Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 64
PREDICTORES PSICOEDUCATIVOS DEL RENDIMIENTO ACADÉMICO EN
ESTUDIANTES UNIVERSITARIOS: ANÁLISIS MULTIVARIANTE CON LA
MOTIVACIÓN, PLANIFICACIÓN, AUTORREGULACIÓN Y AUTOEVALUACIÓN
PSYCHOEDUCATIONAL PREDICTORS OF ACADEMIC PERFORMANCE IN
UNIVERSITY STUDENTS: MULTIVARIATE ANALYSIS OF MOTIVATION, PLANNING,
SELF-REGULATION, AND SELF-ASSESSMEN
Autores: ¹Ernesto Geovani Figueroa González, ²Sergio Ivan López Domínguez, ³Miguel García
Alvarado y
4
Jesus Guillermo Sotelo Asef.
¹ORCID ID: https://orcid.org/0000-0002-7900-9141
²ORCID ID: https://orcid.org/0000-0001-5764-3160
²ORCID ID: https://orcid.org/0009-0003-5690-0470
4
ORCID ID: https://orcid.org/0000-0002-0560-866X
¹E-mail de contacto: geovani.figueroa@ujed.mx
²E-mail de contacto: ivan.lopez@ujed.mx
³E-mail de contacto: miguel.garcia@ujed.mx
4
E-mail de contacto: jesus.sotelo@ujed.mx
Afiliación:¹*²*³*
4
*Universidad Juárez del Estado de Durango, (México).
Artículo recibido: 29 de Enero del 2026
Artículo revisado: 9 de Febrero del 2026
Artículo aprobado: 1 de Marzo del 2026
¹Licenciado en Matemáticas Aplicadas por la Universidad Juárez del Estado de Durango, (México). Maestría en Administración por la
Facultad de Economía, Contaduría y Administración de la Universidad Juárez del Estado de Durango, (México). Doctorado en Ciencias
de la Educación por la Universidad Autónoma España de Durango, complementado con un Posdoctorado en Administración y Gestión
de Planteles Educativos.
²Licenciado en Administración por la FECA-UJED, (México). Maestro en Gestión Pública por le FECA-UJED, (México). Doctor en
Gestión de las Organizaciones por la Universidad Autónoma de Nayarit, (México).
³Licenciado en Matemáticas Aplicadas. Maestro en Dinámica No Lineal y Doctor en Pensamiento Complejo, (México).
4
Licenciado en Administración por la FECA-UJED, (México). Maestro en Administración Pública por la FECA-UJED. Doctor en
Gobierno y Administración Pública y Post-Doctor en Administración y Gestión de Planteles Educativos por el CENID, (México).
Resumen
El objetivo del presente estudio fue analizar la
influencia de la motivación, planificación,
autorregulación y autoevaluación sobre el
rendimiento académico de estudiantes
universitarios. La hipótesis general es: las
variables psicoeducativas motivación,
planificación, autoevaluación y
autorregulación tienen un efecto significativo y
positivo sobre el rendimiento académico
percibido por los estudiantes universitarios. El
estudio fue cuantitativo, no experimental y de
corte transversal. Esta ruta metodológica
permitió conocer la relación entre variables
psicoeducativas y el rendimiento académico en
estudiantes universitarios. El análisis de las
medias, las cuales rondan entre 3.800 y 4.000
verifica que no hay una diferencia significativa
entre las variables motivación, planificación,
autoevaluación y autorregulación y la variable
dependiente que tiene una media similar. La
correlación muestra coeficientes mayores que
0.500, existiendo una correlación moderada
entre las cuatro variables psicoeducativas y el
rendimiento académico. Se comprobó la
hipótesis y se acepta parcialmente, puesto que
la variable planificación no fue
estadísticamente significativa y no aporta al
modelo. A manera de conclusión, tres variables
psicoeducativas como la motivación,
autoevaluación y autorregulación son
relevantes en el contexto del estudio, ya que
son capaces de explicar el rendimiento
académico. Esto evidencia que las estrategias
llevadas a cabo en las Instituciones de
Educación Superior (IES) son efectivas, en
cuanto a estas variables, sin embargo, una no lo
fue. La planificación es un componente
relevante, el cual tiene que ser trabajado con
estrategias particulares que fortalezcan su
impacto en el rendimiento académico. Es
preciso aclarar que el modelo puede
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 65
complementarse con otras variables
identificadas teóricamente con antelación.
Palabras clave: Rendimiento académico,
Motivación, Autorregulación,
Autoevaluación, Regresión múltiple.
Abstract
The objective of this study was to analyze the
influence of motivation, planning, self-
regulation, and self-assessment on the
academic performance of university students.
