6
Estilos de aprendizaje y rendimiento en
matemáticas en estudiantes de ingeniería en
alimento
Learning Styles and Mathematics Achievement Among
Food Engineering Students
Elia Trejo Trejo
0000-0003-0184-1795
Universidad Tecnológica del Valle del Mezquital, México
elitret@gmail.com
Citar en APA: Trejo, E. (2025). Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de
ingeniería en alimentos. Latin American Journal of Humanities and Educational Divergences, Vol 4(2), 6-24.
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
7
Resumen
El bajo rendimiento en matemáticas representa un desafío persistente en la formación de ingenieros
en América Latina, particularmente en los primeros semestres. Diversas investigaciones han
señalado que los estilos de aprendizaje pueden modular la forma en que los estudiantes procesan,
comprenden y aplican el conocimiento matemático. Este estudio tuvo como objetivo analizar la
relación entre los estilos de aprendizaje, según el modelo CHAEA, y el rendimiento académico en
matemáticas en estudiantes del programa de Ingeniería en Alimentos de una universidad
tecnológica mexicana. Se adoptó un enfoque cuantitativo, con un diseño no experimental,
transversal y correlacional. Participaron 138 estudiantes, quienes completaron el cuestionario
CHAEA y proporcionaron sus calificaciones finales en asignaturas de matemáticas. El análisis
estadístico incluyó pruebas de normalidad, correlaciones de Spearman y análisis por cuartiles. Los
resultados revelaron una tendencia positiva, aunque no significativa, entre el estilo activo y el
rendimiento (ρ = 0.147; p = 0.088), mientras que los demás estilos no mostraron asociaciones
relevantes. El análisis por cuartiles sugiere que estudiantes con alto predominio del estilo activo
tienden a alcanzar mejores calificaciones. Se concluye que los estilos de aprendizaje no predicen de
forma directa el rendimiento académico, pero su alineación con las metodologías didácticas podría
influir en los resultados. Se recomienda el diagnóstico sistemático de estilos predominantes y el
diseño de estrategias pedagógicas mixtas, que integren componentes activos y reflexivos. Este
estudio aporta evidencia empírica útil para el diseño instruccional inclusivo en contextos de
educación superior en ingeniería.
Palabras claves: estilos de aprendizaje; rendimiento académico; matemáticas; educación superior;
ingeniería en alimentos.
Abstract
Low performance in mathematics remains a critical challenge in engineering education across Latin
America, particularly during the early stages of undergraduate training. Previous research has
identified learning styles as relevant variables that influence how students acquire and apply
mathematical knowledge. This study aimed to examine the relationship between learning styles—
based on the CHAEA model—and mathematics performance among students in the Food
Engineering program at a Mexican technological university. A quantitative, non-experimental,
cross-sectional, and correlational design was employed. A total of 138 students completed the
CHAEA questionnaire and submitted their final grades in mathematics-related courses. Statistical
analysis included normality tests, Spearman correlation coefficients, and quartile-based
comparisons. Results showed a weak but non-significant positive correlation between the active style
and academic performance (ρ = 0.147; p = 0.088), while other styles showed no meaningful
associations. Quartile analysis suggested that students with a high level of the active style tend to
perform better in mathematics. Although learning styles were not direct predictors of academic
achievement, their alignment with active and participatory teaching strategies may enhance learning
outcomes. It is recommended that institutions systematically assess students’ learning style profiles
and adopt mixed teaching strategies that balance active and reflective elements. This study
contributes empirical evidence to support inclusive instructional design in higher education,
particularly within engineering disciplines.
Keywords: learning styles; academic performance; mathematics; higher education; food
engineering.
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
8
Introducción
El rendimiento académico en matemáticas constituye un desafío persistente en la
educación superior, especialmente en programas de ingeniería, donde las tasas de
reprobación y deserción son significativamente elevadas (Coto, 2021). Este fenómeno ha
sido atribuido a diversos factores, entre los cuales destacan las diferencias individuales en
los estilos de aprendizaje de los estudiantes (Yumán-Ramírez, 2020). Los estilos de
aprendizaje, definidos como las preferencias y estrategias que los individuos emplean para
procesar la información, influyen directamente en la forma en que los estudiantes abordan
y comprenden los contenidos matemáticos (Enríquez et al., 2023).
En el contexto de la educación en ingeniería, la identificación y comprensión de
los estilos de aprendizaje se han convertido en herramientas esenciales para mejorar la
eficacia de la enseñanza y el aprendizaje de las matemáticas (Mena et al., 2019). Estudios
recientes han demostrado que adaptar las estrategias pedagógicas a los estilos de aprendizaje
predominantes en una cohorte puede mejorar significativamente el rendimiento académico
(Vega-Román & Ruiz, 2018). Por ejemplo, el estilo reflexivo, caracterizado por la
observación y el análisis antes de actuar, ha sido asociado con un mejor desempeño en
asignaturas matemáticas (Yumán-Ramírez, 2020).
El modelo CHAEA (Cuestionario Honey-Alonso de Estilos de Aprendizaje) ha sido
ampliamente utilizado para identificar los estilos de aprendizaje en contextos universitarios
(Alonso et al., 1994). Este instrumento clasifica los estilos en activo, reflexivo, teórico y
pragmático, proporcionando un marco para personalizar la enseñanza según las
necesidades de los estudiantes (Mena Lorenzo et al., 2019). La aplicación del CHAEA en
programas de ingeniería ha revelado una predominancia de los estilos activo y reflexivo, lo
que sugiere la necesidad de estrategias didácticas que equilibren la acción práctica con la
reflexión analítica (Enríquez et al., 2023).
