Validação de escala para medir a motivação para usar Python em Probabilidade e Estatística no Ensino Superior
DOI:
https://doi.org/10.51247/pdlc.v6i4.653Palavras-chave:
Ensino superior, Escala de Motivação Acadêmica, Probabilidade e Estatística, PythonResumo
Atualmente, o ensino de probabilidade e estatística para estudantes de engenharia de sistemas ou áreas afins é essencial para o desenvolvimento de cidadãos capazes de tomar decisões baseadas em dados. Além disso, o uso de Python permite que os alunos apliquem conceitos teóricos diretamente a dados do mundo real. A pesquisa teve como objetivo validar um instrumento baseado na Escala de Motivação Acadêmica para mensurar os tipos de motivação associados ao uso de Python na aprendizagem de probabilidade e estatística entre estudantes universitários. A pesquisa foi conduzida utilizando uma abordagem quantitativa, não experimental, transversal, com delineamento instrumental. O julgamento de especialistas foi utilizado para a validação de conteúdo. Setenta e seis estudantes participaram do teste piloto. A confiabilidade interna foi aceitável em todas as três dimensões: motivação intrínseca (α = 0,794), desmotivação (α = 0,872) e motivação extrínseca (α = 0,683), embora o alfa geral (α = 0,646) sugira espaço para melhorias. O instrumento demonstrou propriedades psicométricas adequadas: a análise fatorial exploratória identificou três fatores consistentes com o modelo teórico, explicando 74,74% da variância total. A análise confirmatória corroborou essa estrutura com índices de ajuste satisfatórios (CFI = 0,955, TLI = 0,942, RMSEA = 0,064). Esses achados corroboram o uso do instrumento em ambientes universitários, especialmente em cursos que integram ferramentas tecnológicas.
Downloads
Referências
Alonso, J. L. N., Martín-Albo Lucas, J., Navarro Izquierdo, J. G., & Grijalvo Lobera, F. (2006). Validación de la escala de motivación educativa (EME) en Paraguay. Revista Interamericana de Psicología/Interamerican Journal of Psychology. https://accedacris.ulpgc.es/handle/10553/42831
Ato, M., López, J. J., & Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3). https://doi.org/10.6018/analesps.29.3.178511
Browne, M. W., & Cudeck, R. (1993). Alternative ways of assessing model fit. In K. A. Bollen & J. S. Long (Eds.), Testing structural equation models (pp. 136–162). Sage Publications. https://doi.org/10.1177/0049124192021002005
Casanova-Valencia, S. A., Hurtado, J. R., & Ramírez, A. G. S. Implementación de la escala de motivación académica (EMA) en estudiantes universitarios de México. https://www.researchgate.net/publication/379147721_IMPLEMENTACION_DE_LA_ESCALA_DE_MOTIVACION_ACADEMICA_EMA_EN_ESTUDIANTES_UNIVERSITARIOS_DE_MEXICO
Deci, E. L., & Ryan, R. M. (1985). Intrinsic Motivation and Self-Determination in Human Behavior. Plenum. https://link.springer.com/book/10.1007/978-1-4899-2271-7
Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_0
Doğuş, F., Özkan, Y., & Barın Özkan, S. (2024). The effect of python programming language teaching on 7th grade students’ programming self-efficacy skills. Education Mind, 3(2), 156–164. https://doi.org/10.58583/EM.3.2.5
Downey, A. (2015). Think Stats: Exploratory data analysis in Python (2nd ed.). O'Reilly Media.
Escobar-Pérez, J., & Cuervo-Martínez, Á. (2008). Validez de contenido y juicio de expertos: Una aproximación a su utilización. Avances en Medición, 6(1), 27-36.
Frassia, M. G. (2018). Enhanced statistical thinking in secondary school with python programming language: a realistic mathematics education approach. In INTED2018 Proceedings (pp. 3462-3471). IATED.
Garfield, J., & Ben-Zvi, D. (2008). Developing students’ statistical reasoning: Connecting research and teaching practice. Springer. https://link.springer.com/book/10.1007/978-1-4020-8383-9#accessibility-information
Gómez, J. J., Mejía, G. M. L., Medina, V. A., Ramírez, A. A., & Arias, C. C. A. (2023). Lectura e interpretación de tablas y gráficos estadísticos en enseñanza media: oportunidades y desafíos. Revista Cubana de Educación Superior, 42(2). http://scielo.sld.cu/scielo.php?pid=S0257-43142023000200023&script=sci_arttext&tlng=pt
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data Analysis (7th ed.). Pearson.
