Antecedentes académicos como predictores del rendimiento universitario en ciencias de la salud.
Resumen
Introducción: El rendimiento académico en estudiantes de primer año de carreras de ciencias de la salud, considera que la transición escuela–universidad, se plantea la relevancia de entender qué tan útiles son los antecedentes escolares y los estilos de aprendizaje para anticipar el desempeño universitario y diseñar apoyos tempranos. Objetivo: Analizar la relación entre antecedentes académicos escolares, primeras calificaciones universitarias y estilos de aprendizaje con el rendimiento semestral de estudiantes de Enfermería, Kinesiología, Obstetricia y Tecnología Médica. Métodos: Se realizó un estudio cuantitativo con 158 estudiantes de primer año, mayoritariamente mujeres y provenientes de establecimientos mixtos particular-subvencionados, principalmente de la región de Valparaíso. Se registraron Calificaciones de Educación Secundario (NEM), calificación de la primera evaluación universitaria, promedio semestral y estilos de aprendizaje mediante el cuestionario CHAEA. Resultados: Los hallazgos derivados de este estudio indican que el principal predictor del promedio semestral es el rendimiento de la primera evaluación universitaria, mientras que los estilos de aprendizaje CHAEA no se asocian significativamente con el rendimiento. Conclusión: Los antecedentes escolares tienen capacidad predictiva acotada sobre el rendimiento universitario, y las primeras calificaciones en la universidad emergen como indicadores tempranos más sensibles para detectar estudiantes en riesgo. Se recomienda fortalecer sistemas de monitoreo inicial y programas de apoyo académico que consideren tanto el rendimiento temprano como habilidades de estudio y adaptación al contexto universitario.
Descargas
-
Resumen0
-
pdf 0
Citas
1. Bustos C, López M, Pérez A, Rodríguez L. Academic stress in Health Sciences university students and its influence on academic performance. Salud, Ciencia y Tecnología. Salud, Ciencia y Tecnología. 2024, 4(3), e593. https://doi.org/10.56294/saludcyt2024.593
2. Silva, P, Sá, C, Biscaia, R, Teixeira, P. High School and Exam Scores: ¿Does Their Predictive Validity for Academic Performance Vary with Programme Selectivity? Alemania. Deustche Post Foundation, 2022. https://docs.iza.org/dp15350.pdf
3. Žuljević MF, Buljan I. Academic and non-academic predictors of academic performance in medical school: an exploratory cohort study. BMC Med Educ. 2022, 22(1), 366. https://doi.org10.1186/s12909-022-03436-1.
4. Tapasco-Alzate, O., Ruiz-Ortega, F, Osorio-García, D, Ramírez-Ramírez, D,. El historial académico de secundaria como factor predictor del rendimiento universitario. Caso de Estudio. Rev colomb educ. 2022, (81), 147-170. https://doi.org/10.17227/rce.num81-7530
5. Oliveira Silva G, Carneiro PRC, Aredes NDA, do Nascimento LR. Determinants of academic adaptation and quality of life of university students in the Brazilian Amazon region. Frontiers in Education. 2025, 10. https://doi.org/10.3389/feduc.2025.1530882
6. Chan LJ, Patel D, Khalid A, Ely K, Lagasca G, Simanton E. Impact of High School Quality on Academic Performance Throughout Medical School. Cureus. 2022, 14(11), e31496. https://doi.org/10.7759/cureus.31496.
7. Pérez Lizama, M. Ángel, Urrejola Contreras, G., Tiemann, P. Cuestionarios de bajo riesgo como predictores de resultados académicos: el papel de la motivación en la educación universitaria en ciencias de la salud. Revista Española De Educación Médica. 2025, 6(5). https://doi.org/10.6018/edumed.680941
8. Henríquez Cabezas, N., Vargas Escobar, D. Modelos predictivos de rendimiento y deserción académica en estudiantes de primer año de una universidad pública chilena. Rev estud exp educ. 2022, 21(45). http://dx.doi.org/10.21703/0718-5162.v21.n45.2022.015
9. Marca Maquera H, Coyla Zela M, Paredes RP. Factors at the household and university level that influence student dropout at UNAM. Front Educ. 2025, 10(1598687). https://doi.org10.3389/feduc.2025.1598687
10. Villarreal Fernández JE. Cuestionario Honey-Alonso de estilos de aprendizaje (CHAEA). Propiedades psicométricas en estudiantes universitarios colombianos: Honey-Alonso learning styles questionnaire (CHAEA). Psychometric properties in Colombian university students. Psicogente. 2023, 26(50). https://revistas.unisimon.edu.co/index.php/psicogente/article/view/6231
11. Palenzuela-Luis, N., Duarte-Clíments, G., Gómez-Salgado, J., Rodríguez-Gómez, J. Á., Sánchez-Gómez, MB. Comportamientos de salud y bienestar psicológico entre estudiantes de primer año de psicología, medicina y enfermería: un análisis transversal. Healthcare. 2025, 13(17), 2162. https://doi.org/10.3390/healthcare13172162
12. Astudillo-Araya, Ángela, Espinoza-Espinoza, M., Sandoval-Contreras, B. Learning styles in relation to academic performance in virtual modality of students of careers in the health area. Revista Digital De Investigación En Docencia Universitaria. 2024, 18(1), e1833. https://doi.org/10.19083/ridu.2024.1833.
