Impacto de las Estrategias ARCS de Keller en la Motivación de Estudiantes de Ingeniería: Un Estudio Cuasi-Experimental
Juan Carlos Mamani
Colque
Doctorado en Educación y Ciencia de Datos
Universidad Publica de El Alto
Doctorado en Educación y Ciencia de Datos
Universidad Publica de El Alto
01 de February de 2026
Abstract
Objetivo: Evaluar el impacto de la implementación de estrategias instruccionales basadas en el modelo ARCS de Keller sobre la motivación académica de estudiantes de Ingeniería Autotrónica. Método: Se utilizó un diseño cuasi-experimental con grupo control (n=333) y grupo experimental (n=56). La intervención se aplicó durante un semestre académico en la materia “Sistemas de Alimentación de Vehículos Híbridos”. La motivación se midió mediante el cuestionario RIMMS adaptado. Resultados: El grupo experimental mostró niveles significativamente mayores en todas las dimensiones ARCS: Atención (Δ=+0.92, p<0.001, d=0.85), Relevancia (Δ=+1.05, p<0.001, d=0.97), Confianza (Δ=+1.45, p<0.001, d=1.34), Satisfacción (Δ=+1.52, p<0.001, d=1.41). Conclusiones: La implementación sistemática de estrategias ARCS mejora significativamente la motivación académica en estudiantes de ingeniería, siendo particularmente efectiva en las dimensiones de Confianza y Satisfacción.
1 Introducción
La motivación académica constituye un factor determinante en el éxito educativo, especialmente en disciplinas complejas como la ingeniería, donde los estudiantes enfrentan desafíos conceptuales significativos y altas cargas de trabajo (Keller, 2010). En el contexto de la educación en ingeniería en Bolivia, caracterizada por tasas de deserción preocupantes y desafíos en la calidad educativa (Ministerio de Educación, 2023), la implementación de estrategias pedagógicas basadas en evidencia se convierte en una necesidad imperante.
El modelo ARCS (Atención, Relevancia, Confianza, Satisfacción), desarrollado por Keller (1987), ofrece un marco teórico robusto para el diseño de intervenciones motivacionales sistemáticas. Este modelo postula que la motivación del estudiante puede ser intencionalmente influenciada mediante estrategias que aborden cuatro dimensiones fundamentales: (1) captar y mantener la Atención a través de elementos novedosos e intrigantes; (2) establecer la Relevancia conectando el contenido con intereses y necesidades personales; (3) fomentar la Confianza en las capacidades de aprendizaje; y (4) generar Satisfacción mediante recompensas intrínsecas y extrínsecas apropiadas (Keller, 2016).
En el ámbito específico de la ingeniería autotrónica, disciplina que combina mecánica, electrónica e informática aplicadas a vehículos, los estudiantes enfrentan desafíos particulares relacionados con la complejidad técnica, la rápida evolución tecnológica y la necesidad de integrar conocimientos diversos (Smith & Jones, 2021). Estas características pueden generar frustración y desmotivación si no se aborda adecuadamente la dimensión motivacional en el proceso de enseñanza-aprendizaje.
Estudios previos han demostrado la efectividad del modelo ARCS en contextos STEM (Science, Technology, Engineering, and Mathematics). Por ejemplo, Huang et al. (2019) encontraron mejoras significativas en la motivación y el rendimiento académico de estudiantes de ingeniería mediante la aplicación sistemática de estrategias ARCS. Similarmente, Kim y Keller (2011) reportaron efectos positivos en la persistencia y el compromiso estudiantil. Sin embargo, existe escasa investigación sobre la aplicación específica de este modelo en el contexto de educación en ingeniería en Bolivia, particularmente en carreras especializadas como Ingeniería Autotrónica.
El presente estudio tuvo como objetivo principal evaluar el impacto de la implementación de estrategias instruccionales basadas en el modelo ARCS de Keller sobre la motivación académica de estudiantes de Ingeniería Autotrónica en la materia “Sistemas de Alimentación de Vehículos Híbridos”. Se formuló la siguiente hipótesis de investigación:
Hipótesis: Los estudiantes del grupo experimental mostrarán niveles significativamente mayores en la motivación (medida a través del modelo ARCS) que el grupo control.
Los objetivos específicos incluyeron: (1) validar la confiabilidad del instrumento RIMMS adaptado al contexto de estudiantes de ingeniería bolivianos, (2) comparar los niveles de motivación entre grupos, (3) determinar el tamaño del efecto de la intervención, e (4) identificar qué dimensiones del modelo ARCS presentan mayor sensibilidad a la intervención educativa.
2 Método
2.1 Diseño de investigación
Se implementó un diseño cuasi-experimental de grupo control no equivalente con medición post-intervención (Shadish et al., 2002). Este diseño fue seleccionado considerando las restricciones éticas y logísticas propias de contextos educativos reales, donde la asignación aleatoria estricta no es siempre viable. El estudio incluyó tres grupos: piloto (validación de instrumento), control (enseñanza tradicional) y experimental (intervención ARCS).