The general hypothesis is that the
psychoeducational variables of motivation,
planning, self-assessment, and self-regulation
have a significant and positive effect on the
academic performance perceived by university
students. The study was quantitative, non-
experimental, and cross-sectional. This
methodological approach allowed us to
determine the relationship between
psychoeducational variables and academic
performance in university students. The
analysis of the means, which range between
3.800 and 4.000, confirms that there is no
significant difference between the variables
motivation, planning, self-assessment, and
self-regulation and the dependent variable,
which has a similar mean. The correlation
shows coefficients greater than 0.500, with a
moderate correlation between the four
psychoeducational variables and academic
performance. The hypothesis was tested and
partially accepted, since the planning variable
was not statistically significant and did not
contribute to the model. In conclusion, three
psychoeducational variables—motivation,
self-assessment, and self-regulation—are
relevant in the context of the study, as they are
capable of explaining academic performance.
This shows that the strategies implemented in
higher education institutions (HEIs) are
effective in terms of these variables; however,
one was not. Planning is a relevant component,
which must be worked on with specific
strategies that strengthen its impact on
academic performance. It should be noted that
the model can be complemented with other
variables identified theoretically in advance.
Keywords: Academic performance,
Motivation, Self-regulation, Self-
assessment, Multiple regression.
Sumário
O objetivo do presente estudo foi analisar a
influência da motivação, planejamento,
autorregulação e autoavaliação no desempenho
acadêmico de estudantes universitários. A
hipótese geral é: as variáveis psicoeducacionais
motivação, planejamento, autoavaliação e
autorregulação têm um efeito significativo e
positivo no desempenho acadêmico percebido
pelos estudantes universitários. O estudo foi
quantitativo, não experimental e transversal.
Essa rota metodológica permitiu conhecer a
relação entre as variáveis psicoeducacionais e o
desempenho acadêmico em estudantes
universitários. A análise das médias, que
oscilam entre 3.800 e 4.000, verifica que não há
diferença significativa entre as variáveis
motivação, planejamento, autoavaliação e
autorregulação e a variável dependente, que tem
uma média semelhante. A correlação mostra
coeficientes maiores que 0,500, existindo uma
correlação moderada entre as quatro variáveis
psicoeducacionais e o desempenho acadêmico.
A hipótese foi comprovada e aceita
parcialmente, uma vez que a variável
planejamento não foi estatisticamente
significativa e não contribui para o modelo.
Concluindo, três variáveis psicoeducacionais,
como motivação, autoavaliação e
autorregulação, são relevantes no contexto do
estudo, pois são capazes de explicar o
desempenho acadêmico. Isso evidencia que as
estratégias implementadas nas Instituições de
Ensino Superior (IES) são eficazes em relação a
essas variáveis, porém, uma delas não o foi. O
planejamento é um componente relevante, que
deve ser trabalhado com estratégias específicas
que fortaleçam seu impacto no desempenho
acadêmico. É preciso esclarecer que o modelo
pode ser complementado com outras variáveis
identificadas teoricamente com antecedência.
Palavras-chave: Desempenho acadêmico,
Motivação, Autorregulação, Autoavaliação,
Regressão múltipla.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 66
Introducción
El rendimiento académico en la educación
superior es una variable compleja y
multifactorial, influida por un conjunto de
factores personales, contextuales y
psicoeducativos. Entre estos últimos, se
destacan la motivación, la autorregulación, la
planificación, la autoevaluación, el compromiso
y la satisfacción con el entorno académico. En
el contexto universitario latinoamericano,
caracterizado por desafíos estructurales y una
alta tasa de deserción, resulta crucial identificar
aquellos elementos que favorecen el desempeño
académico sostenido. Diversos estudios han
evidenciado que la motivación académica y la
autorregulación son predictores sólidos del
éxito estudiantil (Bandura, 1997; Duckworth y
Seligman, 2005; Deci y Ryan, 2009; y Lara et
al. 2024). Asimismo, se ha reportado que la
autoevaluación permite a los estudiantes
identificar sus propias fortalezas y debilidades,
promoviendo un aprendizaje autónomo y
reflexivo (Martínez y Valencia, 2021). Sin
embargo, a pesar del creciente interés en estos
constructos, aún persiste una brecha empírica
respecto a su análisis conjunto mediante
modelos multivariables que permitan identificar
sus efectos diferenciales sobre el rendimiento
académico. Además, Hendrie y Bastacini
(2020) en su estudio demuestran que las
estrategias de autorregulación, combinadas con
emociones académicas positivas, benefician el
compromiso estudiantil y la planificación
efectiva.
En este sentido, resulta pertinente integrar
dimensiones como las variables
psicoeducativas como la motivación, la
autorregulación, autoevaluación y planificación
en modelos explicativos del rendimiento
académico ha cobrado relevancia en
investigaciones recientes, especialmente en
contextos de alta vulnerabilidad educativa.
