Escuela Superior Politécnica de Chimborazo

Facultad de Ciencias - Carrera de Matemática

PROYECTO:
LA INFLUENCIA DEL ESTRÉS EN EL RENDIMIENTO ACADÉMICO DE LOS ESTUDIANTES
DE LA CARRERA DE MATEMÁTICA EN LA ESPOCH.

GUERRERO ALIAGA DANIELA LISBETH

RIOBAMBA-ECUADOR
AÑO 2024

DOCENTE: Dr. Rubén Pazmiño Maji

Matemática, Facultad de Ciencias

Escuela Superior Politécnica de Chimborazo

Contenidos

1 Introducción 7

2 Problema 7

2.1 Planteamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2 Fundamentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Marco de Referencia 8

3.1 Estrés Académico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.1.1 Síntomas y Efectos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.1.2 Efectos del Estrés en el Rendimiento Académico . . . . . . . . . . . . . . . . 9

3.2 Estudios Previos Relevantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3.2.1 Estrés Académico en Estudiantes Universitarios . . . . . . . . . . . . . . . . 9

3.2.2 Estrés Académico en Alumnos Ingresantes a la Carrera de Odontología . . 9

3.2.3 Factores de Estrés y Estrategias de Afrontamiento en Estudiantes de Nivel

Superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

4 Objetivos de la Investigación 10

4.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5 Metodología de Investigación 10

5.1 Tipo de Investigación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5.2 Hipótesis de Investigación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2
 5.3 Tipos de variables e hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5.4 Instrumento de recolección de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

5.4.1 Cuestionario de Estrés Académico . . . . . . . . . . . . . . . . . . . . . . . . 11

5.5 Validación del Instrumento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

6 Resultados 12

6.1 Hipótesis Estadísticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

6.2 Técnica(s) Estadística(s) a utilizar para la prueba de Hipótesis . . . . . . . . . . . . 13

6.2.1 Correlación de Spearman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

6.2.2 Análisis Estadístico Implicativo (ASI) . . . . . . . . . . . . . . . . . . . . . . 13

6.2.3 Software CHIC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

6.3 Población de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

6.4 Muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

6.4.1 Estratos y Tamaño de la Muestra . . . . . . . . . . . . . . . . . . . . . . . . . 15

6.4.2 Distribución de la Población por Estratos . . . . . . . . . . . . . . . . . . . . 15

6.4.3 Tamaño de la Muestra por Estratos . . . . . . . . . . . . . . . . . . . . . . . . 15

6.5 Recopilación de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

6.6 Limpeza y adecuación de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

6.6.1 Datos perdidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

6.6.2 Procedimiento de eliminación de datos perdidos . . . . . . . . . . . . . . . . 17

6.7 Tablas y gráficos de frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

6.7.1 Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3
 6.7.2 Comparativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

6.8 Medidas descriptivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

6.9 Medidas de forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

6.10 Supuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

6.11 Comprobación de Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

6.11.1 Resultados del Análisis de Correlación de Spearman . . . . . . . . . . . . . 23

6.11.2 Resultados del Análisis Estadśtico Implicativo (ASI) con CHIC/RCHIC . . 24

7 Conclusión 25

8 Recomendaciones 25

Bibliografía 25
Índice de figuras
1 Cálculo del tamaño de la muestra. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2 Análisis estadístico antes de la adecuación . . . . . . . . . . . . . . . . . . . . . . . . 17

3 Análisis estadístico después de la adecuación . . . . . . . . . . . . . . . . . . . . . . 18

4 Nivel de Estrés Percibido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

5 Nivel de Estrés Percibido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

6 Rendimiento Académico del Primer Parcial de los Estudiantes de la Carrera de

Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

7 Rendimiento Académico del Primer Parcial de los Estudiantes de la Carrera de

Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

8 Relación Entre los Niveles de Estrés y el Rendimiento Académico . . . . . . . . . . 19

9 Relación Entre los Niveles de Estrés y el Rendimiento Académico . . . . . . . . . . 20

10 Medidas Descriptivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

11 Medidas de Forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

12 Prueba de Normalidad para los Niveles de Estrés y Rendimiento Académico . . . 22

13 Prueba de Normalidad para los Niveles de Estrés . . . . . . . . . . . . . . . . . . . 22

14 Prueba de Normalidad para el Rndimiento Académico . . . . . . . . . . . . . . . . 23

15 Correlación no Paramétrica de Spearman . . . . . . . . . . . . . . . . . . . . . . . . 23

16 Relación implicativa entre Nivel_Estres y Rendimiento. . . . . . . . . . . . . . . . . . 24

Índice de cuadros
1 Análisis alfa de Crombach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 Distribución de la población por estratos . . . . . . . . . . . . . . . . . . . . . . . . 15

