Revista de Ciencias Sociales (RCS)
Vol. XXX, Número Especial 9,
enero/junio 2024. pp. 93-104
FCES - LUZ ● ISSN: 1315-9518 ● ISSN-E: 2477-9431
Como citar: Sánchez-Chero, M.,
Flores-Mendoza, L. C., Bruno-Coveñas, P., y Zapata-Periche,
I. C. (2024). Impacto del modelo de aprendizaje constructivista en la
interpretación del conocimiento en curso virtual de automatización industrial. Revista
De Ciencias Sociales, XXX(Número Especial
9), 93-104.
Impacto del
modelo de aprendizaje constructivista en la interpretación del conocimiento
en curso virtual de automatización industrial
Sánchez-Chero, Manuel*
Flores-Mendoza, Lesly Carolina**
Bruno-Coveñas,
Primitivo***
Zapata-Periche, Isidora Concepción****
Resumen
La crisis en la
educación superior en Perú causada por el Covid-19, generó la adopción de la
educación virtual, donde el uso de plataformas Moodle para el diseño de cursos,
fue el sistema de gestión del aprendizaje más empleado, el cual está basado en
la filosofía de aprendizaje del Constructivismo social. Sin embargo, a través
de una investigación de tipo descriptiva-transversal, se hizo necesario evaluar
este nuevo modelo de aprendizaje, aplicando la encuesta COLLES con el objetivo
de identificar el efecto de este modelo constructivista del aprendizaje
mediante la plataforma Moodle, en la adquisición del conocimiento en un curso
de automatización industrial. El procesamiento estadístico de los datos se
realizó mediante análisis factorial exploratorio empleando el programa
estadístico IBM-SPSS y el modelamiento con PLS-SEM que se logró con el programa
SmartPLS. Como resultado se obtuvo que la variable
Apoyo del Tutor fue la única entre las que conforman la encuesta, que presenta
un impacto importante sobre la interpretación de los conocimientos en el ámbito
de un curso virtual. Por lo que se puede concluir que en un entorno educativo
virtual el apoyo del tutor es clave para que los estudiantes interioricen de
manera óptima los conocimientos adquiridos durante el curso.
Palabras clave: Aprendizaje; automatización; curso virtual; constructivismo; Covid-19.
Impact of the constructivist learning model on the
interpretation of knowledge in a virtual industrial automation course
Abstract
The crisis in higher education in Peru caused by Covid-19 generated the
adoption of virtual education, where the use of Moodle platforms for course
design was the most used learning management system, which is based on the
learning philosophy of social constructivism. However, through a
descriptive-transversal research, it was necessary to evaluate this new
learning model, applying the COLLES survey with the objective of identifying
the effect of this constructivist model of learning through the Moodle
platform, on the acquisition of the knowledge in an industrial automation
course. The statistical processing of the data was carried out through
exploratory factor analysis using the IBM-SPSS statistical program and modeling
with PLS-SEM that was achieved with the SmartPLS
program. As a result, it was obtained that the Tutor Support variable was the
only one among those that make up the survey, which has a significant impact on
the interpretation of knowledge in the context of a virtual course. Therefore,
it can be concluded that in a virtual educational environment, the support of
the tutor is key for students to optimally internalize the knowledge acquired
during the course.
Keywords: Learning; automation; virtual course; constructivism; Covid-19.
Introducción
El estado de emergencia
en Perú fue declarado el 15 de marzo de 2020, debido a la pandemia generada por
el Covid-19, siendo una de las principales medidas el confinamiento social y la
suspensión de actividades que generen conglomeración social. Durante el
confinamiento, los entes educativos como las universidades tuvieron que adoptar
medidas para poder seguir impartiendo clases, teniendo que hacer frente al E-learning (Mortazavi et al., 2021; Ramírez
et al., 2021; Barrientos et al., 2022; Espina-Romero,
2022).
En el caso
de los cursos de automatización para las carreras de Ingeniería, estos son de carácter
teórico práctico, por lo que el e-learning permitió que los docentes implementaran el uso
de simuladores virtuales como forma de reemplazar los laboratorios físicos (Holowka, 2020; Traver et al.,
2021) y proponer casos de estudio donde el estudiante pudo generar soluciones
mediante este, compararlos con otros estudiantes y discutirlos.
Muy aparte del uso de
simuladores, los sistemas de gestión del aprendizaje (LMS) tuvieron mayor
relevancia, puesto que permiten gestionar la estructura de un curso virtual,
siendo Moodle la plataforma más
empleada por las universidades en el Perú para llevar a cabo las clases
virtuales (Octaberlina y Muslimin,
2020). Esta plataforma ofrece una alta flexibilidad
y es personalizable, haciendo posible a los docentes crear la plataforma e-Learning que
mejor se adapte a las necesidades y objetivos de los cursos a impartir.
