a. Profesor Titular-investigador a tiempo completo en la Universidad Simón Bolívar de Venezuela (USB), adscrito al Departamento de Ciencia y Tecnología del
Comportamiento. Lic. en Psicología por la Universidad Católica Andrés Bello (UCAB); especializaciones en Psicología Cognitiva (UCAB) y Gerencia de Proyectos
(USB); Magíster en Psicología Cognitiva (UCAB); Doctor en Ciencias de la Educación por la Universidad Nacional Experimental Simón Rodríguez y Doctor en
Psicología (UCAB). Para contactar al autor: czerpa@usb.ve
a. Administrador de Empresas - Universidad de Montana, Estados Unidos; Especialista en Finanzas - Universidad Internacional de la Florida. Estados Unidos.
Magister en Educación - Universidad Católica Andrés Bello de Venezuela; Doctor en Educación de la Universidad Central de Venezuela; Docente-investigador de
la Universidad Autónoma del Caribe (Barranquilla -Colombia). Para contactar al autor: antonio.donado@uac.edu.co
a. Profesora a tiempo completo-investigadora de la Universidad Autónoma del Caribe, Colombia; Especialista en Pedagogía y Psicología Clínica; Magister en
Psicología (énfasis en calidad de vida y desarrollo humano). Doctoranda en Psicología. Presidenta del capítulo zona norte del Colegio Colombiano de Psicólogos
y directora del Programa de Psicología de la Universidad Autónoma del Caribe. Para contactar a la autora: betty.ruiz@uac.edu.co
ISSN (en línea): 1814-4152 / Sitio web: http://cuaderno.pucmm.edu.do
CÓMO CITAR: Zerpa, C., Donado, A. y Ruiz, B. (2020). The Teacher Behaviors Checklist. Adaptación y propiedades psicométricas en una muestra de estudiantes
del Caribe colombiano. Cuaderno de Pedagogía Universitaria, Vol. 17, n.º 34, julio-diciembre, pp. 68-82
The Teacher Behaviors Checklist.
Adaptación y propiedades
psicométricas en una muestra de
estudiantes del Caribe colombiano
The Teacher Behaviors Checklist: Adaptation and
psychometrics properties in Caribbean Colombian
University Students
Recibido: 16 de febrero de 2020 / Aceptado: 31 de mayo de 2020
Resumen
El propósito de la investigación fue la estimación de las
propiedades psicométricas de una adaptación de la
versión en español del Teacher Behaviors Checklist o
TBC en el contexto universitario colombiano,
instrumento que mide la excelencia docente en
educación superior. Participaron N = 398 estudiantes:
167 (41,96%) de sexo masculino y 231 (58,04%) de
sexo femenino, de nueve (9) universidades del Caribe
colombiano. Se realizaron tres estudios de tipo
correlacional empleando técnicas estadísticas
multivariantes de reducción de datos: en el primer
estudio se realizó un Análisis de componentes
principales (ACP), el cual arrojó seis componentes y
apoyó el modelo de primer orden con dos factores
reportados por los autores del instrumento en idioma
inglés. Considerando el criterio de selección de
Lautenschlager (1989) en torno a la magnitud de los
autovalores para los primeros tres factores, se realizó
un segundo estudio recurriendo al análisis factorial exploratorio (AFE) para soluciones
unifactorial, bifactorial y trifactorial, empleando como método de extracción la máxima
verosimilitud y la rotación Oblimin. Solo la solución unifactorial se adecuó a los parámetros
establecidos (
1 = 8,061; σ x1 = 28,791%) para los primeros tres factores bajo el supuesto de
autovalores mayores o iguales a uno. Se denominó al factor “habilidad para la enseñanza
efectiva y el aprendizaje activo (EEyAA)”. El tercer estudio reporta el análisis factorial
UNIVERSIDAD SIMÓN BOLÍVAR,
VENEZUELA
czerpa@usb.ve
CARLOS ENRIQUE ZERPA
UNIVERSIDAD AUTÓNOMA DEL CARIBE,
COLOMBIA
antonio.donado@uac.edu.co
ANTONIO DONADO
UNIVERSIDAD AUTÓNOMA DEL CARIBE,
COLOMBIA
betty.ruiz@uac.edu.co
BETTY LUZ RUIZ
a
b
c
68
2
69
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 68-82
Palabras clave: evaluación; excelencia docente; Teacher Behavior Checklist; análisis factorial
confirmatorio; estudiantes universitarios.
El propósito de la investigación fue la estimación de las
propiedades psicométricas de una adaptación de la
versión en español del Teacher Behaviors Checklist o
TBC en el contexto universitario colombiano,
instrumento que mide la excelencia docente en
educación superior. Participaron N = 398 estudiantes:
167 (41,96%) de sexo masculino y 231 (58,04%) de
sexo femenino, de nueve (9) universidades del Caribe
colombiano. Se realizaron tres estudios de tipo
correlacional empleando técnicas estadísticas
multivariantes de reducción de datos: en el primer
estudio se realizó un Análisis de componentes
principales (ACP), el cual arrojó seis componentes y
apoyó el modelo de primer orden con dos factores
reportados por los autores del instrumento en idioma
inglés. Considerando el criterio de selección de
Lautenschlager (1989) en torno a la magnitud de los
autovalores para los primeros tres factores, se realizó
un segundo estudio recurriendo al análisis factorial exploratorio (AFE) para soluciones
unifactorial, bifactorial y trifactorial, empleando como método de extracción la máxima
verosimilitud y la rotación Oblimin. Solo la solución unifactorial se adecuó a los parámetros
establecidos (
1 = 8,061; σ x1 = 28,791%) para los primeros tres factores bajo el supuesto de
autovalores mayores o iguales a uno. Se denominó al factor “habilidad para la enseñanza
efectiva y el aprendizaje activo (EEyAA)”. El tercer estudio reporta el análisis factorial
confirmatorio (AFC) y muestra ajuste parcial del instrumento unifactorial al modelo teórico
(RMSEA = 0,063). El instrumento final quedó conformado por 22 ítemes. El valor alfa de
Cronbach para esta escala fue alto con una magnitud de α = 0,901. Se concluye que el TBC
resulta un instrumento válido para la evaluación de la excelencia docente por parte de
estudiantes universitarios colombianos.
