Protocolo de encuesta basado en la teoría de la autodeterminación para la motivación del desarrollo profesional, la autoeficacia docente y el compromiso de los profesores universitarios

Resumen

Este protocolo describe un procedimiento anónimo y transversal basado en cuestionarios para evaluar la motivación al desarrollo profesional, la autoeficacia docente, el compromiso y la práctica reflexiva de profesores universitarios.

Resumen

Los profesores universitarios participan en desarrollo profesional bajo distintas condiciones institucionales, disciplinarias y motivacionales. Los registros de participación por sí solos no pueden explicar si el desarrollo profesional se traduce en un aprendizaje profesional significativo. Este artículo presenta un protocolo reproducible, anónimo y transversal para evaluar, desde la perspectiva de la teoría de la autodeterminación, la satisfacción de necesidades psicológicas, la motivación autónoma y controlada, la autoeficacia docente, el compromiso con el desarrollo profesional y la práctica reflexiva. El protocolo especifica la selección de elegibilidad, el muestreo por conveniencia estratificada, la elaboración del cuestionario, la revisión por expertos, la prueba piloto, la administración en línea, la anonimización, el control de calidad de las respuestas, la puntuación de escalas, la estimación de fiabilidad, el análisis de correlación, la regresión jerárquica y los análisis de sensibilidad. Asimismo, aclara la adaptación de escalas, la verificación de permisos, la puntuación de constructos y la interpretación de escalas altamente fiables como posibles indicadores de redundancia de ítems. Se obtuvieron resultados representativos a partir de una implementación completada del protocolo, en la cual se exportaron 326 registros enviados y se conservaron 313 respuestas válidas tras el control previamente especificado. Los resultados mostraron que la satisfacción de las necesidades de autonomía, competencia y relación social se asoció positivamente con la motivación autónoma, y que la motivación autónoma y la autoeficacia docente se asociaron con el compromiso en el desarrollo profesional. El protocolo es adecuado para estudios estandarizados, multicéntricos y basados en encuestas sobre las correlaciones motivacionales y de creencias profesionales del compromiso con el desarrollo profesional. Es menos adecuado para inferencias causales, la estimación de cambios longitudinales, resultados conductuales directos o la evaluación de programas a nivel institucional, a menos que se añadan mediciones repetidas, observación, investigación cualitativa o datos administrativos.

Introducción

El desarrollo profesional docente se utiliza ampliamente para apoyar la calidad de la enseñanza, la mejora instruccional y el aprendizaje profesional, pero sus efectos son difíciles de interpretar cuando la evaluación se limita a la asistencia, la exposición o al número de horas de capacitación completadas^1,2. La investigación sobre desarrollo profesional requiere una conceptualización clara de los mecanismos que vinculan las actividades de aprendizaje con el cambio docente, ya que la participación no necesariamente indica compromiso, utilidad percibida o reflexión posterior¹. En entornos universitarios, los docentes trabajan en distintas disciplinas, tipos de nombramiento, condiciones de carga laboral y expectativas institucionales. Por lo tanto, un protocolo de encuesta que mida las condiciones psicológicas y las creencias profesionales puede complementar el monitoreo basado en actividades al examinar cómo los docentes experimentan y aplican el desarrollo profesional. Enfoques alternativos sirven a diferentes propósitos evaluativos. La evaluación basada en la asistencia es eficiente para documentar el alcance, el cumplimiento y la adopción del programa, pero proporciona información limitada sobre la motivación, la capacidad percibida o la calidad del compromiso. Las entrevistas cualitativas, los grupos focales y las narrativas reflexivas ofrecen descripciones más detalladas de las experiencias de aprendizaje profesional, pero son menos adecuadas para mediciones estandarizadas en varias instituciones o muestras más grandes. Los diseños longitudinales son preferibles para estimar el cambio en el tiempo, el orden temporal o los resultados docentes diferidos. Los marcos evaluativos a nivel institucional son útiles para monitorear la implementación del programa, la asignación de recursos y la responsabilidad organizacional. El presente protocolo es más adecuado cuando el objetivo es realizar una encuesta transversal, anónima y multi-institucional utilizando procedimientos reproducibles de calificación, limpieza y análisis.