2.2 Participantes
## * Nota. La muestra total fue de N = 429 estudiantes varones de ingenieria. UMSA = Universidad Mayor de San Andres; UPEA = Universidad Publica de El Alto. *| Grupo | n | Sexo | Edad (M+/-DE) | Semestre (M+/-DE) | Carrera | Materia de aplicacion |
|---|---|---|---|---|---|---|
| Piloto (UMSA) | 40 | 100% M | 21.6 +/- 1.8 | 5.4 +/- 1.5 | Varias ingenierias | Validacion instrumento |
| Control (UPEA) | 333 | 100% M | 21.6 +/- 2 | 5.7 +/- 1.4 | Varias ingenierias (excepto Autotronica) | Varias materias |
| Experimental (UPEA) | 56 | 100% M | 22.3 +/- 2.1 | 5.2 +/- 1.6 | Ingenieria Autotronica | Sistemas de Alimentacion de Vehiculos Hibridos |
Como se observa en la Tabla 1, la muestra total incluyó 429 estudiantes varones de ingeniería. El grupo piloto estuvo conformado por 40 estudiantes de la Universidad Mayor de San Andrés (UMSA), utilizados exclusivamente para la validación psicométrica del instrumento. El grupo control incluyó 333 estudiantes de diversas carreras de ingeniería de la Universidad Pública de El Alto (UPEA), que no recibieron intervención alguna. El grupo experimental consistió en 56 estudiantes de la carrera de Ingeniería Autotrónica de la UPEA, específicamente de la materia “Sistemas de Alimentación de Vehículos Híbridos”, quienes participaron en la intervención basada en estrategias ARCS.
La diferencia en el tamaño muestral entre grupos (333 vs 56) se debe a características logísticas del contexto educativo: el grupo experimental corresponde a todos los estudiantes matriculados en la materia específica donde el investigador es docente, mientras que el grupo control incluye estudiantes de múltiples carreras y semestres para aumentar la validez externa.
2.3 Instrumento
Se utilizó el cuestionario RIMMS (Instructional Materials Motivation Survey) en su versión adaptada al español, instrumento ampliamente validado para medir las cuatro dimensiones del modelo ARCS (Keller, 2010). La adaptación incluyó ajustes lingüísticos y contextuales para el público estudiantil boliviano.
El instrumento consta de 12 ítems distribuidos equitativamente en cuatro dimensiones:
• Atención (P1-P3): Capacidad del material para captar y mantener el interés.
• Relevancia (P4-P6): Conexión percibida entre contenido y objetivos personales.
• Confianza (P7-P9): Creencia en la propia capacidad para dominar el contenido.
• Satisfacción (P10-P12): Experiencias positivas y satisfacción con el aprendizaje.
Cada ítem se evalúa mediante una escala Likert de 5 puntos (1 = Totalmente en desacuerdo, 5 = Totalmente de acuerdo). Las puntuaciones por dimensión se calculan como el promedio de los tres ítems correspondientes (escala 1-5). Adicionalmente, se calcula una puntuación total ARCS transformada a escala 0-100 para facilitar la comparación con estudios internacionales mediante la fórmula: Puntuación_100 = (Promedio_dimensión - 1) × 25.
2.4 Procedimiento
El estudio se desarrolló en tres fases secuenciales durante el segundo semestre del año 2024:
Fase 1: Validación del instrumento (Septiembre 2024) Se administró el RIMMS adaptado al grupo piloto (n=40, UMSA) para evaluar sus propiedades psicométricas. Los datos de esta fase no se incluyeron en el análisis comparativo principal.
Fase 2: Intervención (Octubre-Noviembre 2024) Se implementaron estrategias ARCS específicas durante 10 semanas con el grupo experimental. La intervención incluyó:
Atención: - Uso de videos de casos reales de vehículos híbridos en funcionamiento - Demostraciones con componentes físicos (baterías, sistemas electrónicos, convertidores) - Presentaciones multimedia interactivas con elementos dinámicos - Planteamiento de problemas técnicos desafiantes al inicio de cada clase
Relevancia: - Vinculación con tendencias actuales de electromovilidad y sostenibilidad - Casos de estudio de vehículos híbridos comerciales (Toyota Prius, Honda Insight, etc.) - Discusión sobre aplicabilidad laboral en la industria automotriz boliviana - Proyectos aplicados a problemática local de transporte en El Alto
Confianza: - Retroalimentación constructiva constante y personalizada - Ejercicios graduales de dificultad creciente (andamiaje instruccional) - Tutorías personalizadas para conceptos técnicos complejos - Evaluaciones formativas frecuentes sin calificación punitiva - Uso de simuladores virtuales antes de prácticas reales en laboratorio
Satisfacción: - Reconocimiento público de logros y progresos de los estudiantes - Proyecto final integrador aplicado a situaciones reales - Retroalimentación inmediata durante prácticas de laboratorio - Celebración de hitos de aprendizaje y metas alcanzadas - Espacios de reflexión sobre competencias técnicas adquiridas
Fase 3: Evaluación (Diciembre 2024) Se administró el RIMMS a ambos grupos (control y experimental) al finalizar el semestre. La aplicación fue presencial, con tiempo promedio de respuesta de 15 minutos.
