Universidad del Zulia (LUZ)
Revista Venezolana de Gerencia (RVG)
Año 31 No. 116, 2026, e3111617
octubre-diciembre
ISSN 1315-9984 / e-ISSN 2477-9423
Como citar: Yuqui, M. J., Vega, M. L., y Bustos, R. A. (2026). Transferencia de conocimiento Universidad – Organizaciones. Rol de motivación intrínseca y valor funcional. Revista Venezolana De Gerencia, 31(116), e3111617. https://doi.org/10.52080/rvgluz.31.116.17
Transferencia de conocimiento Universidad – Organizaciones. Rol de motivación intrínseca y valor funcional
Yuqui Ketil, Miguel Javier*
Vega Chica, Mayra Liuviana**
Bustos Intriago, Raúl Arturo***
Resumen
La transferencia de conocimientos de las universidades a las organizaciones es fundamental para fortalecer la innovación, el rendimiento y el vínculo entre la educación académica y el sector productivo. El objetivo de este estudio fue examinar los efectos de la motivación intrínseca y la percepción del valor funcional de los estudios en la adquisición de conocimientos en el contexto de su transferencia a las organizaciones por parte de estudiantes universitarios en Ecuador, que se emplean activamente. La investigación adoptó un enfoque cuantitativo, correlacional y explicativo, basado en datos recopilados a través de un cuestionario estructurado administrado a estudiantes de diversas instituciones de educación superior en Ecuador. El análisis se llevó a cabo utilizando un modelo de ecuaciones estructurales de mínimos cuadrados parciales para evaluar las relaciones directas e indirectas entre los constructos del modelo. Los resultados muestran que la adquisición de conocimientos influye positivamente en la motivación intrínseca, el valor funcional percibido y la transferencia de conocimientos. Además, la motivación intrínseca afecta significativamente a la transferencia y actúa como mediadora entre la adquisición y la transferencia. Por el contrario, el valor funcional percibido no mostró un efecto directo ni mediador significativo. Estos hallazgos demuestran que la transferencia depende principalmente del dominio conceptual y de la motivación interna para aplicar lo aprendido.
Palabras clave: Transferencia de conocimiento; adquisición de conocimiento; motivación intrínseca; valor funcional; educación superior.
Recibido: 22.06.26 Aceptado: 13.07.26
* Magíster en Comunicación y Marketing - Universidad Espíritu Santo; Afiliación: ESAI Business School Universidad Espíritu Santo, Samborondón, Ecuador; Universidad Estatal de Milagro (UNEMI), Milagro 091050, Ecuador. E-mail: myuquik@unemi.edu.ec. ORCID ID: https://orcid.org/0000-0002-1041-9767
** PhD. Administración Estratégica de Empresas - CENTRUM católica Graduate Business School, Lima, Perú. Pontificia Universidad Católica del Perú, Lima, Perú; E-mail: mayra.vega@pucp.edu.pe ORCID ID: https://orcid.org/0000-0003-4062-2106
*** Magíster en Evaluación de la calidad y procesos de certificación en educación superior - Universidad Internacional de La Rioja; Afiliación: Universidad Estatal de Milagro (UNEMI), Milagro 091050, Ecuador; E-mail: rbustosi2@unemi.edu.ec, ORCID ID: https://orcid.org/0009-0008-6878-2519
Knowledge Transfer Between Universities and Businesses the Role of Intrinsic Motivation and Functional Value
Abstract
Knowledge transfer from universities to organizations is key to strengthening innovation, performance, and the link between academic education and the productive sector. The objective of this study was to analyze the influence of knowledge acqusition, intrinsic motivation, and the perceived functional value of university studies on knowledge transfer among Ecuadorian university students who are employed. The research adopted a quantitative, correlational, and explanatory approach, based on data collected through a structured questionnaire administered to students from various higher education institutions in Ecuador. The analysis was conducted using partial least squares structural equation modeling to evaluate the direct and indirect relationships among the model’s constructs. The results show that knowledge acquisition positively influences intrinsic motivation, perceived functional value, and knowledge transfer. Furthermore, intrinsic motivation significantly affects transfer and acts as a mediator between acquisition and transfer. In contrast, perceived functional value did not show a significant direct or mediating effect. These findings demonstrate that transfer depends primarily on conceptual mastery and internal motivation to apply what has been learned.
Keywords: Knowledge transfer; Knowledge acquisition; Intrinsic motivation; Functional value; higher education.
1. Introducción
La distribución intencional del conocimiento académico ha surgido como una línea horizontal de la educación superior en la era actual como resultado de su papel en la construcción de la conexión entre la creación del conocimiento y el uso del conocimiento en el entorno a través de la innovación y el desarrollo social. En las últimas décadas, el conocimiento ha sido visto cada vez más como un sistema dinámico de creación, intercambio y aplicación, en lugar de un producto estático (Rodríguez et al., 2024). Esta metodología entiende que el valor del conocimiento se define por la capacidad de las organizaciones e individuos para transformarlo y utilizarlo en diferentes circunstancias, lo cual a su vez amplifica el aprendizaje y la ventaja competitiva de la organización (Dwyer & Seery, 2025).
A nivel universitario, la transferencia del conocimiento incluye la capacitación de los estudiantes para que asimilen, modifiquen y utilicen los conceptos en su profesión o prácticas sociales (Vega & De la Vega, 2023). Recientemente,se demuestra que en entornos que emplean una combinación de enfoques híbridos, activos y gamificados, la motivación intrínseca, la percepción y el sentido de pertenencia impactan positivamente en el nivel de compromiso con el aprendizaje profundo, aumentado por el uso del conocimiento en la práctica (Liu et al., 2024). Estos resultados complementan el grado en que el conocimiento académico se convierte en actividad profesional y compromiso social como función de un sistema interrelacionado de motivación, autonomía y participación (Homont et al., 2025).
Adquirir conocimiento es la base cognitiva inicial de la transferencia, que abarca la absorción del conocimiento y la capacidad de reorganizar los conceptos de ese conocimiento para utilizarlo de manera flexible (Cherukunnath & Singh, 2022), mostrando que, para la innovación y el aprendizaje organizacional, el reconocimiento, la asimilación y la explotación del conocimiento externo son fundamentales.
