Análise de classes latentes e perfis da qualidade do ensino na educação superior no Equador
DOI:
https://doi.org/10.35622/Palavras-chave:
avaliação educacional, ensino superior, estudante universitário, qualidade da educação, universidadeResumo
Os estudantes equatorianos enfrentam dificuldades e barreiras em sua trajetória na universidade. A falta de adaptação aos processos universitários ou as dificuldades para alcançar os conteúdos e as competências das disciplinas, entre outros fatores, podem colocá-los em uma situação de risco acadêmico, resultando em experiências de fracasso e abandono dos estudos. A Análise de Classes Latentes é uma técnica estatística que permite caracterizar perfis de risco acadêmico no contexto universitário. Nesse marco, o objetivo foi identificar os possíveis perfis de risco acadêmico a partir da percepção da qualidade do ensino e da percepção sobre a adaptação à universidade, utilizando a Análise de Classes Latentes. O estudo foi desenvolvido sob uma abordagem quantitativa, de alcance exploratório–descritivo, empregando a Análise de Classes Latentes (ACL) como método de análise. Os dados foram coletados na PUCE Esmeraldas (Equador), com N=208 estudantes por meio do Student Course Experience Questionnaire e com N=124 por meio do Student Perceived Fit Questionnaire. Os resultados apontaram quatro classes no caso do SCEQ: risco acadêmico muito alto (Classe 1), risco acadêmico médio (Classe 2), risco acadêmico muito baixo (Classe 3) e risco baixo (Classe 4); e duas classes no SPFQ: risco baixo associado a uma adaptação adequada à universidade (Classe 2) e um perfil de risco associado à falta de adaptação à universidade (Classe 1). Em consequência, devem ser propostas medidas voltadas para avaliações integrais que permitam um acompanhamento individualizado da trajetória dos estudantes universitários.
Referências
Álvarez-Vaz, R., & Vernazza, E. (2018). Una caracterización de la satisfacción estudiantil mediante análisis de clases latentes. XI Semana Internacional de la Estadística y la Probabilidad, Facultad de Ciencias Físico Matemáticas, Benemérita Universidad Autónoma de Puebla (BUAP). https://doi.org/10.13140/RG.2.2.36137.29285
Amo, C., & Santelices, M. V. (2017). Trayectorias universitarias: Más que persistencia o deserción. In 2017: Congreso CLABES VII, Córdoba, Argentina (pp. 1–9). Congresos CLABES. https://revistas.utp.ac.pa/index.php/clabes/article/view/1676
Anzelin Zuluaga, I. C., Pineda Baez, C. Z., Moreno Perdomo, I. M., Galli Dionisio, M., & Calderon, D. (2025). Inclusion in higher education in Argentina, Colombia, and Ecuador: Conceptualizations, advancements and challenges in access, retention, and graduation. International Journal of Educational Research, 132, 102645. https://doi.org/10.1016/j.ijer.2025.102645
Ary, D., Jacobs, L. C., Sorensen, C. & Razavieh, A. (2009). Introduction to educational research (8th ed.). Cengage Learning.