5
3 Tamaño de la muestra por estratos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

6
1 Introducción
El estrés en estudiantes universitarios es un tema muy común en la actualidad, en la educación el
rendimiento académico no solo se presenta con el conocimiento adquirido, sino que también en la
capacidad manejar diferentes demandas y presiones. Esta investigación se centra en los estudiantes
de la carrera de Matemática en la Escuela Superior Politécnica de Chimborazo, la importancia de
este estudio radica en entender como el estrés puede influir en el desempeño académico de los
estudiantes.
El objetivo principal de esta investigación es determinar si existe una relación entre los niveles de
estrés percibidos por los estudiantes de la carrera de Matemática en la ESPOCH y su rendimiento
académico, a lo largo de esta investigación se detallará como se recompilo los datos, y las
herramientas usadas para llevarla a cabo.

2 Problema
Según (1), el estres se manifiesta como una respuesta negativa que desequilibra al individuo,
cuando las presiones externas a él superan su capacidad de afrontarlas. En la Escuela Superior
Politecnica de Chimborazo (ESPOCH), se considera que estudiantes de la carrera de Matematica
pueden presentar estres por la carga academica y la exigencia de la carrera, y puede influir en
su rendimiento academico. Dado esto se plantea una interrogante: ¿Existe una relación entre los
niveles de estrés percibidos por los estudiantes de la carrera de Matemática en la ESPOCH y su
rendimiento académico?

2.1 Planteamiento
El estrés académico es un tema común en estudiantes universitarios, debido a las demandas y
exigencias de su entorno educativo. Se origina por varios factores como horarios, exámenes, espera
de calificaciones, entrega de tareas, entre otras (2). Los estudiantes de la carrera de Matemática en
la ESPOCH no son la excepción y enfrentan varias presiones que pueden influir en su rendimiento
académico. Sin embargo, no contamos con datos que cuantifiquen su influencia y que permitan
entender cómo el estrés afecta el desempeño en esta carrera.
Se busca investigar la relación que existe entre el estrés y el rendimiento académico de los
estudiantes de la carrera de Matemática en la ESPOCH, la falta de información impide contrarrestar
los efectos negativos del estés. Una comprensión profunda de este problema es esencial para
abordar la carga emocional y mental que enfrentan los estudiantes y así, mejorar su bienestar
general y su desempeño académico.

7
2.2 Fundamentación
El estrés académico es un fenómeno que afecta a todos los estudiantes de todos los niveles
educativos, pero su impacto más fuerte es en los estudiantes universitarios. En la carrera de
Matemática en la ESPOCH, la exigencia académica y la carga de trabajos intensos, puede provocar
altos niveles de estrés en la población estudiantil.
Según (4) el estrés al no ser atendido de forma oportuna, puede afectar a la salud física y mental de
quien lo experimenta y en los estudiantes se ve afectado en su desempeño académico.
Se estima que los estudiantes de la carrera de Matemática pueden sufrir de estrés lo cual está
influyendo de alguna manera en su rendimiento esta suposición se considera debido a la carga
horaria, a la exigencia académica y a la presión, en exámenes, por estos hechos y varios más se
consideró esté tema de investigación.
No obstante, no se han presentado estudios de este tipo en la Escuela Superior Politécnica de
Chimborazo, por ello la necesidad de esta investigación, pues la falta de datos y estudios específicos
sobre la influencia y la relación del estrés y el rendimiento académico.

3 Marco de Referencia
El marco de referencia de esta investigación proporciona contextos teóricos y empíricos
(investigaciones anteriores), esenciales para comprender la relación que existe, si existe entre
el estrés y el rendimiento académico de los estudiantes de la carrera de Matemática en la ESPOCH.
A través de revisiones literarias, se establecerán las bases para el análisis de los datos recopilados.

3.1 Estrés Académico

El estrés académico hace referencia al estrés experimentado por estudiantes, provocado
principalmente por demandas y presiones del ámbito educativo. Según (1) los estresores
académicos incluyen la sobrecarga de tareas, exámenes, la espera de calificaciones y el limitado
tiempo que se recibe para completar sus actividades.

3.1.1 Síntomas y Efectos

Los síntomas del estrés académico se pueden manifestar de forma física (tensión corporal, fatiga,
somnolencia), psicológica (ansiedad, insomnio, inquietud) y comportamental (aumento y reducción
en el consumo de alimentos). En estudios de (3) los síntomas antes mencionados pueden conllevar
a problemas que afecten la salud mental del individuo como la ansiedad crónica, depresión,
insomnio y además perjudica a su rendimiento académico.