Palma et al. (2024) señalan que la motivación
académica influye directamente en la
persistencia y el logro de metas educativas,
mientras que Yépez et al. (2024) subrayan que
la autorregulación potencia el aprendizaje
autónomo y la adaptación a entornos
académicos exigentes. Estas evidencias
justifican la necesidad de analizar su efecto
conjunto en poblaciones universitarias
mexicanas, donde la deserción y el bajo
rendimiento siguen siendo problemáticas
estructurales. El rendimiento académico ha sido
ampliamente estudiado en la literatura como
una variable dependiente influenciada por
múltiples factores personales, psicológicos,
sociales e institucionales (Sitanshu y Priya,
2025). Dentro del enfoque psicoeducativo, las
variables motivacionales, autorregulatorias y
metacognitivas han demostrado ser predictores
relevantes del desempeño académico,
especialmente en el contexto de la educación
superior.
Para Deci y Ryan (2009) la motivación se
define como la disposición interna que dirige,
activa y mantiene la conducta orientada hacia
una meta. Por otro lado, Camargo et al. (2023)
describen que este proceso tiene inicia cuando
se dirige una conducta para la consecución de
un logro académico o aprendizaje, en el cual se
ven involucrados aspectos cognitivos y
afectivos. La teoría de la autodeterminación
distingue entre motivación intrínseca,
extrínseca y desmotivación, siendo la primera la
más relacionada con el rendimiento académico
positivo. Investigaciones recientes corroboran
que los estudiantes con mayor motivación
intrínseca presentan mejores niveles de
compromiso y persistencia académica
(Rodríguez et al., 2020 y Tian y Zhang, 2025).
La planificación, entendida como la capacidad
para definir metas, organizar recursos y
anticipar estrategias de estudio, se considera
una competencia clave dentro de la
autorregulación (Rincon et al., 2024). No
obstante, su impacto depende de factores como
la retroalimentación externa, el contexto
institucional y las habilidades ejecutivas del
estudiante.
La autorregulación comprende los procesos
mediante los cuales los estudiantes planifican,
supervisan y ajustan su conducta académica de
manera autónoma (Gallardo et al., 2024 y
Kryshko et al., 2026). Incluye habilidades de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 67
gestión del tiempo, establecimiento de metas,
control emocional y autoobservación. Estudios
empíricos han señalado que los estudiantes
autorregulados obtienen calificaciones más
altas y muestran una mayor capacidad de
adaptación a los retos del entorno universitario
(Duckworth y Seligman, 2005). La
autoevaluación se refiere a la capacidad del
estudiante para valorar su propio desempeño
con base en criterios previamente establecidos.
Está estrechamente vinculada a la
metacognición, ya que implica procesos de
reflexión, análisis y mejora continua (Martinez
y Valencia, 2021). Su inclusión como
dimensión evaluativa permite a los estudiantes
ser protagonistas activos de su aprendizaje y
mejorar la toma de decisiones académicas. El
presente estudio se enmarca en este cuerpo
teórico, proponiendo un modelo explicativo
multivariable en el que confluyen variables
motivacionales, metacognitivas y contextuales
para comprender el rendimiento académico
desde una perspectiva integradora. En ese
sentido, el presente estudio tiene como objetivo
analizar la influencia de la motivación,
planificación, autorregulación y autoevaluación
sobre el rendimiento académico de estudiantes
universitarios, con base en datos empíricos
recolectados mediante un cuestionario
estructurado. A partir de ello, se plantea la
siguiente hipótesis general: las variables
psicoeducativas motivación, planificación,
autoevaluación y autorregulación tienen un
efecto significativo y positivo sobre el
rendimiento académico percibido por los
estudiantes universitarios.
Materiales y Métodos
El presente estudio adopta un diseño
cuantitativo, no experimental y de tipo
transversal (Hernández et al., 2014), cuyo
enfoque metodológico se centra en la
identificación de relaciones entre variables
psicoeducativas y el rendimiento académico en
estudiantes universitarios. Dado que no se
manipularon deliberadamente las variables
independientes y la recolección de datos se
realizó en un único momento temporal, se
enmarca dentro de la investigación
correlacional explicativa. Esta estrategia es
congruente con la literatura sobre predictores
del rendimiento académico y permite establecer
modelos predictivos fundamentados en datos
empíricos. Se aplicó un muestreo probabilístico
aleatorio simple, dirigido a estudiantes
universitarios de licenciatura inscritos en
programas de las áreas económico-
administrativas en una universidad de México,
de manera particular en el municipio de
Durango.
La muestra final estuvo conformada por 392
participantes, con una representación
mayoritaria del sexo femenino (61,2%), una
edad promedio de 20 años, y predominan los
estudiantes solteros (96,7%). El criterio de
inclusión fue solo para aquellos estudiantes que
completaron de forma válida el instrumento,
garantizando una confiabilidad del 95 % y un
margen de error del 5 %. El instrumento de
recolección consistió en un cuestionario
estructurado de tipo encuesta, validado por la
Red de Estudios Latinoamericanos en
Educación y Pedagogía (RELEP, 2024). Para
este estudio, las secciones empleadas fueron:
rendimiento académico, motivación,
planificación, autorregulación y
autoevaluación. La operacionalización se
presenta en la Tabla 1. Se utilizaron escalas tipo
Likert de cinco puntos (uno es igual que muy en
desacuerdo; y cinco es igual que muy de
acuerdo). La validez de contenido fue asegurada
mediante juicio de expertos, mientras que la
confiabilidad interna se verificó mediante los
coeficientes Alfa de Cronbach y Omega de
McDonald, cuyos valores oscilaron entre 0.840
y 0.950, demostrando niveles óptimos de
consistencia interna para todas las variables
analizadas. La recolección de datos se realizó
entre los meses de enero y marzo de 2024.