The aim of this research was estimate the psychometric properties of an adaptation of the
spanish version of the Teacher Behavior Checklist or TBC in the Colombian university context,
an instrument that measures teaching excellence in higher education. N = 398 students
participated: 167 (41,96%) male and 231 (58,04%) female, from nine universities in the
Colombian Caribbean. Three correlational studies were carried out using multivariate statistical
data reduction techniques: in the first study, a Principal component analysis (PCA) was
performed, which yielded six components and supported the first order model with two factors
reported by the authors of the English language instrument. Considering the selection criteria of
Lautenschlager (1989) around the magnitude of the eigenvalues for the first three factors, a
second study was carried out using the Exploratory factor analysis (EFA) for unifactorial,
bifactorial and trifactorial solutions, using as extraction method the maximum likelihood and
Oblimin rotation. Only the uni-factorial solution adapted to the established parameters (
1 =
8,061; σ
x1 = 28,791%) for the first three factors under the assumption of eigenvalues greater
than or equal to one . The factor was called “Ability for effective teaching and active learning
(EEyAA)”. The third study reports the Confirmatory factor analysis (CFA) and shows partial
adjustment of the unifactorial instrument to the theoretical model (RMSEA = 0,063). The final
instrument was made up of 22 items. Cronbach's alpha value for this scale was high with a
magnitude of α = 0,901. It is concluded that the TBC is a valid instrument for the evaluation of
teaching excellence by Colombian university students.
Abstract
Keywords: Teaching Evaluation, Teaching Excellence, Teacher Behavior Checklist,
Confirmatory Factor Analysis, University Students
1. Introducción
En todo sistema universitario de las
naciones donde la educación se ha
convertido en una variable significativa del
desarrollo económico, la innovación
tecnocientífica y el fortalecimiento de las
instituciones democráticas, la evaluación de
la calidad docente representa uno de sus
elementos más importantes. ¿Qué hace a
un buen docente y cómo se le puede
reconocer?, es la pregunta crítica que al
respecto formulan Shevlin, Banyard, Davies
y Griffiths (2000) en tanto la evaluación
docente debe basarse en su habilidad para
generar cambio personal y desarrollo en los
estudiantes. En la actualidad no solo el
dominio de la disciplina es el aspecto que
caracteriza a un buen docente o un docente
de calidad, sino que debe mostrar un
mejoramiento continuo como resultado de
una autoevaluación permanente de las
estrategias que utiliza con el estudiante para
promover su aprendizaje (Elton, 1998;
Kreber, 2002; Liu, et al., 2016; Roth y Smith,
2009). Al respecto, algunas investigaciones
encuentran la habilidad de liderazgo como
la más sobresaliente (p. e.: Bruça, 2019;
Ersozlu y Saklan, 2016). Esto contrasta con
estudios realizados en Colombia en los que
se distingue una mayor tendencia a
subrayar habilidades sociales y dominio
de Tecnologías de Información y
Comunicación para la enseñanza (p. e.:
Ruiz y Donado, 2017). Entre los
investigadores también se encuentran
2
70
quienes se muestran escépticos acerca de
cuán posible es definir las características de
los profesores destacados (Cronin, 1992;
Weimer, 1993).
Feldman (1976) resumió los resultados de
49 estudios que preguntaban a los
estudiantes cuáles eran las características y
actitudes de los docentes altamente
eficientes. La tabla de Feldman comprendía
19 características. En 1995, Lowman
analizó las nominaciones de 500 acadé-
micos a premios de excelencia docente
entre los años 1989 y 1991. Para la síntesis
de las 500 nominaciones, Lowman codificó
todos los adjetivos y las palabras descrip-
tivas más utilizadas, lo que le permitió definir
dos dimensiones para agrupar a los
profesores de excelencia: entusiasmo
intelectual por el conocimiento enseñado y
preocupación por el mejoramiento continuo
del estudiante.
William Buskist, de Auburn University, ha
estudiado el constructo de “excelencia
docente como expresión de la calidad
docente” (Keeley, Christopher y Buskist,
2012) y desarrolló un instrumento objetivo
de medida de esta variable denominado
Teacher Behavior Checklist (Buskist,
Sikorski, Bucklei y Saville, 2002) o TBC por
sus siglas en inglés. Este instrumento está
respaldado por un óptimo grado de
confiabilidad (α = 0,68 y 0,71 para sus
subescalas) (Keeley, Smith y Buskist,
2006), no solo entre universidades de
Estados Unidos, sino también en los
resultados obtenidos en países de
marcadas diferencias culturales como
Japón (Keeley, et al., 2012). Para Buskist et
al. (2002), las descripciones específicas de
lo que consideran “excelentes cualidades
docentes” reportadas por estudiantes
universitarios coinciden en al menos los
siguientes criterios o atributos observados
en profesores: (a) que tengan expectativas
realistas y prácticas de calificación
equitativa, (b) que estén bien informados o
posean amplio dominio de los temas de
instrucción, (c) que sean accesibles y
agradables, (d) respetuosos, (e) creativos e
interesantes y (f) entusiastas. Estas
cualidades pueden ser comunes en una
amplia gama de instituciones de educación
superior (Schaeffer, Epting, Zinn y Buskist,
2003).
En torno a ello, el instrumento se desarrolló
con base en descripciones tomadas de
diferentes fuentes acerca de lo que se
considera un docente de excelencia
(estudiantes, egresados, profesores,
administrativos) y permitió reducir las
características a un grupo de 28
afirmaciones que expresan los rasgos de lo
que se considera como un docente de
excelencia (Buskist, 2015). Este
instrumento se ha constituido en una valiosa
herramienta de evaluación para la mejora
de la docencia en la educación superior y
puede ser muy útil para profesores en
formación. O`Meara (2007) observa la
significativa semejanza de los rasgos
descritos por Lowman (1995) y las 28
características que contiene el inventario
TBC realizado por Buskist, et al. (2002).
Para Buskist (en preparación): 1) la apertura
del profesor y su accesibilidad (rapport);
su compromiso, entusiasmo, destrezas
pedagógicas y habilidades para la comu-
nicación; la equidad a la hora de evaluar; su
dominio conceptual del área de cono-
cimiento y credibilidad; y las destrezas para
preparar clases y para atender las
inquietudes y dificultades de sus estu-
diantes, son cinco (5) atributos que
usualmente asocian los estudiantes a un
docente de excelencia. 2) Utilizando la
metodología de los grupos focales, Revell y
Wainright (2009) pidieron a los estudiantes
describir lo que consideraban “una clase a la
que no se puede faltar” y encontraron que
esta se caracteriza por tres componentes:
primero, aplica principios del aprendizaje
activo; segundo, el profesor sigue un plan
para la clase y tercero, es una clase dada
con pasión; 3) Cuando la investigación se
realizó con una muestra de profesores, se
observó que sus definiciones de las
características de un docente excelente
tienen mucho en común con las ofrecidas
por los estudiantes.
A pesar de la importancia que en el ámbito
71
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 68-82
académico internacional ha tenido este
tema, especialmente en la última década,
son pocas las referencias que subrayan el
empleo del instrumento TBC en estudiantes
latinoamericanos y, especialmente, no han
sido evaluadas sus propiedades
psicométricas en el contexto colombiano.
