Revista de Ciencias Sociales (RCS)
Vol. XXX, No. 2, Abril - Junio 2024. pp. 139-159
FCES - LUZ ●
ISSN: 1315-9518 ● ISSN-E: 2477-9431
Como
citar: Trejos-Gil, C. A. (2024). Apropiaci�n del b-learning en docentes de educaci�n
superior de Colombia a partir de an�lisis factorial. Revista De Ciencias
Sociales, XXX(2), 139-159.
Apropiaci�n del b-learning en docentes
de educaci�n superior de Colombia a partir de an�lisis factorial
Trejos-Gil, Carlos Andr�s
Resumen
Estudios relacionan la
aplicaci�n de nuevos modelos pedag�gicos mediados por herramientas TIC, y la
implementaci�n del aprendizaje combinado como m�todo m�s eficiente para
estudiantes universitarios. Para la presente investigaci�n se elabor� una
escala de 12 dimensiones de la apropiaci�n del aprendizaje combinado en la
docencia universitaria con an�lisis exploratorio y confirmatorio, con el
objetivo de evaluar el nivel de conocimiento de los docentes sobre el
aprendizaje combinado y su apropiaci�n en procesos de blended-learning en
contextos de educaci�n universitaria. La muestra estuvo constituida por 265
profesores de ense�anza superior. Los resultados confirman ampliamente que los
docentes confunden el uso de herramientas TIC con el aprendizaje combinado, solo
el 13% usan herramientas afines al complemento pedag�gico y espec�ficas para su
�rea de conocimiento. El instrumento de medida tiene estructura de consistencia
excelente (α = 0.93) y entre 0.78 y 0.82 de fiabilidad de las subescalas
as� como la adecuaci�n del modelo de 6 dimensiones elegido: SRMR = 0.052; CFI =
0.95; RMSEA = 0.41 y PClose = 0.94, por lo que cabe concluir que el instrumento
dise�ado y denominado en este estudio como ABDU es fiable y v�lido para evaluar
la apropiaci�n del aprendizaje combinado de los profesores.
Palabras clave: Aprendizaje combinado;
estrategia de aprendizaje; innovaci�n pedag�gica; an�lisis factorial;
estudiante universitario.
Appropriation of b-learning of Colombian
teachers higher education based on factorial analysis
Abstract
Studies
relate the application of new pedagogical models mediated by ICT tools, and the
implementation of blended learning as the most efficient method for university
students. For this research, a scale of 12 dimensions of the appropriation of
blended learning in university teaching was developed with exploratory and
confirmatory analysis, with the objective of evaluating the level of knowledge
of teachers about blended learning and its appropriation in blended processes.
-learning in university education contexts. The sample consisted of 265 higher
education professors. The results widely confirm that teachers confuse the use
of ICT tools with blended learning; only 13% use tools related to the
pedagogical complement and specific to their area of knowledge. The measurement
instrument has an excellent consistency structure (α = 0.93) and between
0.78 and 0.82 reliability of the subscales as well as the adequacy of the
6-dimensional model chosen: SRMR = 0.052; CFI = 0.95; RMSEA = 0.41 and PClose =
0.94, so it can be concluded that the instrument designed and called in this
study as ABDU is reliable and valid to evaluate teachers' appropriation of
blended learning.
Keywords: Blended learning; learning strategy; pedagogical
innovation; factorial analysis; college student.
Introducci�n
La
incorporaci�n de las Tecnolog�as de la Informaci�n y la Comunicaci�n (TIC) en
los procesos formativos en educaci�n superior (Garc�a-Valc�rcel, 2007; Gonz�lez, Perdomo y Pascuas, 2017; Aparicio, 2019; Cedillo-Hern�ndez y Vel�zquez-Garc�a,
2022; Bernate y Fonseca, 2023) ya se ha identificado m�s que como una
necesidad, como un cambio del tradicional modelo de aprendizaje a nuevos
m�todos de ense�anza-aprendizaje mediados por la tecnolog�a (Aguaded y
Romero-Rodr�guez, 2015; Gonz�lez et al., 2017; Paredes-Chac�n,
Inciarte y Walles-Pe�aloza, 2020).
Sin duda, los
estudiantes son cada vez m�s digitales, tanto que �ya vienen con un chip
insertado� (Rodelo, 2016, p. 304), para el manejo de todos aquellos aparatos
tecnol�gicos dise�ados para mejorar la calidad de vida, previendo que
cuidadosamente estos no se conviertan en fondo y sino en un fin.
Si se est� en
b�squeda de mejorar su calidad en el aprendizaje, no es solo responsabilidad
del estudiante su adaptaci�n a que el potencial de las TIC (Agreda, Hinojo y Sola, 2016) se implemente en sus procesos
acad�micos y metodolog�as de aprendizaje, sino tambi�n es responsabilidad de
los formadores trabajar con TIC y su apropiaci�n tecnol�gica (Aparicio, 2019;
Trejos-Gil y Castro-Escobar, 2020) de las herramientas como iniciativas en su
pr�ctica (Losada, Karrera y Jimenez, 2012), apalancando procesos
formativos y dejando de lado su renuencia a cambiar sus tradicionales m�todos e
implementar nuevas estrategias de aprendizaje que dinamice el logro eficaz en
el aprendizaje del educando (Gargallo, Su�rez-Rodr�guez y P�rez-P�rez, 2009; Cedillo-Hern�ndez
y Vel�zquez-Garc�a, 2022; Barrientos et al., 2022; Romero, Oruna y S�nchez, 2023).
Actualmente, se
encuentran otros modelos de aprendizaje, como los invertidos (Flipped Classroom) (Staker, 2011; Graham,
Henrie y Gibbons, 2014;
Eduland.es,
2014; Del Arco, Flores y Silva, 2019; Trejos-Gil y Castro-Escobar, 2020; Montes
et al., 2023); aprendizaje electr�nico, aprendizaje m�vil M-learning (S�nchez, Olmos y Garc�a-Pe�alvo, 2017); P-learning, T-learning, U-learning y
otros con cada vez m�s fuerza y que se vienen abordando desde el 2004 como lo
es el Blended learning �B-learning� (en adelante, BL); traducido
al espa�ol como aprendizaje combinado.
Este modelo de
aprendizaje se basa sobre la metodolog�a de combinar los estados de presencia y
ausencia de clase para ejercer aprendizaje constante mediados por las TIC
(Aguaded y Romero-Rodr�guez, 2015; Gonz�lez, et al., 2017; Trejos-Gil y
Castro-Escobar, 2020; Hern�ndez, Nieto y
Bajonero, 2021; Cedillo-Hern�ndez y Vel�zquez-Garc�a, 2022; Montes et
al., 2023).
Este concepto
se viene interpretando en t�rminos de combinaciones, mixturas, presencial-online o hibridez, del aprendizaje
presencial con el virtual (Bartolom�, 2004; Mor�n, 2012; Picciano, 2014;
Tayebinik y Puteh, 2012), m�s que con la innovaci�n educativa con herramientas
TIC (Losada et al., 2012), as� es como dos modelos (presencial y virtual) se
fusionan para crear uno m�s eficaz. Esto es lo que se conoce como BL a nivel de
programa formativo (Graham et al., 2014).
En diferentes
estudios realizados, Tayebinik y Puteh (2012); G�zer y Caner (2014); Siemens,
Ga�ević y Dawson (2015);
y, Salinas et al. (2018), se�alan que en la medida que se han desarrollado
estudios investigativos sobre el BL cada vez gana m�s fuerza el concepto y sus
beneficios, pues se reportan resultados positivos sobre su efectividad.
Del mismo modo,
la implementaci�n del modelo combinado aporta flexibilidad horaria y espacial,
oportunidad de involucrarse en su propio aprendizaje, trabajo colaborativo (Garc�a-Ruiz,
Aguaded y Bartolom�-Pina, 2018;
Del Arco et al., 2019), interacci�n multi y bidireccional, aprendizaje
cooperativo (AC) (Atxurra, Villard�n-Gallego
y Calvete, 2015;
Acosta, 2017; Izquierdo et al., 2019; Compte y S�nchez, 2019), autonom�a y
responsabilidad del estudiante en su propio proceso (Area y Adell, 2009), como
elementos de mejora educativa, adem�s de fortalecer en el estudiante
competencias digitales que aseguren competitividad como egresados, en sus competencias,
habilidades e innovaci�n (Almanza y Vargas-Hern�ndez, 2015; Trejos-Gil y
Castro-Escobar, 2020) para la inserci�n al mundo laboral (Mart�nez y Gonz�lez,
2018; Salinas et al., 2018; Rabanal et al., 2020).
Aunque la
responsabilidad de la apropiaci�n del BL no recae �nicamente en los docentes,
como sugieren otros estudios que proponen nuevos modelos con inferencia directa
no solo en los docentes, sino tambi�n en los estudiantes y particularmente en
la instituci�n (Meri�o, Mart�nez, Ortiz y Trejos, 2020; Meri�o,
Mart�nez, Ortiz, Trejos, L�pez y Beltr�n, 2020; Trejos-Gil y Castro-Escobar,
2020), es un problema que los docentes muestran apat�a en el uso de la
tecnolog�a y las nuevas metodolog�as de ense�anza para incorporar las TIC y la Inteligencia
Artificial (IA) en sus procesos de ense�anza (Mahanta et al., 2022; Huang et
al., 2019; Oca�a-Fern�ndez, Valenzuela-Fern�ndez y Garro-Aburto, 2019; UNESCO, 2021).
