ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 41
Dimensiones latentes asociadas al
rendimiento académico en
estudiantes: validación y exploración
con ecuaciones estructurales
Latent dimensions associated with
academic performance in school
students: Validation and exploration
using Structural Equation Modeling
Freddy Patricio Cabrera-Ortiz
1
María Eugenia Verdugo-Guamán
2
Ana Gabriela Palacios-Kirby
3
1
Grupo de Investigación en Políticas Educativas (GIPE),
Universidad de Cuenca, Av. 12 de Abril, Cuenca, Ecuador.
2
Grupo de Investigación Formación e Innovación Docente
(GIFID), Universidad de Cuenca, Av. 12 de Abril, Cuenca,
Ecuador.
3
Universidad de Cuenca, Av. 12 de Abril, Cuenca, Ecuador.
Correspondencia:
freddy.cabrera@ucuenca.edu.ec
Recepción: 7 de agosto de 2025 - Aceptación: 18 de
septiembre de 2025 – Publicación: 19 de septiembre de 2025.
RESUMEN
Este estudio analiza los factores asociados al
rendimiento académico en estudiantes de
secundaria mediante tres modelos de ecuaciones
estructurales (SEM) con una muestra de 1.509
estudiantes. Los participantes respondieron un
cuestionario de 56 ítems agrupados en ocho
dimensiones teóricas: actitud hacia la institución,
motivación académica, entorno barrial,
acompañamiento familiar, vínculo con docentes,
percepción de inclusión (operacionalizada como
exclusión), necesidades básicas y actitudes frente a
la lectura. El primer modelo incluyó las ocho
dimensiones originales, el segundo exploró
estructuras de segundo orden y el tercero buscó la
especificación más parsimoniosa manteniendo el
ajuste adecuado. La motivación académica (β =
0.14, *p* = .009) y las actitudes positivas hacia la
lectura (β = 0.11, *p* = .021) mostraron efectos
favorables, mientras que la percepción de
exclusión escolar (β = −0.16, *p* < .001) tuvo un
impacto negativo. El análisis de las cargas
estandarizadas mostró una adecuada estructura de
los constructos, aunque con algunos ítems débiles
o inversos. Se discuten implicaciones para el
fortalecimiento de ambientes escolares inclusivos y
emocionalmente estimulantes.
Palabras clave: rendimiento académico,
educación, dimensiones latentes, secundaria,
ecuaciones estructurales.
ABSTRACT
This study analyzes the factors associated with
academic performance in secondary school
students using three structural equation models
(SEM) with a sample of 1,509 students.
Participants completed a 56-item questionnaire
grouped into eight theoretical dimensions: attitude
toward the institution, academic motivation,
neighborhood environment, family support,
connection with teachers, perception of inclusion
(operationalized as exclusion), basic needs, and
attitudes toward reading. The first model included
the eight original dimensions, the second explored
second-order structures, and the third sought the
most parsimonious specification while maintaining
adequate fit. Academic motivation (β = 0.14, *p* =
.009) and positive attitudes toward reading (β =
0.11, *p* = .021) showed favorable effects, while
the perception of school exclusion (β = −0.16, *p*
< .001) had a negative impact. The analysis of the
standardized loadings showed an adequate
structure, although with some weak or inverse
items. Implications for strengthening inclusive and
emotionally stimulating school environments are
discussed.
Keywords: academic performance, education,
latent dimensions, secondary school, structural
equations.
INTRODUCCIÓN
En los últimos años, el análisis del rendimiento
académico ha adquirido una relevancia creciente,
particularmente a raíz de los cambios estructurales
que trajo consigo la pandemia de COVID-19. Lejos
de constituir un fenómeno aislado, el rendimiento
escolar se configura como el resultado de una red
compleja de factores sociales, familiares,
individuales e institucionales que interactúan de
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 42
forma dinámica a lo largo del desarrollo de niños,
niñas y adolescentes (Banerjee, 2016).
Uno de los espacios preponderantes en esta
configuración es el entorno familiar. Desde el
enfoque ecológico propuesto por Bronfenbrenner
(1987), retomado por Morales Amaya et al. (2024),
se comprende que el desarrollo humano depende de
múltiples sistemas interconectados, y que cualquier
alteración en uno de ellos puede repercutir en los
demás. El hogar, en tanto microsistema, tiene un
peso decisivo no solo por la cercanía afectiva, sino
también por las condiciones socioeconómicas, las
prácticas de crianza y el nivel educativo de los
padres. En este sentido, se ha evidenciado que el
escaso acompañamiento familiar —derivado de
largas jornadas laborales, baja escolaridad o una
concepción instrumental de la educación— limita
tanto el apoyo emocional como académico, y
debilita la construcción de entornos propicios para
el aprendizaje (Morales Amaya et al., 2024). La
percepción que los estudiantes tienen sobre el
respaldo que reciben, así como las expectativas de
los adultos que son significativos para ellos, puede
potenciar o inhibir su desempeño (Rodríguez
Rodríguez, 2023). En este sentido, se entiende que
la implicación activa de madres y padres, sobre
todo en contextos de vulnerabilidad, es un factor
protector que contribuye a la mejora del
rendimiento y al bienestar general de los
estudiantes.
Desde un plano más amplio, la satisfacción de
las necesidades humanas básicas también explica
en buena medida las trayectorias escolares. Tal
como plantea la jerarquía de necesidades de
Maslow (1943), la seguridad, la pertenencia y la
estima constituyen prerrequisitos indispensables
para que los individuos puedan alcanzar niveles
superiores de autorrealización, entre los que se
incluye el aprendizaje. Así, estudiantes que carecen
de estabilidad económica, apoyo afectivo o un
clima escolar seguro encuentran mayores
obstáculos para involucrarse plenamente en los
procesos educativos, mientras que aquellos que
tienen cubiertas estas necesidades básicas muestran
una disposición más favorable hacia el aprendizaje
y el logro académico.
