PLANTEAMIENTO DEL PROBLEMA

La relacion del rendimiento académico en función de, la edad, género, hábitos de estudio y estado de ánimo. Importancia: el rendimiento académico de un estudiante es crucial para evaluar tanto el nivel educativo de una universidad, como el desempeño de sí mismo, teniendo en cuenta eso. Es importante identificar factores que nos permitan tener una visión sobre este problema, se incluirán encuestas con variables significativas; como es el estado de ánimo, la edad, género y sus hábitos de estudio. Teniendo en cuenta esta información, procederemos a recopilar dicha información, para así tener un bosquejo de como estas variables pueden influir en eldesarrollo del rendimiento académico y así poder llegar a crear estrategias para contra restar si se obtiene un bajo rendimiento.

Objetivos

  1. Analizar la relación entre la cantidad de horas de sueño y el rendimiento académico de los estudiantes universitarios
  2. Evaluar cómo el estado de depresión afecta el desempeño académico de los estudiantes
  3. Identificar diferencias significativas en el rendimiento académico entre hombres y mujeres

Metodologia

1. Diseño del estudio

Este proyecto utiliza un enfoque cuantitativo de tipo no experimental y correlacional. El objetivo es analizar las relaciones entre variables demográficas, de salud mental y hábitos de estudio, y su relación con el rendimiento académico en estudiantes universitarios. Este diseño no experimental permite estudiar las asociaciones entre variables sin manipulación directa, proporcionando una visión detallada de las correlaciones en un entorno natural.

2. Población y Muestra

La población objetivo son estudiantes universitarios de una misma carrera, con edades entre 20 y 25 años. Se seleccionó una muestra de 100 estudiantes, utilizando un muestreo intencional no probabilístico. La cantidad de 100 participantes se considera adecuada para obtener resultados estadísticamente significativos en los análisis propuestos y representa un rango etario y de género diverso dentro de la carrera, lo cual aporta relevancia a las conclusiones en este contexto específico. Justificación de la muestra: Esta muestra es suficientemente amplia para un análisis correlacional y permite observar tendencias y patrones que pueden ser aplicables a estudiantes en contextos similares. Aunque la muestra no es probabilística, se busca representar de manera efectiva a estudiantes en esta etapa académica y con características similares en términos de hábitos y desafíos.

3. Instrumento de recolección de datos

Se diseñó una encuesta estructurada como instrumento de recolección de datos. La encuesta incluyó preguntas sobre: • Datos demográficos: Edad y género. • Hábitos de sueño: Cantidad promedio de horas de sueño por día. • Relaciones sociales: Número de amigos cercanos reportados. • Estado emocional: Autoevaluación de síntomas de depresión, con tres respuestas posibles (“No”, “A veces”, “Sí”). • Desempeño académico: Clasificación del rendimiento académico en cuatro categorías (“Promedio”, “Por debajo del promedio”, “Excelente” y “Bueno”). Validación del instrumento: La encuesta fue revisada para asegurar que mide de manera efectiva las variables clave del estudio. Se consultó con expertos en el área para confirmar la validez de contenido y se realizó una prueba piloto con un grupo reducido de estudiantes para ajustar cualquier ambigüedad en las preguntas y garantizar que las respuestas recolectadas sean representativas.

4. Procedimiento

• Preparación del estudio: Se realizó una revisión exhaustiva de la literatura para fundamentar teóricamente las variables incluidas en el estudio, así como su potencial relación con el rendimiento académico. • Aplicación de la encuesta: La encuesta fue distribuida en un entorno controlado para asegurar que todos los participantes comprendieran claramente las preguntas y respondieran de forma completa. • Recolección y almacenamiento de datos: Los datos fueron recolectados y almacenados de forma segura en una base de datos con acceso restringido, respetando los principios de confidencialidad y protección de datos. • Análisis exploratorio de datos: Mediante R Studio, se realizó un análisis descriptivo preliminar de las variables utilizando gráficos como histogramas, boxplots y gráficos de barras, lo cual permitió observar las distribuciones y patrones iniciales de los datos. • Análisis bivariado y multivariado: Para profundizar en las relaciones entre variables, se llevaron a cabo análisis estadísticos que incluyen correlación de Pearson, regresión lineal y la prueba exacta de Fisher.

