Ecologías de aprendizaje y motivación del profesorado universitario de Ciencias de la Salud

Iris Estévez; Alba Souto-Seijo; Mercedes González-Sanmamed; Antonio Valle

doi:10.5944/educxx1.28660

Authors

Iris Estévez Universidade da Coruña http://orcid.org/0000-0003-2821-5663
Alba Souto-Seijo Universidade da Coruña http://orcid.org/0000-0002-9140-3184
Mercedes González-Sanmamed Universidade da Coruña http://orcid.org/0000-0002-3410-6810
Antonio Valle Universidade da Coruña http://orcid.org/0000-0001-8160-9181

DOI:

https://doi.org/10.5944/educxx1.28660

Keywords:

Teaching motivation, teaching motivational profiles, Higher Education, Health Sciences, Latent Class Analysis, Learning Ecologies

Agencies:

Ministerio de Economía, Industria y Competitividad

Abstract

The present work aims to deepen the study of one of the key components
that make up the Personal Dimension of the Learning Ecologies of Health Sciences faculty: teaching motivation. This is a topic scarcely explored in the field of Higher Education, despite the fact that it is an element that strongly influences the quality of the teaching-learning process. Consequently, from a person-centered perspective, the objective of this study is based on the identification of teacher motivational profiles from the combination of two motivational orientations (performance-centered motivation and mastery-oriented motivation). The methodology used was of a quantitative nature, through a survey, and with an exploratory design. The sample is made up of 416 members of the faculty of Health Sciences, belonging to 37 Spanish universities. Using the Latent Class Analysis technique, three motivational teacher profiles were identified: a) Motivated Profile; b) Moderately Motivated Profile; and C)
Unmotivated Profile. In the first we find teachers who show high levels of masteryoriented motivation and moderate levels of performance-oriented motivation. This profile is made up of more than half of the total sample. The second profile is made up of teachers with moderately high motivational levels, although unlike the first, performance-related reasons predominate. Finally, the third group includes teachers who show very low levels in both motivational orientations. These results portray a promising scenario, although potentially perfectible. The implications of this study are aimed at the design and generation of training itineraries better adjusted to the needs and characteristics of the professors to whom they are directed.

Downloads

Download data is not yet available.

Author Biographies

Iris Estévez, Universidade da Coruña

Doctora por la Universidade da Coruña y contratada postdoctoral FPI en el Departamento de Pedagogía y Didáctica de la Facultad de Ciencias de la Educación de la misma universidad. Su tesis doctoral se denomina “Ecologías de Aprendizaje de los docentes universitarios de Ciencias de la Salud”. Ha realizado dos estancias de investigación internacionales, la última de ellas en la Kennesaw State University (USA). Además, es miembro de Equipo de Investigación Educativa (EIRA) de la Universidade da Coruña

Alba Souto-Seijo, Universidade da Coruña

Graduada en Educación Infantil y profesora en la Universidad Internacional de la Rioja. Actualmente está desarrollando su tesis doctoral que se basa en el estudio de las Ecologías de Aprendizaje de los docentes universitarios de la rama de conocimiento de Ingeniería y Arquitectura. Ha realizado una estancia de investigación en el Institute of Learning & Teaching in Higher Education (University of Northampton, Reino Unido). Asimismo, es miembro de Equipo de Investigación Educativa (EIRA) de la Universidade da Coruña.

Mercedes González-Sanmamed, Universidade da Coruña

Profesora Catedrática de la Universidad de A Coruña (España). Doctora en Ciencias da Educación con Premio Extraordinario de Licenciatura y de Doctorado. Ha sido también directora del Centro Universitario de Formación e Innovación Educativa (CUFIE) en la UDC (2000-2004). Tiene concedidos 4 tramos de investigación por la CNEAI. Dirige el grupo de investigación EIRA. Su área de investigación se concentra en la formación de profesorado, la integración de las tecnologías en la educación, y la innovación y la mejora educativa. En estos campos ha participado en 40 proyectos competitivos y contratos de investigación a nivel internacional, nacional y autonómico, de los cuales en 9 de ellos ha sido IP y en 7 coordinadora. Ha dirigido 15 tesis doctorales. Es autora de más de doscientas publicaciones (77 en revistas indexadas y 22 libros) y ha participado en numerosas conferencias y ponencias en congresos y reuniones científicas tanto nacionales como internacionales. Ha trabajado en diversas comisiones de evaluación en programas de ANECA, ACSUG, ANEP y AGAUR. Forma parte del consejo editorial de varias revistas.