Junto al hogar, la zona de residencia constituye
otro espacio relevante. Las dinámicas comunitarias
y las condiciones del entorno —como la violencia,
el desempleo o la falta de acceso a servicios—
influyen significativamente en las trayectorias
escolares. En estos contextos, es común que niñas,
niños y adolescentes adopten conductas de
adaptación que pueden contradecir las exigencias
escolares, afectando su conexión con la escuela, su
asistencia regular y su motivación por el
aprendizaje (Banerjee, 2016).
Según Suárez Enciso et al. (2016), la escuela
no solo cumple una función instructiva, sino que
también constituye un espacio relacional y
simbólico en el que los vínculos entre docentes y
estudiantes, la empatía, el cuidado y la calidad de
la retroalimentación inciden en la valoración de la
experiencia educativa, mientras que factores
estructurales como el tamaño, la localización y los
recursos del centro escolar contribuyen a explicar
las diferencias en el rendimiento académico. A ello
se suman aspectos pedagógicos como la
experiencia docente, las metodologías empleadas y
las formas de evaluación, así como características
individuales del estudiantado, como la ansiedad o
la motivación (Subelza-Flores & Velasco Pereira,
2023).
En contextos diversos, la inclusión educativa y
su antípoda, la exclusión, resulta fundamental para
asegurar trayectorias escolares significativas, ya
que experiencias de discriminación —tanto por
parte de pares como de adultos— pueden deteriorar
la autoestima, la motivación y el rendimiento
académico; en cambio, cuando los estudiantes se
sienten valorados e integrados en una comunidad
escolar equitativa, se fortalece su confianza en la
educación y su disposición hacia el aprendizaje
(Banerjee, 2016).
Los docentes también desempeñan un papel
crucial dentro de este entramado. Su capacidad
para establecer relaciones positivas, su
comprensión del entorno de los estudiantes, así
como sus creencias sobre el potencial de
aprendizaje, pueden marcar una diferencia
significativa, incluso en contextos de alta pobreza
(Dell’Angelo, 2010). Las expectativas realistas y el
reconocimiento de las barreras que enfrentan sus
alumnos son fundamentales para el diseño de
estrategias pedagógicas sensibles y efectivas.
Por otro lado, desde una perspectiva interna
del sujeto, la motivación intrínseca se ratifica como
un factor determinante en este proceso. Aquellos
estudiantes que encuentran sentido en lo que
aprenden, que se sienten retados y acompañados en
su proceso, tienden a involucrarse más
activamente, desarrollando pensamiento crítico,
autonomía y persistencia ante la dificultad. Morales
Amaya (2024) advierte que las experiencias
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 43
escolares negativas o situaciones personales
complejas pueden disminuir significativamente
este tipo de motivación, generando apatía y bajo
rendimiento. En cambio, cuando las trayectorias
educativas se alinean con los intereses personales
—como en el caso de la elección vocacional—, se
refuerza la percepción de adquisición de
conocimientos y el compromiso con la formación
(Chávez, 2024).
Este análisis de la motivación conecta
directamente con la teoría de la autodeterminación,
la cual sostiene que la satisfacción de tres
necesidades psicológicas básicas —autonomía,
competencia y relación— es fundamental para
promover una motivación intrínseca sostenida y un
aprendizaje profundo (Deci y Ryan, 2000). Así, los
entornos educativos que reconocen la voz de los
estudiantes, fortalecen sus habilidades y fomentan
vínculos positivos, incrementan significativamente
su rendimiento académico y su bienestar
emocional.
La revisión de literatura evidencia que el
estudio del rendimiento académico ha estado en el
centro de numerosas investigaciones educativas, en
especial aquellas que abordan factores latentes que
inciden en los logros escolares desde un enfoque
multivariado. Uno de los factores que ha recibido
mayor atención es la motivación académica, tanto
en su dimensión intrínseca como extrínseca.
Nauzeer y Jaunky (2021), a través de un
metaanálisis que integra dimensiones de
motivación, aprendizaje y rasgos de personalidad,
evidencian una asociación positiva moderada entre
estos factores y el rendimiento académico. De
forma convergente, Haidari et al. (2023) concluyen
que la autoeficacia no sólo influye de manera
directa sobre el rendimiento, sino también a través
de la motivación, destacando así su rol mediador.
La influencia del entorno inmediato también
ha sido documentada con fuerza. En el caso
chileno, Salvo-Garrido et al. (2023) trabajaron con
una muestra amplia de estudiantes de primaria y
confirmaron que la autoeficacia y las expectativas
parentales son los predictores más sólidos del
rendimiento en pruebas estandarizadas. Además,
factores como el bullying y la violencia docente
emergen como elementos que deterioran el
desempeño, lo que sitúa al clima escolar como un
componente central a considerar.
En esa misma línea, la percepción del apoyo
docente ha sido reconocida como un elemento
clave en la construcción del compromiso escolar.
Prananto et al. (2025), en una revisión sistemática
sobre educación superior, identifican que el apoyo
del profesorado tiene un efecto directo y sostenido
sobre la participación estudiantil, mediado en
muchos casos por la satisfacción de necesidades
psicológicas básicas como la autonomía y la
pertenencia. Aunque el foco de este estudio se sitúa
en educación superior, sus implicaciones sobre el
vínculo entre soporte emocional y rendimiento se
extienden a otros niveles educativos.
En cuanto a las actitudes hacia el aprendizaje,
Scherer y Campos (2022) examinan las teorías
implícitas de la inteligencia, encontrando que las
mentalidades, fija y de crecimiento, no se excluyen
mutuamente, como se asumía previamente, sino
que coexisten de manera correlacionada. Este
hallazgo cuestiona los enfoques dicotómicos
utilizados en muchas mediciones y sugiere la
necesidad de capturar con mayor precisión las
creencias de los estudiantes sobre sus propias
capacidades.
Desde una perspectiva más amplia, García y
Olivera (2022) proponen un modelo holístico en el
que se articulan variables no cognitivas como la
cooperación, la perseverancia y la asertividad. Su
estudio, muestra que estas habilidades tienen
efectos directos sobre las conductas académicas e
indirectos sobre el rendimiento. La motivación
intrínseca, por su parte, se posiciona como un
predictor fuerte de estas disposiciones.