En tal sentido, la pregunta que buscaba
responder la investigación fue ¿cuál es la
estructura factorial del instrumento TBC al
adaptarse al contexto local del Caribe
colombiano?, es decir, se buscaba poner a
prueba el TBC al adaptar su construcción y
contenido en una muestra de estudiantes de
esta región suramericana. El objetivo
general del estudio fue contrastar diferentes
soluciones de estructura factorial del
instrumento mediante un análisis
confirmatorio; de manera específica, el
estudio buscó analizar sociodemo-
gráficamente a la muestra de participantes y
estimar las propiedades psicométricas del
instrumento para su uso en el contexto local
colombiano, lo cual en sí mismo se
constituye en razón que justifica la
importancia de esta propuesta en
momentos que a nivel institucional en las
universidades colombianas se pretende
afinar el sistema de evaluación de la gestión
docente.
El resto del artículo presentará en
consecuencia el proceso seguido para
adaptar y establecer las propiedades
psicométricas del instrumento TBC en una
muestra de estudiantes del Caribe
colombiano y está organizado de la
siguiente manera: un primer estudio que
presenta el análisis de componentes
principales (ACP) del instrumento, el cual
permitió plantear tres posibles modelos
rivales de estructura de componentes (uni,
bi y trifactorial); un segundo estudio que
presenta el análisis factorial exploratorio
(AFE), y un tercer estudio que muestra el
análisis factorial confirmatorio (AFC) con la
solución factorial que obtuvo mejor ajuste,
destacando además el análisis de su
confiabilidad.
Participantes. 398 estudiantes univer-
sitarios, 167 de sexo masculino (41,96%) y
231 de sexo femenino (58,04%), que
cursaban diferentes carreras en nueve (9)
instituciones de educación superior en
Colombia, conformaron una muestra
intencional, no probabilística, a la cual se le
administró el instrumento TBC. La tabla 1
resume las características de la muestra de
participantes. Se observa en ella que más
de la mitad (54,71%) cursaban los primeros
cuatro semestres de estudio en las
Universidades donde se administró el
instrumento y la mayor parte cursaban
estudios en Ciencias Sociales (32,41%) e
Ingeniería (27,14%).
Solución factorial inicial: Se realizó la
traducción del instrumento TBC del idioma
inglés al idioma español y viceversa, para
establecer la correspondencia semántica de
cada uno de los ítemes de la versión original
de Buskist et al. (2002) con su versión en
lengua hispana, bajo el consenso de
traductores expertos. El formato gráfico del
instrumento se ajustó conforme al original
en inglés y se estableció la instrucción
“Todo profesor de excelencia (es)…”
Posteriormente a la recolección de los
datos, se procedió a efectuar al TBC un
análisis de componentes principales; se
empleó el programa SPSS v.17, empleando
la solución Kaiser (1960) y el criterio de
Cattell (1958), estimándose autovalores
mayores que 1, y buscando el punto de
inflexión de los componentes al observar el
gráfico de sedimentación; la técnica de
extracción de componentes empleada se
efectuó sin rotación alguna, en tanto se
buscaba identificar la estructura inicial de
componentes primarios para la versión del
instrumento en idioma español.
Para la solución inicial de componentes, se
optó por emplear como referente el criterio
de Lautenschlager (1989, p. 376) para N =
300 (casos) y P = 30 (itemes), el cual señala
que la selección óptima de componentes
implica retener aquellos cuyos autovalores
2. Materiales, Métodos y
Resultados de los análisis
2.1 Primer Estudio: Análisis de
componentes principales
72
resulten ser iguales o mayores a
n=1,48
(
1=1,64 para el primer factor, 2=1,56; para
el segundo factor,
3=1,48; para el tercer
factor), hallazgos reportados en estudios
con datos sintéticos, empleando simula-
ciones Monte Carlo”.
Los valores de las pruebas de KMO y
Bartlett que preliminarmente se realizaron
para establecer la adecuación de la muestra
al análisis y la pertinencia de realizar la
reducción de factores, pueden observarse
en la tabla 2. Moral de la Rubia (2006)
afirma que, bajo convención estadística, a
mayor índice del test KMO, la relación entre
las variables será más alta (KMO ≥ 0,9, el
test es muy bueno; notable para KMO ≥
0,8; mediano para KMO ≥ 0,7; bajo para
KMO ≥ 0,6; y muy bajo para KMO < 0,5).
El valor obtenido para este índice en el
análisis de componentes principales del
TBC fue de KMO = 0,923, muy bueno en
términos de la adecuación de las variables.
Respecto a la prueba de esfericidad de
Bartlett, que evalúa la aplicabilidad del
análisis factorial a las variables estudiadas
asumiendo que los datos provienen de una
distribución normal multivariante, se
rechaza la hipótesis nula de esfericidad, es
decir, que la matriz de correlaciones
observadas sea igual a la matriz identidad,
puesto que Sig. (p-valor) resultó menor a
0,05. Lo anterior indica que es procedente
realizar la reducción de datos.
Masculino (nm)
Femenino (n
f)
167
231
129
12
3
108
69
23
12
42
66
11
52
89
28
25
43
30
37
13
4
32,41
3,01
0,75
27,14
17,33
5,78
3,02
10,55
16,58
2,7
13,07
22,36
7,04
6,28
10,80
7,54
9,30
3,27
1,01
32,41
35,42
36,17
63,31
80,64
86,42
89,44
100
16,58
19,28
32,35
54,71
61,75
68,03
78,83
86,37
95,67
98,94
100
41,96
58,04
41,96
58,04
398
398
41,96
100
100,0
Ciencias Sociales y Humanas
Arte y Diseño
Jurisprudencia
Ingeniería
Ciencias Económicas y Contables
Ciencias de la Salud
Ciencias de la Educación
Otras
Primero
Segundo
Tercero
Cuarto
Quinto
Sexto
Séptimo
Octavo
Noveno
Décimo
Décimo segundo
SEXO
AREA DE CONOCIMIENTO
SEMESTRE QUE CURSA*
FRECUENCIA % TOTAL (N ) % ACUMULADO
Tabla 1. Caracterización de la muestra de participantes.
No se tomaron datos para cursantes del Décimo primer trimestre
73
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 68-82
El resultado del análisis de componentes
principales se muestra en la tabla 3. En
dicha tabla se observan seis (6)
componentes que cumplen con el criterio de
Kaiser (1960) de poseer autovalores
iguales o mayores a 1 (convergencia en 25
iteraciones): el primero
1 = 8,06, que
explica el 28,79% de la varianza; el segundo
2 = 1,67, el cual explica 5,98% de la
varianza; el tercero
3 = 1,31, que da cuenta
de un 4,67% de la varianza; un cuarto
componente con
4 = 1,19 que da cuenta
del 4,23% de la varianza; el quinto
5 = 1,11
con un 3,96% de la varianza y el sexto
6 =
1,03 para un 3,67% de la varianza. Los
factores
1 a 6 dan cuenta, en conjunto, del
51,29% de la varianza del instrumento.