Los docentes
deben adaptarse a los cambios metodol�gicos que el entorno actual les exige sin
generar mayor carga de trabajo ni intimidaci�n por el uso de dispositivos
(S�nchez et al., 2016), sino por conveniencia, convicci�n y por el p�blico que
enfrenta en la actualidad (Trejos-Gil y Castro-Escobar, 2020); curiosamente,
estos se adaptan por ejemplo, realizando un an�lisis de las motivaciones de los
estudiantes ante la impartici�n de educaci�n virtual (Li, 2016), as� como de
sus expectativas y percepciones (Stefanic et al., 2020). Todo esto a trav�s de
la construcci�n del conocimiento como medio de desarrollo, g�nero nuevos
profesionales inmersos en la revoluci�n digital en el que se miden a los
docentes por conexiones electr�nicas apropiados en estas iniciativas digitales
en su pr�ctica (Losada et al., 2012; P�rez et al., 2018).
Estudios recientes
de Trejos-Gil y Castro-Escobar (2020), aportan el modelo COTABLI de
Convergencia Ontol�gica de los tres actores fundamentales del b-learning integral, que resalta la
conexi�n y articulaci�n del estudiante, los docentes y la instituci�n, cada uno
con sus propias caracter�sticas para proporcionar un entorno propicio para el
desarrollo del b-learning integral.
El estudio de Esparza, Salinas y Glasserman (2015), destaca los
impactos positivos del b-learning en
el desempe�o gramatical del idioma ingl�s. Asimismo, Min, Wang y Liu
(2019)
respaldan mejoras en el aprendizaje del ingl�s mediante esta t�cnica. Agreda et
al. (2016), subrayan la importancia de la competencia digital del profesorado
para implementar estas metodolog�as.
Otros
referentes, como el instrumento EFICIT (Losada et al., 2012), la escala
CEVEAPEU Estrategias de Aprendizaje (Gargallo et al., 2009), ACRA (Rom�n y
Gallego, 2008), LCS (Villard�n-Gallego et al., 2013), CEAM (Ayala, Mart�nez y Yuste,
2004), COIL (Mart�nez y Gonz�lez, 2017), ACRA abreviada (Jim�nez et al., 2018),
Modelo TAM extendido (S�nchez et al., 2017), AMAES (Trejos-Gil y Castro-Escobar,
2020), MEAC-TIC (Acosta, 2017), CLAS (Atxurra et al., 2015), respaldan la
importancia de estrategias y competencias en el �mbito educativo universitario.
Agreda et al. (2016), destaca la competencia digital docente como un punto
clave en la universidad.
La gran mayor�a de los estudios evidencian a
nivel metodol�gico que, el an�lisis confirmatorio es esencial para examinar las
relaciones causales entre las variables y su influencia en el aprendizaje
combinado, permite identificar factores clave que afectan la adopci�n efectiva
de las TIC en el aprendizaje combinado, y proporciona informaci�n sobre c�mo
mejorar el dise�o y la implementaci�n de instrumentos de medida para el
aprendizaje combinado en las universidades (Al-Rahmi et al., 2022;
Cedillo-Hern�ndez y Vel�zquez-Garc�a, 2022; Montes et al., 2023).
Finalmente, el an�lisis confirmatorio tambi�n
puede identificar factores clave que afectan la adopci�n efectiva de las TIC en
el aprendizaje combinado o e-learning
y otros (Naveed, Alam y Tairan, 2020; Rajeh et al., 2021). Por ejemplo, puede revelar la covarianza y
correlaci�n entre factores o dimensiones que determinen su experiencia y
actitud hacia la tecnolog�a o c�mo afectan la adopci�n de las TIC en el proceso
de ense�anza (Romero-Rodr�guez et al., 2020; Al-Rahmi et al., 2022).
En raz�n de lo anterior, el presente estudio
tiene como objetivo evaluar el nivel de conocimiento de los docentes sobre el
aprendizaje combinado y su apropiaci�n en procesos de blended-learning (BL) en contextos de la educaci�n universitaria.
1. Metodolog�a
La
investigaci�n se basa en un estudio cuantitativo con validaci�n estad�stica
realizado en una poblaci�n total (N) de 917 docentes universitarios, se
seleccion� una muestra �ptima y eficiente de poblaci�n (con una confianza del
95% y un margen de estimaci�n del 5%), de 271 docentes (n) modalidad
presencial; de los docentes encuestados (271), 6 encuestas se determinaron como
descartadas por error en la resoluci�n del instrumento de medici�n definiendo
un total de 265 encuestas v�lidas de la poblaci�n total de docentes de
educaci�n superior (ver Tabla 1).
Tabla 1
Distribuci�n de la muestra
|
Docentes de educaci�n superior
|
Poblaci�n (N docentes)
|
Nivel de confianza (%)
|
Margen de estimaci�n (%)
|
Muestra poblacional
(n docentes)
|
Datos no v�lidos
|
Muestra final
|
|
Universidades
|
917
|
95
|
5
|
271
|
6
|
265
|
Fuente: Elaboraci�n propia, 2023.
De la muestra
final, el 26% de los docentes pertenecen a la Facultad de Psicolog�a y Ciencias
Sociales; el 25,3% a la Facultad de Educaci�n y Humanidades; el 18,5% a
Ciencias Administrativas, Econ�micas y Contables; el 11,7% a Comunicaci�n,
Publicidad y Dise�o; 7,9% Derecho y Ciencias Pol�ticas; 5,3% a la Facultad de
Ingenier�as y Arquitectura; 2,6% al Departamento de Ciencias B�sicas; 1,5% al
Departamento de Idiomas; y, 1,2% corresponden al �rea de Formaci�n
Investigativa, Departamento de Formaci�n Socio-Human�stica y Departamento de
Inform�tica.
1.1.
Instrumento
La
investigaci�n requiri� un cuestionario llamado ABDU: Apropiaci�n
del B-learning en la labor Docente
Universitaria (Trejos-Gil, 2023a),
con 51 preguntas divididas en 5 segmentos. Las preguntas estuvieron
estructuradas de diferentes tipos, incluyendo selecci�n m�ltiple, respuestas
abiertas, dicot�micas y tipo Likert (ver Figura I).�
Fuente: Elaboraci�n propia, 2023.
Figura
I: Estructura
del cuestionario de la Apropiaci�n del B-learning en la labor Docente Universitaria (ABDU)
De las
preguntas tipo Likert, 9 eran de car�cter de frecuencia con una escala
valorativa (ver Figura II). Cuatro preguntas del cuestionario se subdividieron
en m�s variables, resultando en un total de 81 preguntas (ver Figura I). Se
proporcionaron equivalencias de opciones de respuestas para facilitar la
comprensi�n y reducir el sesgo en el an�lisis de resultados.
Fuente: Elaboraci�n propia, 2023.
Figura II: Escala de valoraci�n y medici�n de las preguntas de frecuencia tipo
Likert en el instrumento ABDU
1.2.
Procedimiento
Se contact� al
cuerpo docente de la universidad, inform�ndoles sobre el estudio y solicitando
su colaboraci�n de forma voluntaria para aplicar el instrumento a trav�s de sus
correos electr�nicos institucionales, la muestra se recolect� mediante muestreo
probabil�stico aleatorio, con instrucciones de resoluci�n del instrumento ABDU,
inform�ndoles la naturaleza de la investigaci�n; este ejercicio de campo fue
aplicado entre las fechas 7 de noviembre hasta el 01 de diciembre de 2021. Fue
aplicado colectivamente y de forma virtual en aproximadamente 25 minutos.
1.3. An�lisis
estad�sticos
Con
el prop�sito de dar fiabilidad interna (George y Mallery, 2019) en el dise�o
del instrumento ABDU, se analiz� y valid� mediante la prueba estad�stica Alpha
de Combrach (α) para estimar los indicadores de la dependencia e
independencia de las variables medidas, as� como su respectivo an�lisis
descriptivo con medidas de frecuencia, tendencia central y dispersi�n.
La adecuaci�n
de la matriz de correlaciones se verific� asegurando su posible factorizaci�n
ejecutando con t�cnica multivariante y normalizaci�n la prueba KMO bajo el
criterio de Kaiser-Mayer-Olkin, que
mide la adecuaci�n de la muestra (idoneidad de los datos) y una extracci�n bajo
el m�todo �Componentes Principales� (Guisande, Vaamonde y Barreiro, 2013). Se elabor� un
An�lisis Factorial Exploratorio (AFE), con la reducci�n de dimensiones bajo el
m�todo de componentes principales con an�lisis de rotaci�n Varimax, permitiendo
de manera sencilla interpretar el conjunto de datos altamente complejos,
reduciendo el conjunto de �tems a
grupos m�s peque�os que representen la mayor�a de la informaci�n.
Se utiliz� el
paquete software estad�stico SPSS�
v25 y el plugin AMOS� v26 (Gaskin y Lim, 2016) para los an�lisis estad�sticos de
�mbito unidimensional y la relaci�n entre las variables bajo la hip�tesis nula
de independencia 
�se valid� con la
estad�stica Chi-cuadrada de Briones representada por 
�(Quezada, 2017; Holgado, Su�rez y Morata, 2019).