Estos procesos son fácilmente observables en América Latina. Aquí, las universidades están intentando ampliar sus contribuciones a la generación y propagación del conocimiento relacionado con el desarrollo sostenible (UNESCO, 2024). La integración de la "tercera misión" de la universidad continúa siendo limitada por la ausencia de incentivos, la inflexibilidad dentro de la institución y una cultura de colaboración inadecuada (Tucker et al., 2025). La creciente digitalización y las iniciativas políticas dirigidas a la modernización de la educación han creado oportunidades para mejorar la transferencia del aprendizaje y promover un aprendizaje contextualizado (Supervía & Vega, 2024).
En el caso ecuatoriano, en los últimos años, el sistema universitario del país ha impulsado reformas orientadas a fortalecer la vinculación universidad-empresa, la innovación educativa y la formación pertinente (SENESCYT, 2024). En este contexto, una proporción creciente de estudiantes combina estudio y trabajo, lo que genera nuevas dinámicas en la forma en que adquieren y aplican conocimiento. Vega y De la Vega (2023) evidencian que, en este grupo, la motivación intrínseca y la percepción del valor funcional de los estudios universitarios influyen de manera significativa en la transferencia del aprendizaje hacia sus actividades laborales (Vega & De la Vega, 2023).
Desde esta perspectiva, la educación superior en el Ecuador enfrenta el reto de diseñar experiencias que articulen la autonomía, la reflexión y la conexión entre teoría y práctica. Esto resulta clave en estudiantes que combinan estudios y trabajo, pues el conocimiento académico puede transferirse directamente a contextos organizacionales, fortaleciendo el desempeño y la mejora institucional.
En este sentido, el propósito principal de este estudio es examinar los efectos de la motivación intrínseca y la percepción del valor funcional de los estudios en la adquisición de conocimientos en el contexto de su transferencia a las organizaciones por parte de estudiantes universitarios en Ecuador, que se emplean activamente. Esta investigación pretende: i) analizar los efectos del valor funcional percibido de los estudios y la motivación intrínseca en la adquisición de conocimientos; ii) analizar los efectos de la adquisición de conocimientos, la motivación intrínseca y el valor funcional en la transferencia de conocimientos; y iii) evaluar los efectos de la motivación intrínseca y el valor funcional en la transferencia de conocimientos en el contexto de su adquisición.
Se aplica un enfoque cuantitativo, correlacional y explicativo, con un diseño no experimental y transversal. Los datos se recolectaron mediante un cuestionario estructurado entregado a estudiantes universitarios ecuatorianos que trabajan. El modelo teórico se evaluó mediante PLS-SEM, lo que permitió evaluar las relaciones directas e indirectas entre los constructos y la evidencia empírica sobre los mecanismos que potencian la aplicación del conocimiento universitario en el lugar de trabajo en el contexto de estudiantes universitarios que actúan como canal de transferencia.
2. Transferencia de conocimiento: Motivación intrínseca y valor funcional de la educación superior
Esta sección detalla la teoría subyacente del modelo de investigación propuesto. Basándose en la literatura existente, se describen los principales constructos de la investigación y se articulan las hipótesis relacionadas con la evaluación empírica de las relaciones para la adquisición de conocimientos, el valor funcional, la motivación intrínseca y la transferencia de conocimientos.
Los enfoques cognitivos sobre la transferencia de conocimiento permiten comprender cómo el estudiante adquiere, asimila y reorganiza el conocimiento para aplicarlo en nuevos contextos (Cohen & Levinthal, 1990; Nonaka & Takeuchi, 1995). Sin embargo, esta visión es limitada si se asume que poseer conocimiento garantiza su transferencia, pues el estudiante puede comprender un contenido y no aplicarlo si carece de condiciones personales o contextuales que favorezcan su uso.
Desde la teoría de la autodeterminación, la motivación del estudiante se fortalece cuando el aprendizaje se vincula con interés personal, autonomía y percepción de competencia, favoreciendo una mayor disposición a emplear lo aprendido (Ryan & Deci, 2020). No obstante, esta mirada no explica por sí sola por qué ciertos conocimientos significativos no siempre se aplican. En consecuencia, los enfoques basados en el valor percibido afirman que los estudiantes tienden a utilizar lo que consideran beneficioso para sus aspiraciones académicas, laborales o personales. Sin embargo, la utilidad percibida por sí sola es insuficiente y no reemplaza la comprensión conceptual y la motivación intrínseca.
Para abordar estos puntos de vista, esta investigación adopta una postura más integral. La transferencia de conocimiento, para los estudiantes universitarios empleados dentro de estos marcos de aprendizaje relacionados con el trabajo, es más que la simple posesión del conocimiento, estar motivado o reconocer el valor del conocimiento relacionado con sus estudios. La transferencia de conocimiento es un proceso articulado en el que convergen la presencia cognitiva, un impulso interno por aprender y la apreciación del contexto del conocimiento. Bajo este marco, la adquisición de conocimiento es el motivador y el valor funcional está relacionado con la percepción de la oportunidad de practicar el conocimiento aprendido en el contexto laboral.
La adquisición de conocimientos (AK) consiste en la identificación y asimilación de contenidos novedosos en marcos de conocimiento preexistentes (Cohen & Levinthal, 1990). Dentro de la teoría de la creación de conocimiento, el término internalización transmite más que el acto de memorización. La internalización describe la transformación del conocimiento explícito en conocimiento tácito y las habilidades y comprensiones asociadas con esa transformación que aportan significado a una acción (Nonaka & Takeuchi, 1995).
El concepto de valor funcional (VF) se refiere a la capacidad de un objeto o experiencia para ayudar a una persona a alcanzar sus metas. La investigación realizada en el contexto de la educación superior indica que los estudiantes asocian un mayor VF con (i) la percepción de coherencia entre el contenido del aprendizaje y las tareas del mundo real, (ii) la retroalimentación que les ayuda a entender qué se necesita hacer para alcanzar el nivel deseado y (iii) la capacidad de relacionar lo aprendido para tomar decisiones informadas (Zhu et al., 2025).
En consecuencia, es razonable afirmar que AK proporciona FV a través de dos vías complementarias, cognitiva y experiencial. Con niveles bajos de adquisición, el aprendiz no puede formar representaciones estables y, por tanto, no puede ver la relevancia; con niveles altos de adquisición, la utilidad del material se vuelve evidente como una consecuencia natural de entender "para qué sirve"
(H1): El aprendizaje productivo aumenta el valor funcional percibido del proceso de aprendizaje.