En el plano de la personalidad, Poropat (2009)
llevó a cabo un metaanálisis sobre el modelo de los
cinco grandes factores, concluyendo que la
conciencia, la amabilidad y la apertura a la
experiencia se asocian positivamente con el
rendimiento académico, lo que subraya el papel
estructurante de ciertos rasgos estables en el
desempeño académico.
Finalmente, una revisión metodológica llevada
a cabo por Kocsis y Molnár (2025), basada en más
de 95 estudios, subraya la eficacia de los modelos
SEM y los algoritmos de minería de datos
educativos para identificar predictores del
rendimiento académico y del abandono escolar.
Dentro de los factores más consistentes destacan el
GPA previo, las estrategias de autorregulación y la
motivación intrínseca, con resultados mixtos en
cuanto a la edad y el contexto familiar.
A partir del recorrido teórico presentado, se
constata que el rendimiento académico responde a
una multiplicidad de factores interrelacionados,
entre los cuales destacan la motivación intrínseca,
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 44
el entorno familiar y escolar, la percepción de
inclusión, el apoyo docente y ciertas disposiciones
personales como la autoeficacia y la perseverancia.
Si bien diversos estudios han abordado estos
elementos de forma segmentada o desde enfoques
univariados, persiste la necesidad de modelos
integradores que permitan analizar cómo estas
dimensiones se configuran de manera conjunta y
latente en contextos educativos específicos. En esta
línea, el presente estudio se propone examinar la
estructura subyacente de ocho dimensiones teóricas
vinculadas al rendimiento académico en
estudiantes de secundaria, mediante la aplicación
de un modelo de ecuaciones estructurales, cuya
estrategia metodológica se expone a continuación.
METODOLOGÍA
Diseño
El tipo de diseño de la investigación fue
instrumetal y explicativo. Instrumental pues
plantea el uso de herramientas e instrumentos
específicos para recopilar datos (Cabrera-Tenecela,
2023); tiene un alcance de validación y exploración
de una herramienta para comprender las relaciones
causales que determinan un hecho social como es
el rendimiento académico (Hernández Sampieri,
2014). Finalmente, tiene un corte transversal pues
los datos fueron levantados en un solo momento, en
un tiempo único con el propósito de describir
variables y analizar su incidencia en un tiempo
dado (Hernández-Sampieri et al., 2014).
Instrumento
El cuestionario utilizado para medir los
factores asociados al rendimiento académico fue un
instrumento inédito. La construcción del
instrumento se fundamentó en la revisión
sistemática de Banerjee (2016) y en referentes
empíricos previos (Bayot et al., 2005; Davidson et
al., 2009; Clark et al., 2004; Becerra González &
Morales Ballesteros, 2015; Piedra et al., 2014), con
el objetivo de integrar dimensiones contextuales
(familia, escuela, barrio, motivación, necesidades
básicas y percepción de discriminación) pertinentes
al entorno educativo ecuatoriano.
El cuestionario se compuso de 56 ítems
distribuidos en ocho dimensiones:
1. Actitud hacia la institución (4 ítems)
2. Motivación académica (10 ítems)
3. Entorno barrial (5 ítems)
4. Apoyo y supervisión familiar (8 ítems)
5. Relación con los docentes (7 ítems)
6. Inclusión y trato entre pares (6 ítems)
7. Necesidades personales cubiertas (7 ítems)
8. Actitudes hacia la lectura (5 ítems)
Todos los ítems fueron valorados en escalas
tipo Likert de 1 a 6. El rendimiento académico fue
medido a través de datos numéricos de 0 a 10
puntos obtenidos directamente desde el Ministerio
de Educación del Ecuador.
Participantes
La muestra incluyó a 1.509 estudiantes de
nivel secundario, seleccionados de forma no
probabilística. Se seleccionaron 12
establecimientos educativos a conveniencia bajo en
criterio de las facilidades logísticas que se podrían
encontrar para recoger información urbana y rural
quedando compuesto de la siguiente manera: 6 del
Azuay, 2 de Cañar y 4 de Morona Santiago en
acuerdo con el Ministerio de Educación del
Ecuador que avaló el proyecto.
La participación fue voluntaria y anónima. El
instrumento aplicado fue un cuestionario
autoadministrado, elaborado con base en revisiones
previas de constructos relacionados con el
desempeño escolar. Para garantizar el derecho de
los participantes se aplicó el consentimiento
informado que permitió a los actores participar de
manera libre y voluntaria, se proporcionó
información clara y completa sobre objetivos,
beneficios, posibles riesgos y uso de los datos
recopilados, así como se recalcó el principio de
confidencialidad y privacidad que proteje la
información personal y profesional de los
participantes, temas que fueron aprobados por el
Comité de Ética de Investigación en Seres
Humanos (CEISH) de la Universidad de Cuenca.
Es importante recalcar además que la presente
investigación, contó con la coordinación y aval del
Ministerio de Educación del Ecuador, desde donde
se planificaron los tiempos para la intervención y el
trabajo de campo.
Análisis de datos
Se utilizó Mplus v8.9 para estimar un modelo
de ecuaciones estructurales con el estimador MLR
(Máxima verosimilitud robusta). Se evaluó el
ajuste del modelo mediante los índices RMSEA,
CFI, TLI y SRMR, considerando los puntos de
corte sugeridos por Hu y Bentler (1999) y Kline
(2016). Las cargas factoriales estandarizadas
(STDYX) fueron analizadas para validar la
estructura latente de cada dimensión. Se
interpretaron como satisfactorias aquellas
superiores a 0.40 (Hair et al., 2019). En los
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 45
resultados se presentan datos descriptivos, índices
de ajuste, cargas factoriales, covarianzas y betas de
la predicción de rendimiento en tres modelos.
RESULTADOS
La variable dependiente del modelo,
rendimiento académico estudiantil, presentó una
distribución asimétrica negativa leve, con una
media de 8.04 puntos y una desviación estándar de
1.16, en una escala de 0 a 10 puntos. Tal como se
observa en la Figura 1, la distribución se concentra
en valores altos, con un mayor número de
respuestas entre los 7.5 y 9.5 puntos, lo cual indica
un patrón de desempeño positivo generalizado en
la muestra (N = 1,509). Esta variable fue utilizada
como criterio principal en el modelo de ecuaciones
estructurales, a fin de analizar el efecto de
diferentes factores actitudinales, contextuales y
familiares sobre el desempeño escolar de los
estudiantes.