El protocolo trata el desarrollo profesional como un proceso de aprendizaje profesional en lugar de como un evento institucional único. Opfer y Pedder conceptualizaron el aprendizaje profesional del docente como un proceso complejo moldeado por interacciones entre los sistemas individual, del lugar de trabajo y de actividades de aprendizaje³. Esta perspectiva es relevante para los docentes universitarios porque la misma actividad puede experimentarse de manera diferente según la elección percibida, la confianza en la instrucción, el apoyo colegiado, la presión de la carga de trabajo y la relevancia disciplinaria. Por lo tanto, el protocolo evalúa la satisfacción de las necesidades psicológicas, la motivación para el desarrollo profesional, la autoeficacia docente, la participación en el desarrollo profesional y la práctica reflexiva, además del contexto de participación. La teoría de la autodeterminación proporciona la base motivacional para el protocolo. La teoría distingue entre la motivación autónoma, en la que la conducta se experimenta como personalmente respaldada o significativa, y la motivación controlada, en la que la conducta se ve impulsada principalmente por presión, obligación o demanda externa⁴. También identifica la autonomía, la competencia y la relación social como necesidades psicológicas básicas que favorecen la acción autoreconocida y el compromiso sostenido⁵. En el desarrollo profesional de los docentes universitarios, la autonomía se refiere a la elección percibida y la discreción profesional al seleccionar o utilizar actividades de desarrollo; la competencia se refiere al crecimiento percibido en la capacidad docente; y la relación social se refiere a la conexión colegiada, la pertenencia profesional y el intercambio constructivo. Estas construcciones permiten que el protocolo examine por qué participan los docentes y cómo se experimenta el entorno de desarrollo profesional.

Se incluye la autoeficacia docente porque la motivación por sí sola no determina si los profesores consideran que pueden aplicar los contenidos de desarrollo profesional en la práctica docente. La autoeficacia docente hace referencia a las creencias de los profesores sobre su capacidad para organizar y realizar acciones relacionadas con la enseñanza, y se ha asociado con el comportamiento instruccional, la perseverancia, el entusiasmo y los resultados relacionados con los estudiantes⁶. El modelo de cambio docente de Guskey sugiere además que el desarrollo profesional adquiere significado cuando los profesores pueden vincular nuevas prácticas con evidencias de mejora⁷. En este protocolo, la autoeficacia docente se considera una variable de creencia profesional que puede ayudar a explicar si el desarrollo profesional se traslada a contextos de enseñanza en el aula, en línea, en laboratorios, estudios, clínicas o en supervisión. La participación en el desarrollo profesional se define como la implicación activa en actividades de desarrollo profesional, la atención al proceso de aprendizaje, el esfuerzo por relacionar los contenidos del desarrollo profesional con la enseñanza, el aprendizaje continuo tras la actividad y la disposición a participar en futuras actividades de formación profesional. Esta construcción se relaciona con la literatura más amplia sobre compromiso, en la que el vigor, la dedicación y la absorción describen la implicación sostenida en actividades laborales⁸. Sin embargo, la participación en el desarrollo profesional no se considera idéntica al compromiso laboral general ni como un recuento de participación en actividades de desarrollo profesional. Se mide como una respuesta más específica al aprendizaje profesional que refleja cómo los profesores participan en sus experiencias de desarrollo profesional, las procesan y continúan utilizándolas. La práctica reflexiva se incluye como un indicador breve de la revisión posterior a la actividad, la evaluación de la utilidad para la enseñanza, la revisión de las estrategias docentes y la documentación o discusión de los resultados del aprendizaje⁹.