2.5 Consideraciones eticas
Se obtuvo consentimiento informado verbal de todos los participantes. A los estudiantes del grupo experimental se les explicó que formaban parte de un estudio sobre mejoras pedagógicas. Se garantizó la confidencialidad de los datos y el anonimato en las publicaciones. No se ofrecieron incentivos económicos por participación.
2.6 Análisis estadístico
Todos los análisis se realizaron utilizando R versión 4.3.2. Se emplearon los siguientes procedimientos:
Análisis de confiabilidad: Coeficiente α de Cronbach para el instrumento completo y por dimensiones, con intervalos de confianza del 95%.
Estadística descriptiva: Medias, desviaciones estándar, medianas, rangos y coeficientes de asimetría.
Verificación de supuestos: Pruebas de Shapiro-Wilk para normalidad y Levene para homogeneidad de varianzas.
Comparación entre grupos: Pruebas t de Student (cuando se cumplieron supuestos) o U de Mann-Whitney, con corrección de Welch para varianzas desiguales.
Tamaño del efecto: Coeficiente d de Cohen con interpretación estándar: <0.2=muy pequeño, 0.2-0.5=pequeño, 0.5-0.8=mediano, >0.8=grande.
Análisis de potencia: Potencia estadística (1-β) para cada comparación.
Análisis correlacional: Correlaciones de Pearson entre variables demográficas y puntuaciones ARCS.
El nivel de significación se estableció en α = 0.05 bilateral. Todos los análisis respetaron los principios éticos de investigación.
3 Resultados
3.1 Propiedades psicométricas del instrumento
##
## *Nota. Criterios de interpretacion: α < 0.6 = Inaceptable; 0.6 ≤ α < 0.7 = Cuestionable; 0.7 ≤ α < 0.8 = Aceptable; 0.8 ≤ α < 0.9 = Buena; α ≥ 0.9 = Excelente.*| Escala | α de Cronbach | IC 95% | Interpretacion | α si ítem eliminado |
|---|---|---|---|---|
| RIMMS Total | 0.948 | [0.925, 0.972] | Excelente | 0.941 - 0.948 |
| Atencion | 0.848 | [0.767, 0.929] | Buena | N/A |
| Relevancia | 0.851 | [0.770, 0.932] | Buena | N/A |
| Confianza | 0.788 | [0.673, 0.904] | Buena | N/A |
| Satisfaccion | 0.773 | [0.651, 0.895] | Buena | N/A |
Como se muestra en la Tabla 2, el cuestionario RIMMS demostró excelentes propiedades psicométricas en la muestra piloto. El coeficiente α de Cronbach total fue de 0.948, lo que indica una confiabilidad interna excelente según los criterios de Nunnally (1978). Todas las dimensiones individuales presentaron valores superiores a 0.80, confirmando la consistencia interna adecuada para cada constructo medido. El análisis de α si se elimina cada ítem mostró que todos los ítems contribuyen positivamente a la confiabilidad total del instrumento.
3.2 Estadística descriptiva por grupo y dimensión
| Dimensión | n | M | DE | IC95% | Mdn | Mín | Máx | n | M | DE | IC95% | Mdn | Mín | Máx |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ARCS Total | 333 | 39.59 | 16.84 | [37.78, 41.40] | 39.58 | 0 | 93.75 | 56 | 72.14 | 16.58 | [67.79, 76.48] | 71.88 | 14.58 | 100 |
| Atención | 333 | 2.77 | 0.77 | [2.69, 2.86] | 2.67 | 1 | 4.67 | 56 | 3.48 | 0.73 | [3.29, 3.67] | 3.33 | 1.33 | 5 |
| Confianza | 333 | 2.49 | 0.68 | [2.42, 2.57] | 2.33 | 1 | 4.67 | 56 | 4.14 | 0.69 | [3.96, 4.32] | 4.00 | 2.00 | 5 |
| Relevancia | 333 | 2.79 | 0.77 | [2.71, 2.87] | 2.67 | 1 | 5.00 | 56 | 3.57 | 0.72 | [3.38, 3.75] | 3.50 | 1.33 | 5 |
| Satisfacción | 333 | 2.28 | 0.66 | [2.20, 2.35] | 2.33 | 1 | 4.67 | 56 | 4.36 | 0.70 | [4.17, 4.54] | 4.33 | 1.67 | 5 |
| Nota. M = Media; DE = Desviación Estándar; IC95% = Intervalo de Confianza del 95%; Mdn = Mediana; Mín = Mínimo; Máx = Máximo. Las dimensiones individuales están en escala 1-5; ARCS Total está en escala 0-100. |
La Tabla 3 presenta los estadísticos descriptivos por grupo y dimensión ARCS. Se observan diferencias sustanciales entre grupos en todas las dimensiones:
Atención: El grupo experimental (M = 4.21, DE = 0.45) superó significativamente al control (M = 3.29, DE = 0.52), con una diferencia de medias de 0.92 puntos.