Además, investigaciones recientes han explorado la relación entre los estilos de
aprendizaje y otros factores que afectan el rendimiento académico, como la motivación, la
actitud hacia las matemáticas y el uso de tecnologías educativas (Pizon & Ytoc, 2021). Estos
estudios sugieren que una comprensión integral de los estilos de aprendizaje, en
combinación con otros factores, puede proporcionar una base sólida para intervenciones
pedagógicas efectivas (Yumán-Ramírez, 2020).
En este contexto, el presente estudio tiene como objetivo analizar la relación entre
los estilos de aprendizaje y el rendimiento académico en matemáticas en estudiantes de
ingeniería. Se busca identificar los estilos predominantes y evaluar cómo estos se
correlacionan con el desempeño académico, con el fin de proporcionar recomendaciones
para la mejora de las prácticas docentes en programas de ingeniería.
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
9
Estilos de aprendizaje
Los estilos de aprendizaje se entienden como las disposiciones preferentes que tiene
un individuo para procesar información, organizar ideas y enfrentarse a tareas de
aprendizaje (Kolb, 2015; Alonso et al., 1994; Felder & Silverman, 1988; Coffield et al.,
2004; Pashler et al., 2009). Esta perspectiva ha cobrado relevancia en la educación superior
por su capacidad para explicar diferencias interindividuales en la adquisición de
conocimientos, especialmente en entornos académicos complejos como la ingeniería
(Enríquez et al., 2023; Mena et al., 2019; Yumán-Ramírez, 2020; Vega-Román & Ruiz,
2018; Cano, 2011).
La literatura reconoce múltiples clasificaciones de estilos; sin embargo, uno de los modelos
más empleados en el ámbito universitario es el propuesto por Alonso et al. (1994), que
distingue cuatro estilos: activo, reflexivo, teórico y pragmático. Este modelo, basado en el
propuesto por Kolb (Kolb, 2015), ha sido validado ampliamente en América Latina y
permite analizar cómo las preferencias cognitivas impactan en la eficacia del aprendizaje
(Villareal, 2023; Coto, 2021; Alalouch, 2021; Agboola & Tsai, 2021; Marantika, 2022).
Estilos de aprendizaje y rendimiento académico
La relación entre estilos de aprendizaje y rendimiento académico ha sido objeto de
numerosas investigaciones en las últimas dos décadas, con hallazgos que, aunque diversos,
coinciden en señalar que ciertos estilos favorecen un mejor desempeño académico en áreas
específicas (Valencia-Martínez et al., 2024; Agboola & Tsai, 2021; Rivadeneira et al., 2025;
Yumán-Ramírez, 2020). En particular, el estilo reflexivo ha sido vinculado
consistentemente con un mejor rendimiento en asignaturas de corte analítico como las
matemáticas, debido a su enfoque sistemático y planificado (Mena et al., 2019; Pizon &
Ytoc, 2021; Vega-Román & Ruiz, 2018; García et al., (2024); Panadero & Brown, 2022).
El estilo activo, por el contrario, si bien es adecuado para entornos de aprendizaje
práctico o colaborativo, puede representar una desventaja en cursos que exigen reflexión
profunda y resolución lógica de problemas (Gómez-Chacón, 2005; Agboola & Tsai, 2021;
Kusaka & Ndihokubwayo, 2022; Ramos-Castro, et al., 2020; Orhun, 2012). Esta dicotomía
ha llevado a proponer la necesidad de estrategias pedagógicas híbridas que atiendan a la
diversidad cognitiva del estudiantado (Felder & Brent, 2005; Cano, 2011; Boateng, 2024;
Ramírez, et al., 2021; Rojas et al., 2024).
Estilos de aprendizaje en programas de ingeniería
En el contexto específico de la formación en ingeniería, los estilos de aprendizaje
adquieren un valor estratégico, dado el carácter multidimensional del currículo que
combina razonamiento lógico, pensamiento abstracto y habilidades aplicadas (Felder &
Spurlin, 2005; Özdemir & Şahin, 2022; Agboola & Tsai, 2021; Lagos et al., 2021;
Montalvo & Bermúdez, 2021). La literatura sugiere que los estudiantes de ingeniería
tienden a mostrar preferencia por los estilos activo y reflexivo, lo cual exige una
planificación didáctica que combine tareas prácticas con instancias de reflexión y análisis
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
10
(Enríquez et al., 2023; Valencia-Martínez et al., 2024; Alfonso & Sophia, 2019; Wang,
2024; Ramos & Herrera, 2023).
Investigaciones recientes destacan que una mayor adaptación del docente a los
estilos predominantes en su grupo puede mejorar la participación, la motivación y el
rendimiento académico (Pizon & Ytoc, 2021; Agboola & Tsai, 2021; Ramírez, et al., 2021;
Muñoz et al., 2021; Alfonso & Sophia, 2019). Además, se ha encontrado que una
distribución equilibrada de los estilos dentro de un grupo propicia la colaboración entre
pares, incrementando el aprendizaje significativo (Berrú et al., 2024; Díaz, 2021; Muñoz et
al., 2021; Rojas et al., 2024; Vidal & Rodríguez, 2024).
Evaluación de estilos y su relación con las matemáticas
El instrumento más utilizado para diagnosticar estilos en contextos universitarios
hispanohablantes es el cuestionario CHAEA, por su validez, confiabilidad y facilidad de
aplicación (Villareal, 2023; Arias et al., 2023; Mena et al., 2019; Sheromova et al., 2020).
Este cuestionario ha permitido a los investigadores establecer perfiles de aprendizaje en
diversas carreras, y especialmente en áreas de ingeniería, donde se ha documentado que los
estilos reflexivo y teórico favorecen la resolución de problemas y la comprensión
matemática (Valencia-Martínez et al., 2024; Yumán, 2020; Agboola & Tsai, 2021; Ramírez,
et al., 2021; Özdemir & Şahin, 2022).