Moodle
está basado en la filosofía de aprendizaje del Constructivismo social,
recalcando que el rol del docente en este entorno va más allá, dejando de ser
la fuente de conocimiento para ser un moderador del mismo, dirigiendo a los
estudiantes de acuerdo a sus necesidades, generando debates y actividades que
guíen a estos al cumplimiento de los objetivos de la clase (Moodle, 2014). Esta plataforma además permite que el
material de estudio (videoconferencias y recursos educativos) pueda ser
revisado por los estudiantes, múltiples veces y en cualquier lugar, por lo que
el estudiante toma un rol más activo al adquirir el conocimiento (Azhari et al., 2020).
Con el auge del e-Learning
surgió la necesidad de evaluar los cursos virtuales basados en la Teoría del
Constructivismo Social, siendo la Encuesta sobre el Entorno Constructivista de Aprendizaje
en Línea o también llamada Encuesta COLLES por sus siglas en inglés, un método
idóneo, que ha sido empleado en diversas investigaciones relacionadas a la
enseñanza virtual (Sthapornnanon
et al., 2009; Gutiérrez, Martínez y Paredes, 2020; Azhari et al., 2020).
La encuesta COLLES, fue desarrollada por Taylor y Maor
(2000), y permite mediante un cuestionario
electrónico, dar seguimiento a los estudiantes de manera individual respecto al
entorno de aprendizaje en línea y compararlo con sus experiencias reales.
De allí,
que el principal objetivo de la investigación fue evaluar el efecto del modelo
de aprendizaje constructivista en la interpretación del aprendizaje virtual de
un grupo de estudiantes durante el curso de automatización industrial del
octavo ciclo de la carrera de Ingeniería de Industrias Alimentarias en la
Universidad Nacional de Frontera en Perú, durante el confinamiento social
generado por la Covid-19.
1. Fundamentación teórica
1.1. Educación virtual
La
educación virtual o también llamada enseñanza en línea, hace referencia al
desarrollo de actividades de enseñanza y aprendizaje en entornos virtuales,
donde los docentes y estudiantes no necesariamente tienen que encontrarse en un
ambiente común como un salón de clases (Garcia, 2015; Varguillas y Bravo, 2020). Este tipo
de educación se caracteriza por tener dos opciones de educación, la primera de
tipo síncrona, donde los estudiantes y el docente están separados físicamente,
pero la comunicación es en tiempo real; y la segunda de tipo asíncrona, donde
tanto los estudiantes y docentes están separados tanto por espacio y tiempo (Ligorio,
2001; Roblyer et al., 2007; Shahabadi
y Uplane, 2015; Moreno et al., 2021).
Un
claro ejemplo de estos tipos de educación virtual son las llevadas a cabo
mediante videoconferencias y los cursos MOOC (Cursos Online Masivos y Abiertos).
Antes de la pandemia generada por el
COVID-19, los cursos virtuales ya estaban presentes en el mundo de la
educación, pero solo unas pocas universidades e instituciones educativas habían
implementado este tipo de enseñanza, combinándola con las clases presenciales.
Sin embargo,
el comienzo del confinamiento social marcó un hito en la expansión de la
educación virtual (Huck y Zhang, 2021), así también en este contexto, entraron a tallar los
Sistemas de Gestión de Aprendizaje (LMS), que son plataformas que durante la
pandemia permitieron a los colegios y universidades administrar, distribuir y
evaluar cursos virtuales (Alias
y Zainuddin, 2005). Una
de las particularidades de las LMS es que se enfoca principalmente en el
estudiante; sin embargo, ofrece al docente las herramientas necesarias para
administrar el curso, así como la oportunidad de supervisar el progreso de los
estudiantes y tener información estadística de estos (Georgouli, 2011).
1.2.
Moodle y el constructivismo social
MOODLE
es uno de los Sistemas de Gestión del Aprendizaje (LMS) más empleados a nivel
mundial (Srivastava y Srivastava, 2021).
Es una plataforma gratuita y de fácil uso que permite elaborar cursos virtuales
que se adapten a los objetivos de aprendizaje propuesto. Según información
recogida en Moodle (2014) de la plataforma
oficial de MOODLE, la LMS está basada
en una filosofía de aprendizaje conocida como Pedagogía Construccionista Social,
la cual señala que la construcción del conocimiento por parte del estudiante se
genera cuando existe una interacción social, la interpretación y la comprensión
(Vygotsky y Cole,
1978; Ampuero, 2022).
De
esta manera los docentes deben buscar que el aprendizaje, en lugar de basarse
solamente en las disertaciones durante la clase, se haga también hincapié en
las interacciones entre los mismos estudiantes (Adams,
2006). Este tipo de educación demanda de una vasta preparación de evaluaciones,
actividades y entregas, en la que se enfoquen en la interacción social, además
de proveer un desarrollo del contenido del curso que tenga establecida una
trayectoria para las interacciones en clases (Chandler y Teckchandani,
2015).
1.3.
Encuesta COLLES
La Encuesta
sobre el Entorno Constructivista de Aprendizaje en Línea (COLLES) fue desarrollada
por Taylor
y Maor (2000), es definida como un cuestionario electrónico que permite
monitorear fácilmente un entorno de aprendizaje en línea preferido por el
estudiante y compararlo con sus experiencias reales. La encuesta consta de 24
preguntas clave agrupadas en seis indicadores, los cuales permiten analizar la
calidad del aprendizaje en línea. En el Cuadro 1, se puede observar los
indicadores y sus dimensiones de acuerdo con Azhari
et al. (2020).