Un protocolo de encuesta también requiere procedimientos prescritos de calidad de respuesta y medición. Los cuestionarios anónimos en línea pueden generar respuestas de corta duración, ítems omitidos, fallos en las comprobaciones de atención y patrones de respuesta invariantes. El cribado de respuestas descuidadas es más defendible cuando se combinan múltiples indicadores, en lugar de utilizar una única regla de exclusión¹⁰. Por lo tanto, el protocolo especifica umbrales de tiempo de finalización, comprobaciones de atención basadas en respuestas instruidas, reglas de ausencia de datos, cribado de respuestas invariantes y codificación de exclusión trazable antes de la puntuación de las escalas. La consistencia interna se estima mediante alfa de Cronbach y omega de McDonald, ya que el alfa por sí solo puede ser engañoso bajo ciertas condiciones de medición¹¹. Los valores de fiabilidad muy altos se interpretan con cautela, ya que podrían indicar redundancia entre ítems más que una medición más sólida. El análisis principal trata cada constructo como una puntuación observada de la escala para estadísticas descriptivas, estimación de fiabilidad, análisis de correlación, regresión jerárquica y análisis de sensibilidad. Los estudios que utilicen este protocolo para el desarrollo de escalas, comparación intercultural o mediciones de alta exigencia deberían añadir análisis factorial exploratorio o confirmatorio antes de interpretar asociaciones estructurales, especialmente cuando las correlaciones entre constructos son altas o se utilizan ítems traducidos. El diseño transversal puede estimar asociaciones entre la satisfacción de necesidades psicológicas, la motivación, la autoeficacia docente, el compromiso con el desarrollo profesional y la práctica reflexiva, pero no puede establecer orden temporal, efectos causales ni cambios conductuales. Dado que todas las variables principales son autorreportadas por los mismos participantes, el sesgo de desirabilidad social y el sesgo común del método siguen siendo posibles, a pesar del anonimato, la redacción neutral, el cribado de calidad de respuesta y los análisis de sensibilidad¹². Por lo tanto, el protocolo es menos adecuado para inferencias causales, la estimación de cambios longitudinales, la evaluación directa del comportamiento docente o la evaluación de programas a nivel institucional, a menos que se añadan mediciones repetidas, investigación cualitativa, observación en el aula, materiales docentes o datos administrativos del programa. Dentro de su alcance previsto, el protocolo proporciona un método estandarizado para examinar los constructos motivacionales y de creencias profesionales asociados al compromiso con el desarrollo profesional y al aprendizaje profesional reflexivo de los docentes universitarios¹³.

Protocolo

The study protocol was reviewed and approved by the Universiti Malaya Research Ethics Committee (Non-Medical) on 7 August 2025 (Reference No. UM.TNC(P&I)/UMREC_4864). Local administrative permission was obtained from each participating university before recruitment when required. Electronic informed consent was collected before eligibility screening and questionnaire administration. No names, staff identification numbers, telephone numbers, institutional email addresses, Internet Protocol addresses, geolocation data, device identifiers, exact department names, or open-text identifiers were collected. Submitted responses were assigned anonymous respondent codes and stored in encrypted institutional storage according to the approved data-retention procedure.

This protocol standardizes an anonymous, cross-sectional questionnaire procedure for assessing university teachers’ professional development motivation, basic psychological need satisfaction, teaching self-efficacy, professional development engagement, and reflective practice. The protocol uses self-determination theory to distinguish autonomous motivation from controlled motivation in professional development participation¹⁴.

1. Study design and workflow

1. Define the study as an anonymous, cross-sectional questionnaire study of university teachers and follow the workflow shown in Figure 1 from ethics approval to reproducibility checking.
2. Measure basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
3. Treat autonomy, competence, and relatedness need satisfaction as motivational antecedents; autonomous and controlled motivation as motivational-regulation variables; teaching self-efficacy as a professional belief variable; and professional development engagement and reflective practice as professional-learning response variables¹⁵.
4. Analyze constructs as observed scale scores for descriptive statistics, reliability estimation, correlation analysis, hierarchical regression, and sensitivity analyses.
   NOTE: Add exploratory or confirmatory factor analysis before interpreting latent structure, cross-cultural measurement equivalence, or discriminant validity in studies using translated items, newly adapted items, or highly correlated constructs.

2. Participant eligibility and sampling plan

1. Recruit university teachers from at least four universities with varied institutional profiles.
2. Include participants aged 21 years or older who are employed by a higher-education institution, involved in teaching or supervision, able to complete the questionnaire in the study language, and willing to provide electronic informed consent.
3. Include undergraduate teaching, postgraduate teaching, supervision, curriculum delivery, clinical teaching, studio teaching, laboratory teaching, online teaching, and academic mentoring as eligible teaching roles.
4. Exclude administrative staff without teaching duties, retired teachers no longer involved in teaching, visiting scholars without teaching responsibilities, external trainers not employed by the university, and individuals without informed consent.
5. Use stratified convenience sampling across broad discipline groups and academic ranks. Code discipline group as Education, Humanities, Social Sciences, Business and Management, Science, Technology, Engineering and Mathematics, Health Sciences, Arts and Design, or Other.
6. Set the minimum target at 300 valid responses for regression models with multiple background and psychological predictors¹⁶. Recruit 330–360 submitted responses to allow for exclusion during screening.
7. Conduct recruitment during a regular teaching period, avoid examination weeks and major institutional evaluation periods, use a 4-week recruitment window, and extend recruitment once for 7 calendar days if fewer than 300 valid responses are available.
   NOTE: Apply identical eligibility criteria, discipline categories, recruitment wording, and exclusion rules across all universities.Pause after ethics approval, institutional permissions, recruitment channels, sampling frame, and recruitment materials are finalized.