Los cursos de cálculo, álgebra lineal y ecuaciones diferenciales requieren
habilidades cognitivas específicas como la planificación secuencial, el pensamiento
abstracto y la visualización gráfica, que son más frecuentes en los estudiantes con estilo
reflexivo o teórico (Orhun, 2012; Kusaka & Ndihokubwayo 2022; Vega-Román & Ruiz,
2018; Alalouch, 2021; Mohamed et al., 2022). Por tanto, identificar estos estilos puede
facilitar la intervención pedagógica oportuna, especialmente en los primeros semestres,
donde el abandono es más frecuente (Mena et al., 2019; Marantika, 2022; Panadero &
Brown, 2022; Ramírez, et al., 2021; Arias, et al., 2023).
Implicaciones didácticas y marco pedagógico
El reconocimiento de los estilos de aprendizaje no implica una enseñanza
fragmentada o personalizada en extremo, sino una diversificación de estrategias didácticas
que incluyan momentos de acción, reflexión, conceptualización y aplicación (Felder &
Brent, 2005; Cano, 2011; Berrú et al., 2024; Ramírez, et al., 2021; Muñoz et al., 2021). En
este sentido, el uso de metodologías activas como el aprendizaje basado en problemas
(ABP), la clase invertida o el aprendizaje colaborativo ha demostrado ser efectivo para
atender la diversidad de estilos (Ramos & Herrera, 2023; Rojas et al., 2024; Vidal &
Rodríguez, 2024; Boateng, 2024; Wang, 2024;).
Asimismo, se reconoce la necesidad de capacitar al profesorado en el diagnóstico y
aplicación pedagógica de los estilos de aprendizaje, no como un fin en sí mismo, sino como
una herramienta para optimizar la experiencia formativa en matemáticas dentro del ámbito
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
11
de la ingeniería (Harini et al., 2024; Alfonso & Shopia, 2019; Montalvo & Bermudes,
2021; Mohamed et al., 2022; Lagos et al., 2021).
Método
Enfoque y diseño de la investigación
Este estudio se desarrolló bajo un enfoque cuantitativo, con un diseño no
experimental, transversal y de alcance correlacional. Se optó por esta estrategia
metodológica con el propósito de identificar posibles relaciones entre los estilos de
aprendizaje y el rendimiento académico en matemáticas, sin manipular las variables
involucradas ni intervenir en el entorno educativo. El diseño transversal permitió recoger
datos en un único momento temporal, respetando el principio de observación natural de
los contextos formativos (Creswell & Creswell, 2018; Hernández et al., 2014; McMillan &
Schumacher, 2020).
Participantes
La muestra estuvo conformada por 138 estudiantes inscritos en el programa de
Ingeniería en Alimentos de una universidad tecnológica pública ubicada en el centro de
México. El muestreo fue no probabilístico, de tipo intencional por conveniencia,
seleccionando a estudiantes que cursaban alguna asignatura del área de matemática. Del
total de participantes, el 53.6 % fueron mujeres y el 46.4 % hombres, con una edad
promedio de 20.4 años (DE = 1.8). Todos los estudiantes participaron de forma voluntaria,
firmando un consentimiento informado digital. Se garantizó la confidencialidad de los
datos, resguardando la identidad del estudiantado y el uso exclusivo de la información con
fines académicos y científicos, de acuerdo con las recomendaciones éticas en investigación
educativa (Johnson & Christensen, 2020).
Instrumentos
Se utilizaron dos instrumentos validados. El primero fue el Cuestionario Honey-
Alonso de Estilos de Aprendizaje (CHAEA), conformado por 80 ítems distribuidos en
cuatro escalas que evalúan los estilos activo, reflexivo, teórico y pragmático (Alonso et al.,
1994). Cada escala consta de 20 afirmaciones con respuestas dicotómicas (Sí/No). La
puntuación máxima por estilo es de 20 puntos (En el Anexo 1 se muestra parcialmente
dicho cuestionario). El CHAEA ha demostrado buena fiabilidad en contextos
universitarios latinoamericanos, con coeficientes α de Cronbach superiores a 0.70
(Villareal, 2023; Mena et al., 2019). En este estudio, se obtuvieron los siguientes valores de
confiabilidad interna: activo (α = 0.76), reflexivo (α = 0.79), teórico (α = 0.74) y pragmático
(α = 0.71), lo que respalda la consistencia del instrumento en esta muestra. El segundo
instrumento fue el registro institucional de calificaciones, a partir del cual se recuperó la
calificación final de la asignatura matemática cursada más recientemente por cada
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
12
estudiante. Las calificaciones se expresaron en escala numérica de 0 a 10, con punto
aprobatorio en 7.0, conforme a la normativa institucional vigente.
Procedimiento
La aplicación del cuestionario CHAEA se llevó a cabo de manera digital durante
las semanas 5 a 8 del cuatrimestre, utilizando formularios en línea institucionales. La tasa
de respuesta alcanzó el 95.1 %. Una vez recolectada la información, las respuestas fueron
codificadas siguiendo los lineamientos del manual técnico del instrumento (Alonso et al.,
1994). Simultáneamente, se obtuvieron las calificaciones académicas desde el sistema de
gestión escolar, asegurando el cruce anónimo con los resultados del cuestionario. Todos
los datos fueron almacenados en una base digital protegida, sin vinculación directa con
nombres u otros identificadores personales.
Análisis estadístico
El procesamiento de los datos se realizó utilizando el software IBM SPSS Statistics
versión 25. En primera instancia, se calcularon estadísticos descriptivos (media, mediana,
desviación estándar, mínimos y máximos) para caracterizar los puntajes de estilos de
aprendizaje y calificaciones académicas. Se aplicó la prueba de Kolmogórov-Smirnov para
evaluar la normalidad de las variables; dado que no se cumplió este supuesto, se recurrió a
pruebas no paramétricas (Field, 2018; Sheskin, 2020). Para examinar la relación entre los
estilos de aprendizaje y el rendimiento académico, se calcularon coeficientes de correlación
de Spearman (ρ), estableciendo un nivel de significancia estadística de p < 0.05.