Avilés-González, J. F., Cérdova-León, F., Duque Espinoza, G., & Mosquera-Gutierres, J. C. (2025). Trends in student attrition in private universities: An analysis in Ecuador. In 2025 Institute for the Future of Education Conference (IFE) (pp. 1–3). IEEE. https://doi.org/10.1109/IFE63672.2025.11024775
Barattucci, M. & Zuffo, R. G. (2012). Measuring learning environment perceptions: validation of the Italian version of the approaches to studying inventory and the student course experience questionnaire. TPM, 19(1), 15-33. https://doi.org/10.4473/TPM19.1.2
Bravo Guerrero, F. E., Peña Ortega, M. P., & Illescas Peña, L. E. (2020). Reprobación y abandono de estudiantes universitario. Revista Uniandes Episteme, 7(4), 502–516. https://revista.uniandes.edu.ec/ojs/index.php/episteme/article/view/1728
Chiarino, N., Rodríguez Enríquez, C., Curione, K., Machado, A., Bonilla, M., Aspirot, L., Garófalo, L. & Olveira, B. (2024). Student dropout and persistence in universities in Latin America and the Caribbean: a mixed systematic review. Actualidades Investigativas en Educación, 24(2), 123-161. http://dx.doi.org/10.15517/aie.v24i2.57306
Chininín-Campoverde, V., Buele-Maldonado, M. & Carrera-Herrera, X. (2019). Causas del abandono estudiantil universitario en la modalidad a distancia en la ciudad de Loja-Ecuador. Un Espacio para la Ciencia, 2(1), 79-101. http://doi.org/10.5281/zenodo.4521599
Duche Pérez, A. B., Paredes Quispe, F. M., Gutiérrez Aguilar, O. A., & Carcausto Cortez, L. C. (2020). Transición secundaria-universidad y la adaptación a la vida universitaria. Revista de Ciencias Sociales, 26(3), 244-258. https://doi.org/10.31876/rcs.v26i3.33245
Eddy, C., & Easton-Brooks, D. (2011). Teacher efficacy as a multigroup model using latent class analysis. Education Research International, 2011(1), 149530. https://doi.org/10.1155/2011/149530
Escudero Muñoz, J. M. (2013). Estudiantes en riesgo, centros escolares de riesgo. DM Editores.
Gilar-Corbi, R., Pozo-Rico, T., Castejón, J. L., Sánchez, T., Sandoval-Palis, I., & Vidal, J. (2020). Academic achievement and failure in university studies: motivational and emotional factors. Sustainability, 12(23), 9798. https://doi.org/10.3390/su12239798
González Valderrama, P., Laborda Contreras, A., & Venegas Cifuentes, A. (2018). Análisis de clases latentes: Caracterización para el diseño e implementación de programas de orientación y disminución del abandono en educación superior. En D. Murillo, D. Saavedra, & M. Fernández (Eds.), 2018: Congreso CLABES VIII, Ciudad de Panamá, Panamá (pp. 247–260). Congresos CLABES. https://revistas.utp.ac.pa/index.php/clabes/article/view/1945
González-Berruga, M. A. & Marmolejo, C. (2025). Validation of the spanish version Student Course Experience Questionnaire and the Approaches to Studying Inventory in deprived contexts. Revista Educativa Hekademos, (38), 55-65. https://www.hekademos.com/index.php/hekademos/article/view/115
Herrero Díez, F. J., Diego Rodriguez, I., & Bernardo Gutiérrez, A. B. (2025). Análisis de Clases Latentes con JAMOVI (Latent Class Analysis, LCA). Universidad de Oviedo. https://hdl.handle.net/10651/76233
Jeong, S., Blaney, J. M., & Feldon, D. F. (2019). Identifying faculty and peer interaction patterns of first-year biology doctoral students: A latent class analysis. CBE—Life Sciences Education, 18(4), ar59. https://doi.org/10.1187/cbe.19-05-0089
King, K. R., Gonzales, C. R., & Reinke, W. M. (2019). Empirically derived subclasses of academic skill among children at risk for behavior problems and association with distal academic outcomes. Journal of Emotional and Behavioral Disorders, 27(3), 131–142. https://doi.org/10.1177/1063426617754082
Law, E. & Harrington, R. (2016). A primer on latent class analysis. Value & Outcomes Spotlight, 2(6), 18-19.
