe. Esta interacción será eficaz, en la
medida que sus expectativas de logro sean consistentes, congruentes y pertinentes. En
otras palabras, aprender a percibir la tenencia de recursos impulsará su aprendizaje y
facilitará del manejo de las incertidumbres y la búsqueda de certezas para tener el control
de la situación. El propósito es, poder autorregularse de manera continua a través del
tiempo, así como sostenible cognitiva y emocionalmente (Becoña, 2006; Datu y Yuen,
2018).
Una manera de corroborar este presupuesto de creencias y expectativas de logro para
percibir si se es o no eficaz, tiene que ver con el uso de las nuevas herramientas

O. Tipismana
150
tecnológicas, en este nuevo escenario académico se introducen metodologías como la
flipped classroom; el problema no está en la metodología misma. La dificultad estaría en el
estudiante. Es decir, cómo percibe el uso de esta herramienta de aprendizaje, por qué es
importante la inversión de roles, que logros se pretende obtener, no solo es una cuestión
de utilidad, sino de la percepción de aprendizaje y la expectativa de logro además de si
genera o no satisfacción en él (Sola Martínez, Aznar Díaz, Romero Rodríguez, Rodríguez-
García, 2019). La resiliencia como recurso potencial, entonces, parte de la idea que calidad
del logro es más que un asunto personal, implica lo que se denomina “un aprendizaje
personalizado” (Farnós Miró, 2013). Este aprendizaje personalizado, dependerá de la
capacidad de los actores para consensuar los intereses, motivaciones, refuerzos, respuestas
emocionales, respuestas adaptativas a cualquier tipo de cambio y, a su manera de percibir
y controlar los eventos o acontecimientos estresantes.
Un estilo de respuesta resiliente es esencial para identificar en el estudiante el ¿por qué?
Porque las experiencias de dominios mejoran los estados afectivos, generan nuevas
necesidades de aprendizajes, pero, sobre todo, de nuevas creencias de logros, mejoras en
sus percepciones y poder afrontar de manera flexible el entorno y la situación (Bandura,
1989). Lo que se busca es, estar en sintonía entre esas creencias y expectativas de logro y
las actividades de la vida académica. Que no solo estimule nuevas necesidades de
aprendizajes, también, de mayor confianza y control de respuestas de humor.
Entonces, la predictibilidad de un patrón personalizado en un estudiante resiliente implica
que en el presente y sus proyecciones hacia el corto o mediano plano, se implante un estilo
de persistencia que impacte en la búsqueda de nuevos recursos para aprenderlos, tener
satisfacción, incrementar sus creencias racionales, extender su aprendizaje a la familia y a
su entorno social próximo (Lamas, 2015; Medrano, 2011; Porto Noronha y Alves Lamas,
2014). En este sentido, la extensión de su aprendizaje involucra el desarrollo de talentos
para la relación interpersonal ya sea con sus compañeros, mejorar la pasión por el trabajo
académico, la alegría y amor por lo que hacen (Crowther y Lau, 2019).
Todos estos factores no cognitivos (persistencia, pasión por el trabajo, amor por lo que
hace, expectativa de autoeficacia, control, autorregulación cognitiva y emocional),
involucran cambios en la percepción de controlabilidad de la situación y de sí mismo, de
ajuste a la situación y de adecuación a las demandas del entorno (Gan y Shang, 2007). Por
esta razón, es que los factores cognitivos y no cognitivos, interactúan de manera dinámica
y sintonizada. Ayudando a generar patrones de protección y de adecuada visualización
efectiva de sus acciones, para evitar riesgos o asumir riesgos, sostenidos por recursos de
control emocional que garanticen el éxito académico (Prieto Navarro, 2006).
Diferentes autores han desarrollado estudios predictivos, reportan que la mejora de
atributos personales, desarrollo de nuevos recursos, mejora en el nivel de resistencia al
estrés, control de la ansiedad y angustia se explica por los altos niveles de atención y, su
repercusión será significativa en los logros personales que obtengan en la vida académica
y social. Estos rasgos, predicen mejor el rendimiento académico (López-Cortón, 2015).
También los factores cognitivos y metacognitivos se asocian a la llamada “inteligencia
emocional”, a las motivaciones. Pero, sobre todo, en la definición de objetivos de logro que
va implantándose a medida que aprende nuevos recursos y garantice su aprendizaje de
una materia, de una técnica académica, mejor relación con sus pares y garantice su eficacia
cognitiva, emocional y conductual (Giannuzzo, 2010; Kormos, 2012).

151
Otros autores sostienen que la mejora en las potencialidades implica un mejor
involucramiento con la familia, adecuación a las normas académicas y sociales incrementan
el compromiso personal (Weier y Lee, 2015). También en la mejora del estudiante en su
relación con el docente durante la actividad académica (Uriarte, 2006), potencian las
habilidades cognitivas (Girardo et al., 2016).
Finalmente, otros estudios predictivos demuestran, que las mejoras en la capacidad de
autorrecompensa incrementan la habilidad para participar activamente en la vida
académica cotidiana, desarrolla compromisos consigo mismo, y contribuye a estructurar
una mejor competencia social (Garbanzo Vargas, 2013; Mancini y Bonanno, 2009). La
motivación, articula mejor los estados de ánimo y las actividades académicas, favorece un
mejor clima de relación entre todos los actores académicos. Estos, se estructuran
eficientemente en un entorno saludable, repercutiendo de manera valiosa en el proceso de
aprendizaje y enseñanza e incluso, a predecir su futuro laboral (Kennett y Keefer, 2006).
1.2. Afrontamiento académico
Vendrían a ser estilos o maneras como un estudiante al tener recursos potenciales,
desarrolla habilidades para ajustarse a una situación determinada. Es decir, si el estudiante
aprende que las situaciones cambiantes de un ambiente académico demanda focalizarse en
el problema, es evidente que esa focalización, implicara un mejor valor académico para
alcanzar sus metas propuestas. El afrontamiento, no solo es adaptación, implica el
desarrollo de estilos cognitivos y conductuales. Los hallazgos indican que la capacidad de
percibir la situación, evaluar su desempeño, desarrollar actividades de emprendimiento
para planificar mejor su tiempo, usar recursos académicos, desarrollar nuevos esquemas
mentales de trabajo, tienen un objetivo común, alcanzar metas propuestas (Muñoz
Garrido y De Pedro Sotelo, 2004).
Los estilos de afrontamiento son en sí formas de actuar en situaciones y contextos
cambiantes y difíciles como suele ser la vida académica universitaria. Este patrón de
acciones y pensamientos tienen un carácter multidimensional al igual que la resiliencia.
Algunos autores lo denominan “afrontamiento resiliente” o, también, “afrontamiento
flexible”. Esta manera de enfocar el papel del afrontamiento indica que su relación con la
resiliencia puede ser de acción directa a la vida académica o, frecuentemente va asociada a
la resiliencia para incidir de manera eficaz en el rendimiento académico (Martin y Marsh,
2009). También, se asocia con estilos activos o estilos pasivos. Un estilo activo se relaciona
más con la reevaluación positiva de sus acciones, la focalización centrada en la solución de
problemas y una reevaluación positiva. En cambio, los estilos pasivos, se orientan más a
rasgos de actuación orientadas a buscar apoyo social, la espiritualidad, autofocalización
negativa (Rebotier, López y Pigeon, 2013)
En consecuencia, el afrontamiento entendido como toda capacidad de determinación de un
estudiante que lo impulsa a, asegurar con su estilo (por ejemplo: activo), el dominio de la
situación estresantes en el contexto académico, implica adaptación a la situación que
asegure su expectativa de logro, alcanzar metas y ayudar a gestionar convenientemente
su persona en toda actividad académica. Un estudiante con un afrontamiento resiliente no
ve su vida limitada a la vida universitaria, sino que su quehacer académico va más allá de
ella misma. Un estilo de afrontamiento activo orientado a la solución de problemas predice
mejor el rendimiento académico a partir, del mayor compromiso que asume para lograr la
solución específica a un problema planteado (Coschiza et al., 2016).

O. Tipismana
152
El compromiso, está relacionado más con la confianza en sí mismo, ayuda a desarrollar
estrategias adaptativas para manejar respuestas emocionales negativas, involucrar
respuestas positivas y mejorar todas las actividades que aseguren el éxito académico. No
obstante, hay afrontamientos negativos como le autofocalización negativa y estilo
evitativo que, si no son adecuadamente gestionados por el estudiante, pueden generar
mayores respuestas fisiológicas negativas, pérdida de la homeostasis e interferencia en la
capacidad percibida de ajuste ante situaciones conflictivas. Además, de deterioro en la
capacidad física y mental (Campos et al., 2004; Rahimi et al., 2014).
Por otro lado, diversas observaciones en el entorno académico, se ha encontrado que un
estudiante cuando aprende a gestionar el estilo de autofocalización negativa y adopta una
mejor capacidad social (factor resiliente), este patrón predice un mejor rendimiento
académico. Sobre todo, cuando se aprende a tener control emocional, adaptación a diversas
situaciones, que ayudará a mejorar su desempeño académico y personal (Knezevíc y
Knezevíc, 2016; Panziera, 2014).
En consecuencia, el afrontamiento académico se comporta más como un predictor
mediador o indirecto del rendimiento académico. Los estilos de afrontamiento activos
suelen ser más adaptativos que los afrontamientos pasivos, aun cuando, en estudios
recientes, se toma en cuenta mucho el factor espiritualidad, estilo que mejora o ayuda
positivamente a muchos estudiantes a autorreforzarse para obtener logros. Sobre todo,
cuando no ha asumido el valor de su potencialidad o, sus aprendizajes en el uso de esos
recursos requieren de más estimulación externa y, eso tendría mucho que ver con el locus
de control externo. Es decir, muchos estudiantes necesitan ser motivados emocionalmente
para poder producir académicamente. También se asocia con lo que se conoce
recientemente sobre flotabilidad académica (bouyance academic), es decir, los estudiantes a
pesar de la adversidad o aparente carencia de recursos personales aprenden a salir a flote
y autorregularse. El asunto es, replantear sus planes personales en el desempeño
académico (Tomás et al., 2012).
1.3. Rendimiento académico
Suele definirse regularmente como obtención de resultados a partir de la actividad
didáctica que emplea un docente. Sin embargo, en años recientes, el rendimiento
académico implica, el logro de un complejo proceso de aprendizajes en expectativas de
éxito, mejor visualización en la percepción de su aprendizaje y la satisfacción de haber
obtenido resultados eficientes. Estos, motivan a desarrollar nuevas o las mismas
actividades, para adquirir un rol destacado y recompensar su desempeño (Lamas, 2015).
Es decir, el rendimiento académico, es un conjunto de procesos no cognitivos que
articulados a los cognitivos predicen mejor el logro de metas y objetivos académicos
planeados por el estudiante o, por la demanda del entorno académico. En el desempeño
académico, se articulan en especial las creencias, expectativas, percepciones y
potencialidades. Indicadores que expresan de manera real, las estrategias adaptativas y
estilos de afrontar diversas situaciones (Guzmán Brito, 2012).
Estas percepciones cuando se relacionan con el rendimiento académico implican el
resultado de una estructuración personal, caracterizada por el desarrollo de diversas
actividades académicas que no solo se orientan al plano didáctico, también a enriquecer su
relación con el docente, compañeros de clase y miembros de la comunidad universitaria.
El rendimiento académico por sí mismo, no se puede relacionar directamente a

153
evaluaciones, calificaciones. Este constructo, se debe asociar principalmente con el
desarrollo de dominios, mejoras en la percepción y expectativa de logro. Garantía de que
la percepción de logro conducirá o llevará al estudiante a ser autoeficaz cognitiva y
activamente en la demanda natural de las actividades académicas en función de los planes
curriculares como a la adaptación de normas y reglamentos. Lo central está en la garantía
percibida de autoeficacia, autorregulación y ajuste emocional, que da sostenibilidad a la
integración de sus potencialidades y estilos estratégicos en su actuar (Kötter et al., 2014).
Muchos autores, relacionan al rendimiento con el logro de gestión de emociones, ajuste
en las cogniciones y dominios de comportamientos no solo académicos, también, con la
capacidad para percibir la realidad, entender la incertidumbre, mejorar la atención,
obtener logros cognitivos, metacognitivos y mejoras sostenibles de pensamiento y
aprendizajes (Cheng, Ickes y Verhofstadt, 2012). Por lo tanto, no se debe descuidar que la
relación entre potencialidad, estilo comportamental y cognitivos implica, que el
rendimiento académico es más un proceso activo y proactivo de ayuda a los aprendizajes.
Que se expresen con mayor seguridad y mejor desempeño con continuidad, transversales
y escalables a mayores niveles de complejidad. La incorporación de estos factores no
cognitivos al rendimiento académico, implican que el proceso de cambios en la estructura
sociocognitiva y de autoeficacia como lo postuló Bandura, comprometen más a los actores
para desarrollar esfuerzos multidisciplinarios orientados a consolidar el conocimiento y la
práctica activa en productos realmente necesarios para la sociedad en su conjunto. Se
busca estructurar mejor la autonomía del estudiante, contrarrestar el fracaso académico
(Peralta Díaz, Ramírez Giraldo y Castaño Buitrago, 2006), y regular la percepción de que
las calificaciones son una consecuencia derivada de estos procesos no cognitivos y
cognitivos (Rodríguez et al., 2011).
1.4. Factor familiar
La familia, es un vehículo notable para la mejora en los aprendizajes de recursos personales
y de estilos de afrontamiento, motivados por el patrón de moldeamiento y modelamiento
de los estudiantes a lo largo de la vida previa al sistema académico universitario. Un
patrón disfuncional, dificultará su desempeño, aunque no necesariamente obstaculizará el
desarrollo de nuevas estrategias de aprendizaje. Siempre habrá posibilidades nuevas para
manejar y ajustarse adecuadamente a las incertidumbres, las adversidades y la complejidad
de la vida académica.
Un estudiante con un patrón familiar funcional estará en mejores condiciones de asegurar
sus recursos y afrontar la vida académica, en condiciones favorables que los estudiantes
con disfuncionalidad familiar (Rivas et al., 2017). El factor familiar, es un factor decisivo
en la resiliencia y el afrontamiento (Muñoz Garrido y De Pedro Sotelo, 2004). El factor
familiar, se construye como un patrón ecológico externo al sistema universitario y su
repercusión será un predictor clave del papel de los padres, amigos y del aseguramiento
de la vida académica universitaria, así como de hacerlo sostenible (Campo Vásquez et al.,
2012).
El factor familiar, asociado a los constructos de resiliencia y afrontamiento será entonces,
un predictor válido en la atención, pensamiento, procesos sensoriales, toma de consciencia,
aceptación, desarrollo de fortalezas, identificación de debilidades. El nivel de ajuste y la
regulación del estudiante para logros académicos eficaces serán decisivas en el proyecto
personal presente y futuro (López-Vargas, Hederich-Martínez y Camargo-Uribe, 2011).