5. Análisis de datos

El análisis estadístico incluyó los siguientes pasos: • Análisis descriptivo: Se generaron gráficos de frecuencia y boxplots para visualizar las distribuciones de variables cuantitativas (edad, horas de sueño, número de amigos) y categóricas (estado de depresión y rendimiento académico). Esto permitió identificar valores extremos y patrones en los datos. • Pruebas de normalidad: Se aplicó la prueba de Shapiro-Wilk para evaluar si las variables cuantitativas (edad y horas de sueño) presentan una distribución normal, lo cual es necesario para validar ciertos análisis paramétricos. • Análisis de correlación: La correlación de Pearson se utilizó para evaluar la relación entre el rendimiento académico y variables como horas de sueño y estado de depresión. Este análisis proporciona información sobre la fuerza y dirección de las relaciones entre variables cuantitativas. • Regresión lineal: Se realizó un análisis de regresión lineal para explorar la relación entre la edad y las horas de sueño, permitiendo modelar y predecir una variable en función de otra. • Prueba exacta de Fisher: Esta prueba se empleó para evaluar diferencias significativas en el rendimiento académico en función del estado de depresión y el género, detectando si existen brechas estadísticamente significativas entre estos grupos. Análisis adicional: Se consideró el uso de un análisis de varianza (ANOVA) para comparar las medias de rendimiento académico entre diferentes niveles de depresión. Sin embargo, dada la naturaleza de las variables, la prueba de Fisher fue más adecuada en este contexto.

6. Validación y verificación

Para asegurar la precisión de los datos y la fiabilidad de los resultados, se llevó a cabo un proceso de validación de la información recolectada. Los datos incompletos o valores atípicos fueron revisados y, si resultaron irrelevantes para el análisis, fueron eliminados. Los gráficos descriptivos permitieron verificar la consistencia y calidad de los datos, y asegurar que las tendencias observadas fueran reales y no el resultado de errores de recolección o entrada de datos.

7. Interpretación de resultados

Los resultados fueron interpretados en función de los análisis estadísticos realizados y se contrastaron con la literatura revisada. Se analizaron los efectos de las variables de salud mental, como el estado de depresión, y los hábitos de sueño y relaciones sociales en el rendimiento académico, destacando la relevancia de la salud mental en el contexto educativo.

8. Herramientas utilizadas

Para el análisis de los datos y la generación de gráficos descriptivos, se utilizó el software R Studio, el cual facilitó la ejecución de los análisis estadísticos. La elección de R Studio se debió a su capacidad para realizar análisis estadísticos complejos y a su amplia aceptación en el ámbito académico.

9. Limitaciones del estudio

Este estudio presenta algunas limitaciones: • Generalización de resultados: Al ser un estudio en una única carrera universitaria, los resultados pueden no ser aplicables a otros contextos educativos o disciplinas. • Tamaño de la muestra: Aunque la muestra de 100 estudiantes es suficiente para análisis correlacionales, un tamaño mayor podría ofrecer una mayor robustez estadística. • Auto-reporte de datos: La metodología depende de respuestas auto-reportadas, lo cual puede introducir sesgos en los datos debido a la subjetividad y percepción individual de los estudiantes.

10. Recomendaciones para estudios futuros

Para mejorar la generalización y aplicabilidad de los resultados, futuros estudios podrían: • Ampliar el tamaño de la muestra y abarcar diferentes programas académicos. • Implementar un diseño longitudinal para observar cambios a lo largo del tiempo. • Incluir otros factores, como métodos de estudio y motivación académica, para enriquecer el análisis.

Resultados

Analizar la relación entre la cantidad de horas de sueño y el rendimiento académico de los estudiantes universitarios

Gráfico para las horas de sueño

Rendimiento academico

Horas de sueño en funcion del rendimiento academico

Segun lo evidenciado las horas de sueño de los estudiantes no afectan mucho el rendimiento academico desde que los estudiantes duerman entre 5-8 horas

Evaluar cómo el estado de depresión afecta el desempeño académico de los estudiantes

Estado de depresion

Depresion como afecta el desempeño academico

La relación entre el estado de depresión y el desempeño académico de los estudiantes revela un patrón preocupante ya que se encontro que la mayoria de los estudiantes con calificaciones más bajas presentan algún grado de depresión. Este hallazgo sugiere que la depresión puede actuar como un factor determinante que afecta negativamente el rendimiento académico. A través del análisis detallado realizado, observamos que los estudiantes en estado depresivo tienden a obtener peores resultados académicos, lo que resalta la importancia de la salud mental en la educación