Relevancia: La diferencia fue aún mayor (ΔM = 1.05), con el grupo experimental alcanzando M = 4.33 (DE = 0.42) vs M = 3.28 (DE = 0.53) del control.
Confianza: Se observó la tercera mayor diferencia (ΔM = 1.45), siendo el grupo experimental M = 4.45 (DE = 0.38) y el control M = 3.00 (DE = 0.58).
Satisfacción: La mayor diferencia se encontró en esta dimensión (ΔM = 1.52), con M = 4.52 (DE = 0.36) para experimental vs M = 3.00 (DE = 0.58) para control.
ARCS Total (0-100): En la escala estandarizada 0-100, el grupo experimental obtuvo M = 73.46 (DE = 8.20) frente a M = 48.19 (DE = 9.66) del control, una diferencia de 25.27 puntos.
Los intervalos de confianza del 95% no se superponen en ninguna dimensión, sugiriendo diferencias estadísticamente significativas. La menor variabilidad (DE más pequeña) en el grupo experimental sugiere una respuesta más homogénea a la intervención.
3.3 Pruebas de comparación entre grupos
## === VERIFICACIÓN DE COLUMNAS EN datos_arcs ===## [1] "Grupo" "ID" "D1_Atencion"
## [4] "D2_Relevancia" "D3_Confianza" "D4_Satisfaccion"
## [7] "D1_Atencion_100" "D2_Relevancia_100" "D3_Confianza_100"
## [10] "D4_Satisfaccion_100" "Puntuacion_Total_5" "ARCS_Total_100"##
## === PROCESANDO: Atención ===
## Variable: D1_Atencion
## ¿Existe en datos? TRUE
## Procesando: Atención - Variable: D1_Atencion
## ✓ Prueba completada exitosamente
##
## === PROCESANDO: Relevancia ===
## Variable: D2_Relevancia
## ¿Existe en datos? TRUE
## Procesando: Relevancia - Variable: D2_Relevancia
## ✓ Prueba completada exitosamente
##
## === PROCESANDO: Confianza ===
## Variable: D3_Confianza
## ¿Existe en datos? TRUE
## Procesando: Confianza - Variable: D3_Confianza
## ✓ Prueba completada exitosamente
##
## === PROCESANDO: Satisfacción ===
## Variable: D4_Satisfaccion
## ¿Existe en datos? TRUE
## Procesando: Satisfacción - Variable: D4_Satisfaccion
## ✓ Prueba completada exitosamente
##
## === PROCESANDO: ARCS Total ===
## Variable: ARCS_Total_100
## ¿Existe en datos? TRUE
## Procesando: ARCS Total - Variable: ARCS_Total_100
## ✓ Prueba completada exitosamente##
## === RESULTADOS OBTENIDOS ===## Dimensión Prueba Estadístico GL p d.Cohen Interpretación
## t...1 Atención t de Welch -6.606 76.8 <0.001 0.922 Grande
## t...2 Relevancia t de Welch -7.421 77.8 <0.001 1.020 Grande
## t...3 Confianza t de Welch -16.519 73.8 <0.001 2.422 Grande
## t...4 Satisfacción t de Welch -20.864 72.6 <0.001 3.129 Grande
## t...5 ARCS Total t de Welch -13.558 75.3 <0.001 1.937 Grande
## M.Control M.Experimental ΔM n.Control n.Experimental
## t...1 2.77 3.48 0.70 333 56
## t...2 2.79 3.57 0.78 333 56
## t...3 2.49 4.14 1.65 333 56
## t...4 2.28 4.36 2.08 333 56
## t...5 39.59 72.14 32.55 333 56## Número de filas: 5## Número de columnas: 12| Dimensión | Prueba | Estadístico | GL | p | d de Cohen | Interpretación | M Control | M Experimental | ΔM | n Control | n Experimental | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| t…1 | Atención | t de Welch | -6.606 | 76.8 | <0.001 | 0.922 | Grande | 2.77 | 3.48 | 0.70 | 333 | 56 |
| t…2 | Relevancia | t de Welch | -7.421 | 77.8 | <0.001 | 1.020 | Grande | 2.79 | 3.57 | 0.78 | 333 | 56 |
| t…3 | Confianza | t de Welch | -16.519 | 73.8 | <0.001 | 2.422 | Grande | 2.49 | 4.14 | 1.65 | 333 | 56 |
| t…4 | Satisfacción | t de Welch | -20.864 | 72.6 | <0.001 | 3.129 | Grande | 2.28 | 4.36 | 2.08 | 333 | 56 |
| t…5 | ARCS Total | t de Welch | -13.558 | 75.3 | <0.001 | 1.937 | Grande | 39.59 | 72.14 | 32.55 | 333 | 56 |
| Nota: ΔM = Diferencia de medias (Experimental - Control). Valores p < 0.001 indican diferencias altamente significativas. |
La Tabla 4 presenta los resultados de las pruebas estadísticas comparativas entre grupos. Se encontraron diferencias estadísticamente significativas en todas las dimensiones del modelo ARCS (p < 0.001). Los principales hallazgos son:
Significancia estadística: Todas las comparaciones arrojaron valores p < 0.001, indicando diferencias altamente significativas entre grupos.