Moncada Mora, L. F. (2014). La integración académica de los estudiantes universitarios como factor determinante del abandono de corto plazo. Un análisis en el Sistema de Educación Superior a Distancia del Ecuador. RIED-Revista Iberoamericana de Educación a Distancia, 17(2), 173–196. https://doi.org/10.5944/ried.17.2.12683
Nakamura, A., & Isa, N. (2024). Teachers' Gender Stereotypes in Japan: A Latent Class Analysis of Teachers' Gender Role Attitudes. Educational Studies in Japan, 18, 81-92. https://doi.org/10.7571/esjkyoiku.18.81
Noyens, D., van Daal, T., Coertjens, L., Van Petegem, P., & Donche, V. (2020). Assessing students’ perceptions of fit between secondary and higher education: a validation study of the SPFQ. Higher Education Research & Development, 39(2), 273-287. https://doi.org/10.1080/07294360.2019.1662377
Nuñez-Naranjo, A. (2020). Deserción y estrategias de retención: un análisis desde la universidad particular. 593 Digital Publisher CEIT, 5(5-2), 79-87. https://doi.org/10.33386/593dp.2020.5-2.306
Pelaez, K., Levine, R. A., Guarcello, M., Laumakis, M., & Fan, J. (2019). Using a latent class forest to identify at-risk students in higher education. Journal of Educational Data Mining, 11(1), 18-46. https://doi.org/10.5281/zenodo.3554747
Pontificia Universidad Católica del Ecuador Sede Esmeraldas (2023). Rendición de cuentas. https://cutt.ly/DtUbjeM0
Quincho-Apumayta, R., Carrillo Cayllahua, J., Ccencho Pari, A., Inga Choque, V., & Cárdenas-Valverde, J. (2025). University dropout among indigenous university students: a global systematic review. F1000Research, 14, 641. https://doi.org/10.12688/f1000research.162508.2
Ramirez Heredia, R. C., & Carcausto-Calla, W. (2024). Factors associated with student dropout in latin american universities: scoping review. Journal of Educational and Social Research, 14(2), 62-72. https://doi.org/10.36941/jesr-2024-0026
Rodríguez Garcés, C., & Jarpa Arriagada, C. G. (2015). Capacidad predictiva de las notas en enseñanza media sobre el rendimiento en pruebas de selección universitaria: el caso chileno. Aula Abierta, 43(2), 61–68. https://doi.org/10.17811/rifie.43.02.2015.61-68
Rodríguez Garcés, C., Espinosa Valenzuela, D., Padilla Fuentes, G., & Suazo Ruíz, C. (2024). Brecha y segmentación en el espacio universitario: cuando el alto rendimiento escolar no es suficiente. Revista Cubana de Educación Superior, 43(3), 118–134. https://revistas.uh.cu/rces/article/view/6880
Seol, H. (2025). SnowLatent: Latent Class Analysis for jamovi. (Version 2.6.0) [Jamovi module]. https://github.com/hyunsooseol/snowLatent
Tapasco-Alzate, O. A., Ruiz-Ortega, F. J., Osorio-García, D., & Ramírez-Ramírez, D. (2021). El historial académico de secundaria como factor predictor del rendimiento universitario. Caso de estudio. Revista Colombiana de Educación, (81), 147-169. https://doi.org/10.17227/rce.num81-7530
Terán Montaño, A., & Schulmeyer, M. K. (2022). Relación entre el rendimiento académico en secundaria y el rendimiento académico universitario. Revista Aportes de la Comunicación y la Cultura, (32), 55-66. https://doi.org/10.56992/a.v1i32.381
The Jamovi Project. (2025). Jamovi. (Version 2.7) [Computer Software]. Retrieved from https://www.jamovi.org.
Verdugo Guamán, M. E., Cabrera Ortíz, F., Cabrera Tenecela, H. P., & Escudero Durán, M. L. (2023). Factores que inciden en el rendimiento académico en los primeros años de los estudiantes de la Universidad de Cuenca, Ecuador. Revista Andina de Educación, 6(2), 6210. https://doi.org/10.32719/26312816.2022.6.2.10
Vidal Chica, J. I. (2023). Factores motivacionales, emocionales y socioeconómicos asociados al rendimiento académico y abandono en la Educación Superior: Estudio en dos Universidades del Ecuador [Tesis doctoral, Universidad de Alicante]. Repositorio Institución de la Universidad de Alicante. http://hdl.handle.net/10045/132689
Xu, B. (2011). Clustering educational digital library usage data: Comparisons of latent class analysis and k-means algorithms [Tesis Doctoral, Universidad del Estado de Utah]. Repositorio Institucional de Universidad del Estado de Utah. https://doi.org/10.26076/d2f7-4641
Zumárraga-Espinosa, M. (2023). Resiliencia académica, rendimiento e intención de abandono en estudiantes universitarios de Quito. Revista Latinoamericana de Ciencias Sociales, Niñez y Juventud, 21(3), 1-34. https://doi.org/10.11600/rlcsnj.21.3.5949.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Manuel González-Berruga (Autor/a)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