Posteriormente, los datos fueron depurados,
codificados y sometidos a análisis mediante el
software Python (pandas, statsmodels).
Inicialmente, se desarrollaron análisis
descriptivos y correlacionales. Se verificaron
los supuestos de regresión lineal.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 68
Tabla 1. Operacionalización de variables
Variable
Dimensiones
Indicadores
Ítems
Rendimiento
Académico
Autoevaluación del desempeño
Percepción personal del desempeño académico.
Ítems 18a a
18g
Congruencia evaluativa
Percepción de la relación entre temas expuestos y
evaluaciones.
Aplicabilidad del aprendizaje
Reconocimiento de la utilidad práctica de lo aprendido.
Motivación
Autoeficacia y valoración personal
Valoración de la propia capacidad de aprender.
Ítems 19a a
19k
Manejo y control emocional
Confianza en habilidades y control sobre emociones que
inciden en el estudio.
Iniciativa y búsqueda de conocimiento
Proactividad en la realización de actividades que
complementen el conocimiento.
Planificación
Definición de metas (corto, mediano y
largo plazo)
Claridad en el planteamiento de objetivos de aprendizaje.
Ítems 20a a
20i
Análisis de tareas y estrategias de
estudio
Análisis de las condiciones de la tarea y selección de
estrategias adecuadas.
Gestión del tiempo
Formulación, seguimiento y ajuste del plan de estudio.
Autorregulación
Monitoreo del proceso de aprendizaje
Conciencia sobre la propia capacidad de aprendizaje.
Ítems 21a a
21f
Ajuste de estrategias
Revisión y ajuste continuo de las estrategias según la tarea y
metas planteadas.
Autoevaluación
Reflexión y análisis
Análisis de errores, aciertos y fallos en el proceso de estudio.
Ítems 22a a
22l
Uso de retroalimentación
Utilización de retroalimentación para el ajuste de estrategias.
Corrección y mejora continua
Implementación de criterios propios de evaluación para
mejorar el desempeño.
Fuente: Elaboración propia.
Una vez que se evidenció el cumplimiento de
ellos, se aplicó un modelo de regresión lineal
múltiple, con el fin de evaluar la capacidad
predictiva de las variables independientes sobre
el rendimiento académico. La regresión
múltiple se elige por su capacidad para modelar
relaciones lineales entre una variable
dependiente (salida) y múltiples variables
predictoras (entrada). Se verificaron los
supuestos fundamentales del modelo, los cuales
se observan en la tabla 2.
Tabla 2. Supuestos de regresión lineal
Supuesto
Significado
Referencia
Linealidad
Debe existir relación entre variables
Olsen et al. (2020)
Independencia
Los términos de error de dos variables o más deben
ser independientes entre si
Vila et al. (2019)
Multicolinealidad
Las variables que tienen la función de predecir se
encuentran altamente correlacionadas, lo que
supone que miden lo mismo
Olsen et al. (2020)
Normalidad
Los términos de error obtenidos tienen una
distribución normal
Mishra et al. (2019)
Vila et al. (2019)
Homocedasticidad
La dispersión que se genera en los errores mediante
la variable predictiva
Sutanto et al. (2022)
Fuente: Elaboración propia.
Resultados y Discusión
Con el objetivo de identificar patrones
preliminares entre las variables psicoeducativas
y el rendimiento académico, se llevó a cabo un
análisis estadístico descriptivo sobre la base de
datos recopilados. Se calcularon medidas de
tendencia central, dispersión y coeficientes de
correlación de Pearson entre las variables
predictoras seleccionadas y el rendimiento
académico percibido por los estudiantes. Los
resultados indican que los estudiantes reportan
valores medios altos en todas las dimensiones
evaluadas. Específicamente, se evidencia que la
autorregulación presenta la media más alta de
3.981 y una desviación estándar de 0.591 y la
más baja fue la planificación con 3.914 y
desviación estándar de 0.588. Sin embargo, la
diferencia entre la media de las variables
analizadas no presenta diferencias
significativas. Por lo tanto, estos resultados
reflejan un perfil estudiantil caracterizado por
niveles elevados de disposición interna hacia el
aprendizaje y la gestión autónoma del proceso
educativo. Finalmente, de manera general se
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 69
puede observar que el rendimiento académico
tiene una media de 3.831. En cuanto a las
correlaciones con el rendimiento académico se
identifican asociaciones positivas de magnitud
moderada a alta. La motivación mostró la
relación más fuerte con el rendimiento con un
coeficiente de correlación de 0.626, seguida de
la autoevaluación con 0.587, autorregulación
con 0.586 y planificación de 0.538. Estos
hallazgos sugieren que las dimensiones
asociadas a la autogestión del aprendizaje, la
regulación emocional y el compromiso interno
constituyen factores determinantes en el
desempeño académico de los participantes. Este
análisis preliminar respalda la hipótesis general
del estudio, al evidenciar que las variables
psicoeducativas seleccionadas poseen una
relación sustantiva con el rendimiento
académico. En consecuencia, se justifica su
incorporación en modelos inferenciales
posteriores orientados a establecer su poder
predictivo. Se puede verificar lo anterior a
detalle en la tabla 3.