Antonio Valle, Universidade da Coruña

Catedrático de Psicología de la Educación de la Universidad de A Coruña (España). Doctor en Psicopedagogía por la Universidad de A Coruña. Fundador de la Asociación Gallega de Psicopedagogía y de la Revista Gallega de Psicopedagogía, forma parte de varios consejos editoriales de revistas científicas y es coordinador del Grupo de Investigación en Psicología Educativa (GIPED) de la Universidad de A Coruña, reconocido como grupo de potencial crecimiento dentro del Programa de Consolidación y Estructuración de Unidades de Investigación Competitivas (Consellería de Cultura, Educación e Ordenación Universitaria. Xunta de Galicia). Además, es autor de más de un centenar de artículos publicados en revistas científicas, de los cuales más de cuarenta lo están en revistas indexadas en JCR. También ha participado en la última década en nueve proyectos de investigación competitivos, ha dirigido siete tesis doctorales, es coautor de doce libros y ha presentado más de noventa comunicaciones y ponencias a congresos nacionales e internacionales. Ha formado parte de varios comités de evaluación de diversos organismos como la ANEP, la ANECA, la Agencia Andaluza de Evaluación y la ACSUG (Agencia para la Calidad del Sistema Universitario de Galicia).

References

Akaike, H. (1974). A new look at the statistical model identification. En E. Parzen, K. Tanabe & G. Kitagawa (Eds.), Selected Papers of Hirotugu Akaike. Springer Series in Statistics (pp. 716-723). Springer. https:// doi.org/10.1007/978-1-4612-1694-0_16

Barron, B. (2006). Interest and self-sustained learning as catalysts of development: A learning ecology perspective. Human Development, 49(4), 193–224. https://doi. org/10.1159/000094368

Bray, B. C., & Dziak, J. J. (2018). Commentary on latent class, latent profile, and latent transition analysis for characterizing individual differences in learning. Learning and Individual Differences, 66, 105-110. https://doi. org/10.1016/j.lindif.2018.06.001

Caballero, K., & Bolívar, A. (2015). El profesorado universitario como docente: hacia una identidad profesional que integre docencia e investigación. REDU. Revista de Docencia Universitaria, 13(1), 57–77. https://bit.ly/318J5m3

Castellano-Ramos, C. (2018). Los pensamientos de los profesores universitarios de ciencias de la salud. Concepciones sobre enseñanza y aprendizaje. Palobra, 18, 116-133. https:// bit.ly/3k6jSiL

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2ª Ed.). Erlbaum.

Collins, L. M., & Lanza, S. T. (2010). Latent class and latent transition analysis: With applications in the social, behavioural, and health sciences. Wiley. https://doi. org/10.1002/9780470567333

Daumiller, M., Stupnisky, R., & Janke, S. (2020). Motivation of higher education faculty: Theoretical approaches, empirical evidence, and future directions. International Journal of Educational Research, 99, 1–6. https:// doi.org/10.1016/j.ijer.2019.101502

Esdar, W., Gorges, J., & Wild, E. (2016). The role of basic need satisfaction for junior academics’ goal conflicts and teaching motivation. Higher Education, 72(2), 175–190. https://doi.org/10.1007/ s10734-015-9944-0

Finney, S. J., & DiStefano, C. (2006). Nonnormal and categorical data in structural equation modeling. In G. R. Hancock & R. O. Mueller (Eds.), Structural equation modeling: A second course (pp. 269–314). IAP Information Age Publishing.

Gill, J. (2002). Bayesian methods: A social and behavioural sciences approach. CRC Press.

González‐Sanmamed, M., Muñoz‐Carril, P. C., & Santos‐Caamaño, F. (2019). Key components of learning ecologies: A Delphi assessment. British Journal of Educational Technology, 50(4), 1–17. https://doi.org/10.1111/bjet.12805

González-Sanmamed, M., Sangrà, A., Souto-Seijo, A., & Estévez, I. (2020). Learning ecologies in the digital era: challenges for higher education. Publicaciones, 50(1), 83–102. https://doi.org/10.30827/publicaciones.v50i1.15671

Han, J., & Yin, H. (2016). Teacher motivation: Definition, research development and implications for teachers. Cogent Education, 3(1). https:// doi.org/10.1080/2331186X.2016.1217819

Hipp, J. R., & Bauer, D. J. (2006). Local solutions in the estimation of growth mixture models. Psychological Methods, 11(1), 36–53. https://doi. org/10.1037/1082-989X.11.1.36

Jackson, N. (2013). The Concept of Learning Ecologies. En N. Jackson &

G. B. Cooper (Eds.), Lifewide Learning Education and Personal Development (pp. 1-21). https://bit.ly/2Bujbi1

Lechuga, V. M., & Lechuga, D. C. (2012). Faculty motivation and scholarly work: Self-determination and self-regulation perspectives. Journal of the Professoriate, 6(2), 59-97. https://bit.ly/3djik2o

Lo, Y., Mendell, N. R., & Rubin, D. B. (2001). Testing the number of components in anormal mixture. Biometrika, 88(3), 767-778. https://doi. org/10.1093/biomet/88.3.767

McMullen, J., Van Hoof, J., Degrande, T., Verschaffel, L., & Van Dooren, W. (2018). Profiles of rational number knowledge in Finnish and Flemish students–A multigroup latent class analysis. Learning and Individual Differences, 66, 70-77. https://doi.org/10.1016/j. lindif.2018.02.005

Ministerio de Universidades (2019). Sistema Integrado de Información Universitaria (SIIU). Madrid.