8
3.1.2 Efectos del Estrés en el Rendimiento Académico

El estrés tiene varios efectos en cuanto al rendimiento académico se refiere, estos efectos pueden
ser: dificultades de concentración, bajas calificaciones, desmotivación, entre otras.
En investigaciones presentadas por Rodríguez et al. (2020) destacan que los estudiantes de carreras
de la salud pueden estar expuestos a niveles de estrés más elevados, lo que afecta su capacidad
para concentrarse y desempeñarse adecuadamente (5).

3.2 Estudios Previos Relevantes

3.2.1 Estrés Académico en Estudiantes Universitarios

Este estudio fue realizado por (1) en la Universidad Autónoma de Aguascalientes, dónde se analizó
el nivel de estrés en una muestra de 255 estudiantes universitarios utilizando el inventario SISCO.
Los resultados mostraron que el 86.3 % de los participantes presentan un nivel de estrés moderado,
sin diferencias significativas entre sexos, pero con una considerable asociación con el programa de
estudios. Los estresores más comunes fueron las evaluaciones de los profesores, la sobrecarga de
tareas y el tiempo limitado para realizarlas.

3.2.2 Estrés Académico en Alumnos Ingresantes a la Carrera de Odontología

Un estudio descriptivo llevado a cabo en la Universidad Nacional de Córdoba por (5) evaluó el
estrés académico en 291 estudiantes de la carrera de ontología. Utilizando el inventario SISCO, se
encontró que los estudiantes de carreras de salud, como odontología, enfrentan niveles de estrés
significativamente más altos en comparación a la población general. Los estresores identificados
incluyeron la adaptación al entorno universitario y las altas exigencias académicas.

3.2.3 Factores de Estrés y Estrategias de Afrontamiento en Estudiantes de Nivel Superior

Este estudio, realizado por (6) en la Universidad Autónoma de Guerrero, exploró las situaciones
estresantes frecuentes y las estrategias de afrontamiento utilizadas por los estudiantes. Se encontró
que las situaciones que siempre generaban estrés incluyen la incomprensión de temas abordados
en clase y la sobrecarga de trabajos, coincidiendo con los resultados de estudios previos.
Las estrategias de afrontamiento más efectivas fueron la planificación del estudio y el desarrollo de
habilidades asertivas.

9
4 Objetivos de la Investigación

4.1 Objetivo General

Determinar si el estrés es un factor que influye en del desempeño académico de los estudiantes de
la carrera de Matemática en la Escuela Superior Politécnica de Chimborazo (ESPOCH).

4.2 Objetivos Específicos

• Evaluar el nivel de estrés presentado por los estudiantes de la carrera de Matemática en la
ESPOCH.

• Analizar la relación (si existe) entre el estrés y las calificaciones obtenidas en el primer parcial
por los estudiantes de la carrera de Matemática.

• Analizar los métodos usados para medir el estrés académico en estudiantes de la carrera.

5 Metodología de Investigación

5.1 Tipo de Investigación

Esta investigación es de tipo descriptiva-correlacional, descriptiva debido a que esta investigación
se centra describir como es el nivel de estrés entre los estudiantes de la carrera de Matemática en la
ESPOCH, la investigación es correlacional, pues busca identificar si hay una relación estadística
entre los niveles de estrés y el desempeño académico, lo cual se logra con un enfoque correlacional
que investiga cómo dos variables se asocian entre sí.

5.2 Hipótesis de Investigación

La hipótesis de esta investigación busca establecer si existe una relación significativa entre los
niveles de estrés y el rendimiento académico de los estudiantes de la carrera de Matemática en la
ESPOCH.

5.3 Tipos de variables e hipótesis

• Variable Independiente: Estrés académico.

• Variable Dependiente: Rendimiento académico.

10
5.4 Instrumento de recolección de datos

5.4.1 Cuestionario de Estrés Académico

Se creo un cuestionario diseñado para medir el estrés académico de los estudiantes de la carrera de
Matemática en la ESPOCH, este cuestionario se basó en PSS (Preceived Stress Scale) que es una
escala de medición usada en psicología para evaluar la percepción del estrés de una persona (7).
Este cuestionario consta de 11 ítems dividido en dos secciones, las cuales buscan evaluar el estrés
de los estudiantes. En la primera sección se presentan las siguientes preguntas, evaluadas con una
escala de 5 puntos donde, 1 es Totalmente en desacuerdo, 2 En desacuerdo, 3 Neutral, 4 De acuerdo, 5
Totalmente de acuerdo:

1. Me siento abrumado por la cantidad de trabajo académico.

2. Me preocupa constantemente mi rendimiento en los exámenes.

3. Siento que no tengo tiempo suficiente para cumplir con todas mis responsabilidades académicas.

4. Me siento tenso o ansioso debido a las exigencias académicas.

5. Me resulta complicado concentrarme en mis estudios debido al estrés.

En la segunda sección se presentan las siguientes preguntas, evaluadas con una escala de 5 puntos
donde, 1 es Nunca, 2 Pocas veces, 3 A veces, 4 Casi siempre, 5 Siempre:

1. Dolor de cabeza.

2. Insomnio (Problemas para dormir).

3. Irritabilidad.

4. Ansiedad.

5. Dificultad para concentrarse.

6. Tensión del cuerpo.

Este cuestionario fue creado a través de la plataforma de Microfoft Forms, lo cual facilito la
recolección de datos.
La recoleccion de los datos de las calificaciones se solicito y obtuvó a través de la secretaría de la
carrera de Matematica, autorizado previamente por el coordinador de esta.
Estos datos fueron recompilados en Microsoft Excel, los cuales fueron exportados a RStudio, donde

11
se desarrolló un programa para obtener, los niveles de estrés de los estudiantes, se clasifico en Bajo
estrés a aquellos estudiantes que al sumar sus respuestas del cuestionario el acumulado se presentó
de 10 a 20, Estrés moderado de 21 a 30, Estrés alto entre de 31 a 40 y Estrés muy alto de 41 a 55.
Se realizó el mismo análisis para clasificar el rendimiento académico siendo así: 1 Bajo rendimiento
a los estudiantes con promedio sobre 8 de 1 a 4, 2 Rendimiento medio de 5 a 6 y 3 Rendimiento
alto de 7 a 8. Para el análisis de las calificaciones en este estudio, hemos clasificado las notas en
tres categorías: bajo (1-4), medio (5-6) y alto (7-8). Esta clasificación se basa en una segmentación
equitativa del rango total de calificaciones y tiene como objetivo facilitar la interpretación de los
datos. Esta metodología es coherente con prácticas comunes en la evaluación educativa, donde las
calificaciones se dividen en categorías que reflejan distintos niveles de desempeño.

5.5 Validación del Instrumento

La validez de los informes sobre rendimiento académico de los estudiantes de la carrera de
Matemática y la fiabilidad de los datos se asume, ya que estos registros fueron proporcionados por
la Secretaría de la carrera son considerados precisos y consistentes a nivel de la ESPOCH.
Mientras tanto que, para validar la fiabilidad del cuestionario, se calculó el coeficiente de alfa de
Crombach, el cual se encarga de medir la consistencia interna de los ítems del cuestionario, es decir,
evalúa la coherencia de los ítems que componen el cuestionario. Éste análisis fue desarrollado en el
software SPSS. El valor obtenido fue 0.887, indicando una alta consistencia interna, pues un valor
de alfa de Crombach superior a 0.7 es considerado aceptable.
A continuación se muestra una tabla del análisis alfa de Crombach realizado:

Estadísticas de fiabilidad
Alfa de Cronbach N de elementos
0.887 11

Tabla 1: Análisis alfa de Crombach

6 Resultados

6.1 Hipótesis Estadísticas

H0 : No hay relación significativa entre los niveles de estrés percibidos por los estudiantes y su
rendimiento académico.
H1 : Existe una relación significativa entre los niveles de estrés percibidos por los estudiantes y su
rendimiento académico.

12
6.2 Técnica(s) Estadística(s) a utilizar para la prueba de Hipótesis

6.2.1 Correlación de Spearman

Según (8) la correlación de Spearman es una prueba no paramétrica usada para determinar el grado
de asociación entre dos variables cuantitativas de libre distribución o datos ordinales. Esta prueba
se basa en rangos y es adecuada para variables que no necesariamente siguen una distribución
normal. Su propósito es determinar el grado de correlación entre dos series de observaciones. Los
supuestos de esta técnica son:

• Variables cuantitativas de libre distribución o datos ordinales.

• Observaciones xi y yi obtenidas por parejas.

• Tendencia monótona en el análisis de dispersión.

Para calcular esta correlación:

1. Asignar rangos a las observaciones xi y yi .

2. Calcular la diferencia di entre los rangos.

3. Utilizar la fórmula:
6 ∑ d2i
rs = 1 −
n ( n2 − 1)

Dónde :
R es la suma de las diferencias al cuadrado entre los rangos.
n es el número de observaciones.

6.2.2 Análisis Estadístico Implicativo (ASI)

El Análisis Estadístico Implicativo (ASI) es una técnica avanzada que permite identificar relaciones
del tipo "si A, entonces [Link] variables. Esta técnica es especialmente útil para descubrir patrones
y estructuras ocultas en los datos, proporcionando una visión más profunda que las simples
correlaciones. En este estudio, se utilizó el ASI para investigar la relación entre el nivel de estrés de
los estudiantes y su rendimiento académico.(11).
Para llevar a cabo el Análisis Estadístico Implicativo (ASI), se utilizó el software RCHIC. Este
software, desarrollado en colaboración con el francés Raphaël Couturier en 2015, facilita la

13
identificación y análisis de relaciones implicativas en conjuntos de datos complejos, permitiendo
descubrir patrones significativos mediante el uso de reglas asimétricas entre variables (10).

