Autoconcepto físico en estudiantes universitarios: Generación de perfiles por clasificación jerárquica sobre componentes principales (Physical self-concept in university students: Generating profiles with hierarchical classification on principal components)

Abstract

Los objetivos del presente estudio fueron i) analizar y comparar el autoconcepto físico en estudiantes universitarios considerando posibles diferencias entre sexos y asociaciones con el estrato socioeconómico y la edad, y ii) generar perfiles de los estudiantes utilizando algoritmos de aprendizaje automático no supervisado. Un total de 230 estudiantes colombianos entre los 18 y 38 años pertenecientes a programas académicos de Educación Física (n = 118) y Psicología (n = 112) participaron en este estudio transversal. Se aplicó el cuestionario de autoconcepto físico (PSQ). Se hallaron diferencias significativas entre hombres y mujeres. No se encontraron diferencias en el autoconcepto físico entre los hombres de los programas académicos; sin embargo, los valores de las mujeres fueron significativamente diferentes entre los dos programas (p< .05). Se evidenció una asociación inversa baja entre el autoconcepto físico y el estrato socioeconómico y la edad. Luego del análisis de agrupación jerárquica sobre componentes principales, se identificaron dos perfiles estadísticamente diferentes con tamaño del efecto grande para el autoconcepto físico y todos sus dominios (Perfil 1 [n = 138] versus Perfil 2 [n = 92]; p< .05; η2< .45). Aunque el autoconcepto físico contribuyó en mayor medida al componente principal, con valores mayores para el perfil 2, el ≈73% de las mujeres (n = 101) se agruparon en el perfil 1 y hubo una mayor cantidad de estudiantes de Psicología (85/112) que de Educación Física (27/118) en el perfil 2. Los resultados muestran comportamientos diferentes del autoconcepto físico entre hombres y mujeres de los dos programas académicos. Los perfiles generados podrían ayudar a universidades, orientadores y profesores a planear intervenciones dentro de las instituciones para favorecer el desarrollo del autoconcepto físico a la vez que se evalúan otras asociaciones potenciales. Palabras clave: Autoconcepto físico, universitarios, educación física, psicología, aprendizaje automático no supervisado Abstract. The aims of this study were i) to analyze and compare the physical self-concept in university students considering possible differences between sexes and associations with socioeconomic status and age, and ii) to generate student profiles using unsupervised machine learning algorithms. A total of 230 Colombian students between 18 and 38 years of age from the Physical Education (n = 118) and Psychology (n = 112) majors participated in this cross-sectional study. The physical self-concept questionnaire (PSQ) was applied. Significant differences were found between men and women. No differences were found in physical self-concept among men in the academic programs; however, women's values were significantly different between the two programs (p< .05). A low inverse association was evident between physical self-concept and socioeconomic stratum and age. Following hierarchical clustering analysis on principal components, two statistically different profiles with large effect sizes were identified (Profile 1 [n = 138] versus Profile 2 [n = 92]; p< .05; η2< .45). Although physical self-concept contributed most to the principal component, with higher values for profile 2, ≈73% of females (n = 101) were clustered in profile 1 and there were a greater number of Psychology (85/112) than Physical Education (27/118) students in profile 2. The results show different behaviors of physical self-concept between men and women in the two academic programs, so the profiles generated could help universities, counselors and professors to plan interventions within the institutions to favor its development while evaluating other potential associations. Keywords: Physical self-concept, college students, physical education, psychology, unsupervised machine learning

Revistas colombianas de Ciencias de la Actividad Física, Deporte y Educación física: Redes de Colaboración Científica (Colombian journals of Physical Activity, Sport and Physical Education: Scientific collaboration networks)

“…Sin embargo, en otros estudios se ha identificado el mismo patrón de predominio masculino en las coautorías. Por ejemplo, en la investigación realizada por Cardozo et al (2023), se evidenció una participación del 37,7% de autoras mujeres en comparación con sus homólogos masculinos. Este aspecto también fue encontrado en un análisis de publicaciones científicas y editoriales de ciencias del deporte en PubMed, con una participación en autorías principales del 24,8 % y editoriales del 19,7% (Martínez-Rosales et al 2021), igualmente en el área de la Pediatría con un 39% de participación (Fishman et al, 2017).…”

“…Los autores presentan cifras sobre la cantidad de publicaciones, eventos académicos, trabajos de grado asesorados, patentes, entre otros (Prieto-Benavides et al, 2016). Por su parte, Cardozo et al (2023) exploraron la divulgación científica llevada a cabo por una revista colombiana especializada en ciencias del movimiento humano, que abarca áreas como educación física, recreación, actividad física y deporte. La investigación realizada por los autores, considerada como un estudio de caso, implicó la recolección de información manual de las publicaciones de la revista desde su inicio en 2011 hasta 2022, destacando las principales temáticas de estudio, diseños de investigación, métodos de muestreo, participación de investigadores nacionales e internacionales, entre otros aspectos relevantes.…”

Profiling the Physical Performance of Young Boxers with Unsupervised Machine Learning: A Cross-Sectional Study

“…A resulting value of ρ close to 0.5 suggests a more balanced comparison (no clear distinction in terms of superiority) between the groups [ 42 ]. As we have performed previously [ 43 , 44 , 45 ], the participants were subdivided into clusters using unsupervised machine learning to identify similar data points (natural groupings) and extract profile patterns. We used the partitioning around Medoids (PAM) algorithm, also known as k-Medoids clustering which unlike the k-means algorithm considers the median as the center of a cluster, thus, is more robust to noises and outliers.…”

Nivel de autoconcepto físico en estudiantes universitarios según género (Level of physical self-concept in university students according to gender)

“…Esta concepción refleja la diversidad de impresiones y sensaciones que con el paso del tiempo contribuyen en la configuración de la idea que una persona crea de sí misma y su carácter cambiante (desarrollo físico, psicológico, relaciones interpersonales, etc.) (Cardozo et al, 2023). Esto es de gran importancia, por ejemplo, en el desarrollo de la personalidad, como lo señala Duclos et al (2022), citando a López et al (2015), ya que juega un papel muy importante en el futuro laboral de los universitarios, tomando en cuenta que un mayor nivel de autoconcepto permitiría a su vez un mayor nivel de desarrollo social, mejor desempeño profesional y personal.…”

“…Además, el autoconcepto puede entenderse como "un constructo complejo que engloba muchas otras áreas como la autoestima y la imagen corporal, siendo la autoestima, más bien, cómo cada persona valora y aprecia lo que ve" (Duclos et al, 2022, citado en Gargallo et al, 2009. El modelo multidimensional del autoconcepto propuesto por Van Zanden et al, (2015) considera una estructura jerárquica compuesta en un nivel superior por los dominios de autoconcepto académico y autoconcepto no académico señalado por Cardozo et al, (2023), citado en Shavelson et al, (1976). El primer dominio se subdivide en la cantidad de materias escolares que el sujeto esté cursando.…”