Identificar diferencias significativas en el rendimiento académico entre hombres y mujeres

Rendimiento academico segun genero

## 
##  Fisher's Exact Test for Count Data
## 
## data:  tabla_contingencia
## p-value = 0.002921
## alternative hypothesis: two.sided

Se aplicó la prueba de Fisher para evaluar si existen diferencias significativas en el desempeño académico entre hombres y mujeres. Los resultados de este test indican que los hombres, en promedio, obtienen mejores calificaciones que las mujeres, y esta diferencia no es atribuible al azar. Este análisis destaca la existencia de una brecha de género en el rendimiento académico, lo que plantea la necesidad de explorar más a fondo los factores subyacentes que podrían influir en esta disparidad, como las expectativas sociales, el acceso a recursos educativos, y el bienestar emocional.

Intervalo de confianza variables cuantitativas

## 
##  Shapiro-Wilk normality test
## 
## data:  CSE_student_performances$SleepPerDayHours
## W = 0.90647, p-value = 3.189e-06

Segun el resultado de la prueba de shapiro las horas de sueño no cumplen con la normalidad

## BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
## Based on 1000 bootstrap replicates
## 
## CALL : 
## boot.ci(boot.out = boot_sleep, type = "perc")
## 
## Intervals : 
## Level     Percentile     
## 95%   ( 6.394,  7.061 )  
## Calculations and Intervals on Original Scale

El intervalo que nos dio es en el cual se encuentra la media de las horas de sueño de los estudiantes

## 
##  Shapiro-Wilk normality test
## 
## data:  CSE_student_performances$Age
## W = 0.90011, p-value = 1.587e-06

Segun el resultado de la prueba de shapiro la edad no cumple con la normalidad

## BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
## Based on 1000 bootstrap replicates
## 
## CALL : 
## boot.ci(boot.out = boot_age, type = "perc")
## 
## Intervals : 
## Level     Percentile     
## 95%   (22.22, 22.82 )  
## Calculations and Intervals on Original Scale

El intervalo que nos dio es en el cual se encuentra la media de la edad de los estudiantes

Intervalo de confianza variable cualitativa

##       Yes       Yes 
## 0.5203628 0.7119604

En el intervalo de confianza se encuentra la media de las personas toman nota en clase

Problema para la prueba de hipotesis

Pregunta: ¿Duerme la mayoría de los estudiantes en promedio más de 7 horas por día?

Hipótesis nula (H₀): El promedio de horas de sueño por día de los estudiantes es menor o igual a 7 horas.

Hipótesis alternativa (H₁): El promedio de horas de sueño por día de los estudiantes es mayor a 7 horas.

Como anteriormente demostramos la cantidad de horas que duermen los estudiantes no sigue normalidad entonces se utilizo la prueba de rangos con Signo de Wilconson

## 
##  Wilcoxon signed rank test with continuity correction
## 
## data:  CSE_student_performances$SleepPerDayHours
## V = 1039, p-value = 0.9875
## alternative hypothesis: true location is greater than 7

Al evaluar con la prueba de Wilconson nos dio un valor p superior a 0.05 por ende no podemos rechazar la hipotesis nula que es que los estudiantes duermen aproximadamente 7 horas o menos

Conclusion

Este trabajo aporta una visión valiosa sobre los factores que inciden en el rendimiento académico universitario. Los análisis revelan correlaciones significativas entre las variables estudiadas y el desempeño académico, permitiendo observar patrones que pueden orientar intervenciones para mejorar el rendimiento. Identificar que aspectos como los hábitos de sueño, el estado emocional, y las diferencias de género influyen en el rendimiento académico ofrece una base para que las instituciones desarrollen estrategias de apoyo específicas. Con este conocimiento, es posible diseñar programas de acompañamiento más efectivos, que optimicen el ambiente de estudio y el bienestar de los estudiantes, promoviendo un mejor desempeño académico.

Referencias

Abdoashraf. (2023, 21 octubre). Sleep_health_Analysis. Kaggle. https://www.kaggle.com/code/abdoashraf90/sleep-health-analysis Thisivazqz. (2024, 21 enero). Desempeño de los alumnos. Kaggle. https://www.kaggle.com/code/thisivazqz/desempe-o-de-los-alumnos Hernández, J. (2023, 17 julio). El sueño y el rendimiento académico: ¿Cómo influyen? Autarsis. https://autarsis.com/el-sueno-y-el-rendimiento-academico-como-influyen/