0.0.1 El presente informe desarrolla un análisis descriptivo cuantitativo de los resultados obtenidos en la encuesta “Emociones en el aprendizaje”, aplicada a estudiantes con el propósito de identificar tendencias en sus emociones y percepciones frente al proceso educativo. Desde un enfoque cuantitativo, se busca describir patrones estadísticos mediante el análisis de frecuencias, porcentajes y representaciones gráficas que permitan comprender el papel de las emociones en el aprendizaje

1 primero cargamos las librerias y el archivo

# Instalar librerías si es necesario

if(!require(readxl)) install.packages("readxl")
if(!require(dplyr)) install.packages("dplyr")
if(!require(ggplot2)) install.packages("ggplot2")
if(!require(tidyr)) install.packages("tidyr")
if(!require(knitr)) install.packages("knitr")
if(!require(kableExtra)) install.packages("kableExtra")

library(readxl)
library(dplyr)
library(ggplot2)
library(tidyr)
library(knitr)
library(kableExtra)


# Cargar el archivo Excel

ruta <- "C:/Users/JOSEPEH/Desktop/Encuesta.xlsx"
data <- read_excel(ruta)

# Eliminar columnas innecesarias si las hubiera

data <- data %>% select(where(~!all(is.na(.))))

# Arreglar nombres de columnas (sin espacios ni tildes)

colnames(data) <- make.names(colnames(data))

# Vista general del dataset

kable(head(data), caption = "Vista previa de las primeras filas del dataset")
Vista previa de las primeras filas del dataset
Id Hora.de.inicio Hora.de.finalización Correo.electrónico Nombre X.Cuál.es.su.género. X.Cuántos.años.tiene. X.te.gusta.asistir.diariamente.al.colegio. X.estudias.en.un.ambiente.agradable. X.la.relación.entre.compañeros.la.consideras.buena. X.las.personas.que.estan.a.cargo.te.ayudan.con.los.deberes. X.Te.gusta.aprender.nuevas.cosas. X..tu.maestras.es.divertida.a.la.hora.de.enseñar. X.te.siente.motivado.para.aprender. X.Crees.que.para.aprender.mejor.te.tienes.que.sentir.bien.en.el.aula. X.Te.esfuerzas.diariamente.por.aprender. X.es.importante.un.buen.trato.en.el.salón.de.clases. X.te.gusta.jugar.mientras.aprendes. En.general…cómo.te.sientes.con.tu.maestra.en.el.aula. X.cuando.te.sientes.desmotivado.tu.maestra.trata.de.darte.animo.
1 2025-11-05 08:02:36 2025-11-05 08:08:59 MARY LUZ MORENO CHAVEZ Mujer 5-10 siempre siempre siempre siempre casi siempre siempre siempre siempre siempre siempre; siempre 5 siempre
2 2025-11-05 08:13:16 2025-11-05 08:17:18 MARY LUZ MORENO CHAVEZ Hombre 5-10 casi siempre siempre casi siempre casi siempre siempre casi siempre siempre casi siempre casi siempre casi siempre; algunas veces 5 siempre
3 2025-11-05 08:26:46 2025-11-05 08:32:25 MARY LUZ MORENO CHAVEZ Hombre 5-10 siempre siempre casi siempre siempre siempre siempre siempre siempre siempre siempre; siempre 5 siempre
4 2025-11-05 08:39:34 2025-11-05 08:43:12 MARY LUZ MORENO CHAVEZ Mujer NA siempre siempre siempre siempre siempre siempre siempre siempre siempre siempre; siempre 5 siempre
5 2025-11-05 09:02:07 2025-11-05 09:05:05 anonymous NA Mujer 10-15 casi siempre casi siempre casi siempre algunas veces casi siempre siempre siempre siempre siempre siempre; siempre 5 siempre
6 2025-11-05 09:16:04 2025-11-05 09:18:22 anonymous NA Hombre 5-10 siempre siempre siempre siempre siempre siempre siempre siempre siempre siempre; siempre 5 casi siempre

2 Análisis descriptivo por ítem

2.0.1 En esta sección se presenta la distribución de frecuencias y porcentajes de cada ítem de la encuesta, junto con su representación gráfica. el objetivo es identificar las tendencias generales en las respuestas de los participantes.