3. Questionnaire structure and construct map

1. Build the questionnaire in seven sections: informed consent, demographic and professional background, basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
2. Define each construct, item code, item source, item number, response scale, scoring method, expected score range, and permission status in Table 1 before programming the questionnaire.
3. Use a 5-point Likert response scale for all main psychometric items, ranging from 1 (strongly disagree) to 5 (strongly agree).
4. Collect institution code, discipline group, gender, age group, academic rank, teaching years, weekly teaching hours, professional development activities and hours in the last 12 months, and perceived administrative workload before psychometric items.
5. Code age group, teaching years, discipline group, and perceived administrative workload using the codebook in Supplementary File 1. Use broad discipline categories instead of exact department names.
6. Provide the full questionnaire, variable names, item codes, response coding, scoring syntax, exclusion coding, and script structure in Supplementary File 1.
   NOTE: Lock item codes before programming the online questionnaire. Do not change item codes after pilot testing unless the questionnaire, codebook, and analysis script are updated together.

4. Construct measurement and item allocation

1. Measure autonomy, competence, and relatedness need satisfaction with four items each.
2. Measure autonomous motivation with six items and controlled motivation with four items reflecting self-endorsed and pressure-based reasons for teaching-related professional development¹⁷.
3. Measure teaching self-efficacy with 12 university-adapted items covering instructional strategies, student engagement, and classroom management or interaction¹⁸.
4. Measure professional development engagement with six items covering active participation, sustained learning effort, attention, application, continued learning, and willingness to engage in future professional development¹⁹.
5. Measure reflective practice with four items covering post-activity reflection, usefulness evaluation, teaching-strategy revision, and documentation or discussion of learning outcomes²⁰.
6. Include two instructed-response attention-check items: one requiring “Agree” after the motivation items and one requiring “Disagree” after the teaching self-efficacy items.
7. Keep the final questionnaire between 38 and 44 main items, excluding informed consent and background questions.
8. Classify all psychometric items in Table 1 as adapted, newly written, or domain-aligned, and record source, adaptation status, and permission status.
   NOTE: Do not reproduce restricted scale items verbatim unless written permission has been obtained or the source explicitly permits such use.

5. Expert review and item refinement

1. Invite three to five reviewers with expertise in motivation theory, higher education or teacher professional development, and quantitative survey research. Include one bilingual reviewer if translation is used.
2. Provide reviewers with the study aim, construct definitions, item list, response scale, target population, scoring plan, and permission-status table.
3. Ask reviewers to rate construct relevance, wording clarity, cultural appropriateness, respondent burden, and social-desirability risk using a 4-point relevance scale.
4. Retain items rated 3 or 4 by at least 80% of reviewers. Revise or remove items with low relevance, ambiguous wording, cultural mismatch, social-desirability risk, duplication, or double-barreled wording.
5. Retain at least four items for each main construct and prepare an item-decision log with item code, reviewer concern, revision decision, final wording, source status, and permission status.
   NOTE: Pause after expert review. Resume only after the revised questionnaire, item-decision log, codebook, and scoring syntax use identical item codes.

6. Translation and language verification

1. Use the original study language if all participating teachers can complete the questionnaire in that language.
2. Apply forward translation and back translation if English-source items are administered in another language.
3. Ask two bilingual translators to translate the questionnaire independently, reconcile the translations, and ask a third bilingual translator to back-translate the reconciled version into English.
4. Compare the back-translated version with the source version for changes in construct meaning, response direction, and item intensity²¹. Revise items when meaning changes are identified.
5. Conduct cognitive checking with five university teachers and ask them to identify confusing, ambiguous, sensitive, repeated, or culturally inappropriate items.
6. Finalize and lock the administered version after translation and cognitive-checking issues are resolved.
   NOTE: Use one finalized questionnaire version for all main-study participants unless each language version has passed the same verification procedure.

7. Pilot testing

1. Recruit 20-30 university teachers from the target population for pilot testing and exclude them from the main survey.
2. Administer the pilot questionnaire through the same type of institutionally approved online survey platform planned for the main study.
3. Record completion time automatically from the first post-consent questionnaire page to final submission, and collect participant comments on wording, repetition, survey length, sensitive items, and display problems.
4. Calculate the median pilot completion time. Define the minimum valid completion-time threshold as one-third of the pilot median or 180 s, whichever is longer, and define the borderline-time range as the threshold plus 60 s.
5. Revise the questionnaire if the pilot median completion time is below 5 min or above 15 min, if item missingness exceeds 10% with wording-related comments, or if more than 10% of pilot participants misunderstand either of the attention-check item.
6. Calculate preliminary internal consistency for each scale and lock the questionnaire, codebook, scoring syntax, completion-time threshold, and borderline-time range before main recruitment.
   NOTE: Do not use pilot responses in the main analysis dataset. Resume main recruitment only after the questionnaire, codebook, completion-time rules, and scoring syntax are locked.