La Tabla 1 resume los valores promedio y la
variabilidad de ítems representativos de las ocho
dimensiones evaluadas. Destaca una alta
satisfacción con la institución educativa, un fuerte
interés por el aprendizaje, relaciones docentes
mayormente positivas y alto apoyo emocional por
parte de la familia.
Figura 1. Histograma del rendimiento académico
No obstante, se reporta un tiempo de estudio
extracurriculares limitado (M = 2,27 h/día) y la
persistencia de prácticas parentales punitivas en
ciertos casos. El entorno barrial es percibido como
relativamente seguro, aunque con presencia de
consumo de alcohol en espacios públicos. En
cuanto a la inclusión, la mayoría no reporta sentirse
excluida, pero algunos episodios de discriminación
o acoso emergen. Finalmente, los hábitos de salud
son adecuados, y la actitud hacia la lectura es
positiva, si bien el hábito lector fuera de la escuela
sigue siendo débil.
En general, los datos descriptivos revelan una
percepción positiva del plantel educativo, con altos
niveles de satisfacción, sentido de pertenencia y
disposición a permanecer en la institución.
También se evidencia un marcado gusto por
aprender y un compromiso académico relevante,
aunque el tiempo destinado al estudio fuera de
clases resulta moderado. Las relaciones con los
docentes son mayoritariamente favorables,
caracterizadas por el reconocimiento, el estímulo y
la cercanía afectiva. El apoyo familiar se manifiesta
con fuerza, especialmente en lo emocional y
motivacional, aunque persisten algunos
comportamientos de control punitivo que deben
observarse. Las condiciones del entorno barrial son
percibidas como relativamente tranquilas, aunque
se identifican ciertos riesgos como el consumo de
alcohol en espacios públicos. En cuanto al
bienestar psicológico y la inclusión, la mayoría de
los estudiantes no se sienten excluidos ni
maltratados, aunque algunas experiencias
puntuales de acoso o discriminación emergen con
menor frecuencia. Finalmente, se observan buenos
hábitos de salud y autocuidado, y una actitud
favorable hacia la lectura, aunque el hábito lector
fuera del ámbito escolar aún puede ser fortalecido.
En la tabla 2 se aprecian los tres modelos
evaluados, los dos primeros son de AFC y el tercero
es de SEM. Originalmente este instrumento
empezó con un modelo ambicioso: todos los ítems
originales fueron puestos a prueba en una
estructura que, aunque teóricamente amplia, no
logró sostenerse con solidez —el RMSEA rozaba
el umbral aceptable (0.070) y los índices CFI y TLI
apenas superaban el 0.65—. La evidencia pedía
eliminar ítems. Así surgió un segundo modelo, más
sobrio, que conservó solo los ítems más robustos,
invirtiendo algunos para garantizar coherencia
semántica. Los resultados fueron muy interesantes:
el RMSEA bajó a 0.058 y el CFI subió por encima
del 0.85, dando cuenta de una estructura clara y
parsimoniosa. Desde allí, como quien se asoma al
siguiente tramo del camino, se ensayó un tercer
modelo: esta vez no para seguir describiendo la
forma interna, sino para ver si esa forma podía
predecir rendimiento. Se cambió el estimador y se
ganó en ajuste. Pero esa, más que una conclusión,
es una promesa: una invitación a futuras
investigaciones que quieran pasar de la validez
estructural a la validez predictiva.
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 46
Tabla 1. Estadísticas descriptivas de los ítems seleccionados
N
Mín.
Máx.
Media
D.E.
act1 - Me gusta este plantel educativo
1220
0
9
2.27
1.589
act2 - Quisiera estudiar todos los años que me faltan en este establecimiento
2
5
4.59
.722
act3 - Si tuviese que elegir una institución, volvería a matricularme aquí
1682
2
5
4.49
.814
act4 - Preferiría estar en otro establecimiento educativo (negativo)
1682
2
5
4.30
.892
mot1 - A mí me hace feliz aprender cosas nuevas
1682
1
4
2.88
.901
mot2 - Cuando estudio siento que aprendo cosas nuevas
1682
2
6
5.38
.846
mot3 - Me gusta concentrarme en los temas que son interesantes
1682
1
6
5.42
.780
mot4 - Me siento contento cuando he aprendido algo nuevo
1682
1
6
5.43
.801
mot5 - Quiero dejar de estudiar para dedicarme a otras cosas (negativo)
1682
1
5
4.47
.849
mot6 - Falto a clases sin motivo de enfermedad, solo porque no quiero asistir
(negativo)
1682
1
6
1.43
.748
mot7 - Entrego los deberes atrasados (negativo)
1682
1
6
1.39
.740
mot8 - No tengo interés en hacer las cosas que me piden aquí (negativo)
1682
1
6
2.18
1.109
mot9 - Hago el menor esfuerzo en esta institución (negativo)
1682
1
6
1.55
.819
mot10 - Cuando me gradúe del colegio quisiera ir a la universidad
1682
1
6
2.29
1.207
bar1 - En mi barrio o comunidad hay muchos borrachos en las calles
1682
2
6
5.22
1.103
bar2 - En mi barrio o comunidad la gente se droga mucho
1682
1
6
2.13
1.112
bar3 - En mi barrio o comunidad hay muchos robos en las calles
1682
1
6
1.90
1.062
bar4 - En mi barrio o comunidad la policía lleva presa a muchas personas
1682
1
4
1.93
1.019
bar5 - En mi barrio o comunidad hay muchas peleas
1682
1
6
1.41
.725
fam1 - Mis padres o representante me revisan las tareas todos los días
1682
1
6
2.01
1.065
fam2 - Mis padres o representante me ayudan cuando no puedo hacer alguna tarea