6.2.3 Software CHIC

RCHIC es una herramienta diseñada específicamente para facilitar la identificación y análisis

de relaciones implicativas en conjuntos de datos complejos. Esta herramienta permite descubrir
patrones significativos que pueden no ser evidentes mediante métodos tradicionales de análisis
de datos (11). En 2015, se desarrolló en la Escuela Superior Politécnica de Chimborazo la versión
libre R-CHIC, que utiliza el formato CSV para los datos y ofrece herramientas adicionales como el
cálculo de la contribución y tipicalidad de individuos a una regla dada (10).
CHIC ofrece dos tipos de representaciones gráficas: árboles y grafos y genera un grafo implicativo
que muestra las relaciones entre variables seleccionadas. CHIC realiza cálculos estadísticos como
frecuencias, medias aritméticas, índices de proximidad/distancia, y coeficientes de correlación y
cohesión implicativa.
En esta investigación, se utilizará el software CHIC para analizar la relación entre el nivel de
estrés y el desempeño académico de los estudiantes de la carrera de Matemáticas en la Escuela
Superior Politécnica de Chimborazo (ESPOCH). El CHIC permitirá identificar patrones y relaciones
implicativas en los datos recolectados, proporcionando una comprensión más profunda de cómo
el estrés afecta el rendimiento académico.

6.3 Población de estudio

La población de estudio considerada son todos los estudiantes matriculados en la carrera de
Matemática ESPOCH del período académico abril 2024 - agosto 2024.
Según los datos obtenidos a través de la secretaría de la carrera se estima una población de 123
estudiantes.

6.4 Muestreo
En esta investigación, se utilizó un muestreo estratificado para seleccionar la muestra de estudiantes
de la carrera de Matemáticas de la Escuela Superior Politécnica de Chimborazo (ESPOCH) durante
el período académico abril 2024 - agosto 2024. El objetivo del muestreo estratificado es garantizar
que subgrupos específicos dentro de la población estén representados de manera proporcional en
la muestra.

14
6.4.1 Estratos y Tamaño de la Muestra

La población total de 123 estudiantes se dividió en ocho estratos (PAO 1 a PAO 8). El tamaño de
la muestra para cada estrato se calculó para asegurar la representatividad proporcional de cada
subgrupo en la muestra total de 96 estudiantes.

6.4.2 Distribución de la Población por Estratos

Estrato Número de Estudiantes

PAO 1 30
PAO 2 25
PAO 3 19
PAO 4 9
PAO 5 15
PAO 6 9
PAO 7 5
PAO 8 11
Total 123

Tabla 2: Distribución de la población por estratos

6.4.3 Tamaño de la Muestra por Estratos

En Microsoft Excel se realizó el cálculo para el tamaño de la muestra.

Figura 1: Cálculo del tamaño de la muestra.

El muestreo estratificado permitió una selección proporcional de estudiantes de cada estrato,

asegurando que cada subgrupo dentro de la población estuviera representado adecuadamente en

15
 Estrato Número de Estudiantes Tamaño de la Muestra
PAO 1 30 24
PAO 2 25 20
PAO 3 19 15
PAO 4 9 8
PAO 5 15 11
PAO 6 9 7
PAO 7 5 3
PAO 8 11 8
Total 123 96

Tabla 3: Tamaño de la muestra por estratos

la muestra. Este método de muestreo es especialmente útil para garantizar que las características
específicas de cada estrato sean consideradas en el análisis de los datos.

El uso del muestreo estratificado en esta investigación garantiza que la muestra de 96 estudiantes
represente proporcionalmente a los diferentes subgrupos dentro de la población total de 123
estudiantes de la carrera de Matemáticas en la ESPOCH. Esto asegura la validez y la fiabilidad de
los resultados obtenidos, proporcionando una base sólida para las conclusiones sobre la influencia
del estrés en el rendimiento académico.

6.5 Recopilación de datos

Los datos fueron recopilados por medio de un informe solicitado a la Secretaría de la carrera de
Matemática, para luego a través de Microsoft Excel se obtuvieron los promedios para luego ser
clasificados entre rendimiento bajo, medio y alto en RStudio y darle una escala apropiada, esto para
la variable rendimiento académico, por otro lado la variable niveles de estrés fue posible calcularla
por medio de la encuesta realizada por Microsoft Forms, para luego obtener una estimación del
estrés académico por medio de Microsoft Excel para luego ser clasificados entre bajo estrés, estrés
moderado, estrés alto y estrés muy alto en R estudio con una escala apropiada.
Luego estos datos fueron analizados en IBM SPSS.