Con base a los criterios de retención de
componentes de Lautenschaleger (1989),
de forma similar a como lo hicieron los
autores del TBC, solo los dos primeros
factores se ajustan a tal exigencia, a saber:
1 = 8,06, que explica el 28,79% de la
varianza y
2 = 1,67, el cual explica 5,98%
de la varianza. El resto de los componentes
pudieran excluirse de acuerdo a estos
parámetros. Sin embargo, la inspección
visual del gráfico de sedimentación obtenido
para las variables en estudio permitió ver
una estructura de tres (3) factores (punto de
inflexión a partir del tercer factor). Esto
sugiere la necesidad de observar con
mucho detalle la matriz de cargas factoriales
(tabla 4) derivada del análisis para
establecer cuál es la solución inicial más
conveniente: una compuesta por un factor
único; otra compuesta por dos factores; o
bien, una estructura compuesta por tres
factores. Estos resultados obtenidos con
estudiantes latinos (colombianos), psicomé-
tricamente hablando, son parcialmente
disimilares a los obtenidos en la validación
original de Keeley et al. (2006) con
estudiantes anglosajones en la cual la
solución inicial arrojó claramente dos (2)
componentes principales. No hay una
correspondencia hacia un modelo claro de
uno (1) o dos (2) factores, tal como se
encontró en la validación del TBC en idioma
inglés. Esto sugiere la necesidad de realizar
análisis adicionales.
La tabla 4 sugiere la posibilidad de que la
composición factorial del instrumento TBC
para la muestra de validación de estu-
diantes colombianos pueda resultar en tres
(3) componentes, salvando los criterios de
Lautenschlager (1989) sobre la exclusión de
componentes con base al peso de los
primeros autovalores estimados.
Medida de Adecuación Kaiser-Meyer-Olkin
Test de esfericidad
de Bartlett
0,92
3213,65
378
0,00
Approx. χ2
gl
Sig.
Método de extracción: componentes principales
Tabla 2. Estadísticos de adecuación de las
variables para la reducción de datos.
1
2
3
4
5
6
…
28
8,06
1,67
1,31
1,19
1,11
1,03
…
0,36
28,79
5,98
4,67
4,23
3,96
3,67
...
1,29
28,79
34,77
39,44
43,67
47,62
51,29
...
100,00
8,06
1,67
1,31
1,19
1,117
1,03
28,79
5,98
4,67
4,23
3,96
3,67
28,79
34,77
39,44
43,67
47,62
51,29
AUTOVALORES INICIALES SUMAS DE EXTRACCIÓN DE CARGAS
Componente Total Total% de Varianza % Acumulado % Acumulado% de Varianza
Tabla 3. Matriz de varianza explicada para el análisis de componentes principales del TBC. Solución inicial.
74
Tabla 4. CMatriz de componentes principales del TBC versión en español. Solución inicial.
No se tomaron datos para cursantes del Décimo primer trimestre
Solución unifactorial. Se realizó un análisis
factorial exploratorio, empleando como
método de extracción la máxima vero-
similitud. La rotación efectuada a los
factores fue la Oblimin no ortogonal dado
que se esperaba un comportamiento psico-
métrico similar a los resultados del análisis
factorial del instrumento original (Keeley, et
al., 2006), y de acuerdo a la teoría, es decir,
que se reportara correlación entre los
factores que se identificasen. Al respecto,
se estimaron tres soluciones con base al
hallazgo preliminar que arrojó la extracción
de componentes principales: de un factor,
de dos factores y de tres factores.
Para realizar el análisis factorial se partió del
presupuesto original de Keeley, et al. (2006)
1) Accesible
2) Agradable
3 )Firme/directo
4) Confiable
5) Creativo e interesante
6) Comunicador efectivo
7) Motivador y solidario
8) Demuestra pasión por la enseñanza y el tema de sus cursos
9) Define los objetivos de su curso y los de cada sesión o clase
10) Flexible y de mente abierta
11) Sabe escuchar
12) De actitud positiva/Con sentido del humor
13) Humilde
14) Competente en su disciplina
15) Planificado
16) Presenta información actualizada
17) Viste con buen gusto y respeto por su profesión
18) Promueve la discusión en clase
19) Promueve el pensamiento crítico y estimula el uso de la inteligencia
20) Refuerza positivamente al estudiante
21) Sabe administrar el tiempo de la clase
22) Hace de la clase un ambiente para la confianza mutua y la comunicación abierta
24 )Respetuoso
25) Sensitivo y paciente
26) Se esfuerza por ser un mejor profesor
27) Sabe usar las TIC
28) Comprensivo
2.2 Segundo Estudio: Análisis
factorial exploratorio
23) Realista en relación con las competencias de sus estudiantes;
examina y califica con justicia
1
0,52
0,56
0,46
0,61
0,60
0,68
0,41
0,66
0,50
0,41
0,63
0,61
0,40
0,60
0,62
0,50
0,52
0,55
0,58
0,58
0,56
0,52
0,61
0,55
0,54
-0,41
2 3 4 5 6
0,51
0,47
0,52
0,56
0,57
0,43
0,43
COMPONENTES
75
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 68-82
Método de extracción: máxima verosimilitud.
1
2
3
…
28
8,06
1,67
1,31
…
0,36
28,79
5,99
4,67
...
1,29
28,79
34,77
39,44
...
100,00
7,35 26,26 26,26
AUTOVALORES INICIALES SUMAS DE EXTRACCIÓN DE CARGAS
Factor Total Total% de Varianza % Acumulado % Acumulado% de Varianza
Tabla 5. Varianza total explicada de la versión en español del TBC. Solución unifactorial.
respecto a la composición factorial original
del TBC, el cual evidenció estar compuesto
por dos factores: el primer factor se
corresponde con “caring and supportive”
(cuidado y apoyo) y el segundo factor se
corresponde con “professional competency
and communication skills” (habilidades
de comunicación y de competencia
profesional). En realidad, los autores
refieren que una estructura factorial de un
solo factor: “good teaching” (buena
enseñanza) es psicométricamente equiva-
lente a un modelo de dos factores (p.90)
pues ajusta bien en ambos modelos. Esto
supone hacer el cálculo para un solo factor;
para dos factores, estimando los índices de
ajuste tal como lo hicieron los autores del
instrumento y para tres factores, con base
en los hallazgos del análisis de
componentes principales con estudiantes
colombianos que se reporta en la sección
anterior.
Para la solución de un factor se encontró un
componente con autovalor
i = 8,06 que da
cuenta de un 28,79% de la varianza total del
instrumento (ver tabla 5). Las cargas
factoriales estimadas oscilan entre 0,44 y
0,66, ubicándose la mayoría alrededor de
0,50. Esta solución no implicó rotación
alguna pues se trata de la extracción de un
único factor. No obstante, se observa que
seis (6) ítemes presentan cargas factoriales
por debajo del punto de corte para la carga
de cualquier ítem en el instrumento (0,40):
ítem 7 (“motivador y solidario”); ítem 10
(“flexible y de mente abierta”); ítem 12 (“de
actitud positiva/con sentido del humor”);
ítem 14 (“competente en su disciplina”); ítem
17 (“viste con buen gusto y respeto por su
profesión”); e ítem 25 (“sensitivo y
paciente”). Al cargar con valores menores a
lo mínimo esperado se concluye que deben
sustraerse de una eventual versión final
unifactorial del TBC.