1682
2
5
3.78
1.092
fam3 - Mis padres o representante me preguntan cómo me va en los estudios
1682
2
5
4.29
.874
fam4 - Mis padres o representante me felicitan cuando tengo buenas calificaciones
1682
1
6
5.32
.965
fam5 - Mis padres o representante se preocupan cuando tengo malas calificaciones
1682
1
6
5.32
.981
fam6 - En mi casa hay un horario para despertarse y acostarse todos los días
1682
2
6
5.16
1.048
fam7 - Mis padres o representante me insultan si cometo alguna falta (negativo)
1682
2
5
3.56
1.182
fam8 - Mis padres o representante me pegan si yo les insulto (negativo)
1682
1
6
2.07
1.130
doc1 - Me llevo bien con mi/s profe/s
1682
2
5
3.55
1.189
doc2 - Mi/s profe/s creen que voy a triunfar en la vida
1682
2
5
4.59
.682
doc3 - Mi/s profe/s me animan a mejorar cuando saco una mala nota
1682
2
5
4.51
.732
doc4 - Mi/s profe/s me felicitan cuando saco una buena nota
1682
1
6
4.49
.763
doc5 - Estoy contento/a con los profes que tengo
1682
1
6
4.53
.733
doc6 - Siento vergüenza de hablar con mi/s profe/s (negativo)
1682
2
5
4.50
.742
doc7 - Mi/s profe/s nunca me humillan frente a mis compañeros
1682
1
6
2.94
.858
inc1 - Creo que soy tratado con menos respeto que los demás (negativo)
1682
1
6
2.87
.888
inc2 - En la escuela o colegio los demás niños actúan como si yo no fuera inteligente (negativo)
1682
1
6
1.95
1.047
inc3 - En la escuela o colegio los otros niños actúan como si me tuvieran miedo
(negativo)
1682
1
4
1.95
1.037
inc4 - En mi institución los demás niños actúan como si ellos fueran mejores que yo (negativo)
1682
1
6
1.51
.769
inc5 - Los niños me ponen apodos que no me gustan o me insultan (negativo)
1682
1
6
2.10
1.097
inc6 - Me siento amenazado o acosado (negativo)
1682
1
3
1.48
.781
nec1 - Duermo bien
1682
1
3
1.47
.794
nec2 - Desayuno
1682
2
6
5.30
.981
nec3 - Almuerzo
1682
3
6
5.48
.888
nec4 - Meriendo
1682
1
6
5.57
.791
nec5 - Me cepillo los dientes después de cada comida
1682
1
6
5.59
.769
nec6 - Como frutas y ensaladas
1682
1
6
5.50
.806
nec7 - Me enfermo (negativo)
1682
3
6
5.26
.912
lec1 - Leo algún libro fuera de la escuela
1682
1
5
3.74
1.017
lec2 - No me gusta leer, los que se pasan leyendo pierden su tiempo (invertido)
1682
1
4
3.01
.873
lec3 - No me gusta que me regalen libros (negativo)
1682
1
3
1.56
.797
lec4 - Me gusta pedir libros cuando no tengo
1682
1
6
2.87
.883
lec5 - Sé cuáles son mis libros favoritos
1682
2
5
4.27
.853
act1 - Me gusta este plantel educativo
1682
3
6
5.32
1.008
N válido (por lista)
1220
Nota. Varios ítems están formulados de forma negativa, pero la dimensión completamente negativa es la inclusión educativa que se debe considerar como exclusión
para términos prácticos. Sin embargo, un AFC y un SEM se puede realizar perfectamente con los valores negativos y positivos, pues lo que se estima es la magnitud
de la carga factorial, no su dirección. Sin embargo, quienes deseen calcular y reportar variables agregadas deberán invertir previamente los ítems negativos.
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 47
Tabla 2. Índices de ajuste comparados
Modelo 1:
Todos los
ítems
(WLSMV)
Modelo 2:
Ítems
seleccionados
(WLSMV)
Modelo 3:
Rendimiento
como
dependiente
(MLR)
Nº de parámetros
libres
263
213
161
χ² (Chi-cuadrado)
11.515.864
4.969.880
3.542.908
gl
1246
751
784
RMSEA
0.07
0.058
0.046
IC 90% RMSEA
[0.069, 0.071]
[0.056, 0.059]
[0.044, 0.047]
Probabilidad RMSEA
≤ 0.05
0.000
0.000
1.000
CFI
0.672
0.851
0.802
TLI
0.651
0.838
0.782
SRMR
0.099
0.074
0.057
En la Tabla 3 se presentan las cargas
factoriales estandarizadas (STDYX) de cada ítem
en su respectivo factor latente del modelo 2 y 3,
como resultado del modelo de ecuaciones
estructurales estimado. Se observa las cargas
factoriales estandarizadas (STDYX) de cada ítem
en sus respectivos factores latentes, comparando el
modelo 2 (AFC) con el modelo 3 (SEM). En todos
los casos, las cargas del SEM son menores que las
del AFC, con reducciones que oscilan desde
valores muy pequeños (por ejemplo, LEC4 con –
0.044) hasta disminuciones más marcadas (por
ejemplo, NEC5 y NEC6 con –0.172).
Las caídas más pronunciadas se concentran en
ítems de Inclusión (INC6) que conviene recalcar se
evaluó de forma negativa, Necesidades (NEC5,
NEC6) y Lectura (LEC5), mientras que las
menores diferencias se observan en ítems como
ACT2 y LEC4. Esto sugiere que, al incorporar
relaciones estructurales en el SEM, la fuerza de
asociación entre varios ítems y sus factores se
atenúa, aunque el patrón factorial se mantiene
coherente con la estructura planteada.
En la comparación entre el modelo AFC
(Modelo 2) y el modelo SEM (Modelo 3), las
correlaciones entre factores muestran una
tendencia general a disminuir ligeramente en el
segundo modelo, aunque la dirección de las
relaciones se mantiene. Las asociaciones más altas
se observan entre motivación y actitud (0.568 en
SEM), familia y necesidades (0.557) y docentes y
motivación (0.569), todas con significancia
estadística. Algunas relaciones pierden magnitud
de forma notable, como necesidades y motivación
(–0.101), lectura y necesidades (–0.095) y docentes
y actitud (–0.080).