Por
consiguiente, se utiliza el test de
esfericidad de Bartlett para
verificar la existencia de correlaciones entre los �tems y justificar el an�lisis factorial exploratorio. Tambi�n se
analiza la correlaci�n entre las variables 22 y 62 con los �tems y factores, dada su importancia para el estudio. Adicional, se
eval�a la idoneidad de la muestra y se analiza la fiabilidad de los factores en
relaci�n al conocimiento del BL. Posteriormente, se realiza una comparaci�n
inferencial de medias entre los factores y la variable 22 utilizando la prueba
de T-Student para muestras independientes.
Finalmente,
se realizaron diferentes an�lisis confirmatorios, siguiendo las recomendaciones
de Bollen, Byrne, Steiger, Hu, as� como Bentler (Holgado et al., 2019), para
modelos estructurales de m�xima verosimilitud y la estimaci�n de los par�metros
en muestras mayores (N>250), la bondad de ajuste del modelo se calcul� con
ji cuadrado (
); y a trav�s del �ndice de ajuste comparativo (CFI), y el
�ndice de ajuste no normado (NNFI), cuyos valores mayores de 0.95 indican que
el modelo se ajusta adecuadamente a los datos.
Adicionalmente,
la bondad de ajuste de la ra�z cuadrada de la media de residuos estandarizados
(SRMR) y error de aproximaci�n cuadr�tico medio (RMSEA) con valores menores de
0.08 y 0.06 respectivamente, indican que el modelo se ajusta adecuadamente a
los datos. Los �ndices de bondad de ajuste (GFI) y de ajuste comparado (CFI)
con el criterio de medida con valores que deben ser > 0.90, contrario al criterio
de informaci�n de Akaike (AIC) que espera valores bajos para indicar mayor
parsimonia (Holgado et al., 2019).
El an�lisis de
los resultados termina con la varianza media extractada (AVE) con criterio de
valoraci�n de Fornell y Larcker (Hilkenmeier et al., 2020; Alfonso-Mora et al.,
2023), valores adecuados superiores a 0.50, y el coeficiente de fiabilidad
compuesta (CR) en el que se consideran �ptimos los valores mayores de 0.70
seg�n Hair et al. (2017), e indican validez convergente y confiabilidad
compuesta (Gaskin y Lim, 2016; Ringle et al., 2020; Ogbeibu et al., 2021; Ghasemy,
Akbarzadeh y Gaskin, 2022).
2. Resultados
y discusi�n
De
los 265 docentes, el 55,8% est�n en rango de edad entre los 25 y los 40 a�os.
La minor�a de los docentes son mayores de 41 a 45 a�os. El 61,5% de ellos
simult�neamente trabajan en varias Instituciones de Educaci�n Superior (IES).
El mayor porcentaje 67,2% tienen Maestr�a como nivel de formaci�n (ver Tabla
2). En otros resultados generales, se puede destacar que para el 90,9% de los
docentes, el computador port�til es el dispositivo con mayor frecuencia de uso
en su labor docente; 71,7% considera el computador de escritorio; el celular
con 69,4%; y por �ltimo, la tableta con apenas el 21,1%.
Tabla
2
Caracterizaci�n
- Estad�sticos descriptivos de la muestra en t�rminos de frecuencias � variable
22 y 62
|
Variables
|
TOTAL
|
Conozco el concepto BL
|
Empleo alguna estrategia B-learning con mis estudiantes
|
|
Frec
|
%
|
S� %
|
No %
|
N %
|
R %
|
O %
|
F %
|
MF %
|
|
|
Sexo
|
Hombre
|
128
|
48,30
|
32,1
|
16,2
|
11,7
|
8,7
|
14,0
|
10,2
|
3,8
|
|
Mujer
|
137
|
51,69
|
35,1
|
16,6
|
12,9
|
9,1
|
17,7
|
10,6
|
1,5
|
|
|
Edad
|
25-30
|
32
|
12,1
|
8,7
|
3,4
|
3,8
|
1,5
|
3,0
|
3,8
|
0,0
|
|
31-35
|
56
|
21,1
|
14,3
|
6,8
|
4,9
|
4,9
|
5,3
|
4,9
|
1,1
|
|
|
36-40
|
60
|
22,6
|
17,4
|
5,3
|
5,7
|
3,0
|
9,1
|
3,8
|
1,1
|
|
|
41-45
|
31
|
11,7
|
7,2
|
4,5
|
4,5
|
0,8
|
3,0
|
2,6
|
0,8
|
|
|
46-50
|
39
|
14,7
|
8,7
|
6,1
|
2,3
|
4,2
|
4,2
|
2,3
|
1,9
|
|
|
51 o m�s
|
47
|
17,7
|
10,9
|
6,8
|
3,4
|
3,4
|
7,2
|
3,4
|
0,4
|
|
|
Nivel educativo
|
Pregrado
|
9
|
3,4
|
2,6
|
0,8
|
0,8
|
0,4
|
1,1
|
0,8
|
0,4
|
|
Especializaci�n
|
57
|
21,51
|
12,5
|
9,1
|
7,2
|
3,0
|
5,7
|
4,5
|
1,1
|
|
|
Maestr�a
|
178
|
67,17
|
47,2
|
20,0
|
15,1
|
11,7
|
23,0
|
14,0
|
3,4
|
|
|
Doctorado
|
21
|
7,92
|
4,9
|
3,1
|
1,5
|
2,6
|
1,9
|
1,5
|
0,4
|
|
|
TOTAL
|
265
|
100
|
67,2
|
32,9
|
24,6
|
17,7
|
31,7
|
20,8
|
5,3
|
Nota:
N=
nunca; R= raramente; O= ocasionalmente, F= frecuentemente, MF= muy frecuentemente.
Fuente: Elaborado por el autor, Base de datos en SPSS� v25
Fuente: Elaboraci�n propia, 2023.
En
el caso del �tem 62 (DT=1.21), el
mismo evidencia una asimetr�a de 0.046; es decir, el 70,2% de los datos se
concentran en la respuesta 2, 3 y 4. Frente al �tem 31 de tipo abierta realizada a los docentes se evidencia los
resultados en el Gr�fico I. En esta pregunta se pretendi� conocer qu� tanto
usan herramientas TIC los docentes, cu�les usan, cu�ntos usan las mismas
herramientas; b�sicamente como pregunta confirmatoria.
Fuente: Elaboraci�n propia, 2023 a
partir de datos en SPSS� v25.
Gr�fico I: Herramientas TIC que usan los docentes con sus estudiantes
Apenas el 24,5%
mencionaron m�s de 3 herramientas, solo el 13,3% citaron herramientas v�lidas
para su ejercicio como docente; y en la categor�a �Otras�, se citaron 122
aplicaciones que solo tuvieron 1 o 2 menciones realizadas por 109 docentes, 78,7%
de ellas referidas solo una vez y 10,7% herramientas que se citaron 2 veces.
El 63,3% de los
docentes refirieron herramientas que sirven como complemento para el proceso
ense�anza-aprendizaje, dado que son herramientas de almacenamiento en la nube,
de uso en trabajos colaborativos y de apoyo did�ctico, tales como Google Drive, Dropbox (Artal, Navarro y Carballo, 2014; Cede�o, 2019; Morales-Salas,
Jim�nez-Ar�valo y Casas-Flores, 2023; Peinado, 2023); motores de b�squeda como Google, Wikipedia, hasta Diapositivas y redes sociales como Hangout, Facebook, WhatsApp, YouTube, entre otros (Jim�nez-Cort�s,
2019; Morales-Salas et al., 2023). El 13,6% de profesores mencionaron
herramientas afines al complemento pedag�gico y especiales para su ejercicio
espec�fico.
Con el fin de
garantizar confianza en el constructo, inicialmente el ABDU fue validado en
t�rminos de confiabilidad (George y Mallery, 2019), seg�n la relevancia del
hallazgo e hip�tesis que se quiere validar, tal como se aprecia en la Tabla 3;
tomando en consideraci�n que el cuestionario cuenta con un alto n�mero de
variables, se reduce al m�ximo posible el error y aumenta considerablemente la
validez y confiabilidad del instrumento.
Tabla 3
Fiabilidad del instrumento con Alfa de Cronbach (α)
|
An�lisis de
fiabilidad variables - Escala: Todas las variables
|
|
Resumen de procesamiento de casos
|
|
|
N
|
%
|
|
Casos
|
V�lido
|
265
|
100.0
|
|
Excluidoa
|
0
|
0.0
|
|
Total
|
265
|
100.0
|
|
|
Estad�sticas de fiabilidad
|
|
Alfa
de Cronbach (α)
|
Alfa de Cronbach basada
en elementos estandarizados
|
N
de elementos
|
|
0.924
|
0.924
|
63
|
|
|
Estad�sticas de fiabilidad
|
|
Alfa
de Cronbach (α)
|
Alfa de Cronbach basada
en elementos estandarizados
|
N
de elementos
|
|
0.925
|
0.924
|
57
|
|
|
Estad�sticas de fiabilidad
|
|
Alfa
de Cronbach (α)
|
Alfa de Cronbach basada
en elementos estandarizados
|
N
de elementos
|
|
0.931
|
0.933
|
54
|
|
Fuente: Elaboraci�n propia, 2023 a partir de
datos en SPSS� v25
A la muestra de
los resultados obtenidos mediante los diferentes m�todos estad�sticos aplicados
al ABDU, la consistencia interna y su validez de constructo queda de manifiesto
con los 63 elementos seg�n la prueba Alfa de Crombach con resultado de (α
= 0.92), del mismo modo con 57 elementos (α = 0.92); pero eliminando los �tems de menor grado de correlaci�n
exigible entre variable y factor seg�n el criterio que propone Comrey (1985); y,
P�rez (2004) de 0.3, se eliminan los �tems
n�mero 9, 12, 21, 52, 61, 72, 80, 79, 57 y 81, se obtiene el Alfa de Cronbach
m�s alto con 54 elementos (α= 0.93) con fiabilidad y consistencia
excelente, seg�n George y Mallery (2019).