Tabla 3. Datos descriptivos y correlación
Variable
Medi
a
Desviació
n
estándar
Correlación
con
Rendimiento
Académico
Rendimiento
académico
3.831
0.595
1
Motivación
3.974
0.567
0.626
Planificación
3.914
0.588
0.538
Autorregulación
3.981
0.591
0.586
Autoevaluación
3.941
0.569
0.587
Fuente: Elaboración propia.
Modelo de regresión múltiple
Con el propósito de examinar el poder
predictivo de variables psicoeducativas sobre el
rendimiento académico, se estimó un modelo de
regresión lineal múltiple mediante el método de
Mínimos Cuadrados Ordinarios (MCO). Las
variables independientes incluidas fueron:
motivación académica, planificación,
autorregulación y autoevaluación. El modelo
resultó estadísticamente significativo (ver tabla
4). Se identificó que la motivación académica (β
= 0.396, p < 0.001), la autorregulación (β =
0.206, p = 0.004) y la autoevaluación (β =
0.161, p = 0.032) fueron predictores
significativos del rendimiento, mientras que la
planificación no mostró una contribución
estadística significativamente (β = –0.031, p =
0.653).
Tabla 4. Modelo de regresión
Variabl
e
Coefi
ciente
Error
estánda
r
Val
or t
p-
val
or
IC 95%
Inferior
IC 95%
Superior
const
0.924
0.17
5.4
354
0
0.5898
1.2581
Motivaci
ón
0.396
0.0719
5.5
08
0.00
0
0.2547
0.5373
Planifica
ción
-
0.031
3
0.0697
-
0.4
497
0.65
32
-0.1683
0.1056
Autorreg
ulación
0.206
1
0.0704
2.9
276
0.00
36
0.0677
0.3445
Autoeval
uación
0.161
3
0.0749
2.1
533
0.03
19
0.014
0.3086
Fuente: Elaboración propia.
Una vez corrido el modelo de regresión, los
descubrimientos evidencian que no es posible
sostener la hipótesis planteada, ya que solo los
factores motivacionales, autorregulatorios y
auto evaluativos son componentes clave en la
explicación del rendimiento académico en
estudiantes universitarios, destacando el papel
central de la motivación como principal
predictor. Por lo tanto, se apoya parcialmente al
modelo teórico, ya que la planificación no es
significativa y no aporta al modelo.En la Tabla
5 se puede observar que el modelo explicó una
proporción relevante de la variación del
rendimiento académico, siendo ello en 42.9%.
Por lo tanto, el modelo presenta una buena
capacidad explicativa.
Tabla 5. Resumen del modelo
Mod
elo
R
R
cuad
rado
R
cuadrado
ajustado
Error estándar
de la estimación
1
0.655
0.429
0.424
0.45154
Fuente: elaboración propia.
El análisis de ANOVA ayuda a fortalecer la
validez del modelo. De tal manera que el nivel
de significancia debe ser menor que 0.05. En
este sentido, se desprenden las siguientes
hipótesis: 𝐻0: mayor que 0.05 indica que los
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 70
coeficientes de regresión son igual a cero y la
𝐻1: menor que 0.05 indica que los coeficientes
de regresión son diferentes de cero. Como se
puede observar en la tabla 6, se rechazó la
hipótesis nula afirmando que el modelo es
válido.
Tabla 6. ANOVA
Suma de
cuadrados
gl
Media
cuadrática
F
Sig.
61.853
4
15.463
75.840
0.000
82.169
403
0.204
144.022
407
Fuente: elaboración propia.
Evaluación de supuestos del modelo
El análisis de los residuos permitió evaluar la
validez de los supuestos del modelo.
Primeramente, la linealidad se cumple ya que se
pudo observar una relación, y que cumple con
ser significativa menor que 0.05 entre las
variables. La prueba de DW indicó
independencia de los residuos con un indicador
de 1.975, y no se encontraron evidencias de
multicolinealidad severa entre las variables
predictoras con FIA menores que cinco en todos
los casos (Olsen et al., 2020). Los resultados del
FIA fueron: la motivación con un índice de
3.31; planificación con 3.35; autorregulación
con 3.45; y autoevaluación con 3.62. Como
primera evidencia de normalidad, se ejecutó la
prueba de Shapiro-Wilk, obteniendo un
estadístico de 0.967, significativo menor que
0,001. Por lo tanto, la prueba indica una
desviación de la normalidad. Sin embargo, dada
la robustez de la regresión ante este tipo de
violaciones en muestras mayores o iguales que
30, se considera aceptable mientras los residuos
no muestren sesgo extremo.