También se identifican correlaciones bajas o
inexistentes sin significancia, como las de barrio
con actitud o motivación, o inclusión (negativa), lo
que indica vínculos débiles en estos pares. Como se
ha visto, el paso de AFC a SEM conserva la
estructura relacional principal, pero introduce
reducciones sistemáticas en las cargas,
posiblemente por el ajuste de las relaciones directas
con el rendimiento académico en el Modelo 3.
Tabla 3. Cargas factoriales estandarizadas
(STDYX) en los modelos 2 y 3
Variable Latente
Ítem
Modelo
2 (AFC)
Modelo
3 (SEM)
Dif.
ACTITUD
act1
0.842
0.72
-0.122
act2
0.75
0.71
-0.04
act3
0.726
0.6
-0.126
MOTIVACION
mot1
0.697
0.609
-0.088
mot2
0.696
0.617
-0.079
mot3
0.665
0.615
-0.05
mot4
0.543
0.448
-0.095
mot10
0.485
0.335
-0.15
BARRIO
bar1
0.658
0.612
-0.046
bar2
0.815
0.741
-0.074
bar3
0.753
0.699
-0.054
bar4
0.718
0.59
-0.128
bar5
0.566
0.497
-0.069
FAMILIA
fam1
0.638
0.573
-0.065
fam2
0.643
0.59
-0.053
fam3
0.745
0.646
-0.099
fam4
0.713
0.615
-0.098
fam5
0.556
0.432
-0.124
fam6
0.414
0.323
-0.091
DOCENTES
doc1
0.698
0.569
-0.129
doc2
0.753
0.65
-0.103
doc3
0.677
0.593
-0.084
doc4
0.663
0.595
-0.068
doc5
0.642
0.521
-0.121
INCLUSION
inc1
0.672
0.585
-0.087
inc2
0.71
0.646
-0.064
inc3
0.694
0.6
-0.094
inc4
0.65
0.595
-0.055
inc5
0.696
0.571
-0.125
inc6
0.471
0.309
-0.162
NECESIDADES
nec1
0.66
0.543
-0.117
nec2
0.855
0.76
-0.095
nec3
0.877
0.794
-0.083
nec4
0.836
0.72
-0.116
nec5
0.597
0.425
-0.172
nec6
0.516
0.344
-0.172
LECTURA
lec1
0.464
0.407
-0.057
lec2r
-0.308
-0.261
0.047
lec3
0.44
0.381
-0.059
lec4
0.622
0.578
-0.044
lec5
0.625
0.48
-0.145
Nota. Lec2 se invirtió porque aportaba una mejor carga, los otros
negativos no tenían grandes aportes al invertirlos.
En la Tabla 5 se presentan las regresiones
estandarizadas del rendimiento académico sobre
las variables latentes en el modelo SEM. Los
resultados muestran que la motivación (β = 0.137,
p = 0.011) y la lectura (β = 0.105, p = 0.028) tienen
efectos positivos y estadísticamente significativos,
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 48
indicando que niveles más altos en estas variables
se asocian con un mejor rendimiento académico.
En contraste, la exclusión presenta un efecto
negativo significativo (β = –0.160, p < 0.001), Los
estudiantes que reportan mayor marginación (ser
tratados con menos respeto, sentir amenazas, etc.)
muestran peores resultados, evidenciando cómo el
clima social dañino menoscaba el aprendizaje. El
resto de las variables latentes —actitud, barrio,
familia, docentes y necesidades— no muestran
efectos estadísticamente significativos sobre el
rendimiento, lo que indica que, dentro del modelo,
su contribución predictiva es limitada.
Tabla 4. Covarianzas entre factores de los
modelos 2 y 3
Relación entre Factores
Model
o 3
(SEM)
p
MOTIVACIÓN ↔ ACTITUD
0.568
***
BARRIO ↔ ACTITUD
-0.005
BARRIO ↔ MOTIVACIÓN
-0.023
FAMILIA ↔ ACTITUD
0.286
***
FAMILIA ↔ MOTIVACIÓN
0.512
***
FAMILIA ↔ BARRIO
0.069
*
DOCENTES ↔ ACTITUD
0.436
***
DOCENTES ↔
MOTIVACIÓN
0.569
***
DOCENTES ↔ BARRIO
-0.009
DOCENTES ↔ FAMILIA
0.468
***
INCLUSIÓN ↔ ACTITUD
0.055
INCLUSIÓN ↔
MOTIVACIÓN
-0.047
INCLUSIÓN ↔ BARRIO
0.48
***
INCLUSIÓN ↔ FAMILIA
0.023
INCLUSIÓN ↔ DOCENTES
-0.043
NECESIDADES ↔
ACTITUD
0.189
***
NECESIDADES ↔
MOTIVACIÓN
0.397
***
NECESIDADES ↔ BARRIO
-0.115
***
NECESIDADES ↔ FAMILIA
0.557
***
NECESIDADES ↔
DOCENTES
0.382
***
NECESIDADES ↔
INCLUSIÓN
-0.094
**
LECTURA ↔ ACTITUD
0.242
***
LECTURA ↔ MOTIVACIÓN
0.338
***
LECTURA ↔ BARRIO
0.262
***
LECTURA ↔ FAMILIA
0.391
***
LECTURA ↔ DOCENTES
0.404
***
LECTURA ↔ INCLUSIÓN
0.394
***
LECTURA ↔
NECESIDADES
0.205
***
*** p < 0.001, ** p < 0.01, * p < 0.05
Tabla 5. Regresiones estandarizadas del
rendimiento académico sobre las variables
latentes (modelo 3 SEM)
Predictor
β
p
Interpretación
ACTITUD
-0.022
0.585
Sin efecto.
MOTIVACIÓN
0.137
0.011
Mayor motivación → mejor
rendimiento.
BARRIO
-0.026
0.432
Sin efecto.
FAMILIA
0.017
0.709
Sin efecto.
DOCENTES
-0.007
0.873
Sin efecto.
INCLUSIÓN
-0.16
0.000
Mayor inclusión → menor
rendimiento.
