Predictores de bienestar en una muestra de estudiantes de educación superior técnico-profesional en Chile: una aproximación basada en machine learning

Simple item page
dc.catalogadorpva
dc.contributor.advisorBehn Berliner, Alex Joseph
dc.contributor.authorHughes Olmedo, Emily Ann
dc.contributor.otherPontificia Universidad Católica de Chile. Escuela de Psicología
dc.date.accessioned2025-01-08T13:00:42Z
dc.date.available2025-01-08T13:00:42Z
dc.date.issued2024
dc.date.updated2025-01-07T18:56:23Z
dc.descriptionTesis (Magíster en Psicología)--Pontificia Universidad Católica de Chile, 2024
dc.description.abstractEste estudio tiene como objetivo desarrollar y validar un modelo predictivo del bienestar en estudiantes de educación técnico-profesional superior (ETPS) en Chile, una población con desafíos únicos dados sus contextos socioeconómicos y educativos específicos. Mediante un análisis secundario de datos censales del Duoc UC, se utilizó la técnica de regresión LASSO para identificar predictores clave entre variables sociodemográficas, psicológicas, educativas y de estilo de vida. Los resultados destacan que el apoyo social familiar y de amistades, estrategias de afrontamiento activo y la ausencia de problemas de autoestima y salud personal son los predictores más relevantes del bienestar. Por otro lado, el estrés percibido, la procrastinación y síntomas clínicos según el DSM-5 emergen como factores negativos significativos. Estos hallazgos subrayan la relevancia de la interacción entre factores emocionales, contextuales y sociales en la experiencia del bienestar estudiantil. Este enfoque no solo considera la ausencia de psicopatología, sino que integra recursos personales y contextuales que promueven la resiliencia y el afrontamiento positivo. La metodología aplicada asegura precisión y simplicidad en la identificación de variables relevantes, destacando la utilidad de herramientas de machine learning en investigaciones de gran escala. Este estudio aporta evidencia relevante para el diseño de futuras intervenciones y políticas públicas que mejoren el bienestar integral de los estudiantes ETPS, promoviendo prácticas educativas más inclusivas y adaptadas a sus necesidades. Así, se contribuye a un entendimiento más profundo del bienestar en un grupo usualmente subrepresentado en la literatura científica.
dc.fechaingreso.objetodigital2025-01-07
dc.format.extent130 páginas
dc.fuente.origenAutoarchivo
dc.identifier.doi10.7764/tesisUC/PSI/89553
dc.identifier.urihttps://doi.org/10.7764/tesisUC/PSI/89553
dc.identifier.urihttps://repositorio.uc.cl/handle/11534/89553
dc.information.autorucEscuela de Psicología; Behn Berliner, Alex Joseph; 0000-0003-2070-7866; 243036
dc.information.autorucEscuela de Psicología; Hughes Olmedo, Emily Ann; S/I; 1068105
dc.language.isoes
dc.nota.accesocontenido completo
dc.rightsacceso abierto
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subject.ddc150
dc.subject.deweyPsicologíaes_ES
dc.subject.ods04 Quality education
dc.subject.odspa04 Educación de calidad
dc.titlePredictores de bienestar en una muestra de estudiantes de educación superior técnico-profesional en Chile: una aproximación basada en machine learning
dc.typetesis de maestría
sipa.codpersvinculados243036
sipa.codpersvinculados1068105
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Tesis_Oficial_Hughes_E.pdf
Size:
3.11 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.98 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
3.03 Tesis magíster