El instrumento
de medici�n ABDU aplicado con las variables tipo Likert es altamente fiable y
robusta para determinar el grado de aplicaci�n de los docentes del BL. En otras
palabras, el instrumento ABDU mide adecuadamente lo que pretende medir.
Esta
consistencia interna es igualmente alta y positiva en la mayor�a de los
componentes/factores DIB α =
0.81; PUB α = 0.81; PIC α = 0.82; SMC α = 0.80; UDC
α = 0.80; GD α = 0.81 y EBD α = 0.82. Los factores MRS, ABT,
HFB, TAD y UYC tienen
coeficientes aceptables de α = 0.79; α = 0.79, α = 0.78, α
= 0.79 y α = 0.79 respectivamente, tal como se puede observar en la Tabla
4.
Se calcul� el
�ndice KMO (la media de adecuaci�n muestral de Kaiser-Meyer-Olkin) arrojando
como resultado (KMO = 0.861) hallando un �ndice de idoneidad adecuado teniendo
en cuenta su aproximaci�n a 1, los datos son id�neos. El test de esfericidad de Bartlett (Chi cuadrado = 8109.500; gl =
1596; p = 0.000). Seg�n estos
resultados, sugieren que es adecuada la interrelaci�n entre los 57 �tems del ABDU e indican la posibilidad
de aplicar el modelo de AFE para explicar los datos.
Se desestimaron
los �tems 57, 79 y 81 teniendo en
cuenta su baja extracci�n con coeficiente factorial < 0.3. Como resultado
final se presentan 12 factores explicando el 62,67% de la varianza de los
datos. El componente 1 (Factor MRS)
tiende a explicar mejor el problema en un 22,05% en tanto que el factor EBD es
el que menos tiende a explicarlo solo con el 1,9% (ver Tabla 4).
En resumen, el
texto analiza las diferencias de impacto en los �tems 13 y 23 en relaci�n a su estad�stica F y p. Adem�s, se se�ala
que los �tems 23 y 24 tienen la mayor
correlaci�n con la variable 62, mostrando una asociaci�n significativa y
positiva. Por consiguiente, los �tems
oscilan entre 0.25 y 0.94, con un promedio de 0.58. El modelo utilizado puede
reproducir el 89,6% de la variabilidad original; mientras que los �tems 81 y 53 tienen una reproducci�n
del 39,8% y 49,5% respectivamente. Los par�metros analizados son importantes
para explicar el problema y se pueden agrupar en componentes o factores.
De
estos 12 factores, el valor de la media total es 2.93 en un rango de 1 a 5,
obteniendo el valor m�s bajo de la media 1.17 (�tem 36) y el m�ximo 4.59 (�tem
13). En t�rminos de varianza se presenta grandes desviaciones en la variable 49
con un valor de 1.56 diferenci�ndolo de los dem�s datos. Asim�tricamente, se
hallaron valores at�picos y variados, como valor m�ximo y m�nimo
respectivamente se encontr� 4.13 y -2.25, resaltando que el 54,4% de los �tems presentan asimetr�as negativas (ver
Tabla 4).
Seg�n el
an�lisis de varianza (Valores F y p) de los participantes se analiz� la
respuesta media en cada �tem con
relaci�n al �Empleo de alguna estrategia BL con sus estudiantes�; se
encontraron diferencias altamente significativas en 24 �tems con (p < 0.001) y en 9 �tems
con (p < 0.01).
2.1. Medidas de tendencia central de las
dimensiones extra�das
En cuanto a
correlaciones entre las 57 variables, se encontraron correlaciones fuertes en
el �tem 29 con el 33 (0.75), y dentro
de las correlaciones m�s d�biles est� el �tem
60 con el 79 (-0.48). Del mismo modo, en cuanto a la correlaci�n entre los
factores extra�dos se hall� una correlaci�n fuerte positiva entre el factor HFB y el factor TAD (0.63), caso contrario sucede con la correlaci�n muy d�bil
negativa entre los factores PIC y EBD (-0.04).
Los factores
con resultados mejor implementados son EBD
(M = 4.5, DT = 0.669) y PUB (M = 4.42, DT = 0.765) y DIB (M = 3.920, DT = 0.605) el peor implementado es el factor MRS (M = 1.660, DT = 0.879) (ver Tabla 5).
Tabla
5
Matriz
de Estad�sticos Descriptivos y validaciones internas por cada factor
|
Factor
|
N�mero
de Elementos
|
M
|
DT
|
V
|
As
|
K
|
F
|
Sig.
|
α
|
|
MRS
|
7
|
1.66
|
0.87
|
0.77
|
1.47
|
2.21
|
10.136
|
0.000***
|
0.79
|
|
ABT
|
6
|
3.61
|
0.93
|
0.87
|
-0.18
|
-0.69
|
100.29
|
0.000***
|
0.79
|
|
DIB
|
6
|
3.92
|
0.60
|
0.36
|
-0.1
|
0.32
|
11.07
|
0.000***
|
0.81
|
|
PUB
|
7
|
4.42
|
0.76
|
0.58
|
-1.63
|
3.79
|
7.76
|
0.000***
|
0.80
|
|
HFB
|
6
|
1.98
|
0.96
|
0.93
|
0.98
|
0.78
|
13.61
|
0.000***
|
0.78
|
|
TAD
|
4
|
2.32
|
1.17
|
1.37
|
0.62
|
-0.45
|
12.06
|
0.000***
|
0.79
|
|
PIC
|
4
|
3.65
|
0.89
|
0.79
|
-0.32
|
-0.30
|
1.88
|
0.113
|
0.82
|
|
SMC
|
3
|
2.80
|
1.33
|
1.78
|
0.18
|
-1.10
|
3.08
|
0.017*
|
0.80
|
|
UYC
|
3
|
3.22
|
1.14
|
1.30
|
-0.19
|
-0.72
|
20.63
|
0.000***
|
0.79
|
|
UDC
|
4
|
3.70
|
0.88
|
0.78
|
-0.16
|
-0.69
|
7.74
|
0.000***
|
0.80
|
|
GD
|
2
|
2.94
|
1.34
|
1.81
|
0.00
|
-1.13
|
3.01
|
0.019*
|
0.80
|
|
EBD
|
2
|
4.50
|
0.66
|
0.44
|
-1.13
|
0.71
|
1.20
|
0.309
|
0.82
|
Nota: * p < .05; ** p < .01; *** p <
.001. MRS = Mediaciones por redes
sociales; ABT = Apropiaci�n BL
mediadas por TIC; DIB = Disposici�n
a implementaci�n BL; PUB =
Percepci�n de utilidad de plataformas para el BL; HFB = Herramientas funcionales BL; TAD = TIC para asesor�a y docencia virtual; PIC = Percepci�n del docente hacia la IES frente a conectividad; SMC = Uso de Social Media Chat; UYC = Uso de YouTube en clase; UDC = Uso de dispositivos en clase; GD = Gestores de documentos; EBD = Elementos b�sicos para la
docencia.
Fuente: Elaboraci�n propia, 2023 a
partir de datos en SPSS� v25.
Por otra parte,
se valid� la hip�tesis nula (ver Tabla 6), 
, la igualdad de medias entre los factores y la
variable 22 (�Conoce el concepto BL�) con la prueba de t-Student. Por un lado,
no se rechaza la hip�tesis nula en los factores HFB, TAD, PIC, SMC,
GD y EBD, por lo cual, se acepta la hip�tesis nula con coeficientes p < 0.05. Por otro lado, se acepta la
hip�tesis alterna en los factores MRS,
ABT, DIB, PUB, UYC y UDC. En este sentido, existe una diferencia significativa entre la
media de docentes que conocen el concepto BL y la media que no lo conocen.
Tabla
6
Diferencias
de las Medias de los factores en relaci�n a la variable 22 (�Conozco el
concepto BL�)
|
Prueba de muestras independientes
|
|
|
Prueba de
Levene de igualdad de varianzas
|
|
|
|
|
95% de
intervalo de confianza de la diferencia
|
|
|
|
|
|
F
|
Sig.
|
t
|
gl
|
Sig.b.
|
≠ M
|
Inf.
|
Sup.
|
|
MRS
|
2.24
|
0.13
|
2.27
|
263
|
0.024*
|
0.25
|
0.03
|
0.48
|
|
ABT
|
0.003
|
0.96
|
10.04
|
263
|
0.000***
|
1.04
|
0.84
|
1.25
|
|
DIB
|
5.01
|
0.02
|
3.18
|
172.5
|
0.002**
|
0.24
|
0.09
|
0.40
|
|
PUB
|
7.80
|
0.006
|
3.05
|
122.4
|
0.003**
|
0.34
|
0.12
|
0.56
|
|
HFB
|
0.008
|
0.92
|
1.77
|
263
|
0.077
|
0.22
|
-0.02
|
0.47
|
|
TAD
|
3.47
|
0.06
|
1.44
|
263
|
0.151
|
0.22
|
-0.08
|
0.52
|
|
PIC
|
0.30
|
0.57
|
0.70
|
263
|
0.483
|
0.08
|
-0.14
|
0.31
|
|
SMC
|
0.05
|
0.82
|
-0.03
|
263
|
0.969
|
-0.007
|
-0,35
|
0.33
|
|
UYC
|
1.39
|
0.23
|
2.90
|
263
|
0.004**
|
0.42
|
0.13
|
0.71
|
|
UDC
|
2.18
|
0.14
|
3.75
|
263
|
0.000***
|
0.42
|
0.20
|
0.64
|
|
GD
|
0.90
|
0.34
|
1.30
|
263
|
0.193
|
0.23
|
-0.11
|
0.57
|
|
EBD
|
4.60
|
0.03
|
1.15
|
144.3
|
0.248
|
0.10
|
-0.07
|
0.29
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Nota: * p < .05; ** p <
.01; *** p < .001.