La motivación intrínseca (MI) es la motivación para continuar un esfuerzo debido al interés o disfrute inherente, o a la dificultad inherente de la tarea. La dinámica de la MI está relacionada con la satisfacción de tres necesidades psicológicas básicas; es decir, la necesidad de autonomía, la necesidad de competencia y la necesidad de relación (Ryan & Deci, 2020). Una vez que las necesidades básicas están satisfechas mediante el proceso de aprendizaje, se observa un aumento notable en el compromiso, la persistencia y el uso de estrategias autorreguladas (Chen et al., 2024).
La AK refuerza la percepción de competencia personal, de ser capaz y efectivo, lo cual es un contribuyente importante a la motivación intrínseca (MI). Cuando los estudiantes aprenden y dominan un conjunto de conocimientos, perciben eficacia y, como resultado, se interesan más y disfrutan más del proceso de aprendizaje (Ortiz-Rojas et al., 2025). Ryan y Deci (Ryan & Deci, 2020) constituyen entornos de desafío óptimos que ofrecen retroalimentación formativa con el objetivo de mejorar el aprendizaje autorregulado. También construyen desafíos que requieren mayor autorregulación. Informan que la retroalimentación formativa presentada en estos entornos de desafío tiene el mayor efecto positivo en la motivación, a diferencia de la retroalimentación presentada en contextos de evaluación normativa o bajo presión. La evidencia respalda la afirmación de que el cultivo de experiencias de aprendizaje que proporcionan comprensión es la forma más sólida de promover la motivación en lugar de apelar a recompensas externas
(H2): La adquisición de conocimiento tiene un efecto positivo sobre la motivación intrínseca del estudiante.
La transferencia de conocimiento (KT) alude a la aplicación de aprendizajes en contextos distintos al de su adquisición, mediante procesos de analogía, abstracción y adaptación (Suazo, 2023). En educación superior, el dominio conceptual y procedimental adquirido se ha asociado con mayor probabilidad de aplicar y compartir lo aprendido en proyectos, prácticas y resolución de tareas auténticas (Tho & Trang, 2015; Tho, 2017).
(H3): La adquisición de conocimiento tiene un efecto positivo sobre la transferencia de conocimiento.
La IM potencia la transferencia de conocimiento; estudiantes intrínsecamente motivados exploran variaciones de tareas, buscan desafíos y persisten ante la dificultad, comportamientos que incrementan la probabilidad de llevar el conocimiento a nuevos contextos (Keyserlingk et al., 2025).
Desde la psicología educativa, se ha observado que la IM se relaciona con la intención de uso y con conductas de transferencia espontánea, incluso cuando las recompensas externas son mínimas (Ryan & Deci, 2020). En cursos donde se promueve la curiosidad, el sentido de competencia y la autonomía, los estudiantes reportan mayor tendencia a aplicar conceptos más allá de la evaluación inmediata(Simón-Grábalos et al., 2025).
(H4): La motivación intrínseca tiene un efecto positivo sobre la transferencia de conocimiento.
El valor percibido (FV) actúa como un mecanismo para la toma de decisiones; si un estudiante considera que un conocimiento es beneficioso para alcanzar sus metas académicas, personales o de resolución de problemas, la intención de utilizar ese conocimiento y el esfuerzo por encontrar una forma de hacerlo aumentan (Wang et al., 2023). El FV también puede ayudar en la priorización de esfuerzos. Los contenidos menos relevantes reciben menos práctica, lo que reduce en consecuencia el potencial de transferencia de los contenidos dados.
Hablando cognitivamente, FV ayuda a los aprendices a conectar el conocimiento con cómo lo aplicarán. Con FV, los aprendices visualizan mentalmente los beneficios, lo que les ayuda a activar esquemas para identificar y buscar situaciones relacionadas y ajustar las estrategias para adaptarse a la situación.
(H5): Un aumento en la percepción del valor funcional mejora la transferencia de conocimientos.
Una relación demostrada entre el conocimiento adquirido y el proyecto realizado ayuda a los estudiantes a apreciar la relevancia del conocimiento en el "mundo real" y aumentar su disposición a aplicarlo (Raza et al., 2018). Estudios muestran que el valor funcional podría ser un factor importante para traducir la adquisición de conocimiento en transferencia efectiva, particularmente en contextos vinculados a la vida laboral (Zhu et al., 2025).
(H6): El valor funcional percibido media la relación entre la adquisición de conocimiento y la transferencia de conocimiento.
En entornos educativos y organizacionales, la motivación intrínseca se ha asociado con una mayor iniciativa para transferir conocimiento y resolver problemas complejos (Yun & Lee, 2017). Investigaciones recientes sugieren que la motivación intrínseca puede actuar como un mecanismo psicológico que conecta la adquisición de conocimiento con su transferencia efectiva (Dwyer & Seery, 2025).
(H7): La motivación intrínseca media la relación entre la adquisición de conocimiento y la transferencia de conocimiento.
Este modelo se basa en una lectura integradora de la transferencia de conocimiento. En este caso, la adquisición se considera la base cognitiva del proceso. Las personas motivadas intrínsecamente utilizarán el conocimiento si perciben un valor funcional asociado con el conocimiento. Esta sección describe el diseño de la metodología creada para evaluar empíricamente las relaciones articuladas.
3. Consideraciones metodológicas de la investigación
El estudio empleó un enfoque cuantitativo de tipo correlacional y explicativo para probar las relaciones teorizadas de valor funcional, motivación intrínseca, adquisición de conocimiento y transferencia de conocimiento. El investigador utilizó un diseño no experimental, transversal, que es más adecuado para probar modelos estructurales con múltiples relaciones que ocurren simultáneamente. El análisis se realizó utilizando PLS-SEM (Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales), una técnica más adecuada con constructs reflejados y datos no distribuidos normalmente (Hair et al., 2022; Ringle et al., 2023).
La recopilación de datos tuvo lugar de marzo a junio de 2024. La investigadora administró cuestionarios en formato papel y en línea a estudiantes de nueve (9) universidades de diferentes partes de Ecuador. Los cuestionarios se basaron en las adaptaciones de algunas escalas validadas para medir los constructos del modelo: adquisición de conocimiento, valor funcional percibido, motivación intrínseca y transferencia de conocimiento. Las definiciones conceptuales, ítems adaptados y fuentes originales de cada constructo se presentan en el cuadro 1. Además, se efectuaron análisis preliminares de consistencia interna y detección de valores atípicos, con el propósito de verificar la coherencia de las respuestas y asegurar la calidad de los datos para el modelado posterior.