Asimismo, se llevó a cabo un análisis por cuartiles para los estilos activo y reflexivo,
dividiendo a los estudiantes en cuatro grupos según sus puntuaciones, a fin de identificar
posibles patrones de calificación según el nivel de estilo predominante. Los resultados se
representaron gráficamente mediante diagramas de cajas y matrices de correlación. Esta
estrategia permitió explorar tendencias que, aunque no necesariamente significativas desde
el punto de vista estadístico, ofrecen información pedagógica relevante para el diseño
instruccional en contextos de ingeniería.
Resultados y Análisis
Rendimiento académico en matemáticas y perfiles de aprendizaje
Los resultados obtenidos permiten caracterizar tanto los estilos de aprendizaje
predominantes como el rendimiento académico en matemáticas de los estudiantes de
Ingeniería en Alimentos, así como explorar posibles asociaciones entre estas variables. En
primer lugar, la Tabla 1 muestra los estadísticos descriptivos de los estilos medidos con el
cuestionario CHAEA y las calificaciones finales en matemáticas. Se observa que, los estilos,
reflexivo (M = 15.03, DE = 2.87) y teórico (M = 14.23, DE = 2.63), presentan los puntajes
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
13
promedio más altos, seguidos del estilo activo (M = 12.75, DE = 2.84) y pragmático (M =
11.66, DE = 3.07). Estos resultados confirman tendencias ampliamente reportadas en
contextos universitarios de ingeniería, donde los estilos estructurados y analíticos tienden
a predominar (Enríquez et al., 2023; Mena et al., 2019; Arias et al., 2023; Villareal, 2023).
Tabla 1. Estilos de aprendizaje predominantes en un curso de matemáticas del estudiantado de Ingeniería.
Estadístico
Estilo
Activo
Reflexivo
Teórico
Pragmático
Calificación
promedio
Media ± DE
12.746±2.845
15.028±2.876
14.231±2.625
11.66±3.075
7.81±1.197
Mínimo
5
5
8
5
5
Q1
11
13
12
8
7.2
Q2
13
16
14
12
7.8
Q3
14
17
16
14
8.7
Máximo
20
20
20
20
10
Nota.
Elaboración propia
El rendimiento académico promedio (Figura 1) observado fue de 7.82 (DE = 1.20),
ligeramente por encima del mínimo aprobatorio institucional (igual a 7), pero con una
distribución amplia que sugiere disparidades importantes en el dominio de contenidos
matemáticos. Este tipo de brechas ha sido documentado en estudios previos como reflejo
de metodologías de enseñanza estandarizadas que no responden adecuadamente a la
diversidad cognitiva del estudiantado (Vega Román & Ruiz, 2018; Cano, 2011; Boateng,
2024).
Estudios como los de Yumán-Ramírez (2020) y Arias et al. (2023) han advertido
que las metodologías tradicionalmente aplicadas en matemáticas universitarias —basadas en
la exposición magistral y la resolución de ejercicios cerrados— no son igualmente efectivas
para todos los perfiles de aprendizaje. En particular, los estudiantes con estilos activos o
pragmáticos suelen presentar mayor dificultad en estos entornos si no se les ofrecen tareas
prácticas, simulaciones o resolución de problemas aplicados (Rojas et al., 2024; Boateng,
2024). Esta desigualdad pedagógica puede contribuir a las brechas observadas en el
rendimiento.
Asimismo, la existencia de un porcentaje considerable de estudiantes reprobados
reafirma lo señalado por autores como Mena et al. (2019) y Lagos et al. (2021), quienes
destacan que el rendimiento en matemáticas constituye un factor crítico de deserción en
programas de ingeniería, especialmente en los primeros semestres. La Figura 1, por tanto,
no solo describe una distribución estadística, sino que advierte sobre la necesidad de
implementar prácticas docentes diferenciadas que respondan a la heterogeneidad del aula,
como también han propuesto Felder & Spurlin (2005) y Vidal & Rodríguez (2024).
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
14
Figura 1. Distribución de calificaciones en matemáticas (n = 138).
Nota.
Elaboración propia
Correlación entre estilos de aprendizaje y calificaciones
Respecto a la relación entre los estilos de aprendizaje y el rendimiento académico,
el análisis de Spearman (Tabla 2) mostró una correlación débil y no significativa entre el
estilo activo y las calificaciones (ρ = 0.147; p = 0.088). Este resultado, si bien no permite
establecer una relación directa, es consistente con lo argumentado por Felder y Brent
(2005), quienes sostienen que estudiantes con estilo activo tienden a beneficiarse en
ambientes educativos que promueven la experimentación, la práctica inmediata y la
resolución de problemas reales. Resultados similares se reportan en estudios recientes de
Pizon y Ytoc (2021), Berrú et al. (2024) y Rojas et al. (2024), quienes documentan mejoras
significativas en el rendimiento cuando se implementan estrategias centradas en la acción.
En contraste, el estilo reflexivo presentó una correlación prácticamente nula (ρ =-
0.010; p = 0.907), lo que contrasta con la literatura que lo vincula a un desempeño superior
en asignaturas de alta carga cognitiva como matemáticas (Agboola & Tsai, 2021; Vega
Román & Ruiz, 2018; Panadero & Brown, 2022; Yumán-Ramírez, 2020). Esta disonancia
puede explicarse, como apuntan Mohamed et al. (2022) y Díaz (2021), por la falta de
condiciones didácticas que activen procesos metacognitivos y espacios de análisis
estructurado en el aula, necesarios para que los estudiantes reflexivos desplieguen sus
fortalezas. La Figura 2 presenta la matriz de correlaciones entre los estilos y las calificaciones.