Fuente: Elaboraci�n propia, 2023 a
partir de datos en SPSS� v25.
Finalmente,
en este estudio se realiz� la prueba de Chi-cuadrado(1) (
�(Trejos-Gil, 2023b) que
indica la dependencia del cruce entre la variable: �Empleo alguna estrategia de
BL con mis estudiantes� y las 81 variables restantes obteniendo alto grado de
dependencia con dos niveles de confianza 99% y 95%. Se encontraron 37 variables
con nivel de confianza del 99%, y 8 variables con nivel de confianza del 95%.
Del mismo modo, se realiz� el cruce entre la variable dependiente: �Conozco el
concepto de BL� con las 81 variables, en el cual se obtuvo un alto grado de
dependencia de 16 variables con nivel de confianza del 99%, y 6 variables con
nivel de confianza del 95%.
2.2.
Validez del constructo
Para validar el
constructo, se probaron tres modelos estructurales(2) (Trejos-Gil,
2023c) (ver Tabla 7): El modelo 1: 12 factores con 54 �tems correlacionados, descritos con anterioridad. El modelo 2: 12
factores con 49 �tems, eliminando 5
de ellos 19, 28, 74 y 62 del factor ABT;
y el �tem 47 del factor UYC; esta eliminaci�n de �tems mejora sustancialmente los
coeficientes, as� como los indicadores de consistencia interna.
Tabla
7
Modelos
Estructurales del ABDU Basados en An�lisis Factorial Confirmatorio (n = 265)
|
Modelos
|
|
gl
|
AIC
|
CFI
|
GFI
|
NNFI
|
NFI
|
/gl
|
PClose
|
SRMR
|
RMSEA� [90%
IC]
|
|
12F 54 �tems
|
2097.0
|
1270
|
2527.004
|
0.88
|
0.78
|
0.86
|
0.75
|
1.65
|
0.55
|
0.074
|
0.05
|
0.046
|
0.053
|
|
12F 49 �tems
|
1616.1
|
1030
|
2006.07
|
0.90
|
0.80
|
0.89
|
0.77
|
1.56
|
0.91
|
0.060
|
0.046
|
0.042
|
0.051
|
|
6F mejores α
|
323.5
|
225
|
473.52
|
0.95
|
0.90
|
0.94
|
0.85
|
1.43
|
0.94
|
0.052
|
0.041
|
0.03
|
0.05
|
Nota: χ2: Ji cuadrado; gl: Grados de libertad; χ2/
gl: ji cuadrado normado; GFI: �ndice de bondad de ajuste; CFI: �ndice de bondad comparativo;
NNFI: �ndice de ajuste no normado; NFI: �ndice de ajuste normado; RMSEA: Error de aproximaci�n cuadr�tico
medio; PClose: p-value para prueba
de ajuste perfecto; AIC: Criterio de
informaci�n de Akaike; SRMR: �ndice
residual de la ra�z cuadr�tica est�ndar.
Fuente: Elaboraci�n propia, 2023 a partir de
datos en SPSS� v25
El tercer
modelo contiene 6 factores, los factores que mejor alfa de Cronbach arrojaron
en el AFE, solo excluyendo la
dimensi�n PIC para optimizar los resultados
de ajuste, permitiendo obtener resultados excelentes en todos los indicadores.
La soluci�n fue satisfactoria con excelentes �ndices de ajuste en el tercer
modelo de 6 factores correlacionados, se utilizaron estimadores robustos de
m�xima verosimilitud; aunque en el valor 
�normado (/gl) ninguno de los modelos es menor de 1 (lo cual
indicar�a un sobreajuste) sus valores son muy cercanos a 1 sugieren que el
ajuste sea muy bajo. En el tercer modelo, el �ndice de GFI es acorde al criterio de ajuste superando el valor m�nimo de
decisi�n (0.90), lo contrario sucede en los modelos 1 y 2 de 12 dimensiones sin
dejar de tener en ambos, resultados excelentes en general.
La Figura III, presenta el an�lisis
confirmatorio del modelo 3, de 6 factores (DIB,
PUB, SMC, UDC, GD y EBD)
en el que todos los coeficientes son positivos, lo que indica una correlaci�n
fuerte y directa entre las variables latentes y los constructos. Sobre la
variable latente UDC, el constructo
que tiene mayor influencia son el i15, i54 y i14, cuyos coeficientes son 3,30,
2,96 y 2,82 respectivamente; por su parte, la variable latente DIB, PUB,
SMC, GD y EBD fue afectada en
mayor parte por los constructos i77= 1,25; i70= 1,01; i38= 1,55; i44= 1,43 y i55=
1,00, respectivamente.
Nota: DIB=
Disposici�n de implementar BL; PUB= Percepci�n de utilidad de las
plataformas para BL; SMC= Uso de social media chat; UDC= Uso de
dispositivos en clase; GD= Gestores documentales y EBD= Elementos
b�sicos para la docencia.
Fuente: Elaboraci�n propia, 2023 a partir de datos en AMOSS� v26.
Figura III: Diagrama de an�lisis confirmatorio del ABDU (n= 265)
Los valores de
RMSEA son excelentes (<0.06) en todos los casos; el SRMR son aceptables
(>0.06) en el modelo 1 y 2 (0.074 y 0.060, respectivamente) y excelente en
el tercer modelo (0.052); por lo tanto, el mejor ajuste presentado es el tercer
modelo de 6 factores. Se seleccion� el tercer modelo teniendo en cuenta que
arroj� mejores �ndices seg�n el criterio te�rico de Bollen, Byrne, Steiger, Hu
y Bentler (Holgado et al., 2019). Este modelo presenta �ndices excelentes en
CFI, 
/gl, GFI, PClose, SRMR y RMSEA.
Adem�s, los pesos/cargas factoriales (coeficientes lambda) son siempre mayores de 0.45 considerado como punto de corte
para la inclusi�n, excepto en el �tem
17, cuya carga es menor en el factor UDC
(
).
La fiabilidad
compuesta (CR) se calcul� para cada factor, siendo superior a 0.70 en todos los
factores excepto en UDC, EBD y GD (CR= 0.65; CR= 0.37 y CR= 0.69, respectivamente). Del mismo
modo, el porcentaje de varianza media extractada (AVE), siendo en los factores PUB, HFB,
TAD, UDC, EBD y UYC valores menores a 0.50 (AVE= 0.42;
AVE= 0.46; AVE= 0.49; AVE= 0.33; AVE= 0.22 y AVE= 0.47, respectivamente), por
lo que, no se cumple la validez convergente en tales factores (ver Tabla 8).
Tabla
8
Varianza
Extractada (AVE), Fiabilidad Compuesta (CR), Validez Discriminante (VD)
|
FACTOR
|
AVE
|
CR
|
VD
|
|
FACTOR
|
AVE
|
CR
|
VD
|
|
MRS
|
0.50
|
0.87
|
0.70
|
|
UDC
|
0.33
|
0.65
|
0.57
|
|
ABT
|
0.53
|
0.85
|
0.72
|
|
SMC
|
0.59
|
0.80
|
0.76
|
|
DIB
|
0.50
|
0.85
|
0.70
|
|
PIC
|
0.50
|
0.79
|
0.71
|
|
PUB
|
0.42
|
0.83
|
0.64
|
|
EBD
|
0.22
|
0.37
|
0.47
|
|
HFB
|
0.46
|
0.83
|
0.67
|
|
GD
|
0.53
|
0.69
|
0.72
|
|
TAD
|
0.49
|
0.79
|
0.70
|
|
UYC
|
0.47
|
0.73
|
0.69
|
Fuente: Elaboraci�n propia, 2023 a partir de
datos en SPSS� v25.
Seg�n
el criterio de Hair, Byrne, Fornell y Larcker (Hilkenmeier et al., 2020; Ringle
et al., 2020; Alfonso-Mora et al., 2023), las correlaciones entre los factores
son menores que la ra�z cuadr�tica del AVE; por lo tanto, se cumple la Validez
Discriminante excepto en el factor HFB.
De acuerdo con
los hallazgos encontrados en la presente investigaci�n se puede evidenciar que
el 54,4% de los docentes se encuentran por debajo de la media del uso del BL en
su m�todo de ense�anza-aprendizaje; diferente al estudio colectivo de S�nchez et
al. (2016), que muestra una intensi�n moderada propensa al uso de tecnolog�as
m�viles en su pr�ctica docente; as� como adoptar nuevas metodolog�as como el Flipped
Classroom dado que se demuestra la aceptaci�n con agrado (Del Arco et al.,
2019; Montes et al., 2023).