6.6 Limpeza y adecuación de datos

6.6.1 Datos perdidos

En este estudio, se identificaron datos faltantes en varias variables clave. Después de considerar
diferentes métodos de manejo de datos faltantes, se decidió eliminar los casos con datos faltantes

16
para asegurar la integridad y validez del análisis. Esta decisión se tomó debido a la baja proporción
de datos faltantes y la naturaleza de las variables implicadas.

6.6.2 Procedimiento de eliminación de datos perdidos

• Se realizó un análisis preliminar para identificar la cantidad y el patrón de datos faltantes en

cada variable.

• Se estableció que los casos con datos faltantes en variables clave serían eliminados. Este criterio
se basó en la necesidad de mantener la consistencia y la calidad de los datos para el análisis
correlacional.

• Se eliminaron a través del programa RStudio los casos con datos faltantes en variables clave.

• Después de la eliminación, se verificaron los datos restantes para asegurarse de que no hubiera
errores o inconsistencias. Finalmente, se guardó el nuevo conjunto de datos limpio.

La eliminación de datos faltantes redujo el tamaño de la muestra de 96 a 84 casos, lo que representa

una reducción del 12.5 %. Esta reducción es aceptable dado el tamaño original de la muestra y no
se espera que afecte significativamente los resultados del análisis.

Ahora se presentará una tabla con los datos perdidos eliminados

Figura 2: Análisis estadístico antes de la adecuación

6.7 Tablas y gráficos de frecuencia

En este espacio se presentarán los graficos y tablas de frecuencia y los detalles estadísticos de la
investigación.

17
 Figura 3: Análisis estadístico después de la adecuación

6.7.1 Simples

A continuación se presenta la tabla de frecuencias del nivel de estrés percibido por los estudiantes
de la carrera de Matemática en la ESPOCH

Figura 4: Nivel de Estrés Percibido

Figura 5: Nivel de Estrés Percibido

Se presenta también el análisis de frecuencia del rendimiento acaémico del primer parcial de los
estudiantes de la carrera de Matemática

18
Figura 6: Rendimiento Académico del Primer Parcial de los Estudiantes de la Carrera de Matemática

Figura 7: Rendimiento Académico del Primer Parcial de los Estudiantes de la Carrera de Matemática

6.7.2 Comparativos

En esta sección, se presentan los resultados del análisis de frecuencia y gráficas comparativas entre
los niveles de estrés y el rendimiento académico de los estudiantes de la carrera de Matemática en
la ESPOCH. Este análisis permite visualizar y comprender mejor la distribución y relación entre
estas variables.
La relación entre el nivel de estrés y el rendimiento académico en el primer parcial muestra que

Figura 8: Relación Entre los Niveles de Estrés y el Rendimiento Académico

los estudiantes con estrés alto y muy alto tienden a tener un rendimiento regular, con el estrés

19
 Figura 9: Relación Entre los Niveles de Estrés y el Rendimiento Académico

alto siendo el más común. Los niveles bajos de estrés están asociados con menos estudiantes, pero
éstos generalmente tienen un rendimiento regular o alto. En general, el estrés moderado y alto
se asocian principalmente con un rendimiento regular, mientras que el estrés muy alto también
presenta un riesgo considerable de bajo rendimiento.

6.8 Medidas descriptivas

Se realizó un análisis descriptivo, es decir, se uso una técnica estadística para describir las
características básicas de las variables rendimiento académico y niveles de estrés.

Figura 10: Medidas Descriptivas

La tabla muestra que, en una muestra de 84 estudiantes, el promedio del nivel de estrés es de 2,99,
lo que indica un predominio del estrés moderado a alto, y el rendimiento académico promedio

20
es de 2,07, indicando un rendimiento regular. La mediana del estrés es 3 (estrés alto) y la del
rendimiento es 2 (rendimiento regular). La variabilidad en el estrés es moderada (desviación
estándar de 0,784), mientras que en el rendimiento es menor (0,510). Estos resultados sugieren que
la mayoría de los estudiantes experimentan altos niveles de estrés y un rendimiento académico
medio.

6.9 Medidas de forma

La asimetría y la curtosis son medidas estadísticas que describen la forma de una distribución de
datos: En la tabla que se presentará continuación se observa que la asimetría, la cual mide el grado
de distribución de las variables,

• Una asimetría de 0 indica una distribución perfectamente simétrica.

• Asimetría positiva: la cola de la distribución se extiende más hacia valores positivos.