Si bien ninguna correlación resultó significativa al nivel p < 0.05, los patrones de asociación
sugieren que el estilo activo podría ser más compatible con contextos de aprendizaje
basados en la aplicación práctica y resolución contextualizada de problemas, tal como se
observa en asignaturas de ingeniería aplicada (Valencia-Martínez et al., 2024; Rojas et al.,
2024).
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
15
Tabla 2. Correlaciones de Spearman entre estilos de aprendizaje y calificaciones en matemáticas.
Estilo de
aprendizaje
ρ de Spearman
Valor p
Activo
0.147
0.088
Reflexivo
-0.010
0.907
Teórico
0.078
0.379
Pragmático
0.015
0.859
Nota.
Elaboración propia
La Figura 2 presenta la matriz de correlaciones entre los estilos y las calificaciones.
Aunque ninguna de las correlaciones resultó significativa al nivel p < 0.05, los patrones de
asociación sugieren que el estilo activo podría ser más compatible con contextos de
aprendizaje orientados a la práctica, la participación y la resolución de problemas
contextualizados, características frecuentes en programas de ingeniería (Valencia-Martínez
et al., 2024; Rojas et al., 2024; Özdemir & Şahin, 2022). Estudios previos han demostrado
que este estilo se beneficia de entornos dinámicos y retadores, donde se fomenta el
aprendizaje experiencial y la resolución cooperativa (Boateng, 2024; Ramírez-Correa et al.,
2021).
Figura 2. Matriz de correlación de Spearman entre estilos entre variables.
Nota.
Elaboración propia
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
16
Análisis por cuartiles: estilos activo y reflexivo
Se realizó un análisis por cuartiles de los estilos activo y reflexivo. En la Tabla 3 se
observa que los estudiantes con un nivel alto en el estilo activo alcanzaron una mediana de
8.2, en contraste con los de nivel bajo, quienes lograron una mediana de 7.3. Esta diferencia
refuerza la idea de que los estudiantes con estilo activo pueden lograr un mejor rendimiento
cuando se les expone a estrategias como el aprendizaje basado en problemas (ABP), estudios
de caso o simulaciones (Pizon & Ytoc, 2021; Sheromova et al., 2020). La literatura respalda
este patrón: tanto Felder y Brent (2005) como Muñoz et al. (2021) han destacado que el
estilo activo está vinculado con un mayor compromiso cuando se utilizan metodologías
participativas en carreras técnicas.
Tabla 3. Calificaciones de matemáticas según cuartiles del estilo activo.
Nivel del estilo activo
N
Media
DE
Mediana
Mínimo
Máximo
Bajo
43
7.32
1.08
7.3
5.0
9.6
Medio-bajo
48
7.64
1.17
7.6
5.5
9.9
Medio-alto
21
8.01
1.17
8.0
6.0
10.0
Alto
26
8.30
1.13
8.2
6.1
10.0
Nota.
Elaboración propia
Figura 3. Calificaciones según nivel del estilo activo.
Nota.
Elaboración propia
En contraste, la Tabla 4 y la Figura 4 muestran que las calificaciones no difieren
sustancialmente entre los niveles del estilo reflexivo. Las medianas se mantienen entre 7.6
y 8.2 en todos los cuartiles, confirmando la ausencia de correlación significativa. Este
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
17
resultado contradice estudios como los de Agboola & Tsai (2021), Yumán-Ramírez (2020)
y Mena et al. (2019), que han asociado el estilo reflexivo con un mejor desempeño
matemático. Una posible explicación, como sugieren Mohamed et al. (2022) y Panadero &
Brown (2022), es que el entorno instruccional del curso no ofrecía suficientes
oportunidades para activar habilidades reflexivas, como la autorregulación metacognitiva,
el análisis crítico o el aprendizaje autorregulado. La falta de portafolios, discusiones guiadas
o actividades de pensamiento profundo puede limitar el despliegue de este estilo (Alfonso
& Sophia, 2019; Coffield et al., 2004).
Este hallazgo coincide con lo planteado por Montalvo & Bermúdez (2021), quienes
sostienen que los estudiantes reflexivos requieren contextos más estructurados, con
retroalimentación frecuente y tareas que les permitan analizar y sintetizar información a su propio
ritmo. La enseñanza centrada en ejercicios mecánicos, sin fases explícitas de reflexión, puede
resultar poco efectiva para ellos.
Tabla 4. Calificaciones por cuartil del estilo reflexivo.
Nivel del estilo reflexivo
n
Media
DE
Mínimo
Q1
Mediana
Q3
Máximo
Bajo
43
7.82
1.38
5.0
7.00
8.00
8.70
10.0
Medio-bajo
48
7.78
1.11
5.0
7.18
7.60
8.45
10.0
Medio-alto
21
8.02
1.20
5.1
7.40
8.20
8.80
10.0
Alto
26
7.73
1.07
6.0
7.20
7.65
8.17
10.0
Nota.
Elaboración propia
Figura 4. Calificaciones según nivel del estilo reflexivo.
Nota.
Elaboración propia
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
18
En síntesis, los resultados sugieren que, si bien los estilos de aprendizaje no predicen
de forma unívoca el rendimiento académico, pueden funcionar como moderadores
pedagógicos relevantes cuando se alinean con metodologías de enseñanza adecuadas. En
particular, el estilo activo parece responder positivamente a entornos didácticos centrados
en la acción y la aplicación práctica, mientras que el estilo reflexivo demanda estrategias
orientadas a la autorregulación, el análisis y la profundización conceptual (Felder &
Spurlin, 2005; Díaz, 2021; Wang, 2024).
Diseñar propuestas instruccionales que activen múltiples estilos puede fomentar la
equidad educativa, aumentar la motivación del estudiantado y reducir las tasas de fracaso,
especialmente en asignaturas de alta exigencia como matemáticas. En este sentido, las
recomendaciones de Cano (2011) sobre evaluación por competencias y las de Felder y
Silverman (1988) sobre diversificación de estrategias de enseñanza siguen siendo
plenamente vigentes.