NECESIDADES
0.033
0.397
Sin efecto.
LECTURA
0.105
0.028
Más lectura → mejor
rendimiento.
DISCUSIÓN
Los resultados de este estudio permiten
comprender con mayor claridad los factores
latentes que influyen en el rendimiento académico
de los estudiantes de secundaria, a partir del
análisis realizado con un modelo de ecuaciones
estructurales (SEM). La motivación académica se
confirmó como un predictor positivo y
significativo del desempeño (β = 0.139, p = 0.009),
en línea con lo señalado por Nauzeer y Jaunky
(2021) y Haidari et al. (2023). Este hallazgo
reafirma la importancia de la motivación intrínseca
en el compromiso de los estudiantes con el
aprendizaje y su relación con habilidades clave
como el pensamiento crítico, la autonomía y la
perseverancia ante las dificultades (Morales
Amaya, 2024). En este sentido, la teoría de la
autodeterminación (Deci & Ryan, 2000) permite
interpretar que el rendimiento académico se ve
favorecido cuando los entornos escolares logran
satisfacer las necesidades psicológicas de
autonomía, competencia y relación, elementos que
estimulan una motivación intrínseca sostenida y un
aprendizaje profundo.
Asimismo, la percepción de exclusión mostró
un efecto negativo significativo en el rendimiento
(β = –0.155, p < 0.001), lo que coincide con lo
planteado por Banerjee (2016) y Prananto et al.
(2025), a saber, que situaciones de discriminación
o la sensación de no pertenecer al grupo escolar
afectan la autoestima y la motivación, con
consecuencias directas en el desempeño
académico. Este resultado también puede ser
analizado a la luz de la jerarquía de necesidades de
Maslow (1943), en la medida en que la necesidad
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 49
de pertenencia constituye un nivel fundamental
para el desarrollo integral de los estudiantes;
cuando esta no se satisface, los logros académicos
se ven comprometidos, incluso si otras condiciones
de aprendizaje se encuentran garantizadas. Estos
datos muestran la importancia de consolidar
prácticas educativas que promuevan entornos
escolares inclusivos y equitativos.
Otro hallazgo relevante fue la asociación
positiva entre la actitud hacia la lectura y el
rendimiento académico (β = 0.109, p = 0.021), lo
que respalda la idea de que la lectura favorece la
adquisición de conocimientos y el desarrollo de
competencias cognitivas generales (Scherer &
Campos, 2022). No obstante, el hábito lector fuera
de la escuela aún se percibe débil, lo que plantea la
necesidad de impulsar estrategias que fomenten la
lectura autónoma. Desde la perspectiva de la
autodeterminación, este tipo de prácticas cobra
mayor sentido cuando los estudiantes perciben que
leer responde a intereses propios y no solo a
exigencias externas, reforzando la motivación
intrínseca y su sostenibilidad en el tiempo (Deci &
Ryan, 2000).
Por el contrario, factores como el apoyo
familiar, el vínculo con docentes, la zona de
residencia y la satisfacción de necesidades básicas
no presentaron relaciones directas significativas
con el rendimiento académico, a diferencia de lo
reportado en estudios anteriores (Rodríguez
Rodríguez, 2023; Salvo-Garrido et al., 2023). Es
probable que su influencia opere de manera
indirecta, mediada por la motivación o la
percepción de inclusión, por lo que futuras
investigaciones deberían explorar modelos más
complejos. En esta línea, resulta pertinente
considerar que, según Maslow (1943), la
satisfacción de necesidades fisiológicas y de
seguridad constituye un fundamento previo para
que los estudiantes puedan comprometerse con
niveles más altos de aprendizaje.
La ausencia de efectos directos podría deberse
a que estas dimensiones actúan como condiciones
de base, invisibles en el modelo estadístico, pero
imprescindibles para el funcionamiento del resto de
variables. Además, tal como lo plantean
Bronfenbrenner (1987) y Morales Amaya et al.
(2024), el entorno del estudiante está compuesto
por sistemas interrelacionados, por lo que algunos
efectos pueden diluirse al analizarlos
simultáneamente.
CONCLUSIONES
Este estudio aporta evidencia empírica sobre
los factores que influyen en el rendimiento
académico de estudiantes de secundaria e identifica
tres variables clave: la motivación académica, la
percepción de inclusión y la actitud hacia la lectura.
La motivación se perfila como un factor que
favorece el desempeño escolar, mientras que
sentirse excluido representa una barrera importante
para el aprendizaje. Además, se reafirma el valor
de la lectura como una práctica que contribuye a
obtener mejores resultados académicos.
Los hallazgos subrayan la necesidad de
consolidar entornos escolares emocionalmente
seguros y equitativos, que estimulen la
participación activa de los estudiantes y promuevan
hábitos lectores sólidos. También sugieren que
aspectos familiares, docentes y contextuales
podrían estar influyendo de manera indirecta en el
rendimiento, lo que plantea la conveniencia de que
futuras investigaciones incorporen variables
mediadoras o moderadoras en sus modelos de
análisis.
Una de las limitaciones identificadas en este
estudio se relaciona con la presencia de factores
que presentan cargas factoriales bajas o invertidas.
Estos problemas obligan a cuestionar parcialmente
la validez estructural del modelo y exigen atención
a estos detalles del cuestionario, incluyendo la
posible eliminación, reformulación o inversión
clara de ítems con carga ambigua para futuras
investigaciones. Esta situación plantea la necesidad
de realizar ajustes en algunos ítems y de emprender
nuevos procesos de validación que fortalezcan su
validez estructural. Si bien estas limitaciones
metodológicas deben ser consideradas,
especialmente para futuras investigaciones, los
hallazgos obtenidos ofrecen aportes significativos
para comprender las dinámicas que inciden en el
rendimiento académico y brindan insumos valiosos
para el diseño de intervenciones educativas
orientadas a la equidad y al desarrollo integral del
estudiantado.