O. Tipismana
154
En cuanto a los estilos de relaciones familiares, un patrón relacional ayuda
significativamente en el ajuste personal social y en la toda acción académica (Campos et
al., 2004; Rahimi et al,. 2014).
La resiliencia y el afrontamiento, como factores inherentes al estudiante y su correlato con
la percepción de relación familiar, definirá cómo será el patrón cognitivo y probablemente
influirá en la capacidad de trascender su vida formativa, en la ayuda a los tipos de
aprendizaje (Cassaretto y Martínez, 2009). La toma decisiones, por ejemplo, es un estilo
no cognitivo que, aprendida principalmente en el entorno familiar, definirá la toma de
decisiones ajustadas a la realidad académica, personal y social; incrementará el factor
optimismo, la perseverancia, además del interés por el optimismo y las relaciones positivas
con sus pares y docentes. Estos factores, crean un sistema de pensamiento creativo, capaz
de superar adversidades propias de la vida académica, familiar y social e interactuar con la
diversidad (Kuo, 2014); permitirá adaptarse a nuevas realidades académicas e incorporar
componentes claves para la solución de problemas (Stocker y Faría, 2012).
Por último, predecir la influencia del factor familiar en la resiliencia y el afrontamiento en
el RA, implicará que la universidad, deberá evaluar la estructura y dinámica familiar, no
solo en el proceso de admisión, también en toda la vida académica, identificando
problemas, detectando como afecta su perfil personal y cómo impacta en los aprendizajes
(Martin y Marsh, 2009). Permitirá que el sistema universitario, desarrolle planes más
flexibles que ayuden al aprendizaje global de los estudiantes; mejorar la oferta y política
educativa, como en los procesos académicos y complementarios (Luthar, Cicchetti y
Becker, 2000).
2. Método
El objetivo central de esta investigación es establecer si los factores de resiliencia y
afrontamiento predicen el rendimiento académico en estudiantes universitarios
Objetivos específicos
• Identificar si los factores psicosociales (funcionamiento familiar, factores de
protección, riesgo y, afrontamiento pasivo y activo), predicen el rendimiento
académico
• Identificar el factor sexo y especialidad académica, predicen la percepción de
rendimiento académico
Hipótesis de trabajo
• Los factores de resiliencia y afrontamiento predicen positiva y
significativamente el rendimiento académico en estudiantes universitarios
• Los factores psicosociales como el factor familiar, el factor de protección y
afrontamiento activo, predicen el rendimiento académico en estudiantes
universitarios.
• El sexo y la especialidad académica impactan positiva y significativamente en el
rendimiento académico en estudiantes universitarios

155
Enfoque metodológico
Esta investigación cuantitativa, de corte transversal, comparativo y explicativo en su
análisis, buscó establecer si los constructos de resiliencia y afrontamiento predicen el
rendimiento académico en estudiantes de ciencias de la salud comparado con estudiantes
de ciencias empresariales de dos universidades privadas de Lima, Perú, en el periodo
lectivo 2017-I. Es pertinente precisar, que, al ser un estudio transversal, las predicciones
de los constructos se orientaron a desarrollar modelos teóricos de tipo estadístico, basado
en la teoría sociocognitiva. Para establecer este patrón predictivo, se buscó identificar la
influencia directa, indirecta y correlacional de los factores de resiliencia, afrontamiento y
el rendimiento académico (Bernal, 2012; Escobedo et al., 2016).
Variables
Las variables explicativas, son los factores de resiliencia y afrontamiento para establecer
si predice el rendimiento académico consideradas como variable criterio (percepción de
rendimiento) y el promedio ponderado. En variables de control, se buscó identificar
factores psicosociales como: funcionamiento familiar; factores protectores y de riesgo;
factores de afrontamiento activo y pasivo. En variables sociodemográficas: sexo y
especialidad académica.
Muestra y muestreo
Estudiantes de Ciencias de Salud (Medicina, Enfermería y Tecnología) [n = 465] y
Ciencias Empresariales (Ingeniería de Sistemas Empresariales, Ingeniería Económica,
Administración de Negocios Internacionales) [n = 131] de dos universidades privadas de
Lima Metropolitana. Las muestras, se obtuvieron mediante muestreo probabilístico
estratificado; nivel de confianza para CC.SS de 5% y de 7% para CC.EE. Para los criterios de
selección, se tuvo en cuenta solo a estudiantes matriculados regulares (mayor de 18
créditos) en el semestre académico 2017-I, que conserven la misma condición durante el
semestre académico 2017-II, de los ciclos lectivos II al X, para poder obtener el promedio
ponderado semestral. Las edades, se distribuyeron en dos grupos de 16 a 21 años y de 22-
27 años, sexo masculino y femenino.
Instrumentos de obtención de información
Escala de Resiliencia Académica: (RESI-M), con 43 ítems, distribuidos en cinco
dimensiones. Dimensión 1: Fortaleza y Confianza en Sí mismo18 ítems; Dimensión 2:
Competencia Social, 8 ítems; Dimensión 3: Apoyo Familiar, 5 ítems; Apoyo Social: 4 ítems;
Dimensión 5: Estructura Personal, 5 ítems. El autor toma como referencia el CD-RISC de
Connor y Davidson (1999); RSA de Friborg y otros (2001), citado por Palomar y Gómez-
Valdez (2010). Cuenta con cinco opciones de respuesta en escala Likert de 1 a 4. Se
modificó a una escala de 1 a 5. 1 (nunca) hasta 5 (casi siempre). Un índice de validez de
contenido aceptables 0,79. La varianza extraída total es de 58,71%.
Cuestionario de Afrontamiento al Estrés (CAE). Sandín y Chorot (2003, construyen el
instrumento con 42 ítems; una escala Likert de 1 a 5, distribuidas en 7 factores con seis
ítems cada uno. Factor 1: Focalizado en la solución del problema (FSP) 6; Factor 2:
Autofocalización negativa (AFN); Factor 3: Reevaluación Positiva (REP); Factor 4:
Exposición emocional abierta (EEA); Factor 5: Estilo de evitación (EVIT); Factor 6:
Búsqueda de Apoyo Social (BAS); Factor 7 Espiritualidad (ESP). Los coeficientes Alfa de

O. Tipismana
156
0,77 a 0,84 en los 7 factores; el índice de validez de contenido aceptables 0,80. La varianza
total extraída fue 58,3%
Escala de Funcionamiento Familiar de Smilkstein, es una escala con una sola dimensión
abreviada de 5 ítems, con valoraciones en una escala Lickert de 1 a 5 (adaptada de Castilla
et al., 2014). El coeficiente alfa de Cronbach presenta valores alfa 0,80. El índice de validez
de contenidos aceptables, 56,4%; y la varianza total extraída de 56,4%.
Escala de Rendimiento Académico. Se integró dos instrumentos distribuidas en 3 factores
con 28 ítems en total, utilizando una escala Likert de 1 a 4 puntos. La Dimensión 1:
Expectativa de Logro (8 ítems); Dimensión 2: Aprendizaje Percibido (10 ítems);
Dimensión 3: Satisfacción global 8 ítems. La Confiabilidad global 0,86 y para los
coeficientes alfa oscila entre 0,81 a 0,86 para cada dimensión. El índice de contenido
aceptables 59,1%; una varianza total extraída de 59,1%.
La adaptación de todos los instrumentos se realizó, con una prueba piloto de 190
estudiantes en Ciencias de la Salud y Ciencias Empresariales de dos universidades
privadas de Lima, Perú. Se siguió un procedimiento de aplicación mixto (heteroaplicada y
auto aplicada). Los estudiantes, accedieron voluntariamente responder al cuadernillo
utilizado, previa a la presentación de la carta de consentimiento informado.
En importante precisar, que las escalas de Likert pueden variar en su carácter escalar. Si
bien, la mayoría de los autores utilizan escalas ordinales de 1 a 5 o más; otros autores,
consideran valores de 0 a 4/1 a 4, lo que no compromete la equidistancia en el valor ordinal
de los datos (Palomar y Gómez Valdez, 2010; Rodríguez, Oñate y Mesurado, 2017; Sandín
y Chorot, 2003). De igual manera, los autores originales de los instrumentos adaptados
utilizaron varianza acumulada extraída con valores obtenidos parecidos a este estudio. No
obstante, es conveniente especificar que las diferencias entre los estudios para adaptación
de instrumentos; pueden diferir de estudios que requieren validez psicométrica. Claro está,
que debe cumplirse con el parámetro pertinente para estudios en psicología, educación y
ciencias sociales. Estas varianzas, debe ser mayor al 65%. En este trabajo de investigación,
se buscó adaptar ambos instrumentos y en base a esos valores obtenidos, desarrollar a
futuro estudios de validez psicométrica de los tres instrumentos relacionados con:
Rendimiento Académico, Resi-M y CAE.
Trabajo de campo
Se siguieron los siguientes pasos:
Paso 1. A través del director de la Escuela de Ingeniería de Sistemas empresariales de la
Facultad de CC.EE, se solicitó aula por aula y mediante consentimiento informado que los
estudiantes, responden al cuadernillo de cuestionarios seleccionados. El proceso duró 3
días para la prueba piloto y 15 días para recolectar la información con la ayuda de dos
estudiantes de la Asignatura de Seminario de Tesis y Gestión por Competencias. De las 5
escuelas, se seleccionaron 3 para conciliar los criterios de ajuste de selección de
estudiantes. Se eligieron a estudiantes del II a X. Estos fueron: Ingeniería de Sistemas
Empresariales, Ingeniería Económica y Administración de Negocios Internacionales.
Paso 2. En la Facultad de CC.SS de otra universidad privada, se contó con el apoyo de la
directora de la Escuela de Ciencias Médicas y Fisioterapia, quien ayudó de intermediaria
para acceder a todos los estudiantes de: Medicina, Enfermería y Tecnología Médica.

157
Paso 3. Se revisaron los instrumentos para verificar la idoneidad del llenado de los ítems
y datos generales. De 147 estudiantes de una población de 630 estudiantes con un nivel
de confianza de p. 5%, fue reajustada a 7% por la eliminación de 16 estudiantes; los datos
eran incompletos en tres escuelas de CC.EE. En CC.SS, se obtuvo una muestra de 465
estudiantes mediante el muestreo probabilístico estratificado, de una población de 1,807
estudiantes; el nivel de confianza para esta muestra es de p. 5%
Paso 4. Se eligieron 12 jueces entre docentes de medicina 5; psicología 4; y de ingeniería
3. A cada juez, se remitió el certificado de validación de jueces. Datos que se presentan en
la sección de resultados en la modalidad de CVI global y aceptables y, varianza extraída.
Paso 5. Posteriormente, se elaboraron la base de datos en una hoja Excel, para identificar
las puntuaciones y codificar las dimensiones de cada instrumento.
Paso 6. Se trabajó con el software libre R con la librería lavan. En este paquete estadístico
se utilizaron estimadores específicos, para análisis SEM. Los modelos de ecuaciones
estructurales se construyeron el semPlot del R comander.
Análisis de datos
Las pruebas de normalidad para cada instrumento. Los valores 0,010 < 0,05, indican que
ambas muestras son poblaciones no normales. La prueba de Kolmogorov-Smirnov (K-S)
fue el estadístico de elección.
Los datos descriptivos, fueron planteados bajo el supuesto de puntos de corte automático
mediante el método de datos categorizados en SPSS. Además de frecuencias y porcentajes,
se realizaron análisis descriptivo, medidas de tendencia central, desviación estándar y
prueba de significancia de U Mann-Whitney.
El tratamiento de los datos para los modelos SEM se realizó con el Método de Mínimos
cuadrados ponderados diagonales mixtos (PLS) y los estimadores DWLS y GLS.
Para la fiabilidad de los instrumentos, se utilizó el Coeficiente alfa de Cronbach. Para
validez de contenido por criterio de jueces, se usó la Validez de Contenido Global y
específico de Lawshe. Para obtener el AFE, fue conveniente utilizar la prueba KMO; la
prueba de ji cuadrado, la prueba de esfericidad de Bartlett y la varianza acumulada según
el método de Moriyama. Procedimientos combinados, para garantizar la adaptación
confiable y robusta de los cuestionarios y poder aplicarse en los estudiantes de carreras
elegidas.
El AFC, se utilizaron los indicadores de bondad de ajuste: Absoluto, incremental y de
parsimonia. Además, las matrices de variables latentes, covarianzas y varianzas; análisis
de regresión lineal para obtener los ß y la t y nivel de significación (p-valor). Sin embargo,
era importante, realizar una post prueba confirmatoria para disminuir sesgos estadísticos.
Por tal razón, se utilizaron la prueba de fiabilidad compuesta y la varianza extraída
promedio para obtener la validez convergente.
El Contraste de hipótesis de los objetivos generales y específicos, se eligió la matriz de
regresiones lineales y el contraste de hipótesis para evaluar los ß estandarizados y, el valor
de t, y significancia estadística (p-valor 0.000 ≤ 0,05). La prueba de Bootstrapping para el
análisis de mediación directa, indirecta, de efecto y proporcional (Antal y Tillé, 2011). La
invarianza métrica, fue usada para establecer la percepción respecto de sexo y especialidad
académica. Por último, se presentan los diagramas de senderos (SemPlot) modificados
para objetivos generales y específicos y tablas de bondad de ajuste y contraste de hipótesis.