Se mantiene
conexi�n con los estudiantes, pero por redes sociales como Hangout, Facebook y WhatsApp, pero no son implementadas como ejercicios metodol�gicos
con expectativas a aumentar el rendimiento (Jim�nez-Cort�s, 2019; Trejos-Gil y
Castro-Escobar, 2020) que complementen el
aprendizaje del estudiante. Teniendo en cuenta que los docentes tienen contacto
permanente con dispositivos electr�nicos que les facilitar�an la implementaci�n
de metodolog�as en su ejercicio de ense�anza-aprendizaje apoyados en TIC (Orozco,
Tejedor y Calvo, 2017; Trejos-Gil y Castro-Escobar, 2020), no los est�n usando
con estos fines.
Tras completar
la validaci�n del cuestionario ABDU, los resultados revelan su alta
confiabilidad y validez como instrumento de medici�n, compuesto por 54
elementos (α=0.93). Este cuestionario se muestra como una herramienta
efectiva para recabar informaci�n sobre la implementaci�n del BL por parte de
los docentes en Instituciones de Educaci�n Superior (IES).
Este
procedimiento permiti� superar la consistencia interna en alto grado del
constructo, en comparaci�n a los instrumentos LCS y la del cuestionario
CEVEAPEU de Gargallo et al. (2009) con coeficiente (α= 0.86 y α=
0.897;) respectivamente, de igual forma con el instrumento COIL (α= 0.898)
(Mart�nez y Gonz�lez, 2018); EFITIC, de Losada et al. (2012) con (α=
0.843); ACRA, de Jim�nez et al. (2018) con (α = 0.920); Modelo TAM
extendido de S�nchez et al. (2017) con (α = 0.862); y el instrumento de
Agreda et al. (2016) con (α= 0.920). El instrumento CLAS (Atxurra et al.,
2015), muestra una validaci�n m�s alta con (α= 0.95).
No solo la
validaci�n de constructo realizado con resultados altamente satisfactorios,
sino tambi�n la cantidad de relaci�n/dependencia validada con dos niveles de
confianza bastante altos como del 99% y 95%, dan fe de la calidad del
constructo, y la pertinencia del instrumento ABDU, que mide con eficacia lo que
pretende medir; m�todos que facultan al presente trabajo de garant�as para
estudios posteriores a este.
Este trabajo se
diferencia de los estudios anteriormente mencionados por ser un instrumento que
mide el aprendizaje combinado en docentes y no en el uso de las TIC para la
ense�anza; adem�s, propone factores en t�rminos de DIB, PUB, SMC, UDC,
GD y EBD como los aspectos m�s relevantes a considerar al analizar el BL
en la docencia.
As� como el
estudio realizado por Losada et al. (2012), sobre el �xito de la innovaci�n con
TIC, las puntuaciones tambi�n fueron altas en todos los factores por encima de
0.78, del mismo modo con las correlaciones significativas, indicando que todos
los factores miden aspectos diferenciados del constructo ABDU.
Aunque se
evidencia el uso de redes sociales por parte del profesorado con sus educandos
para publicar, empoderar y comunicar informaci�n, es un mecanismo o medio que
requiere de protocolos, procesos claros, autorregulaci�n y autodirecci�n
(Jim�nez-Cort�s, 2019; Trejos-Gil y Castro-Escobar, 2020), y al ser un medio
tan informal y no tan abordado en la investigaci�n educativa (Trejos-Gil y
Gonz�lez-Callejas, 2022), peca por ser en algunos casos, escaso para ejercer el
aprendizaje combinado, dado que solo es un medio y no el fondo del BL.
Conclusiones
Aunque los resultados
exploratorios indican 12 dimensiones para aplicar el ABDU, el mejor ajuste lo
evidencia el modelo 3, de 6 dimensiones con puntuaciones e �ndices de ajuste
excelentes seg�n los criterios de ajuste. Las dimensiones: Disposici�n a
implementaci�n BL, Percepci�n de utilidad de plataformas para el BL, Uso de Social Media Chat, Uso de dispositivos en clase, Gestores de documentos y
Elementos b�sicos para la docencia, confirman una estructura id�nea, v�lida y
fiable para medir el grado de implementaci�n del BL en los docentes de
educaci�n superior, lo cual supone un importante avance en la investigaci�n.
A pesar de
variaciones en modelos de 12 dimensiones con 54 o 49 �tems, ambos capturan la esencia del estudio y se corrobora que el
instrumento mide lo que pretende medir. Por tal raz�n, se sugiere no
descartarlos por su valiosa informaci�n que proveen sobre el tema. Finalmente,
para futuros estudios se podr�an aplicar estos modelos a docentes de otras
universidades y en otros pa�ses de Latinoam�rica, con el fin de contrastar
resultados y evaluar la efectividad del instrumento en la apropiaci�n del
aprendizaje combinado �blended learning� en docentes de universidad o en
educaci�n superior seg�n como se considere y sea pertinente.
Notas
1
Tabla de prueba de ji Cuadrado en https://doi.org/10.6084/m9.figshare.22795142.v1
2 Gr�ficos del
An�lisis Factorial Confirmatorio ABDU en https://doi.org/10.6084/m9.figshare.24501973
Referencias
bibliogr�ficas
Acosta, R. (2017). Metodolog�as de aprendizaje colaborativo a
trav�s de las TIC. Una propuesta formativa para el profesorado de las
modalidades bachillerato y t�cnico profesional de Rep�blica Dominicana. En
Asociaci�n Interuniversitaria de Investigaci�n Pedag�gica � ADIPE (Eds.), Interdisciplinaridad y transferencia: Actas I Encuentro de doctorados e investigadores noveles (pp. 237-245). AIDIPE.
Agreda, M., Hinojo, M. A.,
y Sola, J. M. (2016). Dise�o y validaci�n de un instrumento para evaluar la
competencia digital de los docentes en la Educaci�n Superior espa�ola. P�xel-Bit. Revista de Medios y Educaci�n, (49), 39-56. https://recyt.fecyt.es/index.php/pixel/article/view/61713
Aguaded, J. I., y
Romero-Rodr�guez, L. M. (2015). Mediamorfosis y desinformaci�n en la
infoesfera: Alfabetizaci�n medi�tica, digital e informacional ante los cambios
de h�bitos de consumo informativo. Education in the Knowledge Society (EKS), 16(1), 44-57. https://doi.org/10.14201/eks20151614457
Alfonso-Mora, M. L.,
Riveros-Mun�var, F., Castellanos-Garrido, A. L., Rengifo-Varona, M. L.,
Corredor-Nieto, L. P., Guerra-Balic, M. E., y S�nchez-Mart�n, R. (2023). Internal consistency and criterion, convergent, and discriminant
validity of the Start Back Screening Tool in a Colombian sample. Revista de la Facultad de Medicina, 71(1), e95638. https://doi.org/10.15446/revfacmed.v71n1.95638
Almanza, R., y
Vargas-Hern�ndez, J. G. (2015). Las Competencias Profesionales y su relaci�n
con la empleabilidad de los Ingenieros en Gesti�n Empresarial egresados del
ITLAC. Revista Gesti�n de las Personas y
Tecnolog�a, (22), 14-19. https://bit.ly/3SsiU1P
Al-Rahmi, A. M., Shamsuddin, A., Wahab, E.,
Al-Rahmi, W. M., Alyoussef, I. Y., y Crawford J. (2022). Social media use in
higher education: Building a structural equation model for student satisfaction
and performance. Frontiers in Public Health, 10, 1003007. https://doi.org/10.3389/fpubh.2022.1003007
Aparicio, O. Y. (2019). Uso y apropiaci�n de las TIC en educaci�n. Revista Interamericana de Investigaci�n,
Educaci�n y Pedagog�a, 12(1)
253-284. https://doi.org/10.15332/s1657-107X.2019.0001.04
�
Area, M., y Adell, J. (2009).
E-Learning: Ense�ar y aprender en
espacios virtuales. En J. De Pablos (Coord.), Tecnolog�a Educativa. La formaci�n del
profesorado en la era de Internet (pp. 391- 424). Aljibe.
Artal, J. S., Navarro, J. L.,
y Carballo, J. (2014). Dropbox, Google-Drive
y Skydrive: Trabajo colaborativo en la nube. Comparativa entre servicios de
almacenamiento. En J. L. Alejandre (Coord.), Buenas pr�cticas en la docencia universitaria con
apoyo de TIC: Experiencias en 2013 (pp. 83-94).
Universidad de Zaragoza.
Atxurra, C.,
Villard�n-Gallego, L., y Calvete, E. (2015). Design and Validation of the
Cooperative Learning Application Scale (CLAS). Revista de Psicodid�ctica, 20(2), 339-357. https://doi.org/10.1387/RevPsicodidact.11917
Ayala, C. L., Mart�nez, R.,
y Yuste, C. (2004). Evaluaci�n del cuestionario CEAM. Consejo General de
Colegios Oficiales de Psic�logos. https://www.cop.es/uploads/PDF/2013/CEAM.pdf
�
Barrientos,
N., Y��ez, V., Pennanen-Arias, C., y Aparicio, C. (2022). An�lisis sobre la
educaci�n virtual, impactos en el proceso formativo y principales tendencias. Revista
de Ciencias Sociales (Ve), XXVIII(4), 496-511. https://doi.org/10.31876/rcs.v28i4.39144
�
Bartolom�, A. (2004).