Cuadro 1
Matriz de variables e instrumentos aplicados
|
Variable |
Definición Conceptual |
Ítems |
Escala |
Instrumento / Fuente |
|
Adquisición de conocimiento |
Capacidad del estudiante para incorporar, comprender y organizar nuevos conocimientos académicos a partir de su formación universitaria. |
6 ítems |
Likert, 5-puntos |
Vega y De la Vega, (2023); Tho, (2017); Tho (2017); Tho y Trang, (2015); Raza et al., 2018) |
|
Transferencia de conocimiento |
Capacidad del estudiante para aplicar, adaptar y compartir el conocimiento adquirido en contextos académicos, laborales u organizacionales. |
4 ítems |
Likert, 5-puntos |
Vega y De la Vega, (2023); Tho, (2017); Tho y Trang, (2015); Raza et al. (2018) |
|
Motivación intrínseca |
Grado de disfrute y satisfacción al aplicar lo aprendido. |
4 ítems |
Likert, 5-puntos |
Raza et al. (2018), Adaptado de Tho and Trang (2015) |
|
Valor funcional |
Percepción de la utilidad práctica y los beneficios del título universitario. |
4 ítems |
Likert, 5-puntos |
Raza et al. (2018), Adaptado de Nguyen et al. (2012) |
La población objetivo estuvo conformada por estudiantes universitarios ecuatorianos de pregrado y posgrado en áreas administrativas y empresariales, con relación laboral activa en organizaciones públicas o privadas. Este criterio permitió analizar la transferencia de conocimiento entre el ámbito académico y el entorno productivo, en un contexto real de interacción laboral
Se empleó un muestreo no probabilístico por conveniencia, debido a la dificultad de acceder a una población que combina simultáneamente la condición de estudiante universitario laboralmente activo. Esta técnica resulta adecuada en investigaciones aplicadas orientadas a la validación de modelos teóricos específicos (Etikan et al., 2015). Se obtuvieron 2517 cuestionarios y, tras la depuración de registros incompletos, la muestra final quedó conformada por 656 observaciones válidas. Este tamaño muestral garantiza una potencia estadística superior al 95 % en modelos con hasta cinco constructos, cumpliendo los criterios para PLS-SEM (Hair et al., 2022).
El proceso de levantamiento de datos cumplió con los principios éticos del Informe Belmont (Department of Health, Education, and Welfare & National Commission for the Protection of Human Subjects of Biomedical and Behavioral Research, 2014). A cada participante se le informó sobre los objetivos del estudio, la naturaleza voluntaria de su participación y las medidas implementadas para salvaguardar la confidencialidad de los datos del estudio. Esta investigación se llevó a cabo en conformidad con los principios de investigación responsable y la protección de los sujetos de investigación (Winter & Gundur, 2024).
La muestra mostró una distribución uniforme de género y predominancia del grupo de edad de 18 a 25 años. Esto refleja una población universitaria joven que acaba de ingresar al mercado laboral. La mayoría de la muestra (87%) estaba cursando un programa de pregrado y había completado más del 50% de su plan de estudios. Dentro del mercado laboral, todos los participantes tenían una relación laboral activa. La mayoría tenía una relación laboral dependiente (64%) y, de estos, el 49% tenía una relación laboral presencial, mientras que el 21% tenía una relación laboral híbrida.
4. Factores asociados a la transferencia de conocimiento: Análisis estadístico y validación del modelo estructural
El software SmartPLS 3 ayudó en el proceso de tres pasos de la evaluación del modelo de medición, la evaluación del modelo estructural y la evaluación de los efectos indirectos. Durante la evaluación del modelo de medición, los constructos fueron evaluados por su fiabilidad y validez, basándose en los criterios de alfa de Cronbach (α), fiabilidad compuesta (CR), varianza promedio extraída (AVE) mayor o igual a 0.50 y validez discriminante, basada en el criterio de Fornell y Larcker (1981), que establece que la raíz cuadrada de AVE debe superar las correlaciones entre constructos en el modelo estructural (Fornell & Larcker, 1981). Como una prueba adicional de la independencia conceptual de las variables, también se calculó el índice heterotrailta-monotrailta (HTMT < 0.85) (Roemer et al., 2021).
Tras el desarrollo del modelo estructural, se utilizó el método de remuestreo bootstrap para estimar los coeficientes estandarizados (β) y los valores t junto con su significancia (p < 0,05). Este método implicó la creación de 5000 submuestras. Para evaluar el modelo de acuerdo con los estándares propuestos por Hair et al. (2022), se calcularon la determinación del coeficiente (R²), el tamaño del efecto (f²) y la relevancia predictiva (Q²). El tamaño del efecto se interpretó siguiendo los parámetros de Cohen (1988), que clasifican valores de 0.02, 0.15 y 0.35 como pequeños, medios y grandes, respectivamente. Estas etapas permitieron comprobar la validez psicométrica y la predictiva del modelo propuesto.
El diagrama 1 muestra el modelo estructural propuesto, que integra cuatro constructos reflejantes: motivación intrínseca (IM), valor funcional (FV), adquisición de conocimiento (AK) y transferencia de conocimiento (KT).
Nota. Los coeficientes sobre las flechas representan los valores estandarizados de las relaciones entre constructos, y los valores dentro de los círculos indican los coeficientes de determinación (R²) obtenidos en el modelo estructural estimado.
Se plantea que la adquisición de conocimiento constituye el eje del proceso al influir en la motivación y en la transferencia, mientras que el valor funcional actúa como factor antecedente vinculado a la percepción de utilidad del conocimiento.
4.1. Fiabilidad interna y validez convergente
La Tabla 1 presenta los valores obtenidos para la fiabilidad y validez de los constructos incluidos en el modelo. Los resultados muestran una elevada fiabilidad interna en todos los casos, con coeficientes alfa de Cronbach superiores a 0.93, lo que indica una consistencia homogénea entre los ítems que integran cada variable latente. Por su parte, la fiabilidad compuesta presentó valores comprendidos entre 0.952 y 0.967, confirmando la estabilidad de las medidas reflejantes y la coherencia de las respuestas observadas. Además, el rango de 0.820 a 0.879 para la varianza promedio extraída estuvo muy por encima del umbral mínimo de 0.50 para la validez convergente.