O. Tipismana
158
3. Resultados
Según los objetivos e hipótesis planteadas, se presentan los resultados del análisis de
confiabilidad y validez de los instrumentos para adaptarlos al contexto de estudio (AFE,
AFC, Bondad de Ajuste, Análisis de variables latentes, covarianzas, y un análisis post
confirmatorio para estabilizar la adaptación de los instrumentos usados en este caso). Se
describen los datos, con puntajes por punto de corte automático categorizados. El
desarrollo del modelo teórico es descrito, y se presentan los datos de análisis de:
predicciones de los factores resiliencia y afrontamiento en la percepción de rendimiento
académico y promedio ponderado; la prueba de sensibilidad del efecto directo, indirecto y
mediacional (Bootstrapping). Se analizan el papel de los factores psicosociales
(funcionamiento familiar, factores protectores de protección, riesgo; factores de
afrontamiento activo y pasivo). Así como el rol de los factores sociodemográficos como
sexo y especialidad académica del estudiante para valorar la percepción respecto de los
constructos y su impacto en el rendimiento académico.
3.1. Análisis de confiabilidad y validez de los instrumentos
Análisis factorial exploratorio
La medida de adecuación al muestreo (KMO) presenta valores de 0,80 hasta 0,94 [IC 95%
0,80-0,99] (cuadro 1) y, la prueba de esfericidad de Barlett, confirma la adaptación de los
instrumentos utilizados. Este valor significativo, corrobora la aplicabilidad de los
cuestionarios a ambas muestras y que, provienen de la población de estudiantes en CC.SS
y CC.EE (0,000 ≤ 0,05). Al cumplir el propósito de adaptación de los instrumentos, se hizo
posible realizar, la prueba AFE.
Cuadro 1. Prueba de KMO y Bartlett
KMO
PRUEBA DE BARTLETT
X2
gl Sig.
Resiliencia 0,94 6526,163 903 0,000 ≤ 0,05
Afrontamiento 0,85 2722,553 861 0,000 ≤ 0,05
Funcionamiento familiar 0,80 632,020 10 0,000 ≤ 0,05
Rendimiento académico 0,92 2469,347 378 0,000 ≤ 0,05
Nota: KMO Prueba de Kaplan Meyer y Olkin; X2 Chi cuadrado; gl Grados de Libertad; Sig. Nivel
de significación.
Fuente: Elaboración propia.
El análisis factorial exploratorio (AFE) (cuadro 2). Los coeficientes alfas en la prueba piloto
(n = 190 estudiantes de CC.SS (60,5%) y CC.EE (44,7%); por dimensiones oscilan de 0,72 a
0,91 [IC% 0,70-0,95]; los coeficientes alfas globales de 0,77 a 0,87 [IC 95% 0,75-0,90]; y,
con el factor rotado Varimax promediados de 0,75 a 0,87 [IC 95% 0,70-0,90], demuestran
la pertinencia de los instrumentos. Es decir, se toman en cuenta el número de ítems;
garantizan la pertinencia de un intervalo mínimo apropiado, apoyado por la prueba KMO;
se asegura una muestra estratificada conveniente; cumplen con la prueba de esfericidad y,
un p-valor altamente significativo (Frías-Navarro y Soler, 2012). El juicio de expertos
demuestra por otro lado, que los coeficientes de validez de contenido global y aceptables
de Lawshe (1975) modificado por Tristán (2007, citado en Tristán-López y Molgado-
Ramos, 2007) son aceptables. Valores de 0,71 a 0,80 [IC 95% 0,67-0,85], aseguran la
validez de contenido. Los valores del test de Moriyama en relación con la varianza

159
acumulada va de 56,4% a 62,6%; éstos son datos cercanos a los valores de los autores
originales de cada instrumento (Castilla, Caycho, Shimabukuro y Valdivia, 2014; Gargallo
López et al., 2009; Olivas y Barraza, 2016; Sandín y Chorot 2003). Quizás, esta diferencia
menor a 65% permitido para ciencias sociales, puede afectar la robustez estadística; sin
embargo, se encuentra en diferentes estudios (como los citados), que es común el uso de
estos valores. Es necesario precisar, que, en este caso, no se realiza un estudio de análisis
psicométrico; solo se están adaptando los instrumentos originales.
Cuadro 2. Coeficientes alfa; factores rotados promedio; CVI y varianza acumulada
F CA CAG
F.
RVXP.
CVI
GLOBAL
CVI *
ACEPTABLES
VAR.
ACUM
Resiliencia
CESM 0,91
0,83 0,84 0,56 0,78 62,6%
CS 0,74
AF 0,86
AS 0,81
EP 0,86
Afrontamiento
FSP 0,84
0,77 0,85 0,61 0,80 58,3%
AFN 0,79
REP 0,72
EEA 0,77
EVIT 0,71
BAS 0,78
ESP 0,81
FUFA 0,80 0,75 0,43 0,71 56,4%
RA
EXL 0,86
0,86 0,87 0,52 0,76 59,1%AP 0,87
SG 0,86
Nota: AFE: Análisis Factorial Exploratorio; F: Factores; CA: Coeficiente alfa; F. RVXG: Factor con
rotación Varimax promediado; CVI (global y aceptables) Índices de Validez de Contenido con el
método Lawshe; Var Acum.: Varianza acumulada.
Fuente: Elaboración propia a partir de los datos obtenidos de la prueba piloto.
Análisis factorial confirmatorio
Los indicadores de ajuste del modelo teórico propuesto (cuadro 3), corroboran su
adecuación definitiva (bondad de ajuste absoluto), x2 340,16; el ajuste de parsimonia x2/gl
0,033, p. ≤ 0,000, demuestra un modelo sobreidentificado, apoyada por las medidas
incrementales como índice de ajuste comparativo CFI 0,95; TLI 0,95 y RMSEA 0,07 [IC 95%
0,65-0,80]. Estos datos son soportados por el ajuste de errores estándares SRMS 0,09., en
CC.SS. En CC.EE x2 197,820; x2/gl 0,755, p. ≤ 0,002; un CFI 0,91; TLI 0,90; RMSEA 0,09 [IC
95% 0,08-0,10] y SMRS 0,12; estos valores de ajuste muestran un modelo poco
satisfactorio; el error de ajuste esperado debe ser menor a 0,10 (Rovira Collado, 2016). El
tamaño de las muestras puede explicar estas diferencias (Collado Agudo, 2016; Cupani,
2012). No obstante, el ajuste incremental y de parsimonia, ayudan a soportar el análisis de
los factores predictivos en ambos constructos como predictor del RA y el Promedio
Ponderado.

O. Tipismana
160
Cuadro 3. Indicadores de Bondad de Ajuste del AFC
MEDIDA DE BONDAD DE
AJUSTE
NIVEL DE
AJUSTE
ACEPTABLE
VALORES
OBTENIDOS
GL VALORES
CC.SS
Medida de ajuste absoluto 340,160 Aceptable
Parámetro de no centralidad 0,366 (p 0,000) 97 Aceptable
CFI > 0,95 0,95 Aceptable
TLI > 0,90 0,95 Aceptable
GFI > 0,90 0,96 Aceptable
AGFI >0,90 0,92 Aceptable
RMSEA <0,05 0,07 Aceptable
SRMR < 0,10 0,09 Aceptable
CC.EE
Parámetro de no
centralidad
0,755 (p 0,000) 97 Aceptable
CFI > 0,95 0,91 Aceptable
TLI > 0,90 0,90 Aceptable
GFI > 0,90 0,92 Aceptable
RMSEA <0,05 0,09 Poco satisfactor.
SRMR <0,10 0,12 Poco satisfactor.
Nota: X2 Chi cuadrado; CFI: Índice de ajuste comparativo; RMSEA: Error cuadrático medio de
aproximación; TLI: Índice de Tucker-Lewis; GFI: Índice de bondad de ajuste; SRMR: Raíz media
cuadrática estandarizada residual
Fuente: Elaboración propia
Obtener datos robustos, para adaptar los instrumentos y disminuir posibles sesgos en la
obtención de información estadística, fue coherente en el presente estudio. El cuadro 4,
demuestra que las cargas factoriales de covarianzas/varianzas, los valores van de 0,590 a
0,89 [IC 95% 0,50-0,95] y son significativas (p. ≤ 0,000), para todas las dimensiones de
cada instrumento en CC.SS. En CC.EE, los valores, se distribuyen en un rango de 0,55 a
0,90 [IC 95% 0,45-0,97] y son significativos (p. ≤ 0,000).
Cuadro 4. AFC: Estimación de Cargas factoriales
VARIABLES
LATENTES
ESTIMACIÓN STD.ERR Z-VAL. P(>│Z│) STD.LV STD.ALL
CC.SS Estimación de cargas factoriales
Resi =~
F1CESM 1,00 10,39 0,87
F2CS 0,49 0,02 17,28 0,000 5,18 0,86
F3AF 0,41 0,02 17,65 0,000 4,26 0,89
F4AS 0,46 0,02 17,45 0,000 4,85 0,86
F5EP 0,34 0,03 17,25 0,000 3,54 0,88
Afro =~
F1FSP 1,000 3,781 0,89
F2AFNEG 0,83 0,04 19,70 0,000 3,16 0,65
F3REVPOS 0,96 0,05 21,06 0,000 3,62 0,86
F4EEA 0,77 0,04 18,96 0,000 2,93 0,59
F5EEV 0,97 0,04 21,26 0,000 3,69 0.87

161
F6BAS 1,00 0,05 21,03 0,000 3,81 0,82
F7ESPIRIT 0,000 3,28 0,61
RA = ~ 4,60 0,89
F1EXLOG 1,000 4,60 0,89
F2AP.PER 0,96 0,05 16,742 0,000 4,44 0,87
F3SGLOB 0,69 0,04 16,33 0,000 3,18 0,73
Covarianzas
RESI ~~
AFRO 17,43 1,01 17,23 0,000 0,44 0,44
RA 29,67 1,85 15,97 0,000 0,62 0,62
AFRO ~~
RA 8,58 0,51 16,65 0.000 0,49 0,49
CC.EE Estimación de Cargas Factoriales
Resi =~
F1CESM 1,000 6,41 0,82
F2CS 0,43 0,05 9,17 0,000 2,77 0,72
F3AF 0,43 0,05 9,36 0,000 2,76 0,84
F4AS 0,32 0,04 8,18 0,000 2,05 0,53
F5EP 0,34 0,04 9,00 0,000 2,22 0,67
Afro =~
F1FSP 1,000 2,87 0,77
F2AFNEG 0,94 0,13 7,29 0,000 2,70 0,53
F3REVPOS 1,01 0,12 8,66 0,000 2,90 0,84
F4EEA 1,05 0,14 7,41 0,000 3,02 0,54
F5EEV 1,01 0,12 8,38 0,000 2,91 0,72
F6BAS 1,40 0,17 8,52 0,000 4,03 0,71
F7ESPIRIT 1,22 0,16 7,60 0,000 3,51 0,54
RA =~
F1EXLO 1,000 3,42 0,76
F2AP.PER 1,12 0,14 7,82 0,000 3,85 0,90
F3SGLOB 0,57 0,08 6,76 0,000 1,97 0,52
Covarianzas
Resi ~~
Afro 7,11 0,92 7,71 0,000 0,38 0,38
RA 13,87 1,72 8,04 0,000 0,63 0,63
Afro ~~ 0,000
RA 3,31 0,54 6,04 0,000 0,33 0,33
En el cuadro 5 se presentan los datos del análisis post confirmatorio. El objeto, es, buscar
un equilibrio estadístico entre los indicadores de bondad de ajuste del AFC. Para tal efecto,
se identificó la fiabilidad compuesta (CF) y el AVE o validez convergente (también
denominada varianza extraída promedio). Los parámetros estadísticos evaluados plantean
que la confiabilidad compuesta debe ser > 0,07 y la varianza extraída promedio (AVE) >
0,05 (Aldás y Uriel, 2017).

O. Tipismana
162
Cuadro 5. Análisis Factorial Post Confirmatorio: CR y AVE
ANÁLISIS POST AFC
VALOR OBTENIDO VALOR
ESPERADO
VALIDEZ
CONVERGENTEResi Afro RA
CC.SS
Fiabilidad Compuesta 0,94 0,90 0,87
CR > 0,7 AVE > 0,5Varianza extraída
promedio
0,76 0,60 0,70
CC.EE
Fiabilidad Compuesta 0,84 0,85 0,80
CR > 0,7 AVE > 0,5Varianza extraída
promedio
0,51 0,50 0,56
Nota: CR Correlación compuesta obtenida > a 0,7. AVE: Análisis de varianza explicada > a 0,5. R.D.
Se acepta que los instrumentos son adaptables al contexto de estudio.
3.2. Análisis descriptivo
En el cuadro 6, en estudiantes de CC.SS los valores promedios de resiliencia [n = 465] es
alto en el 58,7%; afrontamiento es bajo en 53,3%; en funcionamiento familiar el 74,4% es
disfuncional; rendimiento académico 52,3% es bajo, y el promedio ponderado ≥ 14,
considerándose bueno para el contexto nacional. En estudiantes de CC.EE [n = 131] el
69,4% es alto en resiliencia; 56,4% es bajo en estrategias de afrontamiento; en
funcionamiento familiar 74,9% es disfuncional; en rendimiento académico el 59,5% es bajo;
el promedio ponderado es alto ≥ 14. En análisis de U Mann-Whitney es significativo,
corroborándose las diferencias de promedios en cada uno de los constructos en ambos
grupos de estudios.
3.3. Modelo teórico predictivo
El rendimiento académico (RA), con la irrupción de la teoría social cognitiva y de
autoeficacia, está integrada por muchos factores de tipo no cognitivos como: persistencia,
motivación, expectativa de logro, aprendizaje percibido y satisfacción global. Estos
factores, se asocian a constructos como la resiliencia académica (RESI), afrontamiento
(AFRO) y se añade un instrumento de funcionamiento familiar (FUFA), por su papel central
en diversos estudios en el Rendimiento académico (RA) (Guardía Olmos, 2016).
Los constructos (latentes), contienen factores susceptibles de ser observados mediante
instrumentos psicométricos, con el objeto de hacer plausible su evidencia en entornos
académicas universitarios. Factores como: competencia social, confianza en sí mismo,
apoyo familiar, apoyo social, estructura personal, pueden direccionar el estilo de
afrontamiento como estrategias: focalizado en la solución de los problemas,
autofocalización negativa, búsqueda de apoyo social, exposición emocional abierta,
evitación, búsqueda de apoyo social, espiritualidad (Guzmán Brito, 2012; Lievens y
Sackett, 2011).
Para predecir la variada gama de factores, desarrollamos un modelo explicativo de tipo
estadístico y con ello se buscó establecer el valor predictivo de datos ordinales o nominales
que representan la percepción de las variables mencionadas, como predictor del
rendimiento académico percibido o promedio de notas en un semestre académico
(Cabanach et al., 2010; Limonero et al., 2012).