Análisis gráfico de los residuos
La figura 1 muestra una distribución
aproximadamente simétrica y unimodal,
aunque con ligera asimetría. Refuerza lo
indicado por la prueba de Shapiro-Wilk, la cual
dice que la normalidad no es perfecta, pero no
hay evidencias de sesgo extremo. Sin embargo,
no invalida los resultados en una muestra
robusta.
Figura 1. Histograma de residuos
Los residuos se alinean mayormente con la
diagonal teórica de normalidad (Figura 2). Las
desviaciones están en los extremos, lo cual es
tolerable dada la muestra y naturaleza de la
variable dependiente.
Figura 2. Gráfico Q-Q
Aunque la prueba de Shapiro-Wilk sugirió una
ligera reducción de la normalidad, los análisis
gráficos confirmaron una distribución de
residuos aproximadamente simétrica.
Finalmente, no se observan patrones curvilíneos
ni dispersión creciente o decreciente. Esto
indica homocedasticidad aceptable, lo cual
robustece la validez del modelo (Figura 3).
Figura 3. Gráfico de residuos vs valores
ajustados
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 71
Desde el punto de vista metodológico, la
robustez del modelo queda respaldada por el
cumplimiento de los principales supuestos
estadísticos de linealidad, independencia,
multicolinealidad, normalidad aproximada y
homocedasticidad y por la coherencia entre los
hallazgos descriptivos, correlacionales e
inferenciales. El valor del R² ajustado (0.476) y
el estadístico F (75.840) y significativo menor
que 0.05 indican un buen poder explicativo
conjunto. El modelo es válido, y, por tanto, se
considera que el modelo cumple con los
supuestos necesarios para su interpretación
inferencial. Por lo tanto, la discusión generada
con los resultados obtenidos en este estudio
confirma que las variables psicoeducativas
analizadas especialmente la motivación
académica, la autorregulación y la
autoevaluación desempeñan un papel central en
la explicación del rendimiento académico en
estudiantes universitarios. El hallazgo de que la
motivación constituye el predictor más fuerte
está en línea con los postulados de la teoría de
la autodeterminación (Deci y Ryan, 2009) y la
teoría de la autoeficacia (Bandura, 1997), las
cuales sostienen que el compromiso autónomo
con las metas de aprendizaje favorece el logro
sostenido y la perseverancia académica.
El efecto significativo de la autorregulación
respalda su función como mecanismo de
monitoreo y ajuste en el proceso de aprendizaje.
Esta relación ha sido documentada en
investigaciones empíricas previas (Duckworth
y Seligman, 2018; Gallardo et al., 2024), donde
se destaca su influencia en la planificación
estratégica, la gestión del tiempo y la resiliencia
académica. Asimismo, la contribución positiva
de la autoevaluación reafirma la importancia de
las habilidades metacognitivas en la toma de
conciencia y el control sobre el propio
desempeño (Martínez y Valencia, 2021). Por
otro lado, la planificación no mostró una
influencia significativa sobre el rendimiento
académico en el modelo final. Este resultado
contrasta con algunas evidencias previas
(Rincon et al., 2024) y podría explicarse por la
forma de medición autorreportada, o bien por la
necesidad de incorporar variables moderadoras
o mediadoras, como la retroalimentación
docente o las condiciones contextuales.
Además, los resultados se alinean con estudios
regionales recientes (Rico y Gaytán, 2022 y
Peña y Aguilar, 2024), lo cual aporta respaldo
externo y fortalece su validez ante la comunidad
educativa.
Limitaciones
Entre las principales limitaciones del estudio se
encuentran su diseño transversal, que impide
establecer relaciones de causalidad, y el uso de
instrumentos autorreportados, que pueden estar
influenciados por sesgos de deseabilidad social.
Además, no se incorporaron variables
institucionales o del entorno académico que
podrían actuar como factores moduladores.
Implicaciones teóricas y prácticas
Las implicaciones teóricas comprenden una
diversidad de dimensiones en el contexto
educativo, lo cual abona a la literatura en
contextos latinoamericanos mediante modelos
estadísticos robustos, capaces de alinear los
hallazgos empíricos con los teóricos. En
términos prácticos, los hallazgos sugieren que
los programas de apoyo académico deberían
centrarse en el fortalecimiento de la motivación
intrínseca, las estrategias autorregulatorias y
autoevaluación. Estos componentes pueden ser
desarrollados mediante tutorías académicas,
programas de acompañamiento y espacios de
retroalimentación formativa, así como la
inclusión de módulos de metacognición.