8. Online survey setup

1. Build the questionnaire in an institutionally approved online survey platform using the platform-configuration checklist in Supplementary File 1.
2. Disable collection of Internet Protocol addresses, geolocation data, device identifiers, names, and email addresses.
3. Place the participant information sheet and electronic informed-consent item on the first page. Terminate the survey automatically when “I do not agree to participate” is selected.
4. Use forced response only for consent and eligibility items. Allow psychometric items to be skipped for prespecified missing-data handling.
5. Display one construct block per page, keep consent, eligibility, demographic, and attention-check items fixed, and apply block-level item randomization only within construct blocks when supported by the platform.
6. Use non-identifying duplicate-prevention settings and avoid Internet Protocol address tracking.
7. Test the survey link on desktop, laptop, tablet, and smartphone devices. Submit and export at least five test responses, then verify consent branching, eligibility branching, variable names, response codes, timestamps, missing values, completion time, and attention-check coding using Supplementary File 1.
8. Confirm that skipped psychometric items are exported as missing values rather than zeros. Delete test responses before recruitment.
   NOTE: Do not start recruitment if skipped psychometric items are exported as zeros or if consent branching, eligibility branching, or attention-check coding is incorrect.

9. Recruitment procedure

1. Send the recruitment invitation through general institutional channels, faculty development offices, academic mailing lists, or teacher professional development groups.
2. Use a neutral recruitment message stating the study purpose, eligibility criteria, approximate completion time, voluntary participation, anonymity protection, and survey closing date.
3. Do not ask direct supervisors to recruit individual staff members, provide department-level participation reports, or provide individual completion-linked incentives unless approved by the ethics committee.
4. Send the first invitation on Day 1, the first reminder on Day 10, and the final reminder on Day 21.
5. Close the survey on Day 28 unless the approved 7-calendar-day extension is activated because fewer than 300 valid responses are available.
6. Record recruitment dates, reminder dates, submitted responses, extension status, and final closure date in the recruitment log.
   NOTE: Pause after survey closure. Export and lock the raw dataset before applying any cleaning rule.

10. Data export and anonymization

1. Export the survey data within 48 h after survey closure in spreadsheet and comma-separated values formats. Save the original export as a read-only raw-data file and create a separate working copy for cleaning and analysis.
2. Replace platform-generated response identifiers with anonymous respondent codes, such as T001, T002, and T003.
3. Inspect all variables for accidental identifiers. Remove free-text content containing names, exact department names, institutional email addresses, or identifiable events.
4. Replace university names with University A, University B, University C, and University D, and replace exact discipline names with broad discipline groups.
5. Store the raw-data file, working file, cleaned-data file, screening log, codebook, questionnaire, and analysis scripts in encrypted institutional storage with access restricted to approved research team members.
6. Record every anonymization and cleaning decision in the screening log.
   NOTE: Do not clean, recode, or score data directly in the raw-data file. Resume data cleaning only after the raw-data file has been preserved and the working file contains no direct or indirect identifiers.

11. Response-quality screening

1. Screen all submitted responses before scale scoring using the response-quality and analysis-decision rules in Table 2.
2. Exclude responses without electronic informed consent, failed eligibility screening, completion time below the prespecified minimum valid threshold, failure of either attention-check item, or more than 20% missing psychometric items.
3. Review responses in the borderline completion-time range. Retain them only when both attention checks are passed, missingness is within the allowed range, and no invariant response pattern is observed.
4. Flag respondents who select the same Likert response option for at least 90% of psychometric items, and identify careless responses by combining completion time, attention-check results, missingness, and invariant response patterns²².
5. Inspect responses for implausible demographic combinations. Set one implausible demographic value to missing if psychometric responses are otherwise valid, and exclude the response when multiple demographic values indicate ineligibility.
6. Record one primary exclusion reason for every removed response, create an inclusion-status variable coded as 1 = included and 0 = excluded, generate the participant-flow summary for Figure 2, and save cleaned_teacher_PD_survey.csv.
   NOTE: Apply exclusion rules before computing scale scores. Do not exclude cases after viewing regression significance unless the exclusion rule was prespecified.