163
Cuadro 6. Puntos de corte promedio de las variables
Nota: p. 0, 000 ≤ 0,05. CC.SS Ciencias de la salud; CC.EE Ciencias empresariales; RA: Percepción de
Rendimiento académico; Fufa: Funcionamiento Familiar; Resi: Resiliencia; Afro: Afrontamiento al
estrés; PP (PROM) Promedio Ponderado.
La figura 1, presenta el modelo explicativo de tipo estadístico que busca evidenciar cómo
la resiliencia afecta al rendimiento académico (H1); el afrontamiento afecta directamente
el rendimiento académico (H2), la correlación entre la resiliencia y afrontamiento (H3), si
afecta la resiliencia afecta el promedio ponderado (H4); el afrontamiento influye
directamente en el promedio ponderado (H5) y la influencia directa de rendimiento
académico en el promedio ponderado (H6). Se proponen otros modelos específicos.
Identificar si los factores psicosociales y sociodemográficos predicen la percepción de
rendimiento académico (H7 a H16). Los factores relevantes como funcionamiento familiar,
factores de protección y riesgo; factores de afrontamiento activo y pasivo; factores como
edad, y especialidad académica también predicen el RA y promedio ponderado (Álvarez y
Vernazza, 2017).
Objetivo general: Modelo predictivo general
En el cuadro 7, el modelo ajustado absoluto en CC.SS es X2 397,483; ajuste de parsimonia
X2/gl 0,417/97 los valores son menor de 3 en el parámetro de centralidad. Los indicadores
de bondad de ajuste incremental se confirma la predicción de ambos constructos en la
percepción de rendimiento académico (CFI 0,095; TLI 0,95; RMSEA 0,08 [IC 95% 0,04-0,09]
y un SRMR 0,953 [IC 95% 0,800-0,100].
VARIABLES
LATENTES
PUNTOS DE
CORTE
NIVEL 𝒇 % 𝒙 (sd)
U MANN-
WHITNEY
CC.SS
Resi
Alto:166-215
Bajo:0-165
Alto
Bajo
273 (58,7%)
192 (42,3%)
182,9 (±26,9)
138,4 (±12,0)
0,000
Afro
Alto:135-210
Bajo:0-134
Alto
Bajo
217 (46,7%)
248 (53,3%)
157,0 (±15,4)
115,2 (±15,6)
0,000
FuFa
Func. Fam.0-6
Disf. Fam. 7-10
Buena
Inadec.
119 (25,6%)
346 (74,4%)
4,5 (±1,6)
9,1 (±1,1)
0,000
RA
Alto:87-112
Bajo: 0 - 86
Alto
Bajo
222 (47,7%)
243 (52,3%)
95,7 (±6,7)
75,8 (9,9)
0,000
PP (PROM)
Alto≥14
Bajo ≤14
Alto n = 465 14.3 (±1.26)
CC.EE
Resi
Alto:166-215
Bajo:0-165
Alto
Bajo
91 (69,4%)
40 (31,6%)
182,7 (±12,3)
153,3 (±9,4)
0,000
Afro
Alto:135-210
Bajo:0-134
Alto
Bajo
57 (43,6%)
74 (56,4%)
155,3 (±19,0)
116,4 (±13,0)
0,000
FuFa
Func. Fam.0-6
Disf. Fam. 7-10
Func.
Disf.
33 (25,15%)
98 (74,9%)
5,1 (± 0,8)
8,8 (±1,1)
0,000
RA
Alto:87-112
Bajo: 0 - 86
Alto
Bajo
53 (40,45%)
78 (59,55%
94,3 (±6,5)
77,7 (±6,3)
0,000
PP (PROM)
≥14 alto
≤14 Bajo
Alto n = 131 15,29 (±1,16) 0.000

O. Tipismana
164
Cuadro 7. Indicadores de bondad de ajuste
MEDIDA DE BONDAD DE AJUSTE
NIVEL DE
AJUSTE
ACEPTABLE
VALORES
OBTENIDOS
GL VALORES
CC.SS
Parámetro de no centralidad 0,417 (0,000) 97 Aceptable
CFI >0,95 0,95 Aceptable
TLI >0,90 0,95 Aceptable
GFI >0,90 0,96 Aceptable
RMSEA <0,05 0,08 Aceptable
Indicadores de Bondad de ajuste de correlación
RMSEA <0,05
0,08[IC 95% 0,07-
0,09]
Aceptable
CC.EE
Parámetro de no centralidad 569(p. 0,000) 97 Aceptable
RMSEA <0,05
0,06 [IC 95% 0,05-
0,07]
Satisfactorio
SRMR <0,10 0,07 Satisfactorio
Indicadores de Bondad de ajuste de correlación
RMSEA <0,05
0,08[IC 95% 0,07-
0,09]
Satisfactorio
SRMR <0,10 0,09 Satisfactorio
Nota: X2 Chi cuadrado; CFI: Índice de ajuste comparativo; RMSEA: Error cuadrático medio de
aproximación; TLI: Índice de Tucker-Lewis; GFI: Índice de bondad de ajuste; SRMR: Raíz media
cuadrática estandarizada residual.
En CC.EE el RMSEA mejora significativamente 0,064 [IC 95% 0,050-0,070], pero el
indicador CFI 0,65 y TLI 0,56 y un SRMR de 0,178, expresan que el modelo de predicción
en CC.SS poco adecuado, aun cuando los datos incrementales son > 0,90. Al evaluar los

165
indicadores de ajuste, se observa que los valores son aceptables en CC.SS; sin embargo, en
CC.EE, el modelo es mediocre por el valor de SRMR 0,13, cuando lo esperado es hasta 0,10.
De acuerdo con estos datos, las diferencias en los indicadores parsimonioso, incrementales
y medidas absolutas, tienen valores aceptables y otros variables mediocres, el efecto del
tamaño de la muestra condiciona el tipo de resultado.
El cuadro 8, el análisis de regresión confirma el efecto indirecto de la resiliencia hacia el
afrontamiento como predictor de rendimiento académico. El valor ß 0,48 es adecuado y la
significación (0,000 ≤ 0,05) confirman que estos constructos predicen la percepción de
rendimiento académico. Es importante destacar que el factor confianza en sí mismo
covaría adecuadamente con la capacidad social. Y, los factores de afrontamiento como el
apoyo familiar, exposición emocional abierta, espiritualidad y apoyo social covarían
adecuadamente para una mejor percepción de sus expectativas de logro, aprendizaje
percibido y satisfacción global. En relación con el promedio ponderado no hay
significancia y sus ß son negativas En estudiantes de CC.EE un ß 0,44 en afrontamiento y
ß 0,49 en resiliencia; al ser significativas (0,000 ≤ 0,05) indican la predicción de ambas en
el rendimiento académico. No obstante, los factores de confianza en sí mismo, capacidad
social (resiliencia) y la autofocalización emocional abierta con autofocalización negativa
covarían con ß 0,48 y ß 0,67 (significativas p. 0,000 ≤ 0,05). Se demuestra la importancia
de los factores de ambos constructos en la percepción de rendimiento académico; sin
embargo, no se observa significatividad con relación al promedio ponderado.
Cuadro 8. Objetivo general: Análisis de regresión
ANÁLISIS DE
REGRESIÓN
ESTIMACIÓN STD.ERR Z-VAL. P(>│Z│) STD.LV STD.ALL
CC.SS
PROM~AFRO -0,01 0,01 -1,09 0,27 -0,04 -0,04
AFRO~RESI 0,18 0,01 14,30 0,000 0,48 0,48
PROM~RESI -0,00 0,00 -0,03 0,98 -0,00 -0,00
RA~RESI 0,22 0,02 10,16 0,000 0,49 0,49
AFRO 0,33 0,04 7,83 0,000 0,28 0,28
PROM~RA 0,05 0,02 2,48 0,001 0,17 0,17
CC.EE
PROM~AFRO 0,01 0,02 0,47 0,640 0,03 0,03
AFRO~RESI 0,22 0,03 6,69 0,000 0,44 0,44
PROM~RESI -0,01 0,02 -0,47 0,632 -0,07 -0,07
RA~RESI 0,34 0,06 5,79 0,000 0,61 0,61
AFRO 0,11 0,08 1,40 0,162 0,10 0,10
PROM~RA 0,05 0,04 1,16 0,245 0,15 0,15
Nota: β (STD.ALL), Beta; t (Z-VAL:); Sig. (P(>│z│)
La figura 1, se muestra el modelo representativo del análisis de sendero, con el objetivo
de graficar cómo los vectores que indican la dirección directa, indirecta y relacional,
demuestran la propuesta de estudio relacionada con la predicción del rendimiento
académico. Tanto en CC.SS de la salud como en CC.EE, la observancia de los constructos,
las estimaciones de la estructura del modelo teórico planteado advierten que existe
suficientes evidencias que precisan el patrón predictivo. Es conveniente precisar que si los
valores ß no están por encima de 0,60 la probabilidad de mejora en el uso de los
instrumentos adaptados mediante una validación psicométrica para este escenario
incrementaría la significancia de los datos (Rodríguez et al., 2011).

O. Tipismana
166
Figura 1. Sendero del modelo predictivo teórico
El cuadro 9, en el contraste de hipótesis, los factores de resiliencia como recurso potencial
por la experiencia, predice factores de afrontamiento y, éste, predice de manera directa la
percepción de rendimiento académico e indirectamente con el afrontamiento (H1 ß 0,585
p < 0,000; H2 ß 0,664; p < 0,000). Resiliencia y afrontamiento, no tienen un efecto positivo
con el promedio de notas (H3 ß -0,044 p > 0,436). La percepción de rendimiento sobre el
promedio ponderado (H4 ß 0,155 p < 0,009) en estudiantes de CC.SS no se observa
influencia. En CC.EE, resiliencia-afrontamiento tienen efecto directo e indirecto en
percepción de RA (H1 ß. 0,630 p < 0,000 y H2 ß 0,603 p < 0,000). En Afro hacia promedio
ponderado la influencia es no significativa (H3 ß - ,088 p > 0,29). RA hacia PP (ß 0,129 p >
0,246) el efecto no es significativo.
La correlación entre la resiliencia y afrontamiento y su predicción de ambos constructos
con la percepción de rendimiento académico en CC.SS, ß 0,54 (p. 0,000 ≤ 0,05), se afirma
que ambos constructos están relacionados y cumplen con predecir la percepción de
rendimiento académico. De igual manera en CC.EE un ß .34 (p. 0,000 ≤ 0,05) se cumple la
misma predicción, no así con el promedio ponderado. Ambos ß son negativos y no
significativos.
Para estimar mejor la calidad de la predicción tanto de los constructos como de sus
factores, se efectuó un análisis de sensibilidad a través de la prueba de bootstrapping para
datos de mínimos cuadrados no ponderados. En el cuadro 10, se observa que para el efecto
de mediación causal promedio (ACME) de la resiliencia y el afrontamiento en la percepción
de rendimiento académico; la propuesta de efectos de promedio directa (ADE); y, las
estimaciones de efecto total, como la proporción de efecto mediadora son significativas (p.
0,000 ≤ 0,05) en la muestra de estudiantes de CC.SS. Sin embargo, en CC.EE., solo es
significativa en el efecto promedio directo (ADE) y en el efecto total (0,000 ≤ 0,05). No es
significativa, en el efecto de mediación de causa y efecto de proporción mediadora (p. 0,340
≥ 0,05).

167
Cuadro 9. Contraste de hipótesis
HIPÓTESIS Β ESTANDARIZADO VALOR T P-VALOR
CC.SS
H1: Resi -> RA 0,49 10,16 0,000*
H2: Resi -> Prom 0,98 -0,01 0,980
H3: Afro -> Prom -0,04 -0,78 0,430
H4: Resi -> Afro 0,58 14,78 0,000*
H4: Afro -> RA 0,66 17,53 0,000*
H5: RA -> Prom 0,17 2,62 0,090
H5: Resi<->Afro->RA 0,54 17,38 0,000*
H6: Resi<->Afro->PROM 0,86 2,23 0,002*
CC.EE
H1: Resi -> RA 0,69 5,778 0,000*
H2: Resi -> Prom -0,06 -0,47 0,630
H1: Afro -> Prom -0,08 -0,08 0,920
H2: Resi -> Afro 0,63 7,22 0,000*
H3: Afro -> RA 0,60 7,15 0,000*
H4: RA -> Prom 0,12 1,16 0,024
H5: Resi<->Afro->RA 0,34 6,94 0,000*
H6: Resi<->Afro->PROM 0,20 0,21 0,008
Nota: *Significativo (p 0,000 < 0,05).
Como el Bootstrapping se orienta a ver la relación en entre las submuestras, es posible
generalizar a la población de estudiantes de Ciencias de la Salud; y de manera parcial en
estudiantes de Ciencias Empresariales. Estos datos, además, reafirman las diferencias de
las muestras y, probablemente la necesidad de utilizar instrumentos con validez
psicométrica o, que otras variables no contempladas (espurias) en el presente estudio
puedan influir en los resultados obtenidos (Vinod, 2010)
Cuadro 10. Análisis de mediación
BOOTSTRAP NO PARAMÉTRICO ESTIMADO
IC 95% P-VALOR
L. Inferior L. Superior
CC.SS
ACME 0,04 0,02 0,06 0,000
ADE 0,21 0,17 0,25 0,000
Efecto Total 0,25 0,22 0,29 0,000
Propuesta mediadora 0,16 0,10 023 0,000
CC.EE
ACME 0,01 -0,01 0,04 0,340
ADE 0,30 0,02 0,38 0,000
Efecto Total 0,31 0,23 0,39 0,000
Proporción mediadora 0,03 -0,05 0,34 0,340
Nota: p. 0,000 ≤ 0,05 para CC. SS; corrobora la predicción de los factores RESI y AFRO en RA. En
CC.EE, la mediación de RESI y AFRO tiene efecto promedio directo (ADE) y Efecto total, al ser
significativo p. 0,000 ≤ 0,05. No hay efecto causal y la proporción mediadora no son significativas
p. 0,340 ≥ 0,05.