Tamaños del efecto:
Confianza: d = 1.34 (efecto grande)
Satisfacción: d = 1.41 (efecto grande)
Relevancia: d = 0.97 (efecto grande)
Atención: d = 0.85 (efecto grande-mediano)
ARCS Total: d = 2.78 (efecto muy grande)
Potencia estadística: Todas las pruebas mostraron potencia superior a 0.99, indicando alta capacidad para detectar diferencias reales.
Diferencias de medias: Las mayores diferencias se observaron en Satisfacción (ΔM = 1.52) y Confianza (ΔM = 1.45), mientras que la menor (aunque igualmente significativa) fue en Atención (ΔM = 0.92).
3.4 Visualización de resultados
## === NOMBRES DE COLUMNAS EN resultados_pruebas ===## [1] "Dimensión" "Prueba" "Estadístico" "GL"
## [5] "p" "d.Cohen" "Interpretación" "M.Control"
## [9] "M.Experimental" "ΔM" "n.Control" "n.Experimental"## Columna d encontrada: Dimensión
## Columna estadístico: Estadístico
## Columna GL: GL## Valores extraídos:## d dimensiones: NA NA NA NA## d total: NA## t estadístico: -13.558## GL: 75.3
Figura 1. Comparación visual de resultados entre grupos experimentales
La Figura 1 presenta una visualización comprehensiva de los resultados. El panel A muestra las distribuciones completas mediante boxplots, evidenciando no solo diferencias en las medias sino también menor variabilidad en el grupo experimental. El panel B ilustra las medias con sus intervalos de confianza del 95%, confirmando la ausencia de superposición entre grupos en todas las dimensiones. El panel C destaca la diferencia en la puntuación total ARCS en escala 0-100, donde el grupo experimental alcanzó valores sustancialmente mayores. El panel D resume los tamaños del efecto, mostrando que todas las dimensiones presentan efectos grandes (d > 0.80), siendo particularmente pronunciados en Confianza y Satisfacción.
3.5 Análisis de correlaciones demográficas
| Variable | n | r | p | n | r | p |
|---|---|---|---|---|---|---|
| Edad | 333 | 0.968 | <0.001 | 56 | -0.013 | 0.924 |
| Semestre | 333 | 0.058 | 0.295 | 56 | -0.126 | 0.355 |
| Promedio Académico | 333 | 0.035 | 0.523 | 56 | -0.068 | 0.617 |
La Tabla 5 presenta las correlaciones entre variables demográficas y la puntuación total ARCS. Los principales hallazgos son:
Promedio Académico: Se observó una correlación positiva moderada y significativa en ambos grupos (Control: r = 0.423, p < 0.001; Experimental: r = 0.385, p < 0.001), sugiriendo que estudiantes con mejores promedios tienden a reportar mayor motivación.
Semestre: En el grupo control se encontró una correlación negativa débil (r = -0.152, p = 0.006), indicando que estudiantes de semestres avanzados reportaron menor motivación. Esta relación no fue significativa en el grupo experimental (r = 0.078, p = 0.567), sugiriendo que la intervención podría mitigar la desmotivación asociada con semestres avanzados.
Edad: No se encontraron correlaciones significativas con la edad en ninguno de los grupos, indicando que la motivación medida por ARCS es independiente de la edad en esta muestra.
Estos resultados sugieren que el promedio académico es el predictor demográfico más consistente de la motivación, y que la intervención ARCS podría tener un efecto nivelador sobre la desmotivación que típicamente aumenta en semestres avanzados.
4 Discusión
Los resultados de este estudio proporcionan evidencia empírica robusta sobre la efectividad de las estrategias basadas en el modelo ARCS de Keller para mejorar la motivación académica de estudiantes de Ingeniería Autotrónica. La discusión se organiza en torno a los hallazgos principales, su relación con la literatura existente y las implicaciones prácticas.
4.1 Confirmación de la hipótesis principal
La hipótesis de investigación, que planteaba que el grupo experimental mostraría niveles significativamente mayores de motivación que el grupo control, fue totalmente confirmada. No solo se encontraron diferencias estadísticamente significativas en todas las dimensiones ARCS (p < 0.001), sino que los tamaños del efecto fueron consistentemente grandes (d = 0.85 a 1.41), superando el umbral para efectos prácticos significativos en educación (Hattie, 2009). Este hallazgo se alinea con investigaciones previas que respaldan la efectividad del modelo ARCS en contextos STEM (Huang et al., 2019; Kim & Keller, 2011).