12. Missing-data handling and scale scoring

1. Convert Likert-scale responses to numeric values ranging from 1 to 5, check item direction, and reverse-score negatively worded items before scale scoring.
2. Compute a scale score only when at least 75% of items in that scale are completed. Use the available-item mean when no more than 25% of items within a scale are missing, and set the scale score to missing when more than 25% are missing.
3. Compute scale scores as follows: autonomy need satisfaction = mean of AUT1–AUT4; competence need satisfaction = mean of COM1–COM4; relatedness need satisfaction = mean of REL1–REL4; autonomous motivation = mean of AM1–AM6; controlled motivation = mean of CM1–CM4; teaching self-efficacy = mean of TSE1–TSE12; professional development engagement = mean of PDE1–PDE6; reflective practice = mean of RP1–RP4.
4. Create scored_teacher_PD_survey.csv containing respondent code, background variables, item responses, scale scores, inclusion status, and exclusion reason.
   NOTE: Confirm that all scale scores remain within the 1–5 range after scoring.

13. Statistical software setup and script execution

1. Use R version 4.3.2 or later and organize the project folder according to the reproducibility structure in Supplementary File 1.
2. Run the script sequence provided in Supplementary File 1: 01_import_anonymize.R, 02_screen_score.R, 03_reliability_descriptives.R, 04_regression_sensitivity.R, and 05_reproducibility_check.R.
3. Run all scripts from the project folder without manually editing intermediate datasets or generated outputs.
4. Export tables as spreadsheet files, generated figures as high-resolution PDF files, and R session information as sessionInfo.txt.
   ​NOTE: Do not overwrite raw data or manually edit generated analysis outputs. Pause after the script imports the data without errors and confirms that all required variables are present.

14. Reliability and item diagnostics

1. Calculate Cronbach’s alpha, McDonald’s omega, corrected item-total correlations, descriptive statistics, skewness, kurtosis, and floor or ceiling effects for each multi-item scale²³.
2. Interpret reliability values from 0.70 to 0.79 as acceptable, 0.80 to 0.89 as good, and 0.90 or higher as high internal consistency. Treat values above 0.95 as possible item redundancy.
3. Flag corrected item-total correlations below 0.30. Remove or revise an item only when weak item performance is consistent with conceptual mismatch, unclear wording, or prespecified expert-review concerns.
4. Flag floor or ceiling effects when more than 15% of respondents obtain the lowest or highest possible scale score.
5. Export the reliability and item-diagnostic output as Table_reliability_item_diagnostics.xlsx.
   NOTE: Do not delete items after main data collection unless the deletion rule was prespecified.

15. Descriptive and correlation analysis

1. Calculate descriptive statistics for demographic variables, professional background variables, and construct scores.
2. Report categorical variables as frequency and percentage. Report continuous or ordinal professional variables as mean and standard deviation when approximately symmetric, and as median and interquartile range when clearly skewed.
3. Confirm that each construct score falls within the expected 1–5 range and inspect histograms or density plots for major distributional distortion.
4. Calculate Pearson correlations among construct scores when scale means are approximately continuous, and calculate Spearman correlations as a sensitivity check when distributions are markedly skewed.
5. Interpret correlations from 0.10 to 0.29 as small, 0.30 to 0.49 as moderate, and 0.50 or above as large²⁴. Flag correlations above 0.85 as possible construct overlap.
6. Export descriptive statistics as Table_descriptive_statistics.xlsx and the correlation matrix as Table_correlation_matrix.xlsx.
   NOTE: Inspect construct overlap before regression analysis. Add factor analysis or reduce interpretive claims when theoretically distinct constructs show very high correlations.

16. Regression analysis

1. Fit prespecified hierarchical linear regression models.
2. Use autonomous motivation as the dependent variable in Model 1. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomy, competence, and relatedness need satisfaction in Step 2; and controlled motivation in Step 3.
3. Use professional development engagement as the dependent variable in Model 2. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomous motivation and controlled motivation in Step 2; and teaching self-efficacy in Step 3.
4. Use reflective practice as an exploratory dependent variable only if prespecified in the ethics-approved analysis plan.
5. Mean-center continuous predictors before creating interaction terms. Do not create moderation terms unless moderation is included in the research question and analysis plan.
6. Report unstandardized coefficients, standard errors, standardized coefficients, 95% confidence intervals, p values, adjusted R², and change in R².
7. Inspect variance inflation factor values, residual-versus-fitted plots, quantile-quantile plots, standardized residuals, and Cook’s distance. Treat variance inflation factor values above 5.00, standardized residuals above |3.00|, or Cook’s distance above 1.00 as requiring inspection.
8. Remove influential cases only when a data-entry error, eligibility error, or duplicate-response problem is confirmed.
9. Export regression output as Table_regression_models.xlsx and diagnostic plots as high-resolution PDF files.
   NOTE: Do not remove influential cases solely because they change model significance.

