Análisis Factorial Confirmatorio de la Inteligencia Colectiva en Estudiantes Universitarios Peruanos
Resumen
El objetivo del estudio fue examinar si el modelo propuesto se puede utilizar para medir y controlar la inteligencia colectiva en el contexto de los estudiantes universitarios. Se exploró que los datos reales se plasmen con la estructura de los supuestos teóricos, utilizando el análisis factorial confirmatorio para explicar, aplicando un cuestionario de 14 ítems, y luego realizar un análisis factorial confirmatorio sobre los datos, se realizó un ajuste del modelo, para evaluar el modelo final. La muestra consistió en 100 estudiantes matriculados en el periodo 2023-II de la Facultad de Ingeniería Metalúrgica y de Materiales de la Universidad Nacional del Centro del Perú. Los resultados revelaron que los índices de bondad de ajuste eran apropiados. También se observó el índice de confiabilidad adecuado. Estos resultados se analizaron en el contexto de la investigación existente sobre la inteligencia colectiva en el entorno académico. Se concluyó que los descubrimientos respaldan la validez y confiabilidad del instrumento utilizado para medir la inteligencia colectiva de los estudiantes universitarios mediante el modelo ajustado, lo que sugiere su utilidad en futuros proyectos de investigación y para mejorar aún más este enfoque.
Descargas
Citas
Arima, Y. (2022). Psychology of Group and Collective Intelligence. Springer.
https://doi.org/10.1007/978-3-030-84698-5
Awal, G. K., & Bharadwaj, K. K. (2014). Team formation in social networks based on collective intelligence – an evolutionary approach. Applied Intelligence, 41(2), 627-648.
https://doi.org/10.1007/s10489-014-0528-y
Bollen, K. A. (1986). Sample size and Bentler and Bonett's nonnormed fit index. Psychometrika, 51(3), 375–377. https://doi.org/10.1007/BF02294061
Bollen, K. A. (1989a). A new incremental fit index for general structural models. Sociological Methods & Research, 17, 303–316. https://doi.org/10.1177/0049124189017003004
Byrne, B.M. (2016). Structural equation modeling with AMOS. Basic concepts, applications, and programming (3ª ed.). Oxfordshire (UK): Taylor & Francis.
https://doi.org/10.4324/9781315757421
Escobedo, P., M.T., Hernández G., J.A., Estebané O., V. y Martínez M., G. (2016). Modelos de ecuaciones estructurales: Características, fases, construcción, aplicación y resultados. Ciencia y Trabajo, 18(55), 16-22. https://doi.org/10.4067/S0718-24492016000100004
George, D. y Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference. 11.0 Update (4ª ed.). Boston, MA: Allyn & Bacon.
Georgi, S., Jung R. (2012). Collective Intelligence Model: How to Describe Collective Intelligence. In: Altmann J., Baumöl U., Krämer B. (eds) Advances in Collective Intelligence 2011. Advances in Intelligent and Soft Computing, vol 113. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-25321-8_5
Glenn, J.C., (2015). Collective intelligence systems and an application by the millennium project for the Egyptian academy of scientific research and technology. Technol. Forecast Soc. Change 97, 7–14. https://doi.org/10.1016/j.techfore.2013.10.010
Hair, J., Anderson, R., Tatham, R. y Black, W. (1999). Análisis multivariante (E. Prentice y D. Cano, Trads.). Madrid: Prentice-Hall Iberia.
Lakhani, K. (2014). The crowd as an innovation partner. Paper presented at the Collective. Intelligence Conference, MIT, Boston.
Levy, P. (1994). L’intelligence collective: Pour une anthropologie du cyberspace. Editions La Decouverte. English edition: Collective Intelligence: Mankind’s Emerging World in Cyberspace.
Malone, T. W., & Bernstein, M. S. (Eds.). (2022). Handbook of Collective Intelligence. The MIT Press.
Malone, T. W., & Woolley, A. W. (2019). Collective Intelligence. The Cambridge Handbook of Intelligence, 780 - 801. doi:10.1017/9781108770422.033
Matheny, J. (2014). IARPA’s forecasting tournaments. Collective Intelligence Conference.
Miller, P. (2007). Teoría de los Enjambres. National Geographic, Vol. 21, Nº 1, pp. 90‐111.
Moral de la Rubia, J. (2016). Análisis factorial y su aplicación al desarrollo de escalas. En R. Landero H. y M. T. González R. (Eds.): Estadística con SPSS y metodología de la investigación (pp. 387-443). Ciudad de México: Trillas
Mulgan, G. (2018). Big mind: How collective intelligence can change our world. Princeton University Press.
Smith, J. (1994). Collective Intelligence in Computer-Based Collaboration. Erlbaum.
Surowiecki, J. (2005). La Sabiduría de las Multitudes. Nueva York.
Thakkar, J. J. (2020). Structural equation modelling. Application for Research and Practice. https://doi.org/10.1007/978-981-15-3793-6
Venegas, S. (2015). Construir inteligencia colectiva en la organización: una nueva manera de entender y gestionar el clima laboral para alinear el bienestar de las personas con la gestión de la empresa. Ediciones UC.
Woolley, A., Chabris, C. F., Pentland, A., Hashmi, N., & Malone, T. (2010). Evidence for a collective intelligence factor in the performance of human groups. Science, 330, 686- 688.
https://doi.org/10.1126/science.1193147
Yuan, W., Chen, Y., Wang, R., Du, Z. (2007). Collective Intelligence in Knowledge Management. In: Xu, L.D., Tjoa, A.M., Chaudhry, S.S. (eds) Research and Practical Issues of Enterprise Information Systems II. IFIP — The International Federation for Information Processing, vol 254. Springer, Boston, MA. https://doi.org/10.1007/978-0-387-75902-9_72
Derechos de autor 2023 Gustavo Leonel Álvarez Sierra , Karina Rosario Palomino Carhuallanqui, Cesar Roberto Toykin Mucha, Elías Chaccha Tinoco
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
.png)
.png)
1.png)