• Asimetría negativa: la cola se extiende más hacia valores negativos.

Mientras que la curtosis mide el grado de concentración de los datos alrededor del centro de la
distribución.

• Curtosis positiva: distribución más puntiaguda que la normal.

• Curtosis negativa: distribución más plana que la normal.

Figura 11: Medidas de Forma

La tabla muestra que, en una muestra de 84 estudiantes, el nivel de estrés tiene una asimetría de
-0.440, indicando que la mayoría tiene niveles de estrés más altos que la media, y una curtosis de
-0.155, sugiriendo una distribución más plana con menos casos extremos. En cuanto al rendimiento
académico, la asimetría de 0.125 indica una ligera tendencia a rendimientos más bajos, mientras
que la curtosis de 0.906 señala una distribución más apuntada con más casos extremos. Estos
resultados sugieren que los estudiantes experimentan niveles altos de estrés y una variabilidad
considerable en el rendimiento académico.

21
6.10 Supuestos
Para garantizar la validez de esta investigación se evaluarán los siguientes supuestos:

1. Normalidad: Para evaluar la normalidad de las variables Niveles de estrés y Rendimiento

académico se usó la prueba de Shapiro-Wilk que es una prueba paramétrica que mide la
correlación entre los datos y las puntuaciones normales correspondientes (9).
Hipótesis del Test de Kolmogorov-Smirnov y Shapiro-Wilk
H0 : Los datos siguen una distribución normal.
H1 : Los datos no siguen una distribución normal. Interpretación del p-valor
Si el p-valor es menor que el nivel de significancia (por ejemplo, 0.05), se rechaza la hipótesis
nula, lo que sugiere que los datos no siguen una distribución normal.
Si el p-valor es mayor que el nivel de significancia, no se puede rechazar la hipótesis nula, lo que
sugiere que no hay suficiente evidencia para concluir que los datos no siguen una distribución
normal.

Figura 12: Prueba de Normalidad para los Niveles de Estrés y Rendimiento Académico

Ambas pruebas muestran p-valores menores a 0.001, lo que indica que la distribución de los
datos se desvía significativamente de la normalidad.
Por lo tanto, se rechaza la hipótesis nula de que los datos siguen una distribución normal.

Figura 13: Prueba de Normalidad para los Niveles de Estrés

22
Los puntos no siguen una línea recta perfecta, especialmente en los extremos, lo que indica una
desviación de la normalidad, esto para los niveles de estrés.
Para el rendimiento académico

Figura 14: Prueba de Normalidad para el Rndimiento Académico

En este caso también se rechaza la hipótesis nula.

Dado que los datos no cumplen con el supuesto de normalidad, es más apropiado utilizar
pruebas no paramétricas para evaluar la relación entre el nivel de estrés y el rendimiento
académico.

6.11 Comprobación de Hipótesis

6.11.1 Resultados del Análisis de Correlación de Spearman

Para establecer si existe una relación significativa entre los niveles de estrés y el rendimiento
académico de los estudiantes de la carrera de Matemática en la ESPOCH, se realizá una prueba
de correlación de Spearman.

Figura 15: Correlación no Paramétrica de Spearman

Los resultados indicaron que no existe una correlación significativa entre el nivel de estrés y el

23
rendimiento académico, ρ(84) = 0.009, p = 0.933. Este resultado sugiere que, en esta muestra, el
nivel de estrés no tiene un impacto significativo en el rendimiento académico de los estudiantes
en el primer parcial.

6.11.2 Resultados del Análisis Estadśtico Implicativo (ASI) con CHIC/RCHIC

Figura 16: Relación implicativa entre Nivel_Estres y Rendimiento.

Los colores en el gráfico proporciona información sobre los niveles de confianza en las relaciones
implicativas observadas:

• Rojo (50): Representa el nivel más alto de confianza en la implicación. Una flecha roja indica
una relación implicativa muy significativa.

• Verde (1): Representa el nivel más bajo de confianza en la implicación. Una flecha verde
indicaría una relación implicativa débil, pero no se observa ninguna en este gráfico.

• Azul (15): Representa un nivel intermedio de confianza. El número "15"junto a la flecha roja
indica que esta relación se observó 15 veces en los datos.

• Cian (4): Representa otro nivel intermedio de confianza, con una frecuencia menor que el
azul. No se observan flechas de este color en el gráfico.

El análisis implicativo realizado con CHIC/RCHIC muestra una relación implicativa entre el
nivel de estrés y el rendimiento académico. La flecha roja en el gráfico de implicación indica una
relación directa, observada 15 veces en los datos recolectados. Aunque este análisis no implica
causalidad, sugiere un patrón consistente en el que el nivel de estrés afecta el rendimiento
académico.