17. Sensitivity analysis and reproducibility check

1. Repeat the main regression models using listwise deletion of cases with missing model variables and after excluding borderline-time responses.
2. Compare coefficient direction, standardized coefficient size, standard error, and adjusted R² with the primary models.
3. Treat results as stable if key coefficient directions remain unchanged and standardized coefficients differ by less than 0.10.
4. Retain the prespecified screening rule if sensitivity analyses do not materially alter the interpretation.
5. Regenerate descriptive tables, reliability tables, correlation matrices, regression tables, participant-flow figure, workflow figure, and any construct-score figures from the cleaned dataset and final script.
6. Archive the cleaned anonymized dataset, codebook, screening log, questionnaire, analysis scripts, generated outputs, and R session information according to the approved data-sharing plan.
7. Confirm that all archived files use the same respondent identifier and contain no direct or indirect identifiers.
   NOTE: Do not archive the reproducibility package until all outputs have been regenerated from the final script. Resume archiving only after all outputs have been regenerated from the final script.

Resultados

Flujo de participantes y estado del conjunto de datos representativo

Los resultados representativos informados aquí se generaron a partir de una implementación completa del protocolo. El conjunto de datos se recopiló mediante el procedimiento de cuestionario transversal anónimo descrito anteriormente y no se tomó de la prueba piloto ni de un conjunto de datos ilustrativo. Un total de 326 registros de cuestionarios enviados se exportaron desde la plataforma de encuesta en línea...

Discusión

Los resultados representativos indican que el protocolo puede utilizarse para examinar el desarrollo profesional de los docentes universitarios más allá de la asistencia, las horas de formación o los registros de finalización. La satisfacción de las necesidades de autonomía, competencia y relación social se asoció positivamente con la motivación autónoma, y estas asociaciones se mantuvieron incluso después de introducir las variables de fondo en el modelo. Este hallazgo es coherente con el supuesto de la teoría de la aut...