Fiabilidad y validez de constructo
|
Alfa de Cronbach |
Fiabilidad compuesta |
Varianza media extraída (AVE) |
|
|
Adquisición de conocimiento |
0.956 |
0.965 |
0.820 |
|
Valor funcional |
0.932 |
0.952 |
0.831 |
|
Motivación intrínseca |
0.949 |
0.963 |
0.868 |
|
Transferencia de conocimiento |
0.954 |
0.967 |
0.879 |
Nota. Todos los valores superan los umbrales de Hair et al. (2022), indicando consistencia interna y validez convergente adecuadas.
4.2. Validez discriminante
La validez discriminante se confirmó mediante el criterio de Fornell-Larcker, ya que las raíces cuadradas de la AVE (0.906–0.938) superaron las correlaciones entre constructos (0.697–0.863), como se muestran en la tabla 2. Asimismo, en la tabla 3 se observa que los valores HTMT oscilaron entre 0.738 y 0.903; aunque la relación entre adquisición y transferencia de conocimiento alcanzó 0.903, este valor no compromete la diferenciación conceptual. En conjunto, los resultados evidencian adecuada validez discriminante del modelo.
Tabla 2
Validez discriminante según el criterio de Fornell-Larcker
|
Adquisición de conocimiento |
Valor funcional |
Motivación intrínseca |
Transferencia de conocimiento |
|
|
Adquisición de conocimiento |
0.906 |
|||
|
Valor funcional |
0.733 |
0.912 |
||
|
Motivación intrínseca |
0.847 |
0.728 |
0.932 |
|
|
Transferencia de conocimiento |
0.863 |
0.697 |
0.827 |
0.938 |
Nota. Los valores en la diagonal principal representan la raíz cuadrada de la AVE de cada constructo.
Tabla 3
Índice HTMT (Heterotrait–Monotrait) para la validez discriminante
|
Adquisición de conocimiento |
Valor funcional |
Motivación intrínseca |
Transferencia de conocimiento |
|
|
Adquisición de conocimiento |
||||
|
Valor funcional |
0.774 |
|||
|
Motivación intrínseca |
0.888 |
0.772 |
||
|
Transferencia de conocimiento |
0.903 |
0.738 |
0.867 |
Nota. Valores del índice HTMT entre constructos latentes.
Los valores del factor de inflación de la varianza (VIF) del modelo de medida se situaron dentro de rangos aceptables. En adquisición de conocimiento (AK1–AK6), los VIF oscilaron entre 3.624 y 4.778; en valor funcional (FV1–FV4), entre 2.464 y 5.128; en motivación intrínseca (IM1–IM4), entre 4.182 y 4.504; y en transferencia de conocimiento (KT1–KT4), entre 4.507 y 5.392. Aunque los indicadores FV3 y KT2 superaron ligeramente el umbral de 5, estos valores no alcanzan niveles críticos ni evidencian colinealidad severa. En conjunto, los resultados confirman que no existe multicolinealidad problemática y que el modelo de medida mantiene estabilidad estadística
4.3 Evaluación del modelo estructural
La Tabla 4 presenta los coeficientes estandarizados (β), junto con los valores t y p obtenidos mediante el procedimiento de remuestreo bootstrapping con 5000 submuestras. Los resultados muestran efectos directos significativos entre la adquisición de conocimiento y la motivación intrínseca (β = 0.847; p < 0.001), así como entre la adquisición y la transferencia de conocimiento (β = 0.549; p < 0.001). También se evidenció un efecto positivo de la motivación intrínseca sobre la transferencia (β = 0.313; p < 0.001).
Tabla 4
Coeficientes de trayectoria del modelo estructural
|
Muestra original (O) |
Media de la muestra (M) |
Desviación estándar (STDEV) |
Estadísticos t (| O/TDEV|) |
P Valores |
|
|
AK → FV |
0.733 |
0.731 |
0.036 |
20.314 |
0.000 |
|
AK → IM |
0.847 |
0.846 |
0.020 |
42.254 |
0.000 |
|
AK → KT |
0.549 |
0.546 |
0.059 |
9.305 |
0.000 |
|
FV → KT |
0.067 |
0.069 |
0.040 |
1.662 |
0.097 |
|
IM → KT |
0.313 |
0.314 |
0.055 |
5.731 |
0.000 |
Nota. Valores de p inferiores a 0.05 se consideran estadísticamente significativos.
En cambio, la relación entre el valor funcional y la transferencia presentó un efecto positivo, pero no significativo (β = 0.067; p = 0.097), situándose cerca del umbral de significancia estadística.
Los coeficientes de determinación del modelo estructural indican un grado adecuado de poder explicativo respecto a las variables endógenas. La transferencia de conocimiento tiene un R² de 0,780 ( R² ajustado = ٠,٧٧٩), y la motivación intrínseca tiene un R² de ٠,٧١٧ ( R² ajustado = ٠,٧١٦), lo que significa que, en buena medida, los constructos predictivos explican la varianza de estas variables. El valor funcional, mientras tanto, tiene un R² = 0,537 ( R² ajustado = ٠,٥٣٦), lo cual muestra que los predictores del modelo explican una parte de su varianza. En general, se confirma el poder explicativo del modelo estructural estimado mediante estos hallazgos.
La Tabla 5 muestra los valores del tamaño del efecto (f²). Esta estadística permite la evaluación de la contribución de los predictivos en las variables endógenas. Los resultados muestran efectos grandes de la adquisición de conocimiento sobre el valor funcional (f² = 1.158) y la motivación intrínseca (f² = 2.529), respaldando su influencia en el modelo dominante. Asimismo, su efecto sobre la transferencia de conocimiento es de magnitud media (f² = 0.348). En contraste, el valor funcional muestra un efecto trivial sobre la transferencia (f² = 0.009) y la motivación intrínseca presenta un efecto débil (f² = 0.115).
Tabla 5
Tamaño del efecto (f²) del modelo estructural
|
Valor funcional |
Motivación intrínseca |
Transferencia de conocimiento |
|
|
Adquisición de conocimiento |
1.158 |
2.529 |
0.348 |
|
Valor funcional |
0.009 |
||
|
Motivación intrínseca |
0.115 |
Nota. Valores de f² obtenidos mediante la eliminación sucesiva de predictores. Criterios de interpretación según Cohen (1988): 0.02 = pequeño, 0.15 = medio, 0.35 = grande.