Conclusiones
Los resultados de esta investigación permiten
concluir que los factores psicoeducativos,
particularmente la motivación académica, la
autorregulación y la autoevaluación,
constituyen elementos claves en la explicación
del rendimiento académico en estudiantes
universitarios. La evidencia empírica obtenida
demuestra que estos tres factores actúan como
predictores significativos, validando
teóricamente su inclusión en modelos de éxito
académico y destacando la centralidad de los
procesos de autorregulación emocional y
cognitiva en el ámbito de la educación superior.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 72
En contraste, la planificación, pese a su
relevancia conceptual, no mostró una influencia
estadística significativa, lo que abre nuevas
interrogantes sobre su operativización o
interacción con otros elementos del entorno
institucional. Importante destacar la necesidad
particular de implementar estrategias para que
los estudiantes tengan las herramientas para
realizar la planificación académica, sin
embargo, es un diagnostico que aporta a la
literatura en educación y se sugiere poder
continuar analizando que factores pueden estar
afectando esta variable. Finalmente, el conjunto
de hallazgos permite afirmar que el modelo
propuesto es estadísticamente robusto y
teóricamente coherente, ofreciendo una base
sólida para intervenciones formativas
orientadas a fortalecer las competencias de
autogestión académica, en contextos
universitarios latinoamericanos.
Futuras líneas de investigación
Asimismo, resultaría pertinente que se apliquen
instrumentos de diagnóstico al inicio de los
ciclos formativos para identificar perfiles
autorregulatorios y diseñar intervenciones
pedagógicas adaptativas. Finalmente, se sugiere
ampliar este modelo a través de estudios
longitudinales o con análisis estructurales que
incorporen variables contextuales,
institucionales o culturales, con el fin de
profundizar en la comprensión multicausal del
rendimiento académico y aumentar la capacidad
predictiva de los modelos explicativos en
diferentes realidades educativas.
Referencias Bibliográficas
Bandura, A. (1997). Self-efficacy: The exercise
of control. W. H. Freeman.
https://psycnet.apa.org/record/1997-08589-
000
Barrera, Z., & Echeverría, C. (2025). Impacto
de la gamificación en la motivación intrínseca
de estudiantes universitarios en entornos
virtuales de aprendizaje. Ciencia y Educación,
6(10), 87–95.
https://doi.org/10.5281/zenodo.17467740
Camargo, M., Chong, B., Cáceres, M., &
Moreno, J. (2023). Evaluación educativa y
motivación escolar en educación superior.
Revista Metropolitana de Ciencias Aplicadas,
6(3), 191–197.
https://www.redalyc.org/pdf/7217/721778125
022.pdf
Christenson, S., Reschly, A., & Wylie, C.
(Eds.). (2012). Handbook of research on
student engagement. Springer.
https://www.researchgate.net/profile/Azkana
nda-
Widiasani/publication/310773130_Handbook
_of_Student_Engagement/links/5836a0dd08a
ed45931c772b7/Handbook-of-Student-
Engagement.pdf
Deci, E., & Ryan, R. (2009). 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
Duckworth, A., & Seligman, M. (2005). Self-
discipline outdoes IQ in predicting academic
performance of adolescents. Psychological
Science, 16(12), 939–944.
https://doi.org/10.1111/j.1467-
9280.2005.01641.x
Gallardo, G., Guerra, D., Carrera, G., &
Cisneros, M. (2024). Autorregulación del
aprendizaje en estudiantes universitarios y su
incidencia en las dimensiones: abandono,
motivación, satisfacción, compromiso.
Revista Científica Retos de la Ciencia, 8(18),
137–145.
https://doi.org/10.53877/rc.8.18.20240701.12
Hendrie, K., & Bastacini, M. (2020).
Autorregulación en estudiantes universitarios:
Estrategias de aprendizaje, motivación y
emociones. Revista Educación, 44(1), 327–
344.
https://doi.org/10.15517/revedu.v44i1.37713
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 73
Hernández, S., Fernández, C., & Baptista, L.
(2014). Metodología de la investigación.
McGraw-Hill. https://www.uca.ac.cr/wp-
content/uploads/2017/10/Investigacion.pdf
Kryshko, O., Becker, M., Fleischer, J., &
Leutner, D. (2026). Self-regulation of
motivation in university students – a
longitudinal study of interindividual
differences and intraindividual trajectories.
Learning and Individual Differences, 125, 1–
17.
https://doi.org/10.1016/j.lindif.2025.102817
Lara, J., Suárez, R., & Carrera, G. (2024).
Autorregulación del aprendizaje (ARA) en la
educación superior: variables que inciden en
su desarrollo. Revista Científica Retos de la
Ciencia, 8(18), 24–35.
https://doi.org/10.53877/rc.8.18.20240701.3
Martínez, J., & Valencia, E. (2021). Estrategias
metacognitivas y rendimiento académico en
estudiantes universitarios de ciencias
químicas. Revista Uniandes Episteme, 8(2),
277–290.
https://revista.uniandes.edu.ec/ojs/index.php/
EPISTEME/article/view/2199
Mishra, P., Pandey, C., Singh, U., Gupta, A.,
Sahu, C., & Keshri, A. (2019). Descriptive
statistics and normality tests for statistical
data. Annals of Cardiac Anaesthesia, 22(1),
67–72.
https://doi.org/10.4103/aca.ACA_157_18
Olsen, A., McLaughlin, J., & Harpe, S. (2020).