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Adobe Acrobat Pro	Adobe Inc., San Jose, CA, USA	Adobe Acrobat Pro 2024	Se utilizó para revisar el cuestionario final en formato PDF, la hoja de información para los participantes, el formulario de consentimiento, las figuras exportadas y los archivos complementarios enviados.
Script de análisis	Elaborado por el equipo de investigación	analysis_script.R	Realiza la importación de datos, verificaciones de anonimato, cribado de calidad de respuestas, cálculo de valores perdidos, puntuación de escalas, estadísticas descriptivas, análisis de fiabilidad, análisis de correlación, modelos de regresión, comprobaciones diagnósticas, análisis de sensibilidad, exportación de tablas, exportación de figuras y exportación de información de la sesión.
Archivo CSV limpio de la encuesta de formación docente	Generado a partir de analysis_script.R	cleaned_teacher_PD_survey.csv	Contiene registros identificados y excluidos con estado de inclusión, motivo de exclusión, variables de cribado y variables de antecedentes limpias.
Libro de códigos	Elaborado por el equipo de investigación	codebook.xlsx	Define los nombres de las variables, códigos de ítems, codificación de respuestas, codificación de valores perdidos, fórmulas de puntuación de escalas, estado de inclusión, motivos de exclusión, variables de tablas y nombres de archivos de salida.
Ordenador de escritorio	Windows 11 Pro	No aplicable; ordenador institucional para investigación: 16 GB de RAM y cifrado completo del disco activado.	Utilizado para la programación del cuestionario, exportación de datos, ejecución de scripts, generación de tablas, exportación de figuras y archivado seguro de archivos.
Documento de aprobación ética	Comité institucional de ética en investigación con seres humanos	ethics_approval.pdf	Documenta la aprobación ética antes del reclutamiento, incluyendo número de aprobación, fecha de aprobación, título aprobado del estudio, información sobre los investigadores y condiciones aprobadas de reclutamiento y manejo de datos.
Registros de permisos institucionales	Universidades participantes	institutional_permission_records.pdf	Contiene registros escritos de permisos otorgados por las universidades participantes para el reclutamiento de docentes a través de canales institucionales aprobados.
Microsoft Excel	Microsoft Corporation, Redmond, WA, USA	Microsoft Excel 365	Utilizado para inspeccionar conjuntos de datos exportados, preparar el libro de códigos, revisar registros de cribado y verificar archivos de tablas exportados. El conjunto de datos de análisis no se editó manualmente tras la limpieza mediante script.
Hoja de información para participantes y formulario de consentimiento	Elaborado por el equipo de investigación y aprobado por el comité de ética	participant_information_and_consent. pdf	Proporciona el objetivo del estudio, criterios de elegibilidad, declaración de participación voluntaria, declaración de anonimato, riesgos y beneficios, información sobre retención de datos, datos de contacto de los investigadores, información ética y redacción del consentimiento electrónico.
Archivo del cuestionario	Elaborado por el equipo de investigación	questionnaire.pdf	Contiene el cuestionario bloqueado, orden de los ítems, códigos de ítems, opciones de respuesta, ítems de elegibilidad, ítems de antecedentes, ítems de constructos e ítems de control de atención.
Manifiesto de paquetes de R	Generado a partir del entorno R	package_manifest.txt	Lista los paquetes de R y sus versiones utilizadas para la importación, limpieza y puntuación de datos, estimación de fiabilidad, diagnósticos de regresión, visualización, generación de resultados y verificación de reproducibilidad.
Software estadístico R	R Foundation for Statistical Computing, Viena, Austria	R 4.3.2	Utilizado para la limpieza de datos, puntuación de escalas, análisis estadístico, comprobaciones diagnósticas, generación de figuras, exportación de tablas y verificación de reproducibilidad.
Paquete de reproducibilidad	Elaborado por el equipo de investigación	reproducibility_package.zip	Contiene questionnaire.pdf, codebook.xlsx, cleaned_teacher_PD_survey.csv, scored_teacher_PD_survey.csv, screening_log.xlsx, analysis_script.R, sessionInfo.txt, package_manifest.txt, salidas de tablas, salidas de figuras y gráficos diagnósticos.
IDE RStudio Desktop	Posit Software, PBC, Boston, MA, USA	RStudio Desktop 2023.12.1	Utilizado para ejecutar, documentar y revisar analysis_script.R.
Archivo CSV puntuado de la encuesta de formación docente	Generado a partir de analysis_script.R	scored_teacher_PD_survey.csv	Contiene las respuestas incluidas y las puntuaciones calculadas de las escalas, incluyendo AUT_MEAN, COM_MEAN, REL_MEAN, AM_MEAN, CM_MEAN, TSE_MEAN, PDE_MEAN y RP_MEAN.
Registro de cribado	Generado a partir de analysis_script.R y revisado por el equipo de investigación	screening_log.xlsx	Registra el consentimiento, elegibilidad, cribado del tiempo de finalización, resultados de los controles de atención, valores perdidos, indicadores de respuestas invariantes, motivos de exclusión, decisiones de recodificación y estado final de inclusión.
Almacenamiento institucional seguro	Servicio de tecnologías de la información de la universidad participante	Unidad de investigación institucional cifrada	Utilizado para almacenar datos brutos, datos limpios, datos puntuados, libro de códigos, registro de cribado, cuestionario, script de análisis, documentos éticos, registros de permisos, salidas de tablas, salidas de figuras y el paquete de reproducibilidad. El acceso estuvo restringido al personal de investigación autorizado.
Archivo de información de la sesión	Generado a partir de R	sessionInfo.txt	Registra la versión de R, sistema operativo, paquetes adjuntos, versiones de paquetes y entorno de reproducibilidad.
Salidas de tablas y figuras	Generado a partir de analysis_script.R	outputs_tables_figures folder	Contiene la salida del flujo de participantes, tablas descriptivas, tablas de fiabilidad, matriz de correlación, tablas de regresión, tablas de análisis de sensibilidad, figuras de puntuaciones de constructos y gráficos diagnósticos.
Plataforma en línea de encuestas Wenjuanxing / Questionnaire Star	Changsha Ranxing Information Technology Co., Ltd., Changsha, China	Proyecto de encuesta web Wenjuanxing	Utilizada para el consentimiento electrónico, administración anónima del cuestionario, ramificación según elegibilidad, ítems de control de atención, registro del tiempo de finalización, configuración de una respuesta por navegador y exportación de registros del cuestionario.