O. Tipismana
168
Objetivos específicos
En el Cuadro 11, se presentan los indicadores de bondad tanto para Factores de Riesgo y
Protección (FP/FR); Factores de Afrontamiento Activo y Pasivo (AFAC/AFPAS) y
Funcionamiento Familiar (FUFA); (nótese que se utilizaron el estimador DWLS y GLS,
según sea el caso). Se observa además que, en ambos casos, los valores varían, pero no
alteran la naturaleza de los datos. En tanto que, expliquen si los modelos son óptimos,
satisfactorios (aceptables) o, mediocres (poco satisfactorio).
Por esa razón, las bondades de ajuste absoluto de factores de protección y riesgo;
indicadores incrementales están dentro de los parámetros aceptados en factor de
protección, considerándose un modelo satisfactorio en la muestra de CC.SS. Indicadores
relacionados con el factor de riesgo son satisfactorios; por ese motivo, aun cuando los
indicadores incrementales mejoran el modelo reespecificado, es importante resaltar, que
estas diferencias, aun así, pueden afectar el efecto en la percepción de rendimiento
académico como en el promedio ponderado. En CC.EE, los indicadores usando el estimador
GLS explica adecuadamente el modelo.
En relación con los indicadores de afrontamiento activo, el modelo en ambos grupos de
CC.SS y CC.EE los modelos son aceptables en las bondades de ajuste absoluto, incremental
y parsimonioso. Respecto del funcionamiento familiar el modelo satisfactorio. El efecto a
través de la resiliencia es satisfactorio en la percepción de rendimiento académico. En
relación con el promedio ponderado el efecto es mínimo o inexistente. Es decir, en ambas
condiciones del entorno familiar afectan directa e indirectamente a la percepción de
rendimiento académico en ambos grupos de estudio, a pesar de que el SRMR en la muestra
de CC.EE es poco satisfactorio. Sin embargo, los RMSEA están dentro de los parámetros
satisfactorios
Cuadro 11. Indicadores de Bondad de Ajuste de factores: P/R; AFAC y AFPAS
MEDIDA DE BONDAD
DE AJUSTE
NIVEL DE
AJUSTE
ACEPTABLE
VALORES OBTENIDOS GL VALORES
CC.SS
Indicadores de Bondad de ajuste de los Factores Protectores y Riesgo
Medida de ajuste
absoluto
346,079¥ Aceptable
P. de no centralidad 0,372 (0,000) 97 Aceptable
RMSEA < 0,05 0,06 [IC 95% 0,05-0,08] Aceptable
SRMR >0,90 0,08 Aceptable
CC.EE
Medida de ajuste
absoluto
< 0,10 134,761¥ Aceptable
SRMR >0,90 0,05 Óptimo
CC.SS
Indicadores de Bondad de ajuste de Afrontamiento Activo y Afrontamiento Pasivo

169
Medida de ajuste
absoluto
184,094þ Aceptable
SRMR >0,90 0,07 Óptimo
CC.EE
Medida de ajuste
absoluto
136,058þ Aceptable
RMSEA < 0,05 0,06 [IC 95% 0,05 -0,08] Aceptable
SRMR >0,90 0,9 Satisfactorio
CC.SS
Indicadores de Bondad de ajuste del Funcionamiento Familiar
Medida de ajuste
absoluto
265,544¥ Aceptable
SRMR >0,90 0,7 Satisfactorio
CC.EE.
Medida de ajuste
absoluto
163,218¥ Aceptable
SRMR >0,90 0,18 Poco satisf.
Nota: * Diferencias de puntuaciones por uso de estimador DWLS (¥) y GLS (þ). Según la variable
psicosocial FP/FR y FUFA; En AFAC/AFPAS el estimador GLS (þ) para ambas muestras (CC.SS y
CC.EE).
En la figura 2, los ß 0,47 del funcionamiento familiar tiene efecto indirecto a través de la
resiliencia con el rendimiento académico en CC.SS; el mismo resultado se observa en CC.EE
0,40. En ambos casos es significativo el efecto (p. 0,000 ≤ 0,05). El afrontamiento activo
en CC.SS el efecto directo es altamente significativo ß 0,72. En estudiantes de CC.EE, su
efecto es bajo, aunque significativo (0,000 ≤ 0,05). El efecto de los factores de protección
como de riesgo los ß -8,29 en CC.SS y en CC.EE, ß -1,23 no son significativos en ambos
casos. Estos datos adquieren relevancia, es decir, el significado de los factores protectores
como: la capacidad social y estructura personal (resiliencia) afectarán a un grupo
significativo de la muestra. El cuadro 6, la certeza de disfunción familiar es alta. Tanto en
estudiantes de CC.SS (74,4%) y CC.EE (74,9%). La misma proporción de estudiantes de
ambos grupos probablemente estarían afectados por los factores de riesgo, ya sea por la
falta de apoyo familiar y apoyo social.

O. Tipismana
170
Figura 2. Diagrama de sendero de Factores psicosociales
Cuadro 12. Contraste de hipótesis de los factores psicosociales
HIPÓTESIS Β ESTANDARIZADO VALOR T P-VALOR
CC.SS
H7: FP -> RA 8,291 0,76 0,440
H8: FP ->PROM -3,18 -0,26 0,790
H9: FR->RA -7,67 -0,68 0,490
H10:FR->PROM -0,02 -0,28 0,790
H11: AFAC -> RA 0,72 13,65 0,000*
H12: AFAC -> PROM -0,02 -0,14 0,880
H13: AFPAS-> RA -0,03 -0,68 0,490
H14: AFPAS-> PROM -0,00 -0,05 0,950
H15: FUFA->RESI -> RA 0,47 14,44 0,000*
H16: FUFA ->RESI-> PROM NA NA NA
CC.EE
H7: FP -> RA 1,23 1,93 0,005*
H8: FP ->PROM 0,07 0,13 0,890
H9: FR->RA -0,61 -0,90 0,360
H10:FR->PROM -0,09 -0,21 0,830
H11: AFAC -> RA 0,75 7,02 0,000*
H12: AFAC -> PROM -0,02 -0,14 0,880
H13: AFPAS-> RA -0,03 -0,68 0,490
H14: AFPAS-> PROM -0,00 -0,05 0,950
H15: FUFA ->RESI-> RA 0,40 6,76 0,000*
H16: FUFA -> PROM NA NA NA
Nota: *Significativo para Afrontamiento activo (p 0,000 < 0,05) y significativo para Fufa, Resi, RA
(p. 0,000 < 0,05) en ambos grupos. NA: datos no disponibles (no existe efecto en el Pro.Pond.)
El cuadro 12 corrobora que un ß 0,72 (0,000 ≤ 0,05) que los factores como reevaluación
positiva y focalización en la solución de problemas (afrontamiento activo) son los factores
claves para dinamizar la eficiencia de los factores protectores como estrategias para
afrontar las demandas internas y externas del sistema universitario en grupos de

171
estudiantes de CC.SS y en CC.EE. Estas cualidades, influirán de manera esencial en el
rendimiento académico percibido, pero no en el promedio ponderado. Otros factores de
protección que van a influir son, la confianza en sí mismo, capacidad social y estructura
personal. El ß 1,23 positivo, y significativo (0,05 ≤ 0,05) tendrán un efecto en el
rendimiento académico percibido, pero ese efecto no es sostenible en el tiempo.
Análisis por género y especialidad académica
Por último, en el análisis de invarianza métrica (cuadro 13) se establece, que la percepción
de sexo femenino tiene una leve diferencia comparado con estudiantes de sexo masculino
en ambas especialidades. En cambio, lo valores son invariantes según la especialidad
relacionado a recurso personales y estilos de afrontamiento y su influencia en percepción
de rendimiento académico y promedio ponderado.
Cuadro 13. Análisis de invarianza métrica
MODELOS X2
GL CFI ∆ CFI RMSEA ∆ RMSEA
Sexo
CC.SS
Configural 359,70 174 0,97 NA 0,06 NA
Loadings 369,85 186 0,97 0,000 0,06 0,003
Escalar 380,77 198 0,97 0,000 0,06 0.002
Means 393,11 201 0,97 0,002 0,06 0,001
CC.EE
Configural 357,24 174 0,97 NA 0,06 NA
Loadings 375,07 186 0,97 0,001 0,06 0,002
Escalar 382,89 198 0,97 0,001 0,06 0,003
Métrica 401,87 201 0,96 0,003 0,06 0,000
Especialidad
Académica
CC.SS
Configural 388,96 261 0,98 NA 0,05 NA
Loadings 435,30 285 0,97 0,002 0,05 0,000
Escalar 439,28 309 0,98 0,002 0,05 0,004
Métrica 462,80 315 0,97 0,003 0,05 0,003
CC.EE
Configural 275,70 261 0,98 NA 0,03 NA
Loadings 327,33 285 0,98 0,021 0,05 0,023
Escalar 341,08 309 0,97 0.008 0,04 0,010
Métrica 347,53 315 0,97 0,000 0,04 0,000
Nota: NA: Datos no disponibles.
4. Discusión y conclusiones
Las investigaciones de la resiliencia y afrontamiento tradicionalmente se han relacionado
con factores psicosociales, sociodemográfica, infraestructura, académicos y de procesos
académicos, didáctica universitaria y su evaluación con las calificaciones semestrales o
finales de un periodo lectivo anual. Sin embargo, establecer si estos factores tienen
relevancia en la percepción del rendimiento y su repercusión en el resultado de ese
proceso, es casi escaso en la comunidad universitaria peruana (Aquino Guillen, 2016;
Pizarro Cherre, 2017).
La necesidad de realizar estudios predictivos que observen influencias o efectos directos,
indirectos, mediacionales y relacionales entre estos constructos (resiliencia y
afrontamiento) con la percepción de rendimiento académico como parte del proceso de
enseñanza-aprendizaje y su enlace con la nota promedio (entendida como resultado),
demandó la necesidad de un objetivo central, establecer si los factores de ambos
constructos son predictores del rendimiento académico en el proceso (percepción de

O. Tipismana
172
rendimiento) y su resultado (la nota promedio ponderada). Medrano (2010) plantea la
necesidad de desarrollar estos estudios ante la falta de predecir si las creencias,
expectativas, percepción de aprendizaje y satisfacción tienen un efecto directo, indirecto,
relacional o moderador de estos procesos. Estos son inherentes a la dinámica académica
de la vida universitaria. Postula la idea que la autoeficacia tiene que ver con aquellas
creencias académicas para obtener buenas notas. Es decir, plantea realizar estudios en la
que los patrones no cognitivos por sí mismo impactan en el rendimiento o, en su defecto,
los patrones no cognitivos (actitudes, creencias, expectativas de logro, aprendizaje
percibido, entre otros) contribuyen a que los patrones cognitivos (atención, memoria,
pensamientos procesuales, atención) garantizarán el logro académico esperado por el
estudiante y la universidad según su declaración intencional, soportado por la estructura
académica y la infraestructura actual (González y Landero, 2007).
El tema recurrente está entonces, en que los diseños de licenciamiento y acreditación
nacional contempla y demanda el desarrollo de perfiles del ingresante, del egresado y las
universidades recién en estos últimos 5 años vienen implementando ese modelo de proceso
y ahora variaron a el modelo de resultado sin establecer cuáles en sí son esos perfiles claves
para garantizar la calidad académica (Sineace, 2016)
Diferentes estudios en otros contextos tienen ya, una tradición en la búsqueda de esos
patrones no cognitivos de tipo metamotivacionales (resiliencia) y metaemocionales
(afrontamiento), demostrándose que existe un fuerte impacto predictivo en el rendimiento
académico de procesos (percepción de rendimiento) y su influencia es mínima en el
promedio de notas. Se han considerado variables como la edad, sexo, dinámica familiar,
estructura personal, social, creencias y expectativas, capacidad autorregulatoria, así como
la motivación, actitudes, flexibilidad cognitiva, autoeficacia cognitiva, flotabilidad
académica (bouyance academic). Factores que contribuyen en el estudiante al manejo de las
incertidumbres y la búsqueda de certezas para su éxito académico (Datu y Yuen, 2018;
Martin et al., 2013).
En la década del noventa la teoría sociocognitiva y de autoeficacia de Bandura
(Zimmerman, Bandura y Martínes-Pons, 1992) había postulado que los factores no
cognitivos como las expectativas de logro, creencias asociadas a su aprendizaje, el estilo
de percibir su aprendizaje, la búsqueda de autonomías como el tener control sobre sus
propias actividades académicas. Incluso, se han incorporado otros constructos no
cognitivos como: la automotivación, la capacidad social, la estructura personal,
experiencias vivenciales, estilos emocionales, capacidad de decisión, resolución de
problemas impactan en los dominios (aprendizajes por competencias) y, estos repercuten
en el logro académico deseado como al buen desempeño académico y convivencia
universitaria (Farnos Miró, 2010, 2013; Lamas, 2015; Medrano, 2011).
Estos presupuestos teóricos son los que guían el presente estudio. Como se puede
observar, fue conveniente y necesario determinar una muestra representativa de
estudiantes universitarios (en este caso estudiantes de ciencias de la salud: medicina,
enfermería y tecnología médica) y, compararlos con estudiantes de ciencias empresariales
(ingeniería de sistemas empresariales, ingeniería económica y administración de negocios
internacionales). La selección al muestreo estratificado fue un problema crítico a superar
sobre todo en la muestra de las carreras de gestión por el número de la muestra [n = 131].
En cambio, sí se logró tener una muestra mayor en estudiantes de ciencias de la salud [n
= 465]. Otro factor crítico se relacionó con los instrumentos seleccionados para medir los

173
constructos de resiliencia y afrontamiento (Resi-M, Palomar y Gomez, 2010; CAE, Sandín
y Chorot, 2003); además de adecuar tres dimensiones de dos instrumentos en la percepción
de rendimiento académico. Dimensión expectativa de logro y aprendizaje percibido
(Medrano, 2011), dimensión satisfacción global (Medrano, Laporice y Pérez, 2014).
Con la finalidad de adecuar estos instrumentos en el cuadro 1, los resultados obtenidos de
las pruebas de adecuación a la muestra para factorizar el constructo como una variable
eficiente (KMO) de igual manera la prueba de Bartlett para demostrar que las muestras
provienen de las poblaciones de estudiantes seleccionadas resultó ser significativa.
Cumplido este requisito, no fue suficiente adaptar los instrumentos a la muestra
recurriéndose al análisis factorial exploratorio (AFE) y con el objeto de no modificar las
escalas y sus dimensiones se realizaron las pruebas de fiabilidad por dimensiones y de
manera global y se promedió los factores rotados Varimax vinculándose además con el
coeficiente de validez de contenido global y aceptables. También, evaluar las varianzas
acumuladas; todos estos datos resultaron satisfactorios por sus valores aceptables para la
fiabilidad, los promedios factores rotados y las varianzas extraídas mediante el criterio de
Moriyama para criterio de jueces. Estos valores fueron cercanos a los obtenidos por los
autores originales, con la única a excepción de la escala de percepción de rendimiento
académico, a pesar de ello, su valor estadístico obtenido, también se encontró dentro de
los valores esperados (cuadro 2).
Cumplidos estos criterios estadísticos fue pertinente realizar el análisis factorial
confirmatorio (AFC), los valores de ajuste absoluto, incremental y de parsimonia están
dentro de lo esperado en CC.SS, excepto que el RMSEA y SRMR son valores no esperados,
por lo que se atribuye como valores poco satisfactorios en la muestra de estudiantes de
CC.EE (cuadro 3). Pero, al analizar la estimación de las cargas factoriales (cuadro 4), los
factores se encuentran por encima de 0,06 a 0,09 en CC.SS, y de 0,05 a 0,08 en CC.EE. Y, en
ambos casos, son significativos. En este mismo cuadro 4, en ambas muestras las
covarianzas son significativas con valores aceptables. Admitir estos valores no son
suficientes. El propósito, era ir más allá con la robustez estadística exigida. Se efectuó un
post análisis factorial confirmatorio. Se evalúan las cargas factoriales para la muestra de
CC.SS y de CC.EE (cuadro 5), estas cargas están por encima de 0,07 a 0,09 y lo esperado era
superior a siete. Además, se añadió un segundo tipo de validez, la validez convergente,
obteniéndose datos superiores a 0,05 que era lo esperado (Aldás y Uriel, 2017; Cabello y
Chirinos, 2012; Escobedo et al., 2016; Vinod, 2010).
Logrado la determinación de dotar de un cierto grado de robustez estadística, se aplicaron
los instrumentos a la muestra estratificada (cuadro 5), mediante el método automático de
categorización, los puntajes para cada uno de los constructos. En CC.SS se encuentran
valores porcentuales en resiliencia de 58,7% alto; afrontamiento 53,3% bajo; 74,4% de
disfuncionalidad familiar; percepción de rendimiento académico 52,3% bajo y Promedio
ponderado superior 14, estimándose como un valor cuantitativo bueno a alto.
En estudiantes de CC.EE, una resiliencia de 69.4% es alto; afrontamiento 56,4% bajo; el
funcionamiento familiar 74,9% es altamente disfuncional. La percepción de rendimiento
académico 59,5% bajo. El promedio ponderado mayor a 14 (es importante destacar que en
CC.EE, la norma aprobatoria es de 13; a diferencia de CC.SS, que el promedio aprobatorio
es 11). La prueba de U Mann-Whitney al ser significativa, refleja que los valores de las
dos muestras tienen patrones diferentes en su perfil académico; esta diferencia, repercutirá
significativamente en la percepción de rendimiento y también, en el promedio ponderado.