24
7 Conclusión
Aunque la correlación de Spearman no identificó una relación significativa entre el nivel de
estrés y el rendimiento académico de los estudiantes de Matemáticas de la Escuela Superior
Politécnica de Chimborazo (ESPOCH), el Análisis Estadístico Implicativo (ASI) reveló un patrón
relevante que sugiere que el estrés influye en el rendimiento académico. Estos hallazgos destacan
la importancia de abordar el estrés en el ámbito educativo y sugieren que futuras investigaciones
deberían explorar esta relación con mayor profundidad, empleando métodos experimentales.

8 Recomendaciones
• Para futuras investigaciones, se recomienda ampliar el tamanõ de la muestra para obtener
resultados más generalizables. Además, sería beneficioso considerar variables adicionales
que puedan influir en el rendimiento académico, como hábitos de estudio, horas de sueño,
apoyo familiar, y métodos de enseñanza. Al incluir estas variables, se puede obtener una
comprensión más completa de los factores que afectan el rendimiento académico.

• Dado que el nivel de estrés y el rendimiento académico pueden variar a lo largo del tiempo,
se recomienda realizar estudios longitudinales que sigan a los estudiantes durante un período
más largo. Esto permitirá observar cómo cambian estas variables y su relación a lo largo del
tiempo.

• Se recomienda realizar estudios experimentales o cuasi-experimentales para establecer una

relación causal directa entre el nivel de estrés y el rendimiento académico. Además, utilizar
una combinación de métodos de análisis, como el ASI y otros enfoques estadísticos avanzados,
puede proporcionar una comprensión más completa de estas relaciones.

Bibliografía
[1] Silva, María, et al. (2020). Estrés académico en estudiantes universitarios. Revista de Estudios
Académicos.

[2] Restrepo, J. E., Sánchez, O. A., & Castañeda Quirama, T. (2020). Estrés académico en estudiantes
universitarios. Psicoespacios, 14(24), 17-37. [Link]

[3] Jurado, L, et al. (2023). Estrés y rendimiento académico en estudiantes universitarios de

Iberoamérica: una revisión sistemática Revista Cuadernos Hispanoamericanos de Psicología Vol.
21 No. 2

[4] Huerta, R. M., Pérez, G. L. E., López, G. J., et al. (2023). Estrés y rendimiento académico en
estudiantes universitarios de la carrera de Médico Cirujano. Rev Mex Med Forense, 8(1), 1-19.

[5] Rodríguez, et al (2020). Estrés académico en alumnos ingresantes a la carrera de Odontología

en la Universidad Nacional de Córdoba, [Link] Journal of Odontostomatology,
vol. 14, núm. 4, 2020, pp. 639-647.

25
[6] Peńa-Paredes, E., Bernal Mendoza, L. I., Pérez Cabaãs, R., Reyna Ávila, L., & García Sales,
K. G. (2018). Estrés y estrategias de afrontamiento en estudiantes de nivel Superior de
la Universidad Autónoma de Guerrero. Nure Investigación: Revista Científica de Enfermería,
15(92).

[7] Jorquera-Gutié rrez, Ricardo, y Guerra-Diaz, Felipe. (2023). Análisis psicométrico de la

Escala de Estrés Percibido (PSS-14 y PSS-10) en un grupo de docentes de Copiapó, Chile.
Liberabit, 29(1), e683. Epub 01 de junio de 2023. [Link]
2023.v29n1.683.

[8] Fredy Mendivelso y Milena Rodríguez, Prueba no paramétrica de correlación de Spearman,

Revista Médica Sanitas, vol. 24, no. 1, pp. 42-45, 2021, doi: 10.26852/01234250.578.

[9] Héctor Alberto Luzuriaga Jaramillo, Carlos Alberto Espinosa Pinos, Alexander Fernando
Haro Sarango, Hermel David Ortiz Román, Histograma y distribución normal: Shapiro-Wilk y
Kolmogorov-Smirnov aplicado en SPSS, LATAM Revista Latinoamericana de Ciencias Sociales
y Humanidades, Volumen IV, Número 4, 2023, pp. 596-607. DOI: 10.56712/latam.v4i4.1242.

[10] Pazmiño, R., Bonilla, M., Baquero, J., & Miguez, R. (2018). Software estadístico CHIC:
descubriendo sus potencialidades mediante el análisis de percepción sexual universitaria.
Revista Electrónica Ciencia Digital, 2(4.1), 122–139. Recuperado de [Link]
org/revistacienciadigital2/[Link]/CienciaDigital/article/view/195.

[11] Gras, R., Suzuki, E., Guillet, F., Spagnolo, F., & Pina, A. (2008). Statistical Implicative Analysis:
Theory and Applications. Springer. DOI: [Link]

26