Solución bifactorial. La opción de dos (2)
factores se realizó bajo las consideraciones
mencionadas anteriormente (incluyendo la
rotación Oblimin por la suposición teórica de
relación entre los factores) y resultó en lo
que se observa en la tabla 6, la cual muestra
la varianza explicada para esta solución;
en ella se cumplen los criterios de
Lautenschlager (1989) para los primeros
dos factores en tanto tienen autovalores
superiores a 1 pero con
i ≥ 1,48. En tal
sentido, se estimó un primer componente
1
= 8,06, el cual da cuenta de un 28,79% de la
varianza del instrumento, y un segundo
componente
2 = 1,67, que arroja un 5,98%.
En conjunto, ambos componentes suman
un 34,77% de la varianza total del TBC. El
tercer componente tiene
3 ≤ 1,48 por
lo cual, no cumple el criterio de
Lautenschlager para considerarse un buen
factor.
Las cargas factoriales para los ítemes
iguales o superiores a 0,40 (como criterio de
inclusión de acuerdo al estudio original con
la muestra anglosajona) se distribuyen en el
factor 1 con valores que oscilan entre 0,44 y
0,67 (ítemes 1, 2, 4, 5, 6, 8, 9, 11, 13, 15, 16,
18, 19, 20, 21, 22, 23, 24, 26 y 27). Para el
factor 2 se obtienen cargas factoriales que
oscilan entre valores iguales o inferiores a
0,10 y 0,38. Ninguno de los ítemes para este
factor obtienen cargas factoriales iguales o
mayores a 0,40 por lo cual se excluyen de
76
Método de extracción: máxima verosimilitud y la rotación no ortogonal de factores Oblimin
1
2
3
4
…
28
8,06
1,67
1,31
1,19
…
0,36
28,79
5,98
4,67
4,23
...
1,29
28,79
34,77
39,44
43,67
...
100,00
7,39
0,97
26,38
3,48
AUTOVALORES INICIALES SUMAS DE EXTRACCIÓN DE CARGAS
Factores Total Total% de Varianza % Acumulado % Acumulado% de Varianza
Tabla 6. Matriz de varianza explicada para el análisis de componentes principales del TBC. Solución de
dos (2) componentes.
una eventual selección dado que no
satisfacen el criterio mínimo de inclusión. Al
igual que en la solución unifactorial, no
cargan en el factor 1: ítem 7 (“motivador y
solidario”); ítem 10 (“flexible y de mente
abierta”); ítem 12 (“de actitud positiva/con
sentido del humor”); ítem 14 (“competente
en su disciplina”); ítem 17 (“viste con buen
gusto y respeto por su profesión”); e ítem 25
(“sensitivo y paciente”). Esta solución
bifactorial es esencialmente diferente a la
reportada por los autores del instrumento.
La interpretación de ambos factores no
resulta sencilla aun si se consideraran
cargas factoriales inferiores a 0,40. La
correlación entre los factores 1 y 2 es de
0,58.
Solución trifactorial. La opción de tres (3)
factores también se analizó bajo las
consideraciones mencionadas anterior-
mente (incluyendo la rotación Oblimin por la
suposición teórica de relación entre los
factores) y resultó en lo que se observa en
la tabla 7, la cual muestra la varianza
explicada para esta solución, observán-
dose que solo para los primeros dos
factores se cumplen los criterios de
Lautenschlager (1989) en tanto tienen
autovalores superiores a 1 con
i ≥ 1,48, a
saber:
1 = 8,06, lo cual da cuenta de un
28,79% de la varianza del instrumento, y
2
= 1,67, que arroja un 5,98% de la varianza
del instrumento; el tercero,
3 = 1,31, arroja
una varianza de 4,67%. En conjunto, estos
tres (3) componentes suman un 39,44% de
la varianza total del TBC. En esta solución
se está tomando en cuenta el componente
3 aún cuando su valor es inferior al i
=1,48.
Las cargas factoriales de los ítemes iguales
o superiores a 0,40 (como criterio de
inclusión de acuerdo al estudio original con
la muestra anglosajona) se distribuyen en el
factor 1 con valores que oscilan entre 0,44 y
0,67 (ítemes 1, 2, 3, 4, 5, 6, 8, 9, 10, 11, 13,
15, 16, 18, 19, 20, 21, 22, 23, 24, 26, 27 y
28). Para el factor 2 se observan valores
absolutos que oscilan entre iguales o
inferiores a 0,10 y 0,37. Ninguno de estos
ítemes satisface el criterio mínimo de
Método de extracción: máxima verosimilitud.
1
2
3
…
28
8,06
1,67
1,31
…
0,362
28,79
5,98
4,67
...
1,293
28,79
34,77
39,44
...
100,00
7,42
0,99
0,70
26,48
3,53
2,51
26,48
30,02
32,53
AUTOVALORES INICIALES SUMAS DE EXTRACCIÓN DE CARGAS
Factores Total Total% de Varianza % Acumulado % Acumulado% de Varianza
Tabla 7. Varianza total explicada para la versión en español del TBC con una solución de tres (3) factores.
77
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 68-82
instrumento en la población de estudiantes
universitarios colombianos. Se desechan
así las soluciones bifactorial y trifactorial por
considerarse que no pueden interpretarse
satisfactoriamente en tanto no cumplen los
requisitos psicométricos para ello.
inclusión (carga factorial igual o mayor a
0,40). Un tercer factor arroja un (1) solo
ítem con carga factorial de 0,42 (ítem 18),
pero es menor para este factor que para el
primero (0,48), adjudicándose su carga a
dicho factor, en consecuencia. Para este
tercer factor las cargas factoriales absolutas
de los ítemes oscilan entre valores iguales o
inferiores a 0,10 y 0,42. Esta solución es
completamente diferente a la reportada por
los autores del instrumento. La correlación
entre el factor 1 y el factor 2 es de 0,57;
mientras que la correlación entre el factor 1
y el factor 3 es de apenas 0,02. El factor 2 y
el 3 correlacionan solo en 0,06.
La interpretación de las soluciones de dos y
tres factores no resulta óptima dado que las
mismas no satisfacen los criterios esta-
blecidos para la pertenencia de los ítemes a
un factor dado. En consecuencia, se
privilegia la interpretación de la solución
unifactorial por considerarse la más
apropiada para la muestra de validación
colombiana.