Blended Learning. Conceptos b�sicos. Pixel-Bit,
Revista de Medios y Educaci�n, (23), 7-20. https://recyt.fecyt.es/index.php/pixel/article/view/61237
Bernate, J. A., y Fonseca, I. P. (2023). Impacto de las
Tecnolog�as de Informaci�n y Comunicaci�n en la educaci�n del siglo XXI:
Revisi�n bibliom�trica. Revista de Ciencias Sociales (Ve), XXIX(1),
227-242. https://doi.org/10.31876/rcs.v29i1.39748
Cede�o, R. P. (2019). Herramientas
tecnol�gicas colaborativas como medio de aprendizaje en la Educaci�n Superior
del Ecuador. RES NON VERBA Revista Cient�fica, 9(2),
1-12. https://doi.org/10.21855/resnonverba.v9i2.212
Cedillo-Hern�ndez,
A., y Vel�zquez-Garc�a, L. (2022). Impact of the b-Learning Model on University Teaching.
International Journal of Information and Education Technology, 12(5),
378-383. https://doi.org/10.18178/ijiet.2022.12.5.1630
Compte, M., y S�nchez, M. (2019). Aprendizaje
colaborativo en el sistema de educaci�n superior ecuatoriano. Revista de Ciencias Sociales (Ve), XXV(2),
131-140. https://produccioncientificaluz.org/index.php/rcs/article/view/27342
Comrey, A. L. (1985). Manual de an�lisis factorial. Ediciones C�tedra.
Del
Arco, I., Flores, �., y Silva, P. (2019). El desarrollo del modelo flipped
classroom en la universidad: impacto de su implementaci�n desde la voz del
estudiantado. Revista de Investigaci�n
Educativa, 37(2), 451-469. http://dx.doi.org/10.6018/rie.37.2.327831
Eduland.es
(27 de junio de 2014). Webinar #1: The
Flipped Classroom, por Ra�l Santiago [Archivo de V�deo]. Youtube. https://www.youtube.com/watch?v=Bdd_Dr7QUQ4
Esparza, M. D.
C., Salinas, V., y Glasserman, L. D. (2015). La gesti�n del aprendizaje en la
modalidad b-learning frente a la modalidad presencial en la ense�anza de la
gram�tica inglesa. Apertura: Revista de Innovaci�n Educativa, 7(2), 8-19. http://agora.edu.es/servlet/articulo?codigo=5547135
Garc�a-Ruiz,
R., Aguaded, I., y Bartolom�-Pina, A. (2018). La revoluci�n
del blended learning en la educaci�n a distancia. RIED-Revista
Iberoamericana de Educaci�n a Distancia, 21(1),
25-32. https://doi.org/10.5944/ried.21.1.19803
Garc�a-Valc�rcel, A. (2007). Herramientas tecnol�gicas para mejorar la
docencia universitaria. Una reflexi�n desde la experiencia y la investigaci�n. RIED-Revista
Iberoamericana de Educaci�n a Distancia, 10(2) 125-148. http://e-spacio.uned.es/fez/eserv/bibliuned:20548/herramientas_tecnologicas.pdf�
Gargallo, B.,
Su�rez-Rodr�guez, J. M., y P�rez-P�rez, C. (2009). El cuestionario CEVEAPEU. Un
instrumento para la evaluaci�n de las estrategias de aprendizaje de los
estudiantes universitarios. RELIEVE - Revista Electr�nica de
Investigaci�n y Evaluaci�n Educativa, 15(2). https://doi.org/10.7203/relieve.15.2.4156
�
Gaskin, J., y Lim, J. (2016). Model Fit
Measures: AMOS Plugin. Gaskination's StatWiki, 37(3), 814-822.
George,
D., y Mallery, P. (2019). IBM SPSS Statistics 26 Step by Step: A simple guide and reference. Routledge. https://doi.org/10.4324/9780429056765
��
Ghasemy, M.,
Akbarzadeh, M., y Gaskin, J. E. (2022). Being satisfied and serving communities
as outcomes of servant leadership in the academic context: Policies based on a
multi-level structural equation model. Asia Pacific
Education Review, 23, 69-86. https://doi.org/10.1007/s12564-021-09702-z
Gonz�lez, M. A., Perdomo, K. V., y Pascuas, Y. (2017). Aplicaci�n de
las TIC en modelos educativos blended learning: Una revisi�n sistem�tica de
literatura. Sophia, 13(1), 144-154. https://doi.org/10.18634/sophiaj.13v.1i.364
Graham, C.,
Henrie, C., y Gibbons, A. (2014). Developing models and theory for blended
learning research. In A. G. Picciano, C. D.
Dziuban y C. R. Graham (Eds.), Blended learning: Research perspectives (Vol. 2, pp. 13-33).
Routledge.
Guisande,
C., Vaamonde, A., y Barreiro, A. (2013). Tratamiento de Datos con R, Statistica y
SPSS. Ediciones D�az
de Santos.
G�zer, B., y
Caner, H. (2014). The Past, Present and Future of Blended Learning: An in Depth
Analysis of Literature. Procedia - Social and Behavioral Sciences, 116,
4596-4603. http://doi.org/10.1016/j.sbspro.2014.01.992
Hair,
J. F., Sarstedt, M., Ringle, C. M., y Gudergan, S. P. (2017). Advanced
issues in Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.
Hern�ndez, M. D. J., Nieto, J., y
Bajonero, J. N. (2021). Aprendizaje h�brido generado desde las Instituciones de
Educaci�n Superior en M�xico. Revista de
Ciencias Sociales (Ve), XXVII(4), 49-61. https://doi.org/10.31876/rcs.v27i4.37233� �
Hilkenmeier, F., Bohndick, C., Bohndick, T.,
y Hilkenmeier, J. (2020). Assessing Distinctiveness in Multidimensional
Instruments Without Access to Raw Data � A Manifest Fornell-Larcker Criterion. Frontiers in Psychology, 11, 223.
https://doi.org/10.3389/fpsyg.2020.00223
Holgado, F. P., Su�rez, J. C., y Morata,
M. D. L. A. (2019). Modelos de ecuaciones estructurales, desde
el �Path Analysis� al an�lisis multigrupo: Una gu�a pr�ctica con LISREL. Sanz y Torres, S.L.
Huang,
Y.-H., Tu, Y.-L., Wu, H.-J., Wan, C.-P., Yeh, C.-H., Lu, L.-H., y Tsai, I.-C. (2019).
Applying
an innovative blended model to develop cross-domain ict talent for university
courses. IEEE Frontiers in Education Conference (FIE), Covington, KY, USA, 1-5, https://doi.org/10.1109/FIE43999.2019.9028651
Izquierdo, T., Asensio, E.,
Escarbajal, A., y Rodr�guez, J. (2019). El aprendizaje cooperativo en la
formaci�n de maestros de Educaci�n Primaria. Revista de Investigaci�n Educativa, 37(2), 543-559. http://dx.doi.org/10.6018/rie.37.2.369731
Jim�nez, L., Garc�a, A.-J., L�pez-Cepero, J., y Saavedra, F.-J. (2018). The
brief-ACRA scale on learning strategies for university students. Revista de Psicodid�ctica, 23(1), 63-69. https://doi.org/10.1016/j.psicoe.2017.03.001�
Jim�nez-Cort�s,
R. (2019). Aprendizaje de las mujeres en las redes sociales: Validaci�n de la
escala MAIA con PLS. Revista de
Investigaci�n Educativa, 37(2), 431-449. http://dx.doi.org/10.6018/rie.37.2.325721
Li, Z. (2016).
Rethinking
the relationship between learner, learning contexts, and technology: A critique
and exploration of Archer's morphogenetic approach. Learning, Media and Technology, 41(3), 501-520. https://doi.org/10.1080/17439884.2014.978336
Losada,
D., Karrera, I., y Jimenez, E. (2012). Factors facilitating successful
educational innovation with ICT in schools. Revista de Psicodid�ctica, 17(1),
113-134. https://ojs.ehu.eus/index.php/psicodidactica/article/view/2243
Mahanta,
N., Prasaad, K. S., Sheeja, M. S., y Pattanayak, S. (2022). Impact of
COVID-19 on Blended Learning Culture for Media Education in UAE. Advances in
Science and Engineering Technology International Conferences (ASET), Dubai,
United Arab Emirates, 1-5. https://doi.org/10.1109/ASET53988.2022.9734858
Mart�nez, P., y Gonz�lez,
C. (2018). Validez de contenido y consistencia interna de un cuestionario sobre
el proceso de inserci�n socio-laboral desde la mirada del universitario. Revista Complutense de Educaci�n, 29(3),
739-756. https://doi.org/10.5209/RCED.53721
Meri�o,
V. H., Mart�nez, C. Y., Ortiz, L. M., y Trejos, C. A. (2020). Jerarqu�a de
valores de los estudiantes de Instituciones de Educaci�n Superior. Revista
Venezolana de Gerencia, 25(E-4), 195-205. https://www.produccioncientificaluz.org/index.php/rvg/article/view/35185
Meri�o, V., Mart�nez, C., Ortiz, L., Trejos, C.,
L�pez, J., y Beltr�n, J. (2020). Sistema axiol�gico de los alumnos del Programa
Contadur�a P�blica de la Universidad Cat�lica Luis Amig� � Medell�n � Colombia.