La relevancia predictiva del modelo estructural fue evaluada mediante el procedimiento de blindfolding, a partir del cual se estimaron los valores Q² de los constructos endógenos. En términos específicos, para el constructo valor funcional se obtuvo un SSO de 2624.000 y un SSE de 1467.817, lo que produce un Q² de 0.441, indicando un nivel moderado de capacidad predictiva. En el caso de la motivación intrínseca, con un SSO de 2624.000 y un SSE de 1007.546, se alcanzó un Q² de 0.616, reflejando un nivel alto de predicción. Finalmente, la transferencia de conocimiento presentó un SSO de 2624.000 y un SSE de 844.747, generando un Q² de 0.678, lo que evidencia una elevada relevancia predictiva.
4.4 Efectos indirectos y mediaciones del modelo estructural
La Tabla 6 presenta los efectos indirectos estimados del modelo estructural mediante el procedimiento de bootstrapping. Los resultados evidencian que la motivación intrínseca (IM) actúa como mediadora significativa en la relación entre la adquisición de conocimiento (AK) y la transferencia de conocimiento (KT). El efecto mediado de AK → IM → KT fue estadísticamente significativo (β = 0.265; t = 5.630; p < .001). Esto muestra que el proceso de motivación explica una proporción considerable del efecto de AK en KT.
Tabla 6
Efectos indirectos estimados mediante bootstrapping
|
Muestra original (O) |
Media de la muestra (M) |
Desviación estándar (STDEV) |
Valor t |
P Valores |
|
|
AK → FV → KT |
0.049 |
0.050 |
0.030 |
1.632 |
0.103 |
|
AK → IM → KT |
0.265 |
0.267 |
0.047 |
5.630 |
0.000 |
Nota. Estimaciones obtenidas mediante bootstrapping (5000 submuestras).
Lo opuesto es cierto para el efecto indirecto de AK → FV → KT. Con un β de 0.049 y t = 1.632 (p = .103), esto muestra que, dentro del modelo dado, el valor funcional no medía significativamente esta relación.
Estos resultados confirman la adquisición de conocimientos como una condición central para los procesos cognitivos y motivacionales que facilitan la transferencia. Según el modelo propuesto, la adquisición de conocimientos fue la variable más significativa y central para el valor funcional, la motivación intrínseca y la transferencia del conocimiento. Esto indica que cuando los estudiantes comprenden e internalizan adecuadamente el conocimiento académico, están en una mejor posición para percibir su valor, interesarse más en el proceso de aprendizaje y utilizar el conocimiento en una variedad de situaciones diferentes.
La adquisición de conocimientos es un proceso complejo que implica la integración del pensamiento crítico, el desarrollo de competencias y el uso de instrumentos de pensamiento que promueven la capacidad de pasar del entendimiento teórico a la aplicación práctica. Esto complementa las teorías de adquisición, asimilación y aplicación del conocimiento de Cohen y Levinthal (1990) y Nonaka y Takeuchi (1995), así como algunas teorías recientes asociadas con la alineación constructiva y el rendimiento auténtico en la educación superior (Pereira et al., 2024). Esta relación es de particular importancia para los estudiantes que trabajan mientras estudian en la universidad. La razón es que el conocimiento que los estudiantes aprenden tiene la oportunidad de ser utilizado en situaciones reales de trabajo.
El adquirir conocimiento impactó positivamente la motivación intrínseca, mostrando que la comprensión del contenido por parte de los estudiantes fortalece su conciencia e interés en el contenido y su disposición autonómica para aprender. Además, se encontró que la motivación intrínseca está significativamente relacionada con la transferencia de conocimiento y media la relación entre las dos variables.
Esto demuestra que los estudiantes transfieren lo que han aprendido no solo para poseer conocimiento, sino también para motivarse internamente a usar, comunicar o modificar el conocimiento en diferentes contextos, lo cual está en línea con la teoría de la autodeterminación, donde se encuentra que la motivación intrínseca es mayor cuando las personas perciben que tienen autonomía, dominio y relación en las actividades en las que participan (Ryan & Deci, 2020), y están en línea con estudios que lo relacionan con el aprendizaje autorregulado y la iniciativa, así como con las capacidades de los estudiantes para gestionar su propio aprendizaje en la educación superior (Keyserlingk et al., 2025; Reeve & Cheon, 2021).
Las universidades que fomentan la autonomía guiada y el compromiso participativo y constructivamente crítico con los problemas del mundo real permiten a los estudiantes pasar de dominar conceptos a la transferencia de conocimientos y habilidades. Los ejemplos incluyen proyectos experienciales, estudios de caso, pasantías, tutorías entre pares y actividades de resolución de problemas relacionadas con el trabajo que ofrecen oportunidades para la aplicación contextualizada y significativa del conocimiento académico. Medina Lozano et al. (2025) demuestran que las técnicas de interacción positiva entre los aprendices fomentan el crecimiento tanto en su progreso académico como en su sociabilidad en la comunidad. Por lo tanto, la transferencia del aprendizaje implica no solo los contenidos de aprendizaje adecuados, sino también las condiciones docentes y motivacionales apropiadas para estimular la transferencia del aprendizaje.
Los resultados obligan a ajustar la forma en que entendemos el valor funcional percibido. Aunque la adquisición de conocimiento impactó positivamente en esta variable, el valor funcional no tuvo un impacto directo significativo en la transferencia ni desempeñó un papel mediador importante. Esto puede deberse, en particular, a que el valor funcional adquiere un significado más instrumental, donde el estudiante percibe que el aprendizaje tiene un valor, racionalmente, para él, pero no proporciona una razón lo suficientemente significativa para provocar la transferencia.
Un estudiante puede pensar que lo que aprendió será beneficioso para su carrera, pero puede carecer de la autonomía, los medios para aplicarlo, el apoyo organizacional o la alineación de su trabajo con las funciones y tareas del aprendizaje. Según la teoría de la expectativa-valor, el valor funcional percibido está típicamente relacionado con el esfuerzo y la orientación del alumno hacia fines y objetivos instrumentales (Eccles & Wigfield, 2020); sin embargo, para este estudio, esta evaluación no logró considerar adecuadamente la transferencia efectiva.