En dicha solución (tabla 5) cargan en el
factor todas las características del docente
que parecen referirse a la “Habilidad para la
enseñanza efectiva y el aprendizaje activo
(EE y AA)”, una destreza que puede
definirse como la combinación de pericias
del docente de excelencia referidas por
diversos investigadores como: el liderazgo
(Gray, 1990), el planteamiento de metas
compartidas (Lee, Bryk y Smith, 1993), la
generación de entornos aptos para el
aprendizaje (Mortimore, Sammons, Stoll,
Lewis y Ecob, 1995), maximización del uso
del tiempo (Creemers, 1994), instrucción
con significado (Mortimore, 1993), refuerzo,
disciplina, reglas claras (Walberg, 1984) y
seguimiento de los procesos académicos
para el logro de las metas educativas en el
aula (Levine y Lezotte, 1990). Esta etiqueta
surge de la comparación del contenido de
los ítemes respecto a la idea central que
semánticamente ellos refieren, sugiriendo
que hacen mención a tal habilidad o
cualidad. En consecuencia, resulta un
nombre conveniente para dicho factor y
caracterizaría la medida hecha a través del
Para evaluar el ajuste de los resultados al
modelo teórico en cuestión, se procedió a
realizar un análisis factorial confirmatorio
(AFC) para la solución especificada de un
solo factor (EEyAA) empleando el programa
STATISTICA v.7.0. De acuerdo con Moral
de la Rubia (2006b) el AFC “se considera
actualmente la mejor herramienta para
contrastar la validez de constructo de un
instrumento no solo considerando las
dimensiones subyacentes, sino la estructura
de relaciones con otros constructos con
base en las predicciones teóricas (…)” (p.
448).
El análisis factorial confirmatorio es una
técnica multivariante que compara la
variabilidad implícita en un modelo dado con
la variabilidad observada en los datos y por
lo tanto puede determinar la eficacia de un
determinado modelo en términos de su
ajuste a los datos empíricos. De acuerdo
con Brown (2006), se trata de un tipo de
modelo de ecuaciones estructurales (MEE),
que se ocupa específicamente de los
modelos de medición, es decir, de las
relaciones entre las medidas o indicadores
observados y las variables o factores
latentes. Una característica fundamental del
AFC es su naturaleza impulsada por
hipótesis. A diferencia de su contraparte, en
el análisis factorial exploratorio (AFE), el
investigador debe especificar previamente
todos los aspectos del modelo AFC. Por lo
tanto, el investigador debe tener un firme
sentido a priori, basado en los datos del
pasado y de la teoría, del número de
factores que existen en los datos, de cuáles
indicadores están relacionados con
factores, etc. Además de su mayor énfasis
en la teoría y la prueba de hipótesis, el
2.3 Tercer Estudio: Análisis
factorial confirmatorio
78
marco del AFC ofrece muchas otras
posibilidades analíticas que no están
disponibles en el AFE. La tabla 8 muestra
los resultados del modelo AFC para la
solución de un (1) factor y los índices de
ajuste estimados.
La tabla 8 arroja importante información
sobre el instrumento. Varios índices de
ajuste fueron estimados y cada uno
obedece a diferentes reglas de
interpretación. Se tiene en consecuencia
índices que indican un ajuste aceptable de
los datos al modelo teórico y otros índices
que permiten cuestionar dicho ajuste. De los
índices que resultan aceptables, se tiene el
RMSEA (raíz cuadrada media del error de
aproximación: RMSEA = 0,063). Se trata de
un índice de ajuste absoluto; como otros
índices de este tipo, señala la medida en
que los datos de una muestra definida
pueden considerarse que están acordes con
la especificación de un modelo teórico
propuesto (es decir, el grado de acuerdo
entre el modelo propuesto y el modelo
estadístico efectivamente calculado)
(Correa, 2007). De acuerdo a Steiger y Lind
(1980) se considera aceptable un valor 0,05
≤ RMSEA ≤ 0,075. En este caso, el valor
del índice de ajuste resulta discretamente
mayor al idealmente deseado (RMSEA ≤
0,05). Así mismo, resulta aceptable el Índice
de ajuste Comparativo (CFI), un estadístico
de la clase de índices de ajuste incremental,
los cuales evalúan el aumento de la
correspondencia obtenida al calcular un
modelo que se compara estadísticamente
con otros modelos similares; en esta
investigación dicho índice revela un buen
ajuste del modelo para valores próximos a 1
(Bentler y Bonett, 1980) dado que es
cercano a 0,9 (CFI = 0,882) como debería
esperarse por convención estadística.
También se reportan los índices ICSF o
criterio de invarianza bajo un factor de
escala constante e ICS o criterio de
invarianza bajo un criterio de escala
cambiante. Estos son índices básicos que
indican si la iteración en el cálculo del
modelo resulta óptima, es decir, si es
estadísticamente correcto y deben ser
convergentes hacia el valor 0; en la
investigación la convergencia de la solución
resulta óptima dado que alcanzan valores
de cero (ICSF = 0,000; ICS = 0,000). Estos
índices sugieren que el modelo unifactorial
se ajustaría de forma aceptable.
Sin embargo, otros índices estimados dan
cuenta de lo contrario. En efecto, otro índice
básico, la función de discrepancia, la cual
refiere la discordancia entre los parámetros
estimados desde los datos y los propuestos
por el modelo, alcanza un valor DFV = 1,26;
se espera que este valor resulte en DFV ≤
1 para considerar buen ajuste y en el
modelo unifactorial se observa que está
discretamente superando el valor 1. Así
mismo, en esta misma clase de índices
básicos, se reporta el estadístico X , el cual
permite determinar el grado de ajuste
estadístico con que el modelo propuesto
reproduce los datos observados (es decir, si
las diferencias entre ellos convergen en
Tabla 8. Estadísticos de ajuste para el modelo
confirmatorio de un (1) factor de la versión en
español del TBC.
Método de Estimación de la función de
discrepancia: GLS -> ML (combinación secuencial
de mínimos cuadrados generalizados y máxima
verosimilitud)
Función de discrepancia (DFV)
χ2
gl
Sig.
χ2/gl (PCMIN)
Indice Gamma Poblacional (PGI)
RMSEA
95%upper
95%lower
GFI
AGFI
CFI
NFI
ICS
ICSF
1,26
501,54
209
0,00
2,39
0,91
0,06
0,06
0,07
0,89
0,86
0,88
0,81
0,00
0,00
Modelo de un
(1) factor (EEyAA)
Indice de Ajuste
2
79
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 68-82
probabilidad cero (0) a medida que el
tamaño de la muestra tiende al infinito
Tucker (Tucker y Lewis, 1973) y resulta
significativo (X = 501,538, Sig. = 0,000, gl =
209). No obstante, el cociente X /gl = 2,39
(PCMIN) el cual se emplea para juzgar si el
valor de X es grande o pequeño, bajo el
criterio de referencia más empleado de
Kline (2005), que recomienda valores
menores de 3, resulta aceptable. Estos
valores deberían resultar, por un lado, no
significativos en cuanto a X (puesto que
refiere el rechazo de la hipótesis nula de
ajuste entre los datos y el modelo
propuesto) y, por otro lado, con valores
cercanos a 1, en términos de X /gl. Resulta
importante destacar que X es sensible al
tamaño muestral y que su valor puede
inflarse cuando se emplean muestras
grandes. Otro índice de ajuste incremental
importante que se reporta en la tabla 8 es el
índice de ajuste normalizado (NFI) que mide
la reducción proporcional en función de
ajuste cuando se pasa del modelo nulo al
modelo propuesto (Bentler y Bonett, 1980).