13. McDaniel MA, Wally CM, Frey RF, Bates HK. Individual Differences in Student Learning: A Comparison Between the Student Approaches to Learning and Concept-Building Frameworks. Behav Sci (Basel). 2025, 15(8), 1055. https://doi.org/10.3390/bs15081055.
14. Liu Caixia, Zainudin Abu Bakar, Xu Qianqian. Self-Regulated Learning and Academic Achievement in Higher Education: A Decade Systematic Review. IJRISS. 2025, 9(3). https://dx.doi.org/10.47772/IJRISS.2025.90300358
15. Maureira Cid, F. Validez y confiabilidad del chaea en estudiantes de educación física de Chile. Revista Educación Física Chile. 2022, 8(271). https://revistas.umce.cl/index.php/refc/article/view/2067
16. Plak S, Cornelisz I, Meeter M, van Klaveren C. Early warning systems for more effective student counselling in higher education: Evidence from a Dutch field experiment. Higher Educ Q. 2022, 76, 131-152. https://doi.org/10.1111/hequ.12298
17. Valencia-Arias A, Valera Aredo JC, Valencia J, Cardona-Acevedo S, Patiño-Vanegas JC, Uribe Bedoya H. Key determinants of university dropout: academic, economic, and psychosocial factors in student retention. Front Educ. 2026, 10(1701644.). https://doi.org/10.3389/feduc.2025.1701644
18. Bruwer, A., Ontong, J. M. Early assessment as a predictor of academic performance: an analysis of the interaction between early assessment and academic performance by first-year accounting students at a South African university. South African Journal of Higher Education. 2020, 34(4), 11-26. https://doi.org/10.20853/34-4-3607
19. Almarabheh A, Shehata MH, Ismaeel A, Atwa H, Jaradat A. Predictive validity of admission criteria in predicting academic performance of medical students: A retrospective cohort study. Front Med (Lausanne). 2022, 8(9). https://doi.org10.3389/fmed.2022.971926
20. Jaehn M, Hissbach J, Frickhoeffer M, Weppert D, Zimmerhofer A, Hampe W, et al. Predictive validity of admission tests and educational attainment on preclinical academic performance - a multisite study. BMC Med Educ. 2025, 25(1), 1255. https://doi.org/10.1186/s12909-025-07974-2
21. Ruiz Ledesma, Elena Fabiola, Chavarría Báez, Lorena, García Sánchez, Juan Antonio. Estilos de aprendizaje del cuestionario Honey-Alonso y rendimiento académico en estudiantes universitarios. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo. 2025, 16(21), e964. https://doi.org/10.23913/ride.v16i31.2617
22. Peralta-Coque, B. D. L., D.L. Ángeles, Mejías, M. Estilos de aprendizaje en entornos de simulación clínica en estudiantes de enfermería. Revista científica multidisciplinaria arbitrada Yachasun. 2025, 9(17), 783-93. https://doi.org/10.46296/yc.v9i17.0723
23. Clinton-Lisell V, Litzinger C. Is it really a neuromyth? A meta-analysis of the learning styles matching hypothesis. Front Psychol. 2024, 15, 1428732. https://doi.org/10.3389/fpsyg.2024.1428732
24. Gonzalez T, de la Rubia MA, Hincz KP, Comas-Lopez M, Subirats L, Fort S, et al. Influence of COVID-19 confinement on students’ performance in higher education. PLOS ONE. 2020, 15(10), 1-23. https://doi.org/10.1371/journal.pone.0239490
25. Kuluşakl, E. Learning strategies and learning styles in distance learning in higher education. Front Psychol. 2026, 16(1659561). https://doi.org/10.3389/fpsyg.2025.1659561.
26. Zenteno Alberto, E. F., Velásquez Mendoza, A. Self-regulated learning in university students: A systematic review of empirical evidence (2015–2025). Desafíos. 2025, 16(2), 160-70. https://doi.org/10.37711/desafios.2025.16.2.9
27. Cobo-Rendón, R, López-Angulo, Y, Sáez-Delgado,F, Mella-Norambuena, J. Engagement, motivación académica y ajuste de estudiantado universitario. Revista Electrónica Educare (September-December). 2022, 26(3). https://doi.org/10.15359/ree.26-3.15
28. Quincho Apumayta R, Carrillo Cayllahua J, Cencho Pari A, Inga Choque V, Cárdenas Valverde JC, Huamán Ataypoma D. University Dropout: A Systematic Review of the Main Determinant Factors (2020-2024). F1000Res. 2024, 13(942). https://doi.org/10.12688/f1000research.154263.2
Derechos de autor 2026 Servicio de Publicaciones de la Universidad de Murcia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Las obras que se publican en esta revista están sujetas a los siguientes términos:
1. El Servicio de Publicaciones de la Universidad de Murcia (la editorial) conserva los derechos patrimoniales (copyright) de las obras publicadas y favorece y permite la reutilización de las mismas bajo la licencia de uso indicada en el punto 2.
© Servicio de Publicaciones, Universidad de Murcia
2. Las obras se publican bajo una licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0.
3. Condiciones de auto-archivo. Se permite y se anima a los autores a difundir electrónicamente las versiones preprint (versión antes de ser evaluada y enviada a la revista) y/o post-print (versión evaluada y aceptada para su publicación) de sus obras antes de su publicación, ya que favorece su circulación y difusión más temprana y con ello un posible aumento en su citación y alcance entre la comunidad académica.
This is a Diamond Journal 
