Conducta prosocial y autoatribuciones académicas en Educación Secundaria Obligatoria

Este estudio presenta los resultados sobre la relación que existe entre las autoatribuciones académicas en lenguaje y matemáticas en una muestra de 2.022 estudiantes de Educación Secundaria de 12 a 16 años. Los adolescentes fueron seleccionados aleatoriamente de 20 escuelas urbanas y rurales en las provincias de Alicante y Murcia, España. La conducta prosocial fue codificada con el Teenage Inventory of Social Skills y las autoatribuciones académicas fueron medidas mediante la Escala de Atribución Causal de Sydney (Sydney Attribution Scale, SAS; Marsh, 1984). El 17.35% de estudiantes de ESO fueron identificados como prosociales. Los chicos de 2º de ESO y las chicas de 4º de ESO presentaron la menor y mayor prevalencia puntual de conducta prosocial, respectivamente. Respecto a la asignatura de lenguaje, los estudiantes prosociales atribuyen significativamente el éxito a la capacidad, el esfuerzo y, en menor medida, a causas externas. En cuanto a la asignatura de matemáticas, los estudiantes prosociales atribuyeron el éxito significativamente más al esfuerzo y significativamente menos a causas externas, mientras que atribuyeron el fracaso significativamente más a la falta de esfuerzo. Además, los datos han permitido crear un modelo de regresión logística que permite hacer estimaciones correctas respecto a la probabilidad de éxito académico en matemáticas, en lenguaje y en todas las asignaturas aprobadas en estudiantes prosociales de E.S.O. a partir de las puntuaciones en atribuciones académicas.

Individual differences in predicting occupational success: The effect of population heterogeneity

Using a sample of 339 university graduates from the University of Alicante (Spain) three years after completion of their studies, we studied the relationships between general intelligence (GI), personality traits, emotional intelligence (EI), academic performance, and occupational attainment and compared the results of conventional regression analysis with the results obtained from applying regression mixture models. The results reveal the influence of unobserved population heterogeneity (latent class) on the relationship between predictors and criteria and the improvement in the prediction obtained from applying regression mixture models compared to applying a conventional regression model.