El rango de variación de este índice está
entre 0 y 1 y se recomiendan valores
superiores a 0,95 para el mismo. En el
modelo unifactorial de esta investigación
resultó en NFI = 0,816, relativamente
elevado, pero debió ser aún mayor.
De otro lado, también se reportan los
índices de ajuste general de Jöreskog (GFI)
y el índice general de ajuste corregido de
Jöreskog (AGFI). Se trata de índices de
ajuste de parsimonia que evalúan la
concordancia de un modelo al compararse
con otros similares, tomando en
consideración la cantidad de hipótesis
especificadas y el total de grados de libertad
(Correa, 2007). Estos arrojan coeficientes
de GFI = 0,890 y AGFI = 0,866,
respectivamente, lo cual resulta en
apariencia satisfactorio pero no óptimo en
tanto se espera que ambos valores resulten
significativos a partir de 0,90, si bien se
acercan a dicho parámetro.
3. Conclusiones
El análisis de los datos en la muestra de
estudiantes colombianos permite corroborar
el cumplimiento del objetivo propuesto,
además de responder a la pregunta de
investigación. Los resultados sugieren un
ajuste parcial del instrumento al modelo
teórico de un factor. Aspectos como la
selección de la muestra (en este caso, no
probabilísticamente) y el tamaño muestral,
pudieran afectar los resultados y por tanto,
condicionar los valores de los índices de
ajuste del modelo en tanto dos de los
requisitos del AFC son la aleatorización y
grandes tamaños muestrales debido a que
permiten hacer inferencias paramétricas
(Moral de la Rubia, 2006b). No obstante, en
vista de que un índice muy importante como
el RMSEA se ubica en valores aceptables y
las discretas diferencias de los índices GFI,
NFI y CFI, se encuentran en torno a lo
esperado, puede concluirse que el
instrumento se ajusta con moderación a la
solución unifactorial. Esta solución
unifactorial resulta muy diferente a la que
originalmente hallaron Keeley, et al.
(2006) en estudiantes universitarios
norteamericanos.
Para el caso de la versión en español, el
instrumento final queda compuesto por 22
ítemes (tabla 9). El cálculo del coeficiente
alpha de Cronbach (α = 0,901) indica que el
instrumento en su versión de habla hispana
contiene ítemes con alta consistencia
interna y en consecuencia una alta
confiabilidad en la medida de la evaluación
de las habilidades de enseñanza efectiva y
aprendizaje activo (EEyAA) que otorgan los
estudiantes a los docentes.
Si bien el ajuste al modelo teórico resulta
parcial, la versión en español del TBC
puede considerarse un instrumento de gran
valor para la evaluación de la excelencia de
los docentes universitarios colombianos. En
efecto, el TBC contiene una serie de
indicadores de conductas de excelencia que
pueden adoptar los docentes universitarios,
lo cual se traducirá en un incremento en la
2
2
2
2
2
2
80
efectividad de su enseñanza. Estudios
posteriores deben considerar posibles
diferencias entre las evaluaciones que
hacen estudiantes de diferentes áreas del
conocimiento, en tanto puede ser discutible
el que los 22 atributos de la versión final en
español puedan aplicarse de igual forma en
todas las carreras, aspecto sobre el que
tempranamente discutían Keeley, et al.
(2006).
1-Accesible…
2-Agradable…
3-Firme/directo…
4-Confiable…
5-Creativo e interesante…
6-Comunicador efectivo…
7-Demuestra pasión por la enseñanza y el tema de sus cursos…
8-Define los objetivos de su curso y los de cada sesión o clase…
9-Sabe escuchar…
10-Humilde…
11-Planificado…
12-Presenta información actualizada…
13-Promueve la discusión en clase…
14-Promueve el pensamiento crítico y estimula el uso de la inteligencia…
15-Refuerza positivamente al estudiante…
16-Sabe administrar el tiempo de la clase…
17-Hace de la clase un ambiente para la confianza mutua…
18-Realista en relación con las competencias de sus estudiantes …
19-Respetuoso…
20-Se esfuerza por ser un mejor profesor…
21-Sabe usar las TIC…
22-Comprensivo…
0,49
0,53
0,44
0,59
0,58
0,66
0,65
0,47
0,61
0,59
0,58
0,59
0,47
0,48
0,53
0,55
0,55
0,53
0,50
0,59
0,52
0,50
TBC versión hispana N = 398 estudiantes
universitarios colombianos (carga factorial)
Ítemes
Tabla 9. Versión final del instrumento TBC en su versión en español, adaptada en estudiantes
universitarios de Colombia.
Bentler, P. M., y Bonett, D. G. (1980).
Significance tests and goodness of fit in the
analysis of covariance structures.
Psychological Bulletin, 88 (3), 588-606.
Brown, T. A. (2006). Confirmatory Factor
Analysis for Applied Research. London: The
Guilford Press.
Bruça, S. (2019). Quality at Newly Established
Private Universities: New Strategies for
Leadership Management. European Journal
of Education, 2 (1), 16-21. http://dx.doi.org/
10.26417/ejed-2019.v2i1-49
Buskist, W., Sikorski, J., Buckley, T., y Saville,
B. K. (2002). Elements of master teaching.
In S. F. Davis y W. Buskist (Eds.), The
teaching of psychology: Essays in honor of
Wilbert J. McKeachie and Charles L. Brewer
(pp. 27-39). Mahwah, NJ: Erlbaum.
Buskist, W., Sikorski, J., Buckley, T., y Saville,
B. K. (2002). Elements of master teaching.
En S. F. Davis y W. Buskist (Eds.). The
teaching of Psychology. Essays in honor of
Referencias
81
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 68-82
Wilbert J. McKeachie and Charles Brewer.
Mahwah, N. J: Lawrence Erlbaum
Associates.
Buskist, W. (en preparación). The seven keys to
excellence in teaching. New York: Oxford
University Press.
Cattell, R. B. (1958). Extracting the correct
numbers of factors in factor analysis.
Educational and Psychological
Measurement, 18 (4), 791-838. https://doi.
org/10.1177/001316445801800412
Correa, J. C. (2007). Modelos de ecuaciones
estructurales: operaciones y conceptos
básicos. Analogías del comportamiento, 9,
61-87.