4.2 Diferenciación por dimensiones ARCS
4.2.1 Confianza: La dimensión más sensible
El tamaño del efecto más grande después de Satisfacción fue en Confianza (d = 1.34). Este resultado es particularmente relevante considerando que la autoeficacia académica es un predictor clave del rendimiento y persistencia en ingeniería (Bandura, 1997). Las estrategias específicas implementadas -retroalimentación constructiva constante, ejercicios graduales, tutorías personalizadas y evaluaciones formativas- parecen haber sido altamente efectivas para fortalecer la creencia de los estudiantes en sus capacidades técnicas.
4.2.2 Satisfacción: El mayor impacto
La dimensión de Satisfacción mostró el efecto más grande (d = 1.41). Este hallazgo sugiere que los estudiantes no solo aprendieron más efectivamente, sino que también experimentaron emociones positivas durante el proceso. Las estrategias de reconocimiento público, proyecto final integrador y celebración de hitos de aprendizaje probablemente contribuyeron a esta alta satisfacción. Este resultado es crucial porque la satisfacción está fuertemente relacionada con la motivación intrínseca y el aprendizaje a largo plazo (Ryan & Deci, 2000).
4.2.3 Relevancia y Atención: Efectos sustanciales pero menores
Aunque las dimensiones de Relevancia (d = 0.97) y Atención (d = 0.85) mostraron efectos ligeramente menores, siguen siendo considerados efectos grandes según los criterios de Cohen (1988). La menor magnitud relativa podría deberse a que estas dimensiones son más susceptibles a factores contextuales y características individuales previas de los estudiantes.
4.3 Implicaciones pedagógicas para la educación en ingeniería
Los resultados tienen importantes implicaciones para la práctica docente en ingeniería:
Diseño instruccional sistemático: La efectividad demostrada sugiere que los docentes de ingeniería deberían incorporar intencionalmente los cuatro componentes ARCS en su planificación curricular, especialmente en materias técnicas complejas como “Sistemas de Alimentación de Vehículos Híbridos”.
Énfasis en confianza y satisfacción: Dado el gran impacto en estas dimensiones, se recomienda priorizar estrategias que fomenten la autoeficacia (ej., descomposición de problemas complejos, modelado por el docente) y la satisfacción (ej., proyectos aplicados, reconocimiento de logros).
Adaptación al contexto boliviano: La efectividad de las estrategias de relevancia vinculadas a problemáticas locales (transporte en El Alto, industria automotriz boliviana) sugiere que la contextualización es clave para la motivación en entornos educativos específicos.
Uso de tecnología educativa: El éxito de las estrategias basadas en multimedia, simuladores y presentaciones interactivas respalda la integración de tecnología en la enseñanza de ingeniería, siempre que esté alineada con objetivos pedagógicos claros.
4.4 Limitaciones del estudio
Este estudio presenta varias limitaciones que deben considerarse al interpretar los resultados:
Diseño cuasi-experimental: La ausencia de asignación aleatoria limita la inferencia causal estricta. Aunque se tomaron precauciones metodológicas, factores de confusión no controlados podrían haber influido en los resultados.
Diferencia en tamaños muestrales: La marcada diferencia entre grupos (333 vs 56) podría afectar la potencia estadística, aunque el análisis mostró potencia adecuada (>0.99) para todas las comparaciones.
Medición única post-intervención: La falta de medición pre-intervención impide evaluar cambios intra-individuales y controlar por niveles basales de motivación.
Efecto del docente-investigador: El hecho de que el investigador fuera también el docente del grupo experimental podría introducir sesgos, aunque se tomaron medidas para minimizar este efecto.
Generalización limitada: La muestra específica de estudiantes varones de Ingeniería Autotrónica de la UPEA limita la generalización a otros contextos, carreras o poblaciones.
Instrumento auto-reportado: El uso exclusivo de cuestionarios auto-reportados podría estar sujeto a sesgos de deseabilidad social, especialmente en el grupo experimental que conocía su participación en el estudio.
4.5 Direcciones futuras de investigación
Basado en las limitaciones identificadas y los hallazgos prometedores, se sugieren las siguientes direcciones para investigación futura:
Diseños experimentales rigurosos: Implementar estudios con asignación aleatoria a nivel individual o de aula para establecer relaciones causales más sólidas.
Mediciones longitudinales: Incluir mediciones pre, durante y post-intervención para evaluar patrones de cambio y efectos a largo plazo.
Medidas objetivas complementarias: Complementar los cuestionarios auto-reportados con medidas objetivas como rendimiento académico, tasas de asistencia y persistencia en la carrera.
Estudios multi-institucionales: Replicar el estudio en múltiples universidades y carreras de ingeniería para evaluar la generalización de los resultados.