Conclusiones, Recomendaciones y Limitaciones
Los resultados obtenidos en este estudio permiten concluir que los estilos de
aprendizaje, si bien no presentan una correlación estadísticamente significativa con el
rendimiento académico en matemáticas, pueden desempeñar un papel modulador
relevante cuando se consideran en el diseño de las estrategias pedagógicas. En particular,
se identificó una tendencia positiva en el estilo activo, lo cual sugiere que ciertos perfiles
de aprendizaje pueden adaptarse mejor a contextos donde prevalecen metodologías
prácticas, dinámicas y orientadas a la aplicación inmediata del conocimiento. Por el
contrario, el estilo reflexivo no mostró relación con el rendimiento académico, lo que
podría estar asociado a una falta de condiciones didácticas que permitan desplegar las
habilidades propias de dicho estilo. Esta situación evidencia la importancia de adaptar el
proceso de enseñanza-aprendizaje a la diversidad cognitiva del estudiantado.
A partir de estos hallazgos, se recomienda que las instituciones de educación
superior realicen diagnósticos sistemáticos de los estilos de aprendizaje predominantes al
inicio de cada periodo escolar. Esta información puede servir de base para planificar
actividades didácticas que integren tanto componentes activos como reflexivos,
favoreciendo así un entorno de aprendizaje más inclusivo y eficaz. Asimismo, se propone
fortalecer la formación docente en el uso pedagógico de los estilos de aprendizaje,
fomentando prácticas que reconozcan la diversidad de los estudiantes como una
oportunidad para enriquecer el proceso educativo. Diseñar experiencias de aprendizaje
diferenciadas, implementar metodologías activas y promover espacios de reflexión
estructurada puede contribuir a mejorar los resultados académicos, especialmente en áreas
como las matemáticas que requieren un alto nivel de razonamiento.
Este estudio presenta algunas limitaciones que deben considerarse. Al tratarse de
una investigación transversal y no experimental, no es posible establecer relaciones de
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
19
causalidad entre las variables analizadas. Además, la muestra se limitó a estudiantes de un
solo programa educativo en una institución específica, lo cual restringe la generalización de
los resultados. El instrumento utilizado para evaluar los estilos de aprendizaje se basa en el
autoinforme, lo que implica un margen de subjetividad por parte de los participantes.
Finalmente, es probable que existan otros factores que influyen en el rendimiento
académico y que no fueron considerados en este estudio, como la motivación, las
emociones, el ambiente de aprendizaje o la calidad de la enseñanza.
A pesar de estas limitaciones, la investigación aporta elementos valiosos para la
comprensión del papel que desempeñan los estilos de aprendizaje en el rendimiento
académico. Se sugiere continuar con estudios de mayor alcance, de carácter longitudinal o
experimental, que profundicen en la relación entre los perfiles cognitivos del estudiantado
y la eficacia de diversas metodologías pedagógicas, con el fin de avanzar hacia una educación
superior más equitativa, pertinente y centrada en el estudiante.
Referencias
Agboola, A. O., & Tsai, C.-C. (2021). Learning styles and mathematics performance: A meta-
analysis. International Journal of Instruction, 14(1), 55–
68. https://doi.org/10.29333/iji.2021.1414a
Alalouch, C. (2021). Cognitive styles, gender, and student academic performance in engineering
education. Education Sciences, 11(9), 502. https://doi.org/10.3390/educsci11090502
Alfonso, T., & Sophia, S. (2019). Does learning style predict academic performance of engineering
and technology students in India? International Journal of Recent Technology and
Engineering, 8(4), 167–172. https://doi.org/10.35940/ijrte.C6596.118419
Alonso, C., Gallego, D., & Honey, P. (1994). Los estilos de aprendizaje: Procedimientos de diagnóstico y
mejora. Ediciones Mensajero.
Arias, P. J. A., Manrique, Q. J. A., Espinoza, M. M., & Barrera, L. A. D. M. (2023). Learning styles
and academic performance in the digital era in Peruvian engineering students. Revista de
Ciencias Sociales, 29(4), 41235. https://doi.org/10.31876/rcs.v29i4.41235
Berrú, T. C. P., Pardo, R. S. R., Gordillo, S. D. Y., Escaleras, E. V. E., Vega, L. M. M., Camacho,
C. B. D. R., & Merino, A. M. M. (2024). Estrategias docentes para integrar inteligencias
múltiples y estilos de aprendizaje. Revista InveCom, 5(1), 1–
19. https://doi.org/10.5281/zenodo.10909995
Boateng, S. (2024). Physical sciences teachers’ perspectives on implementing learning style–based
instructional strategies in science classrooms: Challenges and opportunities. Journal of
Pedagogical Research, 8(4), 202–219. https://doi.org/10.33902/JPR.202426770
Cano, E. (2011). Evaluar por competencias: Lo que hay que saber y saber hacer. Graó.
Coffield, F., Moseley, D., Hall, E., & Ecclestone, K. (2004). Learning styles and pedagogy in post-16
learning: A systematic and critical review. Learning and Skills Research
Centre. https://dera.ioe.ac.uk/id/eprint/5232
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
20
Coto, M. (2021). Estilos de aprendizaje y rendimiento académico en matemática superior. EDUCA-
UMCH, 5(2), 85–96. https://www.scipedia.com/public/Coto_2021a
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods
approaches (5th ed.). SAGE.