O. Tipismana
174
Además, se infiere que los perfiles personales, podrían influir en sus patrones no cognitivos
y cognitivos.
Según los resultados obtenidos, la adecuación de las muestras a la población y la
adaptación (parcial) de los instrumentos para medir los constructos, nos permitió describir
un modelo teórico estadístico general y específico (figuras 1 y 2), en la que se proponen
hipótesis de trabajo centrales. La resiliencia predice de manera directa e indirecta el
rendimiento académico en ambas muestras de estudiantes universitarios; el afrontamiento
tiene una influencia directa sobre el rendimiento académico y cundo se correlaciona con la
resiliencia resulta ser significativa. Por otro lado, tanto la resiliencia como el
afrontamiento tiene influencia mínima o inexistente con el promedio ponderado. Tal como
se observa en el cuadro 7, los indicadores de bondad de ajuste absoluto, incremental y de
parsimonia (RMSEA 0,08 [IC 95% 0,07-0,09], el SRMR es 0,07 en CC.SS.
Los estudiantes de CC.EE, también es satisfactorio el RMSEA 0,09 [IC 95% 0,07-0,09], el
SRMR 0,09. Estos datos, son considerados por algunos autores como modelos
satisfactorios, al observarse valores de 0,10. En cambio, otros consideran óptimo un
RMSEA inferior a 0,05. (Collado Agudo, 2016; Cupani, 2012; Piemontesi, Heredia y Furlán,
2012). Estas diferencias en la forma de interpretación requieren de un análisis más
exhaustivo para consensuar criterios de valoración para futuros estudios.
Si evaluamos los resultados en el mismo cuadro 7, la relación entre ambas variables, los
valores hallados van de un RMSEA 0,08 [IC % 0,07-0,09] y SRMR 0,07 en CC.SS., y un
RMSEA 0,08 [IC 95% 0,07-0,09] SRMR 0,09 en CC.EE. Por consiguiente, se establece que,
para este estudio, la resiliencia si predice la percepción de rendimiento académico. Al
relacionar ambos constructos también, predece el rendimiento académico. Lo que si queda
claramente demostrados es que no existen valores significativos para el promedio
ponderado como se observará en la figura 1 del modelo predictivo.
Para consolidar la afirmación de estos datos encontrados, los indicadores de bondad de
ajuste en el cuadro 8, muestran que los valores del análisis de regresión confirman que, la
resiliencia a través del afrontamiento predice la percepción de rendimiento académico. El
efecto de la resiliencia es positivo y significativo en resiliencia y afrontamiento (vía
indirecta); 0,48 (0,000 ≤ 0,05); 0,49 (0,000 ≤ 0,05); vía directa; afrontamiento vía directa
con el RA es positivo 0,28 y significativo (0,000 ≤ 0,05). Un valor positivo y significativo
entre RA y PROM 0,17 (0,000 ≤ 0,05) confirma los datos de algunos autores, que existe en
algunos casos un mínimo efecto (Rodríguez Ayán y Ruíz Díaz, 2011).
Es obvio que en otros casos se han encontrado que la relación con los valores de resiliencia
y afrontamiento con el promedio ponderado, son valores negativos y no significativos.
Estos hallazgos corroboran que la resiliencia y afrontamiento predicen el rendimiento
académico como un proceso; más no, como un resultado -promedio ponderado- (Gaxiola
et al., 2012; López-Cortón, 2015; Torrecillas et al., 2016).
La figura 1, se observa que los valores citados son mejores en sus cargas, para RESI-RA ß
0,58 y significativo en CC. SS; ß 0,63 significativo. En CC.EE, al correlacionar RESI y AFRO
RA ß 0,54 y ß 0,34, es significativo, estos datos confirman la misma tendencia.
Es obvio que cuando se analiza la vía directa e indirecta de RESI-AFRO con rendimiento
académico, ß 0,65 y ß 0,60 en ambas muestras no hay efecto sobre el promedio ponderado.
Pero, los ß 0,17 y 0,12 son significativos entre rendimiento académico y promedio
ponderado (cuadro 9). Este hallazgo confirma de alguna manera la existencia de alguna

175
influencia de los constructos (RESI y AFRO) pero es muy débil. En el contraste de hipótesis
se confirma la tendencia de los datos con otros estudios en culturas distintas (Limonero
et al., 2012; Minulescu, 2015; So-Hee y Sang-Sook, 2016).
Finalmente, para probar nuestro modelo general de influencia directa, indirecta
(mediacional) y relacional, se realizó una prueba de Bootstrapping (o análisis de medición)
(cuadro 10). La confirmación de la predicción es valiosa. Los valores son positivos y
significativos, confirmándose la alta probabilidad que hay predicción de constructos de en
el rendimiento académico, pero como proceso (percepción). Y, es mínima o inexistente, en
el promedio ponderado. Además, esta prueba, nos indica que es posible generalizar los
datos alcanzados en ambas poblaciones de las dos universidades privadas estudiadas.
Ahora, cuando se intenta evaluar los factores predictores de la resiliencia y el
afrontamiento con la percepción de rendimiento académico y promedio ponderado, en el
cuadro 11, los hallazgos en este estudio revelan que los indicadores de los factores
protectores y factores de riesgo; los indicadores de bondad de ajuste con satisfactorios en
CC.SS, RMSEA 0,06 [IC 95% 0,05-0,07] y SRMR 0,08. El RMSEA 0,06 [IC 95% 0,05-0,07]
es apoyado por el SRMR 0,13 > a 0,05 en CC.EE, resulta un modelo poco satisfactorio a
diferencia de la muestra de estudiantes de CC.SS. Respecto de los factores de Afrontamiento
activo y Afrontamiento pasivo, las bondades de ajuste absoluto, incremental y parsimonia
son aceptables, así como el RMSEA 0,09 [IC 95% 0,08-0,10] y SRMR 0,09 son satisfactorios
para CC.SS y un RMSEA 0,08 [IC 95% 0,07-0,09] también se considera satisfactorios. En
Funcionamiento Familiar los indicadores de bondad de ajuste aceptables y RMSEA 0,08
[IC 95% 0,07-0,09], SRMR 0,09 para CC.SS; RMSEA 0,07 [IC 95% 0,06-0,08] y un SRMR
0,09 es satisfactorio. Pero los indicadores de bondad de ajuste al ser aceptables para CC.EE,
el RMSEA 0,09 [IC 95% 0,08-0,10]; pero el SRMR es de 0,18 > 0,10, datos que no garantizan
lo satisfactorio del modelo aun cuando los indicadores reflejan ciertos valores aceptables.
La figura 2, demuestra que los valores de Funcionamiento familiar por vía indirecta
(resiliencia) hacia el RA, un ß 0,47 y ß 0,40 positivos y significativos (tanto para CC.SS y
CC.EE) prueba que el factor familiar es cardinal para la vida académica universitaria.
Particularmente en la percepción de rendimiento académico, y si, relacionamos la
disfunción familiar de ambas muestras ratifica la baja sostenibilidad de los recursos a pesar
de haber indicadores satisfactorios y óptimos tanto en el objetivo general como los
específicos.
Estos datos pueden explican problemas futuros para un adecuado desempeño académico
de calidad. El cuadro 12, valores ß -7,77 y -1,23 (CC.SS y CC.EE respectivamente), los
factores protectores, no garantizan que los estudiantes estén empleando todas sus
potencialidades en diario quehacer universitario. Respecto de los factores de riesgo la
tendencia de un ß no positivo (-8,28 y -0,61), y no significativo (p. 0,36 > 0,05), no tienen
valor predictivo para la percepción de rendimiento académico y el Promedio Ponderado.
No obstante, en afrontamiento activo ß 0,72 en CC.SS y, en CC.EE, ß 0,70 al ser positivos y
significativos (p. 0,000 < 0,05), ajustarían la capacidad adaptativa para dinamizar los
factores de protección. No obstante, la presencia de disfunción familiar en ambos grupos
de estudiantes no permite la sostenibilidad de estas estrategias para manejar y
autorregular adecuadamente las actividades diarias de la vida académica universitaria.
Factores de, confianza en sí mismo y calidad personal como la estructura personal pueden
predecir una mejor percepción de rendimiento académico cuando el factor familiar emplea
una vía indirecta (o mediadora) a través de la resiliencia y mejorar la percepción de

O. Tipismana
176
rendimiento académico (Díaz y Arancibia, 2002). Por otro lado, factores de reevaluación
positiva, focalización en la solución de problemas, son factores significativos en la vida
académica más en estudiantes de ciencias de la salud que en estudiantes de ciencias
empresariales. Observaciones en distintos estudios la autoevaluación, reevaluación de sus
recursos, búsqueda de apoyo social, búsqueda del sentido del humor y satisfacción,
espiritualidad (Adebisi Fayombo, 2011; Álvarez y Vernazza, 2013; Becerra y Morales
Ballesteros, 2015; Cassaretto y Martínez, 2009; Hernández y Roviera Millán, 2016),
constituyen recursos alternativos para evitar una de las principales causas de deserción
universitaria.
Los reportes de varias investigaciones concluyen que, problemas familiares, síntomas
depresivos, problemas de atención, pensamientos y creencias negativas recurrentes,
agudizan la baja eficiencia en el empleo de recursos y la creación de nuevos estilos
sostenibles para afrontar adecuadamente los acontecimientos propios de la actividad
académica (Lugo-Márquez et al., 2016). Por este motivo es que el afrontamiento activo,
sostiene mejor la habilidad de los estudiantes para afrontar situaciones de conflicto; estás
habilidades se apoyan también en los factores de focalización en la solución de problemas
y reevaluación positiva de las emociones (Gayles, 2003; Villalta Paúcar, 2010)
En relación con los factores sociodemográficos, la invarianza métrica (cuadro 13), se
observa que las mujeres, tienen una diferencia de percepción leve con relación a sus
potencialidades y talentos que los varones. No se encuentra influencia determinante de la
especialidad académica. Estos datos se confirman cuando los estudiantes, al desarrollar
confianza en sí mismo, utilizar estrategias de autofocalización negativa y conductas
evitativas, búsqueda de la calidad del apoyo social no garantizan la eficiencia cognitiva y
se refleja en sus acciones académicas y personales (Gómez-Collado, 2012; Sanz Oro, 2010).
También, los factores de capacidad social, confianza en sí mismo, sentirse motivados para
aprender estrategias de autoeficacia (Luthar, Cicchetti y Becker, 2000), con subsidiarias
de una mayor demanda del sistema universitario para mejorar la estructura personal de
los futuros ingresantes, mediante perfiles de ingreso y durante toda la vida formativa. Ello
garantiza las expectativas de logro y perciban mejor su aprendizaje, desarrollando
políticas educativas proactivas. Los estudiantes, aprenden de alguna manera u otra a
manejar adecuadamente el estrés (Gonzáles y Landero, 2007). La confianza en que estos
factores al ser promovidos adecuadamente por los programas académicos definitivamente
mejoraran el patrón emocional de los estudiantes y su impacto en sus procesos cognitivos
y no cognitivos para un desarrollo académico (Becerra y Morales Ballesteros, 2015;
Canales y De los Ríos, 2007).
En consecuencia, el logro académico de los estudiantes de ciencias de la salud y en alguna
medida de los estudiantes de ciencias empresariales; a lo largo de este estudio genera
certidumbre en que, la capacidad de logro académico puede motivar la mejora de
resultados de proceso (percepción de rendimiento académico) y, contribuir a mejores
resultados cuantitativos con el promedio ponderado semestral o anual (Lamas, 2015;
Medrano, 2011).
Por otro lado, la necesidad de evaluar a los estudiantes respecto de estos factores no
cognitivos planteados estaría enfocados a impactar en el estudiante tanto en el
perfilamiento personal emocional, social, como cognitivo (Cano García y Fernández
Ferrer, 2015). Además, de la posibilidad de crear vínculos de trabajo integrado, desarrollar
acciones de colaboración y cooperación para el trabajo en equipo, influenciar en el