FINANCIACIÓN
El presente artículo se desarrolló en el marco del
proyecto “Evaluación del impacto de la
implementación de un programa de nivelación de
destrezas imprescindibles en estudiantes de EGB y
Bachillerato de los cantones Tambo, Sucúa, Nabón
y de la parroquia Hermano Miguel del cantón
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 50
Cuenca”, financiado por el Vicerrectorado de
Investigación de la Universidad de Cuenca,
Cuenca-Ecuador.
BIBLIOGRAFÍA
Banerjee, P. A. (2016). A systematic review of factors
linked to poor academic performance of
disadvantaged students in science and maths in
schools. Cogent Education, 3(1), 1178441.
https://doi.org/10.1080/2331186X.2016.117844
Cabrera-Tenecela, P. . (2023). Nueva organización de los
diseños de investigación . South American
Research Journal, 3(1), 37–51.
https://doi.org/10.5281/zenodo.8050508
Deci, E. L., y 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_01
Dominguez-Lara, S., N. Valente, S., Lourenço, A. A.,
Peceros-Pinto, B., Diaz-Peñaloza, M., & R. León,
S. (2024). Apoyo social percibido y rendimiento
académico en estudiantes de secundaria peruanos:
Influencia del engagement académico y de la
autoeficacia académica. Revista Fuentes, 2(26),
198–210.
https://doi.org/10.12795/revistafuentes.2024.231
16
García, I., & Olivera, M. (2022). Factores no cognitivos
relacionados con el rendimiento académico.
Revista de Educación, (398), 161–192.
https://doi.org/10.4438/1988-592X-RE-2022-
398-556
Guido Chavez, J. A. (2024). Análisis de factores asociados
al rendimiento académico de estudiantes de
ciencias de la computación, CUR-Carazo. Revista
Torreón Universitario, 77–97.
https://doi.org/10.5377/rtu.v1i1.19045
Haidari, S. M., Koçoğlu, A., & Kanadlı, S. (2023).
Contribution of locus of control, self‑efficacy, and
motivation to student achievement: A meta‑analytic
structural equation modelling. Journal on
Efficiency and Responsibility in Education and
Science, 16(3), 245–261.
https://doi.org/10.7160/eriesj.2023.160308
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E.
(2019). Multivariate Data Analysis (8th ed.).
Cengage.
Hernández Sampieri, R., Fernández Collado, C., &
Baptista Lucio, P. (2014). Metodología de la
investigación: las rutas cuantitativa, cualitativa y
mixta (6.ª ed.). McGraw‑Hill.
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit
indexes in covariance structure analysis:
Conventional criteria versus new alternatives.
Structural Equation Modeling, 6(1), 1–55.
https://doi.org/10.1080/10705519909540118
Kline, R. B. (2016). Principles and practice of structural
equation modeling (4th ed.). Guilford Press
Kocsis, Á., & Molnár, G. (2024). Factors influencing
academic performance and dropout rates in higher
education. Oxford Review of Education, 51(3), 1–
19.
https://doi.org/10.1080/03054985.2024.2316616
Maslow, A. H. (1943). A theory of human motivation.
Psychological Review, 50(4), 370–396.
https://doi.org/10.1037/h0054346
Morales Amaya, M., Mena Copete, Y. N., & Rodríguez
Revelo, N. F. (2024). Experiencias del ausentismo
parental en el rendimiento académico escolar de
los niños y niñas de básica primaria de una
institución educativa del municipio de Santa Rosa
del Sur de Bolívar. Etic@net, 24(1), 178–214.
https://doi.org/10.30827/eticanet.v24i1.29239
Nauzeer, S., & Jaunky, V. C. (2021). A meta‑analysis of
the combined effects of motivation, learning and
personality traits on academic performance.
Pedagogical Research, 6(3), em0097.
https://doi.org/10.29333/pr/10963
Poropat, A. E. (2009). A meta‑analysis of the Five‑Factor
Model of personality and academic performance.
Psychological Bulletin, 135(2), 322–338.
https://doi.org/10.1037/a0014996
Prananto, K., Cahyadi, S., Lubis, F. Y., & Hinduan, Z. R.
(2025). Perceived teacher support and student
engagement among higher education students: A
systematic literature review. BMC Psychology,
13, Article 112. https://doi.org/10.1186/s40359-
025-02412-w
Rodríguez Rodríguez, D. (2023). Análisis de la influencia
de la familia en el rendimiento académico en
Educación Secundaria Obligatoria mediante
árboles de decisión. Electronic Journal of
Research in Education Psychology, 21(61), 645–
666. https://doi.org/10.25115/ejrep.v21i61.8267
Salvo‑Garrido, S., Zayas‑Castro, J., Polanco‑Levicán, K.,
& Gálvez‑Nieto, J. L. (2023). Latent regression
analysis considering student, teacher, and parent
variables and their relationship with academic
performance in primary school students in Chile.
Behavioral Sciences, 13(6), Article 516.
https://doi.org/10.3390/bs13060516
Scherer, R., & Campos, D. G. (2022). Measuring those
who have their minds set: An item‑level
meta‑analysis of the implicit theories of
intelligence scale in education. Educational
Research Review, 37, 100479.
https://doi.org/10.1016/j.edurev.2022.100479
Suárez Enciso, S., Elías, R., & Zarza, D. (2016). Factores
asociados al rendimiento académico de
estudiantes de Paraguay: Un análisis de los
resultados del TERCE / Factors Associated with
Academic Achievement of Paraguayan Students:
An Analysis of TERCE Results. REICE. Revista
Iberoamericana sobre Calidad, Eficacia y
Cambio en Educación, 14.4(2016).
https://doi.org/10.15366/reice2016.14.4.006
ISSN 2806-5638
South American Research Journal, 5(1), 41-51
https://www.sa-rj.net/index.php/sarj/article/view/76
https://doi.org/10.5281/zenodo.17162812 51
Subelza-Flores, N. G., & Velasco Pereira, O. D. (2023).
Factores asociados al rendimiento académico de
la carrera de ingeniería civil, en la Universidad
Católica Boliviana “San Pablo”, sede Tarija.
Revista Con-Sciencias Sociales, 15(28), 6–22.
https://doi.org/10.35319/consciencias.20232889
Declaración de uso de IA: No se empleó ninguna
IA para redactar el presente artículo.