Using multiple linear regression in pharmacy
education scholarship. Currents in Pharmacy
Teaching and Learning, 12(10), 1–11.
https://doi.org/10.1016/j.cptl.2020.05.017
Palma, L., Lagos, M., López, C., Roa, J., &
Fernández, C. (2024). Motivación académica
en la educación universitaria: una revisión
sistemática. Revista de Investigación
Psicológica, (32), 95–114.
http://www.scielo.org.bo/scielo.php?script=sc
i_arttext&pid=S2223-30322024000200095
Peña, D., & Aguilar, J. (2024). Predictores del
rendimiento académico universitario:
explorando motivación, estilos de
aprendizaje, compromiso y satisfacción.
RELEP.
https://relep.redesla.la/biblioteca/24.001/REL
EP2024.pdf
Rico, P., & Gaytán, R. (2022). Modelos
predictivos del rendimiento académico a partir
de características de estudiantes de ingeniería.
IE Revista de Investigación Educativa de la
REDIECH, 13, 1–18.
https://doi.org/10.33010/ie_rie_rediech.v13i0
.1426
Rincon, E., Castano, L., Guerrero, S., Olmos,
L., Rodríguez, H., Castillo, L., & Aldape, V.
(2024). Improving the learning-teaching
process through adaptive learning strategy.
Smart Learning Environments, 11(27), 1–27.
https://doi.org/10.1186/s40561-024-00314-9
Rodríguez, S., Piñeiro, I., Regueiro, B., &
Estévez, I. (2020). Intrinsic motivation and
perceived utility as predictors of student
homework engagement. Revista de
Psicodidáctica (English ed.), 25(2), 93–99.
https://doi.org/10.1016/j.psicoe.2019.11.001
Sitanshu, S., & Priya, A. (2025). Psychological
resources and mental health: Understanding
academic engagement and performance of
students in HEIs during COVID-19. Acta
Psychologica, 259, 1–13.
https://doi.org/10.1016/j.actpsy.2025.105416
Sutanto, B., Istiatin, I., & Marwati, F. (2022).
The effect of work discipline, work
motivation, and organizational commitment
on employee performance in the district office
of Cepogo Boyolali. International Journal of
Economics, Business and Accounting
Research (IJEBAR), 6(4), 2751–2758.
https://jurnal.stie-
aas.ac.id/index.php/IJEBAR/article/view/747
2
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 3
Marzo de 2026
Página 74
Tian, S., & Zhang, Y. (2025). The mediating
role of intrinsic motivation in the relationship
between external support and performance
goals among Chinese high school students:
The moderating effect of gender. Acta
Psychologica, 259, 1–11.
https://doi.org/10.1016/j.actpsy.2025.105375
Vila, B., Torrado, F., & Reguant, A. (2019).
Análisis de regresión lineal múltiple con
SPSS: un ejemplo práctico. REIRE: Revista
d’Innovació i Recerca en Educació, 12(2), 1–
10.
https://dialnet.unirioja.es/servlet/articulo?codi
go=7057067
Yépez, M., Castillo, M., & Castillo, S. (2025).
Motivación y autorregulación del aprendizaje
en estudiantes universitarios. Revista de
Investigaciones UCM, 23(41), 96–127.
https://revistas.ucm.edu.co/index.php/revista/
article/view/230
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Ernesto Geovani
Figueroa González, Sergio Ivan López Domínguez,
Miguel García Alvarado y Jesus Guillermo Sotelo
Asef.
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT)
Ernesto Geovani Figueroa González: Conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal
de los datos.
Sergio Ivan López Domínguez: Redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del
estudio, curación y organización de los datos, participación en la recolección de información.
Miguel García Alvarado: Provisión de recursos académicos y materiales para el desarrollo del estudio, apoyo en la administración del proyecto
investigativo y revisión editorial del manuscrito antes de su publicación.
Jesus Guillermo Sotelo Asef: Provisión de recursos académicos y materiales para el desarrollo del estudio, apoyo en la administración del proyecto
investigativo y revisión editorial del manuscrito antes de su publicación.
Declaración de conflicto de intereses
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del
presente artículo.
Declaración de financiamiento
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de
existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.
Declaración del editor
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica, transparencia
y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego, garantizando la
confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor declara que el artículo
cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.
Declaración de los revisores
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que sus
observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.
Declaración ética de la investigación
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad
de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben ajustarse
a los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.
Declaración sobre el uso de inteligencia artificial
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción
del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del manuscrito
ni sustituyen la responsabilidad académica de los investigadores.
Disponibilidad de datos
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las
normas éticas y de confidencialidad establecidas por la investigación.