177
estudiante a vincularse mejor con la universidad para “despertar” sus potencialidades que
muchas veces (por la experiencia docente) no son convenientemente exploradas por el
sistema universitario (Alvaréz Botello et al., 2015; Martin y Marsh, 2009; Rovira-Collado,
2016). Modelar dominios orientados a desarrollar perfiles de estudiantes para mejorar y
asegurar la calidad de la vida académica universitaria es pertinente es una necesidad en
las actuales circunstancias, productos de los profundos cambios en el contexto
universitario (Monacis et al., 2014).
En conclusión, La resiliencia de manera directa y a través del afrontamiento (indirecta o
mediacional), predicen la percepción de rendimiento académico. También, el
afrontamiento tiene un impacto directo en el rendimiento académico y cuando se
correlacionan entre la resiliencia y el afrontamiento se consolidan los supuestos previos
de identificar el valor de los factores de ambos constructos. El impacto predictivo en el
promedio ponderado no es significativo; por lo que, se hace necesario asociar nuevas
variables para un análisis más profundo del problema. Además, en los modelos
psicosociales como es el funcionamiento familiar y los factores protectores y
afrontamiento activo y pasivo, se encuentra que el funcionamiento familiar, es un buen
predictor del rendimiento académico. Sobre todo, cuando se asocia a factores resilientes
como confianza en sí mismo, calidad social y una buena estructura personal.
Los factores protectores y de riesgo, no tienen un efecto directo e indirecto en el
rendimiento académico, aun cuando otros estudios consideran que el rol de los factores
protectores (confianza en sí mismo, calidad social, estructura personal) son relevantes para
el desarrollo académico del estudiante. Factores de afrontamiento activo (focalización en
la solución de problemas, la reevaluación positiva de la situación personal y del entorno),
son factores de garantía para la resiliencia y el afrontamiento en la predicción del
rendimiento académico por procesos (percepción de rendimiento). Aun así, es conveniente
realizar nuevos estudios que incorporaren variables como el ambiente académico, la
infraestructura, la dinámica docente entre otros factores, para mejorar la predicción de
estos constructos.
Limitaciones del estudio y proyecciones futuras
Una de las limitaciones del presente estudio está ligada al tipo de muestreo complejo como
es el estratificado. Esta complejidad, implica definir convenientemente reglas de muestreo,
es decir, la homogenización y ponderación muestral para cada estrato seleccionado. Es
propicio, que el tamaño de la muestra en general debe estar ligado al número de ítems de
cada dimensión o factor, los ratios de observaciones adecuadas al objetivo de la
investigación y, la relación a la definición esencial de los constructos o modelo teórico
elegido. Otra limitación sobresaliente, es el correlato entre estos muestreos complejos y
la adopción de los instrumentos. Si tenemos en cuenta el número de ítems y el tamaño de
la muestra debe ser suficiente.
Por tal motivo sus dimensiones o factores deben estar convenientemente asociados con la
fiabilidad compuesta. El objeto es, poder realizar análisis completos y no parciales de los
valores obtenidos. También, es inevitable tener en cuenta la validez convergente con el
propósito de correlacionar fuertemente los ítems a las dimensiones de análisis no
comprometiendo el valor de cada indicador del instrumento (Álvarez y Vernazza, 2017;
Frías-Navarro y Soler, 2012). El tener una correspondencia adecuada en el control del
grado de correlación con las hipótesis planteadas, las variables latentes y su conexión
estructural, es clave en estos estudios con SEM. Con esta acción, se evitaría inducción a

O. Tipismana
178
errores, al poner en cuestión la adaptación de los cuestionarios con la capacidad
discriminante de cada uno de ellos. Por último, se puede realizar la validez nomológica,
para correlacionar valores obtenidos con el constructo teórico, enlazarlos con otros
constructos y sus respectivos cuestionarios como es este caso. Aspectos, que solo se pudo
resolver con los tres primeros presupuestos: no alterar la naturaleza original de las
dimensiones de los instrumentos relacionados con los tres constructos, realizar una
fiabilidad compuesta, promediar los factores rotados para (aparentemente minimizar el
número de variables), considerar los valores del KMO, la prueba de Bartlett y la
significación, además de añadir la varianza acumulada extraída. Sin embargo, la
consideramos insuficientes (Vinod, 2010; Yamamoto, 2017)
En investigaciones Futuras, es recomendable contemplar las guías de muestreo y selección
de instrumentos, no solo para adaptarlos a una realidad distinta de donde fue elaborada.
El asunto es, asegurar una alta validación y aplicabilidad transcultural, facilitar su
extrapolación a poblaciones mayores en el mismo contexto de estudio o, a otras
instituciones, que se encuentran con la misma exigencia de hallar perfiles de estudiantes
con capacidades resilientes y empleo de estrategias de afrontamiento. La oportuna y
adecuada acción en las medidas y estructuras de los instrumentos, ayudará
ostensiblemente a desarrollar programas de intervención temprana, como las tutorías
presenciales y virtuales.
Esta tendencia, es necesaria en un panorama global, donde el estudiante, es el foco central
de su aprendizaje. Entonces, se necesitan protocolos y guías de calidad en la evaluación
previa a la intervención docente, esta es, evitar un mal mayor, la alta deserción
universitaria en el país. Cumplidos estos presupuestos, como promover el desarrollo de
potencialidades, capacidades creativas, innovadoras y emprendedoras en cada carrera
profesional; los estudios causales, deben asumir la rigurosidad de la selección muestral
compleja y hallar la validez psicométrica, vinculado al manual de intervención docente
para lograr personas resilientes, potenciar estrategias protectoras, mejorar los
afrontamiento activos, fomentar expectativas de logro, mejorar la percepción de sus
aprendizajes para un bien mayor. Es decir, la satisfacción global en el plano institucional
y personal del estudiante.
Agradecimientos
Agradecer el apoyo de la Enfermera Marina del C. Menchola, Ingenieros: Alberto
Victoria, Helga y Valeria Tipismana; además de la motivación y guía de los Mg. Fernando
Muñoz, Master on Art, Health Education Fernando Runzer Colmenares y al Dr. Juan
Torres, para llevar un estudio poco realizado en universidades peruanas, a pesar de su
enorme necesidad para garantizar el aseguramiento de la calidad educativa. Además, de la
enorme satisfacción de desarrollar un estudio, que cumpla con los rigores de una maestría
en educación superior con mención en docencia e investigación universitaria.
Referencias
Adebisi Fayombo, G. (2011). Student-related variables as predictors of academic achievement
among some undergraduate psychology students in Barbados. US-China Education Review,
23, 280-289.
Aldás, J. y Uriel, E. (2017). Análisis multivariante aplicado con R. Madrid: Ediciones Paraninfo.

179
Álvarez Botello, J., Chaparro Salinas, E. y Reyes Pérez, D. (2015). Estudio de la satisfacción de los
estudiantes con los servicios educativos brindados por instituciones de educación superior
del Valle de Toluca. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en
Educación, 13(2), 5-26.
Álvarez, R. y Vernazza, E. (2013). Aplicación de los modelos de ecuaciones estructurales para el estudio
de la satisfacción estudiantil en los cursos superiores de FCCEEyA. Montevideo: Instituto de
Estadística.
Álvarez, R. y Vernazza, E. (2017). Evaluación de un instrumento de medición del nivel de
satisfacción estudiantil a través de la aplicación de modelos de ecuaciones estructurales.
Cuadernos del CIMBAGE, 19, 1-25.
Antal, E. y Tillé, Y. (2011). A direct bootstrap method for complex sampling designs from a finite
population. Journal of the American Statistical Association, 106(494), 534-543.
https://doi.org/10.1198/jasa.2011.tm09767
Aquino Guillen, J. (2016). Adaptación a la vida universitaria y resiliencia en becarios. Lima: PUCP.
Banco Mundial. (2014). Panorama general mente, sociedad y conducta. París: Banco Mundial.
Bandura, A. (1989). Human agency in social cognitive theory. American Psychologist, 44(9), 1175-
1184. https://doi.org/10.1037/0003-066X.44.9.1175
Becerra, C. y Morales Ballesteros, M. (2015). Validación de la escala de motivación de logro escolar
en estudiantes de bachillerato en México. Innovación Educativa, 15(68), 135-152.
Becoña, E. (2006). Resiliencia: Definición, características y utilidad del concepto. Revista de
Psicopatología y Psicología Clínica, 11(3), 125-146.
Bernal, C. A. (2012). Metodología de la investigación. Ciudad de México: Pearson.
Cabanach, R. G., Valle, A., Rodríguez, S., Piñeiro, I. y Gonzales, P. (2010). Las creencias
motivacionales como factor protector del estrés en estudiantes universitarios. European
Journal of Education and Psychology, 3(1), 75-87. https://doi.org/10.30552/ejep.v3i1.49
Cabello, E. y Chirinos, J. L. (2012). Validación y aplicabilidad de encuestas SERVQUAL
modificadas para medir la satisfacción de usuarios externos en servicios de salud. Revista
Médica Herediana, 23(2), 88-95. https://doi.org/10.20453/rmh.v23i2.1037
Campo Vásquez, R., Granados Ospina, L., Muñoz Ortega, L., Rodríguez Arenas, M. y Trujillo
García, S. (2012). Caracterización del avance teórico, investigativo y/o de intervención en
resiliencia desde el ámbito de las universidades en Colombia. Universitas Psychologica, 11(2),
545-557.
Campos, Iraurgui, J., Páez, D. y Velasco, C. (2004). Afrontamiento y regulación emocional de
hechos estresantes un meta-análisis de 13 estudios. Boletín de Psicología, 82, 25-44.
Canales, A. y De los Ríos, D. (2007). Informe final factores explicativos de la deserción universitaria.
Santiago de Chile: Universidad Santiago de Chile.
Cano García, E. y Fernández Ferrer, M. (2015). La visión de los estudiantes de origen extranjero
sobre factores y competencias clave para el acceso a la universidad. Pedagogía Social. Revista
Interuniversitaria, 26, 263-284. https://doi.org/10.7179/PSRI_2015.26.10
Cassaretto, B. M. y Martínez U. P. (2009). Validación de la escala del sentido del humor en
estudiantes universitarios. Revista de Psicología, 27(2), 287-309.
Castilla, H., Caycho, T., Shimabukuro, M. y Valdivia, A. (2014). Percepción del funcionamiento
familiar: Análisis psicométrico de la escala APGAR-familiar en adolescentes de Lima.
Propósitos y Representaciones, 2(1), 49-78. https://doi.org/10.20511/pyr2014.v2n1.53

O. Tipismana
180
Collado Agudo, J. (2016, junio). Modelos de ecuaciones estructurales (SEM) para la investigación
en contabilidad y auditoría. Conferencia impartida en la I Reunión Internacional de
Investigación en Contabilidad y Auditoría (RIICA). Universidad de Cantabria.
Comisión Europea. (2015). Nuevas medidas para impulsar las competencias clave, las capacidades
digitales y la dimensión europea de la educación. Bruselas: Comisión Europea.
Coschiza, C. C., Fernández, J. M., Redcozub, G. G., Nievas, M. E. y Ruiz, H. E. (2016).
Características socioeconómicas y rendimiento académico. El caso de una universidad
argentina. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 14(3),
51-76.
Crowther, S. y Lau, A. (2019). Migrant polish women overcoming communication challenges in
Scottish maternity services: A qualitative descriptive study. Midwifery, 72, 30-38.
https://doi.org/10.1016/j.midw.2019.02.004
Cupani, M. (2012). Análisis de ecuaciones estructurales: Conceptos, etapas de desarrollo y un
ejemplo de aplicación. Revista Tesis, 2, 186-199.
Cheng, W., Ickes, W. y Verhofstadt, L. (2012). How is family support related to students' GPA
scores? A longitudinal study. High Education,64, 399-420.
https://doi.org/10.1007/s10734-011-9501-4
Datu, J. y Yuen, M. (2018). Predictors and consequences of academic buoyancy: A review of
literature with implications for educational psychological. Contemporary School Psychology,
22(3), 207-212. https://doi.org/10.1007/s40688-018-0185-y
Díaz, R. y Arancibia, V. H. (2002). El enfoque de las competencias laborales: Historia, definiciones
y generación de un modelo de competencias para las organizaciones y las personas. Psykhe,
11(2), 207-214.
Escobedo, M. T., Hernández Gómez, J. A., Estebane Ortega, V. y Martínez Moreno, G. (2016).
Modelos de ecuaciones estructurales: Características, fases, construcción, aplicación y
resultados. Ciencia & Trabajo, 55, 16-22.
https://doi.org/10.4067/S0718-24492016000100004
Farnos Miró, J. (2013). Paradigmas en la investigación educativa. Recuperado de
https://juandomingofarnos.wordpress.com/2010/04/07/
Farnos Miró, J. (2010). Aprendizaje permanente y disruptivo, los nuevos ejes de la sociedad. Recuperado
de https://juandomingofarnos.wordpress.com/2013/05/18/
Frías-Navarro, D. y Pascual Soler, M. (2012). Prácticas del análisis factorial exploratorio en la
investigación sobre conducta del consumidor y marketing. Suma Psicológica, 19(1), 47-58.
Gan, Y. y Shang, J. (2007). Coping flexibility and locus of control as predictors of burnout among
Chinese college students. Social Behavior and Personality, 35(8), 1087-1098.
https://doi.org/10.2224/sbp.2007.35.8.1087
Garbanzo Vargas, G. M. (2013). Factores asociados al rendimiento académico en estudiantes
universitarios desde el nivel socioeconómico: Un estudio en la Universidad de Costa Rica.
Revista Electrónica Educare, 17(3), 57-87.
Gargallo López, B., Garfella Esteban, P. R., Sánchez Peris, F., Ros, R. C. y Serra, C. B. (2009). La
influencia del autoconcepto en el rendimiento académico en estudiantes universitarios.
Revista Española de Orientación y Psicopedagogía, 20(1), 16-28.
Gaxiola, J., González Lugo, S., Contreras Hernández, Z. y Gaxiola Villa, E. (2012). Predictores del
rendimiento académico en adolescentes con disposiciones resilientes y no resilientes. Revista
de Psicología, 30(1), 47-74.