Los datos implican que la forma más efectiva de transferencia del conocimiento ocurre cuando el estudiante está debidamente preparado y tiene el deseo de aplicar el contenido. Dentro del contexto de la transferencia, la adquisición proporciona la base cognitiva, mientras que la motivación intrínseca representa la fuerza impulsora para la acción y la aplicación del contenido. El valor funcional, aunque importante en el contexto de la transferencia, debe ser visto con precaución, ya que no ha presentado el peso empírico necesario para fundamentar la transferencia. Con esta interpretación, estamos más justificados en decir que la transferencia no ocurre únicamente por la percepción de utilidad, sino por la interrelación del dominio del contenido, la motivación intrínseca y las condiciones reales para la aplicación del conocimiento.
5. Conclusiones
Este estudio examina cómo la motivación intrínseca se relaciona con el valor funcional percibido y la adquisición y transferencia de conocimientos entre los estudiantes empleados universitarios en Ecuador. El modelo abarca la adquisición de conocimientos, ya que influye directamente en la transferencia de conocimientos, impulsa la motivación intrínseca y mejora la percepción de la utilidad de los estudios. Esto implica entender la adquisición no solo en términos de acumulación de conocimientos, sino en términos del marco conceptual y procedural que permite al estudiante entender, modificar y practicar en diferentes entornos más allá del aula.
La motivación intrínseca fue identificada como la construcción central en la explicación de la transferencia de conocimiento. Su efecto fue directo y también funcionó como mediador entre adquisición y transferencia. Se puede concluir de esto que tener conocimiento no es suficiente para que los estudiantes lo transfieran. Más bien, generan interés, se sienten competentes y se preparan internamente para usar el conocimiento en el mundo real. Por lo tanto, la transferencia de conocimiento se mejora cuando los estudiantes están motivados personalmente para aplicar, modificar y compartir el conocimiento en el contexto laboral.
Por el contrario, el valor funcional percibido no tuvo un efecto directo significativo en la transferencia de conocimientos. Además, no mediaba la relación entre la adquisición de conocimientos y la transferencia. Los participantes que percibían el contexto estudiado como más útil reportaron una mayor transferencia de conocimientos. Sin embargo, esta evaluación no fue el factor determinante para la transferencia real de conocimientos en el lugar de trabajo. Por lo tanto, las hipótesis sobre la influencia directa y mediadora del valor funcional no fueron validadas. Estos resultados especifican que la utilidad percibida del aprendizaje no es suficiente para la transferencia de conocimientos, ya que el valor funcional percibido puede generar una evaluación más positiva del entrenamiento, pero en sí mismo no motiva la transferencia del entrenamiento.
En términos prácticos, las experiencias de desarrollo en la educación superior deben basarse en la adquisición gradual de competencias mediante la realización de tareas reales, la provisión de retroalimentación inequívoca y la conexión con problemas de la vida real. De manera similar, es necesario crear ambientes en el aula que apoyen el desarrollo de la autonomía, la percepción del progreso, la motivación intrínseca y la provisión de oportunidades concretas para practicar conocimientos en el entorno laboral.
Recomendado para futuros estudios es el examen exhaustivo de los factores individuales y contextuales que facilitan una transferencia efectiva y los factores que pueden explicar por qué la transferencia del valor funcional es mínima. Algunos de los factores mencionados incluyen: autonomía del individuo en el trabajo, apoyo organizacional, alineación de carrera u ocupación, calidad de las experiencias de capacitación y oportunidades genuinas para la aplicación. También serían relevantes los estudios longitudinales, mixtos y multinivel que permiten el análisis de estos procesos a lo largo del tiempo y desde una perspectiva más amplia.
Referencias
Chen, H., Chen, X., & Pan, Y. (2024). Exploring The Mediating Role of Intrinsic Motivation Between Innovation Support and Innovative Behavior: An Empirical Study Based on a Design Thinking Course. International Journal of Learning, Teaching and Educational Research, 23, 32–55. https://doi.org/10.26803/ijlter.23.6.2
Cherukunnath, D., & Singh, A. P. (2022). Exploring Cognitive Processes of Knowledge Acquisition to Upgrade Academic Practices. Frontiers in Psychology, 13. https://doi.org/10.3389/fpsyg.2022.682628
Cohen, W., & Levinthal, D. (1990). Absorptive Capacity: A New Perspective on Learning and Innovation. Administrative Science Quarterly, 35, 128–152. https://doi.org/10.2307/2393553
Department of Health, Education, and Welfare & National Commission for the Protection of Human Subjects of Biomedical and Behavioral Research. (2014). The Belmont Report. Ethical principles and guidelines for the protection of human subjects of research. The Journal of the American College of Dentists, 81(3), 4–13.
Dwyer, C. P., & Seery, N. (2025). An exploration of transformative learning experiences among past and current technological university students in Ireland. Thinking Skills and Creativity, 55, 101681. https://doi.org/10.1016/j.tsc.2024.101681
Eccles, J. S., & Wigfield, A. (2020). From expectancy-value theory to situated expectancy-value theory: A developmental, social cognitive, and sociocultural perspective on motivation. Contemporary Educational Psychology, 61, 101859. https://doi.org/10.1016/j.cedpsych.2020.101859
Etikan, I., Musa, S. A., & Alkassim, R. S. (2015). Comparison of Convenience Sampling and Purposive Sampling. American Journal of Theoretical and Applied Statistics, 5(1), Article 1. https://doi.org/10.11648/j.ajtas.20160501.11
Fornell, C., & Larcker, D. F. (1981). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.2307/3151312
Hair, J., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (Third Edition, Vol. 3).
Homont, L. P. P., Alcoceba Hernando, J. A., Homont, L. P. P., & Alcoceba Hernando, J. A. (2025). Motivation of university students: Between amotivation and intrinsic motivation. European Public and Social Innovation Review, 10. https://doi.org/10.31637/EPSIR-2025-306
Keyserlingk, L. von, Schwerter, J., Kunina-Habenicht, O., & Lauermann, F. (2025). Motivation and self-regulated learning as predictors of learning resource use in learning management systems in higher education. Educational Psychology. (world). https://www.tandfonline.com/doi/abs/10.1080/01443410.2025.2564891
Liu, Y., Ma, S., & Chen, Y. (2024). The impacts of learning motivation, emotional engagement and psychological capital on academic performance in a blended learning university course. Frontiers in Psychology, 15. https://doi.org/10.3389/fpsyg.2024.1357936
Medina Lozano, A., Amador Ortiz, C. M., Flores Castañeda, A. K., Medina Lozano, A., Amador Ortiz, C. M., & Flores Castañeda, A. K. (2025). Programa de Tutoría entre Pares como estrategia para reducir la reprobación y deserción en instituciones de Educación Superio. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 15(30). https://doi.org/10.23913/ride.v15i30.2332
Nonaka, I., & Takeuchi, H. (1995). The Knowledge-creating Company: How Japanese Companies Create the Dynamics of Innovation. Oxford University Press.