Monroy, L., Vidal, R., & Saade, A. (2010). Análisis de clases latentes. Una técnica para detectar heterogeneidad en poblaciones. Cuaderno técnico, 2. Centro Nacional de Evaluación para la Educación Superior, A.C.

Nylund, K. L., Asparouhov, T., & Muthén, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation Study. Structural Equation Modeling: A Multidisciplinary Journal, 14(4), 535–569. https://doi.org/10.1080/10705510701575396

Padilla, M.A., & Thompson, J. N. (2016). Burning out faculty at doctoral research universities. Stress and Health, 32(5), 551-558. https://doi.org/10.1002/smi.2661

Rao, M. B. (2016). Motivation of teachers in higher education. Journal of Applied Research in Higher Education, 8(4), 469-

https://doi.org/10.1108/JARHE-08- 2015-0066

Richardson, P. W., Karabenick, S. A., & Watt, H. M. G. (2014). Teacher Motivation: Theory and Practice. Routledge.

Rodríguez, S., Núñez, J. C., Valle, A., Blas, R., & Rosario, P. (2009). Auto-eficacia docente, motivación del profesor y estrategias de enseñanza. Escritos de Psicología, 3(1), 1–7. https://bit. ly/2NjVBqP

Ryan, R. M., & Deci, E. L. (2000). Intrinsic and extrinsic motivations: Classic definitions and new directions. Contemporary Educational Psychology, 25, 54–97.

Ryan, R. M., & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemporary Educational Psychology, 61, 101860. https://doi. org/10.1016/j.cedpsych.2020.101860

Schunk, D. H., Pintrich, P. R., & Meece, J. L. (2008). Motivation in education: Theory, research, and applications. Pearson Education.

Schwartz, G. (1978). Estimating the dimension of a model. The Annals of Statistics, 6(2), 461-464. https://doi. org/10.1214/aos/1176344136

Siemens, G. (2007). Connectivism: creating a learning ecology in distributed environments. En T. Hug (Ed.), Didactics of microlearning: Concepts, discourses and examples (pp. 53–68). Waxmann.

Stupnisky, R., BrckaLorenz, A., Yuhas, B., & Guay, F. (2018). Faculty members’ motivation for teaching and best practices: Testing a model based on self- determination theory across institution types. Contemporary Educational Psychology, 53, 15-26. https://doi.org/10.1016/j.cedpsych.2018.01.004

Suárez, M. J., & Martín, J. D. (2019). Influencia del perfil sociodemográfico del profesorado universitario sobre la inteligencia emocional y el burnout. Educación XX1, 22(2), 93-117. https:// doi.org/10.5944/educXX1.22514

Susacasa, S. (2013). Pedagogía médica: soporte de la formación docente específica para la enseñanza de las Ciencias de la Salud [Tesis doctoral, Universidad Nacional de la Plata]. https://bit. ly/3lYkc3B

van Lankveld, T., Schoonenboom, J., Volman, M., Croiset, G., & Beishuizen, J. (2017). Developing a teacher identity in the university context: a systematic review of the literature. Higher Education Research & Development, 36(2), 325–342. https://doi.org/10.1080/07294360.2016.1 208154

van den Berg, B.A.M., Bakker, A.B., & ten Cate, T.J. (2013). Key factors in work engagement and job motivation of teaching faculty at a university medical centre. Perspectives on Medical Education, 2, 264–275. https://doi. org/10.1007/s40037-013-0080-1

Visser-Wijnveen, G. J., Stes, A., & Van Petegem, P. (2014). Clustering teachers’ motivations for teaching. Teaching in Higher Education, 19(6), 644-656. https:// doi.org/10.1080/13562517.2014.901953

Watt, H. M. G., & Richardson, P. W. (2020). Motivation of higher education faculty: (how) it matters! International Journal of Educational Research, 100, 101533. https://doi.org/10.1016/j.ijer.2020.101533

Wosnitza, M., Helker, K., & Lohbeck, L. (2014). Teaching goals of early career university teachers in Germany. International Journal of Educational Research, 65, 90–103. ttps://doi.org/10.1016/j.ijer.2013.09.009

Zabalza, M. A., Zabalza, M. A., y de Côrte, M. I. (2018). Identidad profesional del profesorado universitario. En I. Cantón & M. Tardiff (Eds.), Identidad profesional docente (pp. 141– 157). Narcea.