181
Gayles, J. (2005). Playing the game and paying the price: Academic resilience among three high-
achieving African American males. Anthropology and Education Quarterly, 36(3), 250-264.
https://doi.org/10.1525/aeq.2005.36.3.250
Giannuzzo, A. N. (2010). Los estudios sobre el ambiente y la ciencia ambiental. Scientle & Studia,
8(1), 129-56. https://doi.org/10.1590/S1678-31662010000100006
Girardo, C., Martínez Pellegrini, S., Salgado Locela, L. H. y Costamagna, P. (2016). Desarrollo de
capacidades individuales y colectivas en estudios de posgrado y su incidencia en los
territorios. Territorios, 34, 215-236. https://doi.org/10.12804/territ34.2016.09
Gómez-Collado, M. E. (2012). La percepción de los estudiantes sobre el programa de tutoría
académica. Convergencia. Revista de Ciencias Sociales, 58, 209-233.
González, M. y Landero, R. (2007). Cuestionario de afrontamiento del estrés: Validación en una
muestra mexicana. Revista de Psicología Clínica, 12(2), 189-198.
https://doi.org/10.5944/rppc.vol.12.num.3.2007.4044
Guardia Olmos, J. (2016). Esquema y recomendaciones para el uso de los modelos de ecuaciones
estructurales. Revista de Estudios e Investigación en Psicología y Educación, 3(2), 75-80.
https://doi.org/10.17979/reipe.2016.3.2.1847
Guzmán Brito, M. P. (2012). Modelo predictivo y explicativo del rendimiento académico universitario.
Caso de una institución privada en México. Madrid: Universidad Complutense de Madrid.
Hernández, E. y Rovira-Millán, L. V. (2016). Revisión de las propiedades psicométricas y
estructura interna de la escala de compromiso organizacional usando el modelo de
ecuaciones estructurales. Revista Puertorriqueña de Psicología, 27(1), 166-182.
Kennett, D. J. y Keefer, K. (2006). Impacto de los recursos aprendidos y las teorías de la inteligencia
en el logro académico de los estudiantes universitarios. Psicología de la Educación, 26(3), 441-
457.
Knezevic, M. y Knezevic, J. (2016). The development of self-structures and active coping.
interdisciplinary description of complex systems. Interdisciplinary Description of Complex
Systems, 14(2), 246-252. https://doi.org/10.7906/indecs.14.2.13
Kormos, J. (2012). The role of individual differences in L2 writing. Journal of Second Language
Writing, 21(4), 390-403. https://doi.org/10.1016/j.jslw.2012.09.003
Kötter, T., Tautphäus, Y., Scherer, M. y Voltmer, E. (2014). Health-promoting factors in medical
students and students of science, technology, engineering, and mathematics: Design and
baseline results of a comparative longitudinal study. BMC Medical Education, 14(134), 1-13.
https://doi.org/10.1186/1472-6920-14-134
Kuo, B. (2014). Coping, acculturation and psychological adaptation among migrants: A theoretical
and empirical review and synthesis of the literature. Health Psychology & Behavioural
Medicine, 2(1), 16-33. https://doi.org/10.1080/21642850.2013.843459
Lamas, H. A. (2015). Sobre el rendimiento escolar. Propósitos y Representaciones, 3(1), 313-386.
Lievens, F. y Sackett, P. (2011). La validez de la evaluación de habilidades interpersonales a través
de pruebas situacionales de juicio para predecir el éxito académico y el desempeño laboral.
Journal of Applied Psychology, 96(5), 927-940. https://doi.org/10.1037/a0023496
Limonero, J. T., Mateo, D., Maté-Mendez, J., González-Barboteo, J., Bayés, R., Bernaus, M., y Viel,
S. (2012). Evaluación de las propiedades psicométricas del cuestionario de detección de
malestar emocional en pacientes oncológicos. Gaceta Sanitaria, 26(2), 145-152.
https://doi.org/10.1016/j.gaceta.2011.07.016

O. Tipismana
182
Limonero, J., Tomás-Sábado, J., Fernández-Castro, J., Gómez-Romero, J. y Ardilla-Herrero, A.
(2012). Estrategias de afrontamiento resilientes y regulación emocional: Predictores de
satisfacción con la vida. Behavioral Psychology, 20(1), 183-196.
Lopéz-Cortón, A. (2015). Factores predictores de procesos resilientes en jóvenes universitarios. A Coruña:
Departamento de Psicología.
López-Vargas, O., Hederich-Martínez, C. y Camargo-Uribe, A. (2011). Estilo cognitivo y logro
académico. Educ.Educ, 14(1), 67-82. https://doi.org/10.5294/edu.2011.14.1.4
Lugo-Márquez, C. I., Guerrero-Mojica, N., Castañeda-Guerrero, M., Gámez-Roque, N. F.,
Martínez-García, I. y Padilla-Muñoz, J. (2016). Resiliencia y factores de riesgo en
estudiantes universitarios al inicio de su formación profesional. Revista de Enfermería del
Instituto Mexicano del Seguro Social, 24(3), 171-6.
Luthar, S. S., Cicchetti, D. y Becker, B. (2000). La construcción de la resiliencia: Una evaluación
crítica y directrices para el trabajo futuro. Child Development, 71(3), 543-562.
https://doi.org/10.1111/1467-8624.00164
Mancini, A. D. y Bonanno, G. A. (2009). Predictors and parameters of resilience to loss: Toward
and individual differences model. Journal of Personality, 77(6), 1805-1832.
https://doi.org/10.1111/j.1467-6494.2009.00601.x
Martin, A. J. y Marsh, H. W. (2009). Academic resilience and academic buoyancy:
Multidimensional and hierarchical conceptual framing of causes, correlates and cognate
constructs. Oxford Review of Education, 35(3), 353-370.
https://doi.org/10.1016/j.lindif.2013.06.006
Martin, A. J., Ginns, P., Brackett, M., Malmberg, L. E. y Hall, J. (2013). Academic buoyancy and
psychological risk: Exploring reciprocal relationships. Learning and Individual Differences,
27, 128-133. https://doi.org/10.1080/03054980902934639
Medrano, L. (2010). Autoeficacia académica y su relación con las emociones positivas y negativas en
ingresantes universitarios. Recuperado de https://www.aacademica.org/000-031/450
Medrano, L. A. (2011). Modelo social cognitivo del rendimiento académico en ingresantes
universitarios. La contribución de la autoeficacia social académica. Revista Tesis, 1, 87-106.
Medrano, L., Liporace, M. y Pérez, E. (2014). Sistema de evaluación computarizado de satisfacción
académica para estudiantes universitarios de primer año. Revista Electrónica de Investigación
en Psicología de la Educación, 12(2), 541-562.
Minulescu, M. (2015). Is university capable to build resilience in students? Procedia. Social and
Behavioral Sciences, 180, 1628-1631. https://doi.org/10.1016/j.sbspro.2015.02.317
Monacis, L., Sinatra, M., Tanucci, G., Taurino, A. y De Palo, V. (2014). Hacia una comprensión de
los factores predictivos y protectores en el juego. Procedia Social and Behavioral Sciencies,
114, 622-627. https://doi.org/10.1016/j.sbspro.2013.12.757
Muñoz Garrido, V. y De Pedro Sotelo, F. (2004). Educar para la resiliencia: Un camino de mirada
en situaciones de riesgo social. Revista Complutense de Educación, 16(1), 107-124.
OCDE. (2013). Panorama de la educación. Madrid: Santillana. https://doi.org/10.1787/eag-2012-
es
Olivas, A. y Barraza, A. (2016). Expectativas de autoeficacia académica en alumnos de un bachillerato
técnico de la Ciudad de Durango. Ciudad de México: Universidad Pedagógica de Durango.
Palomar, J. y Gómez Valdez, N. (2010). Desarrollo de una escala de medición de la resiliencia con
mexicanos. Interdisciplinaria, 27(1), 7-22.

183
Panziera, J. (2014). Estilos de pensamiento y optimismo disposicional en estudiantes de psicología. Mar del
Plata: Universidad Nacional de La Plata.
Peralta Díaz, S. C., Ramírez Giraldo, A. F. y Castaño Buitrago, H. (2006). Factores resilientes
asociados al rendimiento académico en estudiantes. Psicología desde el Caribe, 17, 196-219.
Piemontesi, S. E. y Heredia, D. E. (2009). Afrontamiento ante exámenes: Desarrollos de los
principales modelos teóricos para su definición y medición. Anales de Psicología, 25(1), 102-
111.
Piemontesi, S. E., Heredia, D. E. y Furlan, L. A. (2012). Propiedades psicométricas de la versión en
español revisada del inventario alemán de ansiedad ante exámenes (GTAI-AR) en
universitarios argentinos. Universitas Psychologica, 11(1), 177-186.
Pizarro Cherre, E. (2017). Relación entre autoestima, resiliencia y rendimiento académico en estudiantes
del Centro Preuniversitario de la Universidad Nacional Mayor de San Marcos
(CEPREUNMSM). Tesis doctoral. Universidad Nacional Mayor de San Marcos, Perú.
Porto Noronha, A. y Alves Lamas, K. (2014). Preditores do comprometimento com a carreira e sua
relacão com o desempenho em universitários. Pensamiento Psicológico, 12(2), 65-78.
Prieto Navarro, L., (2006) Aprendizaje activo en el aula universitaria: El caso del projecto basado
en problemas. Miscelánea Comillas, 64(124), 173-196.
Rahimi, B., Baetz, M., Bowen, R. y Balbuena, L. (2014). Resilience, stress, and coping among
canadian medical students. Canadian Medical Education Journal, 5(1), 5-12
Rebotier, J., López, J. y Pigeon, P. (2013). Las paradojas de la resiliencia: Miradas cruzadas entre
Colombia y Francia. Territorios, 28, 127-145.
Rivas, S., Ordoñez, J., Mejía, M. A. y Poveda, J. M. (2017). Resiliencia en estudiantes de medicina
de la Universidad de Los Andes. Fermentum, 27(79), 433-442.
Rodríguez Ayán, M. N. y Ruíz Díaz, M. (2011). Indicadores de rendimiento de estudiantes
universitarios: Calificaciones versus créditos acumulados. Revista de Educación, 355, 467-492.
Rodríguez, L., Oñate, M. y Mesurado, B. (2017). Revisión del cuestionario de emociones positivas
para adolescentes. Propiedades psicométricas de la nueva versión abreviada. Universitas
Psychologica, 16(3), 1-23. https://doi.org/10.11144/Javeriana.upsy16-3.rcep
Rovira Collado, J. (2016). Redes sociales en la universidad: Profesionales, académicas y de lectura.
Álabe, 13, 33-51. https://doi.org/10.15645/Alabe2016.13.4
Sandín, B. y Chorot, P. (2003). Cuestionario de afrontamiento del estrés (CAE): Desarrollo y
validación preliminar. Revista de Psicopatología y Psicología Clínica, 8(1), 39-54.
https://doi.org/10.5944/rppc.vol.8.num.1.2003.3941
Sanz Oro, R. (2010). El profesor como tutor: Un reto a consolidar en el ejercicio profesional de la
orientación. REOP: Revista Española de Orientación y Psicopedagogía, 21(2), 346-357.
https://doi.org/10.5944/reop.vol.21.num.2.2010.11537
Sineace. (2016). Modelo de acreditación para programas de estudios de educación superior universitaria.
Recuperado de www.sineace.gob.pe
So-Hee, L. y Sang-Sook, H. (2016). A predictive model on north Korean refugees' adaptation to
south Korean society: Resilience in response to psychological trauma. Asian Nursing
Research, 10, 164-172. https://doi.org/10.1016/j.anr.2016.04.003
Sola Martínez, T., Aznar Díaz, I., Romero Rodríguez, J. y Rodríguez-García, A. M. (2019). Eficacia
del método flipped clasroom en la universidad: Metaanálisis de la producción científica de
impacto. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en la Educación, 17(1),
25-38. https://doi.org/10.15366/reice2019.17.1.002

O. Tipismana
184
Stocker, J. y Faría, L. (2012). Competência percibida no ensino secundário: Do conceito à avaliacao
através de um questionário compósito. Psicología. Revista da Associacao Portuguesa Psicologia,
26(2), 113-140. https://doi.org/10.17575/rpsicol.v26i2.273
Sucre, F. y Garrett, M. B. (2016). Educación basada en competencias en línea: Lecciones de EEUU para
América Latina. The dialogue leadership for the Americans. Recuperado de
http://repositorio.minedu.gob.pe/handle/123456789/4845
Tadayon, R. (2011-2012). Bandura's social learning theory & social cognitive learning theory.
Recuperado de www.simplypsychology.org/bandura.html
Tomás, J. M., Sancho, P., Melendez, J. C. y Mayordomo, T. (2012). Resilience and coping as
predictors of general well-being in the ederly: A structural equation modeling approach.
Aging & Mental Health, 16(3), 317-326. https://doi.org/10.1080/13607863.2011.615737
Torrecillas, A., Rodríguez-Mateo, H., Díaz-Negrín, M. E. y Luján Henríquez, I. (2016). Valor
predictivo de los moldes de la mente sobre los factores de personalidad. International Journal
of Developmental and Educational Psychology 2(1), 295-306.
https://doi.org/10.17060/ijodaep.2016.n1.v2.301
Tristán López, A. y Molgado Ramos, D. (2007). Tablas de validez de contenido. San Luis Potosí:
Instituto de Evaluación e Ingeniería Avanzada.
Uriarte, J. (2006). Construir la resiliencia en la escuela. Revista de Psicodidáctica, 11(1), 7-24.
Villalta Paúcar, M. (2010). Factores de resiliencia asociados al rendimiento académico en
estudiantes de contextos de alta vulnerabilidad social. Revista de Pedagogía, 31(88), 159-188.
Vinod, H. D. (2010). Advances in social science research using R. Londres: Springer.
https://doi.org/10.1007/978-1-4419-1764-5
Weier, M. y Lee, C. (2015). How do Australian university students understand adulthood?
Australian Psychologist, 50, 157-167. https://doi.org/10.1111/ap.12091
Yamamoto, T. (2017). Introduction to casual mediation analysis using R. Recuperado de
http://ww2.amstat.org/misc/webinarfiles/MHS3-09-2017.
Yan Lee, T., Kiu Cheung, C. y Man Kwong, W. (2012). Resilience as a positive youth development
construct: A conceptual review. The Scientific World Journal, 2012.
https://doi.org/10.1100/2012/390450
Zimmerman, B. J., Bandura, A. y Martínez-Pons, M. (1992). Self-motivation for academic
attainment: The role of self-efficacy beliefs and personal goal setting. American Educational
Research Journal, 29(3), 663-676. https://doi.org/10.3102/00028312029003663
Breve CV del autor
Orlando Tipismana
Psicólogo clínico, especialista en modificación de conducta y terapia del comportamiento.
Especialista en gestión de la calidad de Instituciones Educativas y Especialista en
autoevaluación y acreditación universitaria ambas en la PUCP. Posee formación en
Calidad Educativa Universitaria en UNMSM. Especialista en Entornos Virtuales de
Aprendizaje en la CAEU-OIE. Diplomado en especialización en Didáctica Universitaria y
en Herramientas e Investigación Universitaria (Universidad Norbert Winner). Egresado
de Maestría en Psicología y Clínica y de la Salud (Universidad Nacional Mayor de San
Marcos). Egresado de Maestría en Educación Superior, con Mención en Docencia e
Investigación Universitaria en la Universidad Científica del Sur. Actualmente es Docente

185
en la Facultad de Ciencias de la Salud. Especialista en Políticas Públicas en Salud Mental.
Capacitador en Gestión de la Calidad Hospitalaria. ORCID ID: https://orcid.org/0000-
0002-6548-8890. Email: orlandotipismana@gmail.com

REICE, 2019.

Más contenido relacionado

La actualidad más candente (19)

Similar a REICE, 2019. (20)

Más de orlando tipismana (20)

Último (20)

REICE, 2019.