Ortiz-Rojas, M., Chiluiza, K., Valcke, M., & Bolanos-Mendoza, C. (2025). How gamification boosts learning in STEM higher education: A mixed methods study. International Journal of STEM Education, 12(1), 1. https://doi.org/10.1186/s40594-024-00521-3
Pereira, E., Nsair, S., Pereira, L. R., & Grant, K. (2024). Constructive alignment in a graduate-level project management course: An innovative framework using large language models. International Journal of Educational Technology in Higher Education, 21(1), 25. https://doi.org/10.1186/s41239-024-00457-2
Raza, S. A., Najmi, A., & Shah, N. (2018). Transferring knowledge from universities to organizations by business students: Findings from a developing country. Journal of Workplace Learning, 30(3), 199–215. (world). https://doi.org/10.1108/JWL-06-2016-0054
Reeve, J., & Cheon, S. H. (2021). Autonomy-supportive teaching: Its malleability, benefits, and potential to improve educational practice. Educational Psychologist, 56(1), 54–77. https://doi.org/10.1080/00461520.2020.1862657
Ringle, C. M., Sarstedt, M., Sinkovics, N., & Sinkovics, R. R. (2023). A perspective on using partial least squares structural equation modelling in data articles. Data in Brief, 48, 109074. https://doi.org/10.1016/j.dib.2023.109074
Rodríguez, A. R., Parrales, A. M. P., & Gálvez, D. L. D. (2024). Gestión Del Conocimiento En El Proceso De Enseñanza–Aprendizaje De La Educación Superior: Gestión Del Conocimiento En La Educación Superior. REFCalE: Revista Electrónica Formación y Calidad Educativa. ISSN 1390-9010, 12(3), 189–204. https://doi.org/10.56124/refcale.v12i3.011
Roemer, E., Schuberth, F., & Henseler, J. (2021). HTMT2–an improved criterion for assessing discriminant validity in structural equation modeling. Industrial Management & Data Systems, 121(12), 2637–2650. https://doi.org/10.1108/IMDS-02-2021-0082
Ryan, R., & Deci, E. (2020). Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemporary Educational Psychology, 61, 101860. https://doi.org/10.1016/j.cedpsych.2020.101860
SENESCYT. (2024). Senescyt – Secretaría de Educación Superior, Ciencia, Tecnología e Innovación. https://www.educacionsuperior.gob.ec/biblioteca/
Simón-Grábalos, D., Fonseca, D., Aláez, M., Romero-Yesa, S., & Fresneda-Portillo, C. (2025). Systematic Review of the Literature on Interventions to Improve Self-Regulation of Learning in First-Year University Students. Education Sciences, 15(3), 372. https://doi.org/10.3390/educsci15030372
Suazo, I. (2023). Knowledge management models in higher education. European Journal of Education and Psychology, 16(2), 1–23. https://doi.org/10.32457/ejep.v16i2.2437
Supervía, P. U., & Vega, R. C. (2024). Fomento de la motivación académica y la competencia digital de alumnado universitario a través del proyecto de innovación educativa “PracTICS”. Electronic Journal of Research in Education Psychology, 22(63), Article 63. https://doi.org/10.25115/ejrep.v22i63.9519
Tho, N. (2017). Knowledge transfer from business schools to business organizations: The roles absorptive capacity, learning motivation, acquired knowledge and job autonomy. Journal of Knowledge Management, 21, 00–00. https://doi.org/10.1108/JKM-08-2016-0349
Tho, N. D., & Trang, N. T. M. (2015). Can knowledge be transferred from business schools to business organizations through in-service training students? SEM and fsQCA findings. Journal of Business Research, 68(6), 1332–1340. https://doi.org/10.1016/j.jbusres.2014.12.003
Tucker, R. C., Robinson, S. J., Liyanage, C. L., Fernandez, P. L., Cortez, L. A., Montebon, D. R., Tantanee, S., Khiewnavawongsa, S., Chaimoon, N., Weerasinghe, K. D. N., Gunawardena, K. S. L., & Dissanayake, R. (2025). Bridging Academia and Enterprise: A Framework for Collaborative Success. Journal of the Knowledge Economy, 16(4), 14241–14298. https://doi.org/10.1007/s13132-024-02360-7
UNESCO. (2024). Transforming the digital landscape of higher education in Latin America and the Caribbean—UNESCO Biblioteca Digital. https://unesdoc.unesco.org/ark:/48223/pf0000388361
Vega, M. L. C., & De la Vega, I. M. H. (2023). Transfer of knowledge from universities to organizations in the Ecuadorian context. Measuring Business Excellence, 27(1), 121–142. (world). https://doi.org/10.1108/MBE-07-2021-0097
Wang, F., King, R. B., Chai, C. S., & Zhou, Y. (2023). University students’ intentions to learn artificial intelligence: The roles of supportive environments and expectancy–value beliefs. International Journal of Educational Technology in Higher Education, 20(1), 51. https://doi.org/10.1186/s41239-023-00417-2
Winter, C., & Gundur, R. V. (2024). Challenges in gaining ethical approval for sensitive digital social science studies. International Journal of Social Research Methodology, 27(1), 31–46. https://doi.org/10.1080/13645579.2022.2122226
Yun, Y.-J., & Lee, K.-J. (2017). Social skills as a moderator between R&D personnel’s knowledge sharing and job performance. Journal of Managerial Psychology, 32(5), 387–400. (world). https://doi.org/10.1108/JMP-05-2016-0156
Zhu, Y., Dolmans, D., Kusurkar, R. A., Köhler, S. E., Abidi, L., & Savelberg, H. (2025). Promoting students’ autonomous motivation for the ongoing curriculum using a “Societal Impact Project” with basic psychological needs characteristics. Medical Teacher, 47(6), 955–962. https://doi.org/10.1080/0142159X.2024.2388804
Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (٢nd ed.). Routledge. https://doi.org/10.4324/9780203771587