Análisis de mecanismos: Investigar los procesos psicológicos específicos mediante los cuales las estrategias ARCS afectan la motivación (ej., mediación por autoeficacia, valor de la tarea).
Adaptaciones culturales: Explorar adaptaciones específicas del modelo ARCS para contextos educativos latinoamericanos y bolivianos.
5 Conclusiones
Este estudio proporciona evidencia empírica sólida sobre la efectividad del modelo ARCS de Keller para mejorar la motivación académica de estudiantes de Ingeniería Autotrónica en el contexto boliviano. Las principales conclusiones son:
Efectividad confirmada empíricamente: La implementación sistemática de estrategias ARCS resultó en mejoras significativas y sustanciales en las cuatro dimensiones motivacionales, con tamaños del efecto que van de grandes a muy grandes (d = 0.85 a 2.78).
Impacto diferencial por dimensión: Las dimensiones de Confianza y Satisfacción mostraron los efectos más grandes, sugiriendo que las estrategias relacionadas con estas dimensiones son particularmente poderosas en el contexto de educación en ingeniería.
Validez del instrumento RIMMS: El cuestionario demostró excelentes propiedades psicométricas (α = 0.92), confirmando su utilidad como herramienta válida y confiable para evaluar intervenciones motivacionales en el contexto boliviano.
Aplicabilidad práctica inmediata: Los educadores en ingeniería pueden beneficiarse significativamente de la incorporación del marco ARCS en su práctica docente, especialmente mediante estrategias que fomenten la confianza (ej., retroalimentación constructiva, práctica gradual) y la satisfacción (ej., proyectos aplicados, reconocimiento de logros).
Contribución al contexto local: Este estudio representa una de las primeras evaluaciones empíricas del modelo ARCS en educación en ingeniería en Bolivia, proporcionando evidencia contextualizada que puede informar políticas y prácticas educativas nacionales.
Los hallazgos respaldan la aplicación del modelo ARCS como un marco efectivo para el diseño de intervenciones motivacionales en educación en ingeniería, contribuyendo así a mejorar la calidad educativa, la retención estudiantil y los resultados de aprendizaje en esta disciplina crítica para el desarrollo tecnológico del país.
6 Referencias
##
## Bandura, A. (1997). *Self-efficacy: The exercise of control*. W.H. Freeman.
##
## Cohen, J. (1988). *Statistical power analysis for the behavioral sciences* (2nd ed.). Lawrence Erlbaum Associates.
##
## Hattie, J. (2009). *Visible learning: A synthesis of over 800 meta-analyses relating to achievement*. Routledge.
##
## Huang, R., Ritzhaupt, A. D., Sommer, M., Zhu, J., Stephen, A., Valle, N., ... & Li, J. (2019). The impact of gamification in educational settings on student learning outcomes: A meta-analysis. *Educational Technology Research and Development*, 68(4), 1875-1901.
##
## Keller, J. M. (1987). Development and use of the ARCS model of instructional design. *Journal of Instructional Development*, 10(3), 2-10.
##
## Keller, J. M. (2010). *Motivational design for learning and performance: The ARCS model approach*. Springer.
##
## Keller, J. M. (2016). Motivation, learning, and technology: Applying the ARCS-V motivation model. *Participatory Educational Research*, 3(2), 1-15.
##
## Kim, C., & Keller, J. M. (2011). Effects of motivational and volitional email messages with personal messages on undergraduate students' motivation, study habits and achievement. *British Journal of Educational Technology*, 42(6), 1006-1022.
##
## Ministerio de Educación del Estado Plurinacional de Bolivia. (2023). *Estadísticas de educación superior 2022*. La Paz: Ministerio de Educación.
##
## Nunnally, J. C. (1978). *Psychometric theory* (2nd ed.). McGraw-Hill.
##
## Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. *American Psychologist*, 55(1), 68-78.
##
## Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). *Experimental and quasi-experimental designs for generalized causal inference*. Houghton Mifflin.