Haslwanter, T. (2016). An introduction to statistics with Python: With applications in the life sciences. Springer. https://doi.org/10.1007/978-3-319-28316-6
James, G., Witten, D., Hastie, T., Tibshirani, R., & Taylor, J. (2023). An introduction to statistical learning: With applications in Python. Springer. https://doi.org/10.1007/978-3-031-38747-0
Kori, K., Pedaste, M., Leijen, Ä., & Tõnisson, E. (2016). The role of programming experience in ICT students' learning motivation and academic achievement. International Journal of Information and Education Technology, 6(5), 331. https://doi.org/10.7763/IJIET.2016.V6.709
Kotera, Y., Conway, E., & Green, P. (2021). Construction And factorial validation of a short version of the Academic Motivation Scale. British Journal of Guidance & Counselling, 51(2), 274-283. https://doi.org/10.1080/03069885.2021.1903387
López, Alejandra (2008). Escala de motivación académica fundamento teórico y análisis psicométricos. XV Jornadas de Investigación y Cuarto Encuentro de Investigadores en Psicología del Mercosur. Facultad de Psicología - Universidad de Buenos Aires, Buenos Aires. ARK: https://n2t.net/ark:/13683/efue/6r5
Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151–1169. https://doi.org/10.6018/analesps.30.3.199361
Montero, I., & León, O. G. (2002). Clasificación y descripción de las metodologías de investigación en psicología. Revista Internacional de Psicología Clínica y de La Salud, 2(3), 503-508. https://www.redalyc.org/articulo.oa?id=33720308
Müller, A. C., & Guido, S. (2016). Introduction to machine learning with Python: A guide for data scientists. O'Reilly Media.
Namratha, M., Rekha, G. S., Akram, S., Kumar, S. S., & Nayak, J. S. (2018). Active learning approach for python programming. Journal of Engineering Education Transformations, 32(1), 15-19.
Núñez, J. L., Martín-Albo, J., Navarro, J. G., & Suárez, Z. (2010). Adaptación y validación de la versión española de la Escala de Motivación Educativa en estudiantes de educación secundaria postobligatoria. Studies in Psychology, 31(1), 89-100. https://doi.org/10.1174/021093910790744590
Oláh, B., Münnich, Á., & Kósa, K. (2023). Identifying academic motivation profiles and their association with mental health in medical school. Medical Education Online, 28(1), 2242597. https://doi.org/10.1080/10872981.2023.2242597
Ozgur, C., Jha, S., & Shen, Y. (2018). Using statistics software packages for teaching purposes: R and Python. https://www.researchgate.net/publication/344633744_Using_Statistics_Software_Packages_for_Teaching_Purposes_R_and_Python_Running_head_R_and_Python
Pavlenko, L. V., Pavlenko, M. P., Khomenko, V. H., & Mezhuyev, V. I. (2022). Application of R Programming Language in Learning Statistics. In Proceedings of the 1st Symposium on Advances in Educational Technology (Vol. 2, pp. 62-72). https://doi.org/10.5220/0010928500003364
Riyantoko, P. A., Funabiki, N., Wai, K. H., Aung, S. T., Muhaimin, A., & Trimono. (2024). A proposal of Python programming exercise problems for basic statistics learning. 2024 Seventh International Conference on Vocational Education and Electrical Engineering (ICVEE), 289-295. https://doi.org/10.1109/ICVEE63912.2024.10824036
Rodríguez-Rivas, J. G., Saucedo, R. A. S., Rodríguez, Z. M. A. & Pizarro, G. R. (2019). Motivación académica por el uso de la plataforma NetAcad en estudiantes de asignaturas de redes de computadoras en educación superior. Praxis Investigativa ReDIE: Revista Electrónica de La Red Durango de Investigadores Educativos, 11(21), 55-70.
Rodríguez-Rivas, J. G., & Rodríguez, C. S. (2022). Uso de Python para el análisis de datos aplicado en la investigación. Investigación Y Ciencia Aplicada a La Ingeniería, 5(34), 33–40. https://ojsincaing.com.mx/index.php/ediciones/article/view/188
Ryan, R. M., & Deci, E. L. (2017). Self-Determination Theory: Basic Psychological Needs in Motivation, Development, and Wellness. Guilford Press. https://doi.org/10.1521/978.14625/28806
Serin, H. (2023). The Significance of Mathematical Literacy in Today’s Society. International Journal of Social Sciences & Educational Studies, 10(2), 396-402. https://ijsses.tiu.edu.iq/index.php/ijsses/article/view/113
Urrutia Egaña, M., Barrios Araya, S., Gutiérrez Núñez, M., & Mayorga Camus, M. (2015). Métodos óptimos para determinar validez de contenido. Revista Cubana de Educación Médica Superior, 28(3), 547-558.
Vallerand, R. J., Pelletier, L. G., Blais, M. R., Brière, N. M., Senécal, C., & Vallières, E. F. (1992). The Academic Motivation Scale: A measure of intrinsic, extrinsic, and amotivation in education. Educational and Psychological Measurement, 52(4), 1003–1017. https://doi.org/10.1177/0013164492052004025
VanderPlas, J. (2016). Python data science handbook: Essential tools for working with data. O'Reilly Media.
Zhang, X., Li, W., & Wang, G. (2023). Construction and Application of the Project-based Teaching System of Statistical Experiment Course using Python Language. 5th International Conference on Computer Science and Technologies in Education (CSTE). pp. 15-19. https://doi.org/10.1109/CSTE59648.2023.00010
Downloads
Publicado
Edição
Secção
Licença
Direitos de Autor (c) 2025 Jose Gabriel Rodriguez-Rivas, Ruben Pizarro, Jeorgina
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.