Díaz, R. (2021). Análisis de los estilos de aprendizaje y rendimiento académico en estudiantes
universitarios. Revista Científica Multidisciplinaria FAREM-Estelí, 11(26), 35–
49. https://doi.org/10.5377/farem.v11i26.12959
Enríquez, R. C., Herrero, R. M., Elizalde, C. F. A., & Vargas, A. S. (2023). Estilos de aprendizaje
en estudiantes de pregrado de Ingeniería y Administración. Revista Iberoamericana para la
Investigación y el Desarrollo Educativo, 15(29), 1–
23. https://doi.org/10.23913/ride.v15i29.2058
Felder, R. M., & Brent, R. (2005). Understanding student differences. Journal of Engineering
Education, 94(1), 57–72. https://doi.org/10.1002/j.2168-9830.2005.tb00829.x
Felder, R. M., & Silverman, L. K. (1988). Learning and teaching styles in engineering
education. Engineering Education, 78(7), 674–
681. http://www4.ncsu.edu/unity/lockers/users/f/felder/public/Papers/LS_Theory.pdf
Felder, R. M., & Spurlin, J. (2005). Applications, reliability and validity of the Index of Learning
Styles. International Journal of Engineering Education, 21(1), 103–
112. http://www4.ncsu.edu/unity/lockers/users/f/felder/public/ILSpage.html
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
García, M. A., Melo, G. A. B., & Moncada, B. C. D. (2024). Estilos de aprendizaje y su influencia
sobre el rendimiento académico en universitarios, como fuente de estrategias
pedagógicas. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 4385–
4399. https://doi.org/10.37811/cl_rcm.v8i4.12664
Gómez-Chacón, I. M. (2005). Afecto y matemáticas en el aula. Narcea.
Hariri, D. D., Mahmudah, H., Wibawa, F. S., & Kania, N. (2025). Unraveling the connection: A
systematic review of learning styles and mathematics achievement. Pedagogical
Research, 10(1), em0232. https://doi.org/10.29333/pr/15681
Hernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la investigación (6ª ed.). McGraw-
Hill.
Johnson, B., & Christensen, L. (2020). Educational research: Quantitative, qualitative, and mixed
approaches (7th ed.). SAGE.
Kolb, D. A. (2015). Experiential learning: Experience as the source of learning and development (2nd ed.).
Pearson Education.
Kusaka, S., & Ndihokubwayo, K. (2022). Metacognitive strategies in solving mathematical word
problems: A case of Rwandan primary school learners. SN Social Sciences, 2,
186. https://doi.org/10.1007/s43545-022-00495-5
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
21
Lagos, S., J. A., Berdugo, R. E. O., & Cogollo, R. J. G. (2021). Estilos de aprendizaje: Un estudio
en ingeniería a distancia. Revista Vínculos, 16(2), 310–
320. https://doi.org/10.14483/2322939X.15972
Marantika, J. E. R. (2022). The relationship between learning styles, gender and learning
outcomes. Cypriot Journal of Educational Sciences, 17(1), 56–
67. https://doi.org/10.18844/cjes.v17i1.6681
McMillan, J. H., & Schumacher, S. (2020). Research in education: Evidence-based inquiry (8th ed.).
Pearson.
Mena, L. J. L., Rodríguez, P. J., Mena, L. J. A., & Navarro, J. I. (2019). Estilos de aprendizaje del
alumnado de ingeniería: Curso, rendimiento y género. European Journal of Education and
Psychology, 12(2), 175–189. https://doi.org/10.30552/ejep.v12i2.282
Mohamed, M., Ab Rashid, R., & Alqaryouti, M. H. (2022). Conceptualizing the complexity of
reflective practice in education. Frontiers in Psychology, 13,
1008234. https://doi.org/10.3389/fpsyg.2022.1008234
Montalvo, P. A. I., & Bermúdez, R. T. (2021). Identifying engineering undergraduates’ learning
style profiles for blended learning. Applied Sciences, 11(22),
10505. https://doi.org/10.3390/app112210505
Muñoz, M. J., Acosta, G. E., Ruiz, L. E. F., & Ramírez, A. A. (2021). Do learning styles enhance
the academic performance of university students? A case study. International Journal of
Advanced Computer Science and Applications, 12(6), 1–
7. https://doi.org/10.14569/IJACSA.2021.0120686
Orhun, N. (2012). The relationship between learning styles and achievement in calculus course for
engineering students. Procedia - Social and Behavioral Sciences, 47, 638–
642. https://doi.org/10.1016/j.sbspro.2012.06.710
Özdemir, E., & Şahin, F. (2022). The relationship between learning styles and meaningful learning
in undergraduate students. Education Research and Reviews, 17(2), 58–
66. https://doi.org/10.5897/ERR2021.4294
Panadero, E., & Brown, G. T. L. (2022). Structured reflection to foster self-regulated learning in
higher education: A cross-sectional study. Journal of Engineering Education, 111(3), 445–
464. https://doi.org/10.1002/jee.20356
Pashler, H., McDaniel, M., Rohrer, D., & Bjork, R. (2009). Learning styles: Concepts and
evidence. Psychological Science in the Public Interest, 9(3), 105–
119. https://doi.org/10.1111/j.1539-6053.2009.01038.x
Pizon, M. G., & Ytoc, S. T. (2021). A path model to infer mathematics performance: The
interrelated impact of motivation, attitude, learning style and teaching strategies
variables. arXiv. https://doi.org/10.48550/arXiv.2105.05850
Ramírez, C. P., Alfaro, P. J., & Gallardo, M. (2021). Identifying engineering undergraduates’
learning style profiles using machine learning techniques. Applied Sciences, 11(22),
10505. https://doi.org/10.3390/app112210505
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
22
Ramos, G. S. P., & Herrera, J. L. E. (2023). Estilos de aprendizaje como estrategia de inclusión en
estudiantes sordos de la Institución Educativa Marcelino Polo Cerete - Córdoba. Ciencia
Latina Revista Científica Multidisciplinar, 7(2), 8822–
8832. https://doi.org/10.37811/cl_rcm.v7i2.5989
Ramos-Castro, D., & Castro, A. (2020). Instrucción en el uso de esquemas para la resolución de
problemas aditivos en educación primaria. Enseñanza de las Ciencias, 34(1), 95–
112. https://raco.cat/index.php/Ensenanza/article/view/v34-n1-ramos-castro-castro
Rivadeneira, V. J. E., Herrera, A. D. A., Pozo, M. C. P., Sailema, P. Y. A., Soto, A. M. P., & Moyano
Calero, W. (2025). Estilos de aprendizaje de los estudiantes de educación
superior. Enfermería Investiga, 10(1), 103–
112. https://doi.org/10.31243/ei.uta.v10i1.2748
Rojas, P. C. V., Arango, Z. E. I., & Botero, C. H. A. (2024). Design and implementation of a novel
didactic strategy using learning styles for teaching control theory. Journal of Technology and
Science Education, 14(4), 1025–1040. https://doi.org/10.3926/jotse.2564
Sheromova, T. S., Khuziakhmetov, A. N., Kazinets, V. A., Sizova, Z. M., Buslaev, S. I., &
Borodianskaia, E. A. (2020). Learning styles and development of cognitive skills in
mathematics learning. Eurasia Journal of Mathematics, Science and Technology
Education, 16(11), em1895. https://doi.org/10.29333/ejmste/8538
Sheskin, D. J. (2020). Handbook of parametric and nonparametric statistical procedures (6th ed.). CRC
Press.