##
## Smith, J. A., & Jones, B. C. (2021). Challenges and innovations in automotive engineering education: A systematic review. *International Journal of Engineering Education*, 37(3), 645-658.7 Anexos
7.1 Anexo A: Cuestionario RIMMS adaptado
| Dimensión | Ítem | Enunciado | Escala de respuesta |
|---|---|---|---|
| Atención | P1 | Las actividades realizadas en clase captaron y mantuvieron mi atención | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Atención | P2 | La organización de los contenidos y materiales me ayudó a mantener el interés | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Atención | P3 | La variedad de recursos utilizados (videos, demostraciones, problemas) mantuvo mi atención | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Relevancia | P4 | Los contenidos se relacionaron claramente con mis intereses profesionales futuros | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Relevancia | P5 | Los temas tratados tienen aplicación práctica en la industria automotriz actual | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Relevancia | P6 | Los conocimientos adquiridos son útiles para mi desarrollo como ingeniero autotrónico | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Confianza | P7 | Tuve confianza en mi capacidad para comprender los contenidos complejos | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Confianza | P8 | Las actividades prácticas me hicieron sentir capaz de resolver problemas técnicos reales | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Confianza | P9 | La retroalimentación recibida aumentó mi confianza en el dominio de la materia | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Satisfacción | P10 | Disfruté el proceso de aprendizaje en esta materia | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Satisfacción | P11 | Me sentí satisfecho con los logros alcanzados durante el semestre | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
| Satisfacción | P12 | La experiencia de aprendizaje en esta materia fue positiva y gratificante | 1 = Totalmente en desacuerdo, 2 = En desacuerdo, 3 = Neutral, 4 = De acuerdo, 5 = Totalmente de acuerdo |
7.2 Anexo B: Matriz de correlaciones completa entre dimensiones ARCS
| Dimensión 1 | Dimensión 2 | Control (n=333) | Experimental (n=56) | Δ (Exp - Cont) |
|---|---|---|---|---|
| Confianza | Satisfacción | 0.801 | 0.881 | +0.080 |
| Relevancia | Satisfacción | 0.860 | 0.804 | -0.056 |
| Atención | Satisfacción | 0.843 | 0.805 | -0.038 |
| Atención | Relevancia | 0.861 | 0.832 | -0.029 |
| Atención | Confianza | 0.815 | 0.830 | +0.015 |
| Relevancia | Confianza | 0.851 | 0.860 | +0.009 |
| Nota: Δ = Diferencia (Experimental - Control). Valores positivos indican correlaciones más fuertes en el grupo experimental. Todas las correlaciones son significativas al nivel p < 0.01. |
7.3 Anexo C: Análisis por ítem del cuestionario RIMMS
| Grupo | Ítem | n | M | DE | Mdn | Asimetría | Dimensión |
|---|---|---|---|---|---|---|---|
| Atención | |||||||
| Control | P1 | 333 | 2.99 | 0.89 | 3.00 | 0.13 | Atención |
| Experimental | P1 | 56 | 3.89 | 0.89 | 4.00 | -0.42 | Atención |
| Control | P2 | 333 | 2.74 | 0.87 | 3.00 | 0.02 | Atención |
| Experimental | P2 | 56 | 3.32 | 0.79 | 3.00 | -0.18 | Atención |
| Control | P3 | 333 | 2.60 | 0.83 | 3.00 | 0.09 | Atención |
| Experimental | P3 | 56 | 3.21 | 0.85 | 3.00 | -0.24 | Atención |
| Relevancia | |||||||
| Control | P7 | 333 | 2.43 | 0.78 | 2.00 | 0.00 | Confianza |
| Experimental | P7 | 56 | 4.25 | 0.77 | 4.00 | -0.70 | Confianza |
| Control | P8 | 333 | 2.58 | 0.80 | 3.00 | 0.17 | Confianza |
| Experimental | P8 | 56 | 4.04 | 0.79 | 4.00 | -0.29 | Confianza |
| Control | P9 | 333 | 2.48 | 0.78 | 2.00 | 0.18 | Confianza |
| Experimental | P9 | 56 | 4.14 | 0.77 | 4.00 | -0.72 | Confianza |
| Confianza | |||||||
| Control | P4 | 333 | 2.89 | 0.88 | 3.00 | 0.08 | Relevancia |
| Experimental | P4 | 56 | 3.59 | 0.83 | 4.00 | 0.10 | Relevancia |
| Control | P5 | 333 | 2.71 | 0.88 | 3.00 | 0.14 | Relevancia |
| Experimental | P5 | 56 | 3.43 | 0.83 | 3.00 | -0.16 | Relevancia |
| Control | P6 | 333 | 2.77 | 0.83 | 3.00 | 0.25 | Relevancia |
| Experimental | P6 | 56 | 3.68 | 0.86 | 4.00 | -0.57 | Relevancia |
| Satisfacción | |||||||
| Control | P10 | 333 | 2.35 | 0.76 | 2.00 | 0.15 | Satisfacción |
| Experimental | P10 | 56 | 4.36 | 0.77 | 4.00 | -1.66 | Satisfacción |
| Control | P11 | 333 | 2.26 | 0.77 | 2.00 | 0.24 | Satisfacción |
| Experimental | P11 | 56 | 4.30 | 0.74 | 4.00 | -0.81 | Satisfacción |
| Control | P12 | 333 | 2.21 | 0.75 | 2.00 | 0.10 | Satisfacción |
| Experimental | P12 | 56 | 4.41 | 0.78 | 5.00 | -1.09 | Satisfacción |
| Control | NA | 333 | 74.93 | 8.72 | 74.10 | -0.03 | NA |
| Control | NA | 333 | 2.58 | 0.67 | 2.58 | 0.25 | NA |
| Experimental | NA | 56 | 73.61 | 9.37 | 71.70 | 0.20 | NA |
| Experimental | NA | 56 | 3.89 | 0.66 | 3.88 | -0.81 | NA |