for (col in names(data)) {
cat("\n### Pregunta:", col, "\n")

# Calcular frecuencias y porcentajes

tabla <- as.data.frame(table(data[[col]]))
colnames(tabla) <- c("Respuesta", "Frecuencia")
tabla$Porcentaje <- round((tabla$Frecuencia / sum(tabla$Frecuencia)) * 100, 1)

# Mostrar tabla

kable(tabla, caption = paste("Distribución de respuestas para:", col)) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)


# Gráfico de barras

print(
  ggplot(tabla, aes(x = reorder(Respuesta, -Frecuencia), y = Frecuencia, fill = Respuesta)) +
    geom_bar(stat = "identity", width = 0.7) +
    geom_text(aes(label = paste0(Porcentaje, "%")), vjust = -0.4, size = 3.5) +
    scale_fill_brewer(palette = "Pastel1") +
    theme_minimal(base_size = 12) +
    labs(title = paste("Distribución de respuestas -", col),
         x = "Respuesta", y = "Frecuencia") +
    theme(axis.text.x = element_text(angle = 30, hjust = 1),
          plot.title = element_text(face = "bold", size = 14, hjust = 0.5),
          legend.position = "none")
)

}
## 
## ### Pregunta: Id

## 
## ### Pregunta: Hora.de.inicio

## 
## ### Pregunta: Hora.de.finalización

## 
## ### Pregunta: Correo.electrónico

## 
## ### Pregunta: Nombre

## 
## ### Pregunta: X.Cuál.es.su.género.

## 
## ### Pregunta: X.Cuántos.años.tiene.

## 
## ### Pregunta: X.te.gusta.asistir.diariamente.al.colegio.

## 
## ### Pregunta: X.estudias.en.un.ambiente.agradable.

## 
## ### Pregunta: X.la.relación.entre.compañeros.la.consideras.buena.

## 
## ### Pregunta: X.las.personas.que.estan.a.cargo.te.ayudan.con.los.deberes.

## 
## ### Pregunta: X.Te.gusta.aprender.nuevas.cosas.

## 
## ### Pregunta: X..tu.maestras.es.divertida.a.la.hora.de.enseñar.

## 
## ### Pregunta: X.te.siente.motivado.para.aprender.

## 
## ### Pregunta: X.Crees.que.para.aprender.mejor.te.tienes.que.sentir.bien.en.el.aula.

## 
## ### Pregunta: X.Te.esfuerzas.diariamente.por.aprender.

## 
## ### Pregunta: X.es.importante.un.buen.trato.en.el.salón.de.clases.

## 
## ### Pregunta: X.te.gusta.jugar.mientras.aprendes.

## 
## ### Pregunta: En.general...cómo.te.sientes.con.tu.maestra.en.el.aula.

## 
## ### Pregunta: X.cuando.te.sientes.desmotivado.tu.maestra.trata.de.darte.animo.

3 Conclusiones del análisis

3.0.1 El análisis de los datos recolectados mediante la encuesta evidencia una tendencia predominante hacia respuestas positivas en la mayoría de los ítems, con mayor concentración en las categorías “Siempre” y “Casi siempre”. Esto sugiere que los participantes manifiestan altos niveles de motivación y emociones favorables en el contexto del aprendizaje.

3.0.2 Desde un enfoque cuantitativo, estos resultados reflejan patrones estadísticos que describen el comportamiento general del grupo encuestado. La distribución de frecuencias y porcentajes permite observar que las emociones positivas —como el interés, la confianza y la satisfacción—predominan sobre las negativas, lo cual coincide con los postulados de Pekrun (2014), quien sostiene que las emociones académicas influyen directamente en la calidad del aprendizaje.

3.0.3 Asimismo, la variabilidad en algunas respuestas indica la existencia de factores contextuales o personales que pueden afectar la experiencia emocional durante el aprendizaje. En consecuencia, los datos sugieren la importancia de fortalecer estrategias pedagógicas que promuevan ambientes educativos emocionalmente seguros y estimulantes.

3.0.4 En conclusión, el análisis descriptivo cuantitativo evidencia que las emocionesjuegan un papel esencial en la dinámica del aprendizaje, influyendo tanto en la motivación como en el rendimiento académico de los estudiantes.