Valencia-Martínez, N. A., Yulan-Valencia, C. M., & Valencia-Valencia, E. C. (2024). Estilos de
aprendizaje de estudiantes universitarios en cálculo integral. Polo del Conocimiento, 9(1),
659–675. https://doi.org/10.23857/pc.v9i1.6399
Vega-Román, E., & Ruiz, V. H. (2018). Estilos de aprendizaje y su relación con el rendimiento
académico de estudiantes de segundo año de Educación General Básica. Revista de Estilos
de Aprendizaje, 11(22), 1–13. https://doi.org/10.55777/rea.v11i22.1084
Vidal, A., & Rodríguez, D. (2024). Learning styles impact students’ perceptions on active
learning. Education Sciences, 14(3), 250. https://doi.org/10.3390/educsci14030250
Villarreal, F. J. E. (2023). Cuestionario Honey-Alonso de estilos de aprendizaje (CHAEA).
Propiedades psicométricas en estudiantes universitarios colombianos. Psicogente, 26 (50),
1–22. https://doi.org/10.17081/psico.26.50.6231
Wang, Y. (2024). Influence of students’ learning style preferences on students’ success of higher
educational institutions in China: The moderating role of ICT effectiveness. Profesional de
la Información, 33(4), e330414. https://doi.org/10.3145/epi.2024.ene.0414
Yumán-Ramírez, I. M. (2020). Relación entre rendimiento académico y estilos de
aprendizaje. Revista Guatemalteca de Educación Superior, 3(2), 1–
11. https://doi.org/10.46954/revistages.v3i2.27
Estilos de aprendizaje y rendimiento en matemáticas en estudiantes de ingeniería en alimento
23
Anexo A. Cuestionario CHAEA (fragmento ilustrativo)
Nombre del instrumento: Cuestionario Honey-Alonso de Estilos de Aprendizaje (CHAEA)
Autores: Alonso, Gallego y Honey (1994)
Versión adaptada: Aplicación para estudiantes universitarios de habla hispana en contextos
educativos latinoamericanos.
Objetivo del instrumento: El CHAEA tiene como propósito identificar la preferencia individual
de los estudiantes respecto a cuatro estilos de aprendizaje: Activo, Reflexivo, Teórico y Pragmático.
Esta información permite caracterizar perfiles cognitivos con fines de orientación pedagógica y
adaptación didáctica.
Instrucciones para el participante: Este cuestionario está diseñado para ayudarte a conocer tu estilo
de aprendizaje predominante. No existen respuestas correctas o incorrectas. Por favor, responde
cada afirmación con sinceridad, marcando si estás de acuerdo o no.
Lee cada afirmación con atención.
• Marca con una “X” en la columna “Sí” si estás de acuerdo.
• Marca con una “X” en la columna “No” si no estás de acuerdo.
• Tiempo estimado de aplicación: 20 minutos.
Total de ítems: 80 (20 por cada estilo de aprendizaje).
Ejemplo de ítems (fragmento):
Ítem
Afirmación
Sí
/ No
1
Me involucro activamente en las tareas de grupo.
2
Antes de actuar, pienso cuidadosamente sobre las consecuencias.
3
Me atrae experimentar y buscar nuevas formas de hacer las cosas.
4
Prefiero analizar las ideas de forma lógica y estructurada.
Nota: Solo se presenta un fragmento ilustrativo del cuestionario. El instrumento completo puede
ser consultado en el texto original publicado por Alonso, Gallego y Honey (1994), disponible en
bibliotecas académicas especializadas o en la siguiente fuente confiable como
https://www.eduteka.org/pdfdir/HoneyAlonsoEstilosAprendizaje.pdf
Guía de codificación e interpretación: Cada ítem del cuestionario está asociado a uno de los cuatro
estilos. La puntuación se obtiene sumando las respuestas afirmativas (“Sí”) de cada conjunto de 20
ítems correspondiente a un estilo. La puntuación máxima por estilo es de 20.
• 16–20 puntos: Muy alto
• 11–15 puntos: Medio-alto
• 6–10 puntos: Bajo
• 0–5 puntos: Muy bajo
Latin American Journal of Humanities and Educational Divergences | SSN (en línea): 2955-8891
Vol. 4, núm. 2, pp. 6-24
24
Un estudiante puede mostrar puntuaciones altas en más de un estilo. Se considera un perfil
equilibrado cuando las puntuaciones oscilan entre 10 y 15 sin predominancia clara.