Revista Espacios, 14(16) 12-18.
https://www.revistaespacios.com/a20v41n16/20411612.html�
Min, Q., Wang, Z., y Liu, N. (2019). Integrating a
cloud learning environment into English-medium instruction to enhance non-native
English-speaking students� learning. Innovations in Education and Teaching
International, 56(4), 493-504. https://doi.org/10.1080/14703297.2018.1483838
Montes, R.,
Zuheros, C., Morales, J., Zerme�o, N., Duran, J., y Herrera, F. (2023). Design
and consensus content validity of the questionnaire for b-learning education: A
2-Tuple Fuzzy Linguistic Delphi based Decision Support Tool. Applied Soft Computing, 147,
110755. https://doi.org/10.1016/j.asoc.2023.110755
Morales-Salas, R. E.,
Jim�nez-Ar�valo, J. D. J., y Casas-Flores, A. A. (2023). Nivel de dominio de la
competencia digital en el uso y alfabetizaci�n tecnol�gica en docentes de
Educaci�n Superior. Revista Cient�fica Retos de la Ciencia, 7(16), 58-77. https://doi.org/10.53877/rc.7.16e.20230915.5
Mor�n, L. (2012).� Blended-learning.� Desaf�o y oportunidad para la educaci�n
actual.� Edutec. Revista
Electr�nica de Tecnolog�a Educativa, (39), a188. https://doi.org/10.21556/edutec.2012.39.371
Naveed,
Q. N., Alam, M. M., y Tairan, N. (2020). Structural Equation Modeling for mobile learning
acceptance by University students: An empirical study. Sustainability, 12(20), 8618. https://doi.org/10.3390/su12208618
Oca�a-Fern�ndez,
Y., Valenzuela-Fern�ndez, L. A., y Garro-Aburto, L. L. (2019). Inteligencia artificial y
sus implicaciones en la educaci�n superior. Prop�sitos y Representaciones, 7(2),
536-568. http://dx.doi.org/10.20511/pyr2019.v7n2.274
Ogbeibu, S.,
Senadjki, A., Gaskin, J., y Awal, I. M. (2021). The predictive influences of team creativity, creativity
willingness, creative ideation, and leader openness on exploratory innovation.
In A.
McMurray, N. Muenjohn y C. Weerakoon (Eds.), The Palgrave Handbook of Workplace Innovation (pp. 135-154). Palgrave
Macmillan Cham. https://doi.org/10.1007/978-3-030-59916-4_8
Orozco, G. H., Tejedor, F.
J., y Calvo, M. I. (2017). Meta-an�lisis sobre el efecto del software educativo
en alumnos con necesidades educativas especiales. Revista de Investigaci�n Educativa, 35(1), 35-52. http://dx.doi.org/10.6018/rie.35.1.240351
Paredes-Chac�n, A. J., Inciarte, A., y Walles-Pe�aloza, D.
(2020). Educaci�n superior e investigaci�n en Latinoam�rica: Transici�n al uso
de tecnolog�as digitales por Covid-19. Revista
de Ciencias Sociales (Ve), XXVI(3), 98-117. https://doi.org/10.31876/rcs.v26i3.33236
Peinado, J. D. J. (2023).
Uso de herramientas digitales y competencias de investigaci�n en estudiantes de
posgrado. Revista Conrado, 19(92), 8-17.
P�rez, C. (2004). T�cnicas
de an�lisis multivariante de datos: Aplicaciones con SPSS. Pearson
Educaci�n.
P�rez, R., Mercado, P,
Mart�nez, M., Mena, E., y Partida, J. �. (2018). La sociedad del conocimiento y
la sociedad de la informaci�n como la piedra angular en la innovaci�n
tecnol�gica educativa. RIDE. Revista Iberoamericana para la Investigaci�n
y el Desarrollo Educativo, 8(16), 847-870. https://dx.doi.org/10.23913/ride.v8i16.371
Picciano,
A. G. (December 18, 2014). A critical reflection of the current research in
online and blended learning. ELM.
European Lifelong Learning Magazine. https://elmmagazine.eu/a-critical-reflection-of-the-current-research-in-online-and-blended-learning/
Quezada, N.
(2017). Estad�stica con SPSS 24. Editorial Macro.
Rabanal,
R., Huam�n, C. R., Murga, N. L., y Chauca, P. (2020). Desarrollo de competencias
personales y sociales para la inserci�n laboral de egresados universitarios. Revista
de Ciencias Sociales (Ve), XXVI(2), 250-258. https://doi.org/10.31876/rcs.v26i2.32438
Rajeh, M. T., Abduljabbar,
F. H., Alqahtani, S. M., Waly, F. J., Alnaami, I., Aljurayyan, A., y Alzaman,
N. (2021). Students� satisfaction and continued intention toward e-learning: A
theory-based study. Medical Education Online, 26(1) 1961348, https://dx.doi.org/10.1080/10872981.2021.1961348
Ringle, C. M.,
Sarstedt, M., Mitchell, R., y Gudergan, S. P. (2020). Partial least squares
structural equation modeling in HRM research. The International Journal of
Human Resource Management, 31(12), 1617-1643. https://doi.org/10.1080/09585192.2017.1416655
Rodelo, F. V. (2016). �Qui�n le teme a Facebook? Rese�a de Trucos para el
maestro. C�mo utilizar la tecnolog�a en el aula. Comunicaci�n y Sociedad, (25), 303-307. https://doi.org/10.32870/cys.v0i25.4435
Rom�n, J. M., y Gallego, R.
(2008). ACRA: Escalas de estrategias de
aprendizaje. Tea Ediciones.
Romero,
D., Oruna, A. M., y S�nchez, J. A. (2023). Ense�anza y aprendizaje digital:
Desaf�os actuales en Latinoam�rica. Revista de Ciencias Sociales (Ve), XXIX(3),
439-452. https://doi.org/10.31876/rcs.v29i3.40725 �
Romero-Rodr�guez,
J.-M., Aznar-D�az, I., Hinojo-Lucena, F.-J., y G�mez-Garc�a, G. (2020). Mobile Learning
in Higher Education: Structural Equation Model for Good Teaching Practices. IEEE, 15(8), 91761-91769. https://doi.org/10.1109%2FACCESS.2020.2994967
Salinas,
J., De Benito, B., P�rez, A., y Gisbert, M. (2018). Blended learning, m�s all�
de la clase presencial. RIED. Revista Iberoamericana de Educaci�n a
Distancia, 21(1), 195-213. https://doi.org/10.5944/ried.21.1.18859
S�nchez, J. C., Olmos, S.,
y Garc�a-Pe�alvo, F. J. (2017). �Utilizar�n los futuros docentes las
tecnolog�as m�viles? Validaci�n de una propuesta de modelo TAM extendido. Revista
de Educaci�n a Distancia (RED), 17(52). https://revistas.um.es/red/article/view/282191
S�nchez, J. C., Olmos, S.,
Garc�a, F. J., y Torrecilla, E. M. (2016). Las tabletas digitales en educaci�n
formal: Caracter�sticas principales y posibilidades pedag�gicas. In A. I. Callejas,
J. V. Salido y �. Jerez Garc�a (Eds.), Competencia
Digital y Tratamiento de la Informaci�n. Aprender en el Siglo XXI. IV Congreso
Internacional de Competencias B�sicas, Ciudad Real, 9, 10 y 11 de abril de
2014 (pp. 269-280). Ediciones de la Universidad de Castilla-La Mancha.
Siemens,
G., Ga�ević, D., y Dawson, S. (Eds.) (2015). Preparing
for the digital university: A review of the history and current state of
distance, blended, and online learning. MOOC Research Initiative.
Staker, H. C. (2011).
The Rise of K-12 Blended Learning: Profiles
of emerging models. Innosight Institute.
Stefanic, I.,
Campbell, R. K., Russ, J. S., y Stefanic, E. (2020). Evaluation of a blended
learning approach for cross-cultural entrepreneurial education. Innovations
in Education and Teaching International, 57(2), 242-254. https://doi.org/10.1080/14703297.2019.1568901
Tayebinik,
M., y Puteh, M. (2012). Blended Learning or E-learning? International Magazine on Advances in Computer Science and
Telecommunications (IMACST), 3(1), 103-110.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2282881
Trejos-Gil, C.
A. (2023a). Structure of the questionnaire on the Appropriation of
B-learning in teaching work at the University (ABDU). figshare. Figure. https://doi.org/10.6084/m9.figshare.22794749.v1
Trejos-Gil, C. A. (2023b). Chi cuadrado con relaci�n a la variable
dependiente - ABDU. figshare. Figure. https://doi.org/10.6084/m9.figshare.22795142.v1
Trejos-Gil, C.A. (2023c). An�lisis confirmatorio ABDU modelo 1 y 2 de 12
factores y modelo final de 6 factores. figshare. Dataset. https://doi.org/10.6084/m9.figshare.24501973.v1
Trejos-Gil, C.
A., y Castro-Escobar, H. Y. (2020). Implicaciones ontol�gicas en el aprendizaje
a partir del distanciamiento social impuesto por la pandemia COVID-19. Revista
Utop�a y Pr�xis Latinoamericana, 25(E-8), 231-247. http://doi.org/10.5281/zenodo.4087453
�
Trejos-Gil, C. A., y
Gonz�lez-Callejas, M. C. (2022). Formaci�n de investigadores en pregrado.
Semillero de investigaci�n comunicaci�n digital y ciberculturas. Ciencia y
Academia, (3), 142-156. https://doi.org/10.21501/2744838X.4490
UNESCO (13 de octubre de 2021).
La inteligencia artificial en la
educaci�n. UNESCO. https://www.unesco.org/es/digital-education/artificial-intelligence
Villard�n-Gallego, L., Y�niz, C., Achurra, C., Iraurgi, I., y
Aguilar, M. D. C. (2013). Learning competence in university: Development
and structural validation of a scale to measure. Revista de Psicodid�ctica, 18(2),
357-374. https://doi.org/10.1387/RevPsicodidact.6470