Creemers, B. (1994). The International School
Effectiveness Research Programme
(ISERP). First results of the quantitative
study. Comunicación presentada en la
BERA annual conference, St Anne’s
College, University of Oxford, 11 de
Septiembre. Recuperado de https://www.
bera.ac.uk/conference/annual-conference-1
994
Cronin, T. (1992). On celebrating College
teaching. Journal on Excellence in College
Teaching, 3, 149-168. https://doi.org
/10.2307/420094
Elton, L. (1998). Dimensions of excellence in
university teaching. International Journal for
Academic Development, 3, 3-11. https://doi.
org/10.1080/1360144980030102
Ersozlu, A., y Saklan, E. (2016). Instructional
leadership in higher education: how does it
work? British Journal of Education, 4 (5),
1-15. Recuperado de http://www.eajournals
.org/wp-content/uploads/Instructional-Lead
ership-In-Higher-Education-How-Does-It-W
ork.pdf
Feldman, K. A. (1976). The superior college
teacher from the student’s view. Research
in Higher Education, 5, 243-288. https://doi.
org/10.1007/BF00991967
Gray, J. (1990). The quality of schooling: frameworks
for judgment. British Journal of Educational
Studies, 38 (3), 204-233. https://doi.org/10.1080
/00071005.1990.9973850
Kaiser, H. F. (1960). The application of
electronic computers to factor analysis.
Educational Psychologist. Measurement,
20, 141-151. https://doi.org/10.1177
/001316446002000116
Keeley, J., Christopher, A. N., y Buskist, W.
(2012). Emerging evidence for excellent
teaching across borders. En J. E. Groccia,
M. Al-Sudairy, y W. Buskist (Eds.),
Handbook of college and university
teaching: Global perspectives. (pp.
374-390) Thousand Oaks, CA: Sage.
Keeley, J. W., Smith, D., y Buskist, W. (2006).
The Teacher Behaviors Checklist: Factor
analysis of its utility for evaluating teaching.
Teaching of Psychology, 33, 84-90. DOI:
10.1207/s15328023top3302_1
Kline, R.B. (2005). Principles and Practice of
Structural Equation Modeling. New York:
Guilford.
Kreber, C. (2002). Teaching excellence,
teaching expertise, and the scholarship of
teaching. Innovative Higher Education, 27,
5-23. https://doi.org/10.1023/
A:1020464222360
Lautenschlager, G. J. (1989). A comparison of
alternatives to conducting Monte Carlo
analyses for determining parallel analysis
criteria. Multivariate Behavioral Research,
24, 365–395. https://doi.org/10.1207/
s15327906mbr2403_6
Lee, V. E., Bryk, A. S., y Smith, J. B. (1993). The
organization of effective second schools.
Chapter 5. en L. Darling-Hammond (Ed.),
Research in education (19). Washington
DC: American Educational Research
Association,. DOI: 10.2307/1167343
Levine, D. y Lezotte, L. (1990). Unusually
effective schools: a review and analysis of
research and practice. Madison, Wisconsin:
National Centre of Effective Schools
Research and Development. https://doi.org
/10.1080/0924345900010305
Liu, S., Keeley, J., y Buskist, W. (2016). Chinese
college students´ perceptions of excellent
teachers across three disciplines:
Psychology, Chemical, Engineering and
Education. Teaching of Psychology, 43 (1),
70-74. DOI: 10.1177/0098628315620888
82
Lowman, J. (1995). Mastering the techniques of
teaching (2nd ed.). San Francisco, CA:
Jossey-Bass.
Moral de la Rubia, J. (2006a). Análisis factorial y
su aplicación al desarrollo de escalas. En R.
Landero y M. Hernández (Ed). Estadística
con SPSS y Metodología de la
Investigación. México: Trillas.
Moral de la Rubia, J. (2006b). El análisis
factorial confirmatorio (AFC). En R. Landero
y M. Hernández (Ed). Estadística con SPSS
y Metodología de la Investigación. México:
Trillas.
Mortimore, P. (1993). School effectiveness and
the management of effective learning and
teaching. School Effectiveness and School
Improvement, 4 (4), 290-310. Recuperado
de https://files.eric.ed.gov/fulltext
/ED358560.pdf
Mortimore, P., Sammons, P., Stoll, L., Lewis, D.,
y Ecob, R. J. (1995). School matters: the
junior years. Wells: Open Books.
O`Meara, K. (2007). Characteristic of Effective
Teachers in the Airforce`s Squadron Officer
College (Tesis Doctoral no publicada).
Universidad de Auburn. Recuperado de
https://etd.auburn.edu/bitstream/handle/104
15/874/O%E2%80%99MEARA_KEVIN_50.
pdf?sequence=1
Revell, A., y Wainwright, E. (2009). What makes
lectures ‘unmissable’? Insights into
excellent teaching and active learning.
Journal of Geography in Higher Education,
33, 209-233. DOI: 10.1080/03098
260802276771
Roth, K. J. y Smith, C. (2009). Live case
analysis: pedagogical problems and
prospects in management education.
American Journal of Business Education, 2
(9), 59-66. Recuperado de file:///C:/Users
/Usuario/Downloads/4610-Article%20Text-
18454-1-10-20110610.pdf
Ruiz, B. L., y Donado, A. (2017). Evaluación de
las características para la excelencia
docente: una comparación entre
Universidades Colombianas. Encuentros,
15 (2), 15-36. Recuperado de http://ojs.
uac.edu.co/index.php/encuentros/issue/vie
w/87
Schaeffer, G., Epting, K., Zinn, T., y Buskist, W.
(2003). Student and faculty perceptions of
effective teaching: A successful replication.
Teaching of Psychology, 30, (2), 133–136.
Recuperado de https://www.researchgate
.net/publication/285705167_Student_and_f
aculty_perceptions_of_effective_teaching_
A_successful_replication
Shevlin, M., Banyard, P., Davies, M. y Griffiths,
M. (2000). The validity of student evaluation
of teaching in higher education: love me,
love my lectures? Assessment and
Evaluation in Higher education, 24 (4),
397-405. DOI: 10.1080/713611436
Steiger, J. H., y Lind, J. C. (1980). Statistically
Based Tests for the Number of Commom
Factors. Documento presentado en el
Encuentro Anual de Psicometría Social,
Iowa City, Estados Unidos.
Tucker, L.R y Lewis, C. (1973). A reliability
coefficient for maximum likelihood factor
analysis. Psychometrika, 38, 1–10.
https://doi.org/10.1007/BF02291170
Walberg, H. J. (1984). Improving the productivity
of american schools. Educational
Leadership, 41 (8), 19-27. Recuperado de
http://www.ascd.org/ASCD/pdf/journals/ed_
lead/el_198405_walberg.pdf
Weimer, M. (1993). Improving Your Class Room
Teaching. New Berry Park, CA: Sage.