Cuadro 1
Estructura de Encuesta sobre el Entorno
Constructivista de Aprendizaje en Línea (COLLES)
|
Indicadores |
Dimensión |
ítems |
|
Relevancia |
Relevancia de
aprendizaje en línea para las prácticas profesionales de los estudiantes. |
4 |
|
Pensamiento Reflexivo |
En qué medida se
produce un pensamiento reflexivo crítico en relación con el debate en línea
entre compañeros. |
4 |
|
Interactividad |
Grado de
interactividad comunicativa en línea entre estudiantes y tutores. |
4 |
|
Apoyo del tutor |
Grado en que los
tutores plantean retos y ofrecen modelos de comunicación. |
4 |
|
Apoyo entre pares |
La medida en que los
amigos proporcionan apoyo sensible y alentador |
4 |
|
Interpretación |
Grado en que los
estudiantes y el tutor construyen conjuntamente el significado de forma
congruente y conectada. |
4 |
Fuente: Elaboración propia, 2024.
2.
Metodología
La
presente investigación es de tipo descriptivo y transversal, y se ejecutó
durante el curso de Principios de Control y Automatización de Procesos
Agroindustriales del ciclo académico 2020-1 y 2021-2 con 72 estudiantes del
octavo ciclo de la carrera de Ingeniería de Industrias Alimentarias en la
Universidad Nacional de Frontera, Perú.
2.1.
Estructura del curso
El
curso virtual de Principios de Control y Automatización de Procesos
Agroindustriales tiene una duración de 16 semanas, y su principal objetivo es
identificar los principales componentes de los sistemas básicos de
automatización, para el control de procesos industriales. Abarcando la
introducción a los sistemas automatizados (sensores, actuadores y lenguaje de
programación), así como los servicios de automatización (domótica, conectividad
y protocolos).
La
plataforma de gestión del aprendizaje virtual empleada en este curso fue Moodle, donde el docente tuvo la
libertad de emplear y subir cualquier tipo de material didáctico, como diapositivas,
vídeos, cuestionarios en líneas, crear foros y proponer actividades
colaborativas.
En
este sentido, el rol del docente en los cursos virtuales impartidos en base a
la filosofía constructivista del conocimiento, cambia puesto que pasa de ser el
único ente de impartición de conocimiento, a ser un mediador orientado al
aprendizaje. Por lo que el nuevo rol del docente debe evaluarse y determinar el
impacto que este tiene en la interiorización del conocimiento adquirido. De
allí, que se genere la siguiente pregunta de investigación: ¿Qué efecto tiene
el rol del docente como mediador, utilizando el modelo de aprendizaje
constructivista en la interpretación del conocimiento adquirido por los
estudiantes en un curso virtual de automatización industrial?
2.2.
Método de evaluación
Se empleó la Encuesta
sobre el Entorno Constructivista de Aprendizaje en Línea (COLLES) desarrollada
por Taylor y Maor (2000), la cual se basa en un análisis de seis indicadores (ver Cuadro
1), que permiten tratar asuntos clave sobre la calidad impartida en un curso en
línea, cada indicador cuenta con 4 preguntas, siendo un total de 24.
La encuesta se aplicó
en la quinta semana del curso y fue incluida en la plataforma del curso, las
respuestas fueron anónimas y confidenciales. Las respuestas no influyeron en
las notas finales y su uso para fines de estudio fue con el total
consentimiento de los participantes.
2.3.
Hipótesis planteadas
Teniendo
en cuenta los indicadores que conforman la encuesta COLLES, se plantearon cinco
hipótesis que las relacionan, con el fin de determinar cuál de ellos tiene un efecto
directo significativo en el indicador Interpretación del conocimiento:
H1: El
indicador Apoyo del Tutor tiene un impacto significativo en el indicador interpretación
del conocimiento.
H2: El
indicador Apoyo entre Pares tiene un impacto significativo en el indicador interpretación
del conocimiento.
H3: El
indicador Interactividad tiene un impacto significativo en el indicador interpretación
del conocimiento.
H4: El
indicador Pensamiento Reflexivo tiene un impacto significativo en el indicador
interpretación del conocimiento.
H5: El
indicador Relevancia tiene un impacto significativo en el indicador interpretación
del conocimiento.
El
análisis de datos se realizó en dos partes, la primera fue un Análisis
Factorial Exploratorio, el cual se ejecutó empleando el programa estadístico
IBM-SPSS. La segunda parte, se basó en un método multivariante
denominado Modelación de Ecuaciones Estructurales con Mínimos Cuadrados
Parciales (PLS-SEM).
3.
Resultados y discusión
El análisis de
confiabilidad basado en el alfa de Cronbach fue de
0.909, el cual es un valor bastante alto y que indica que existe una buena
consistencia interna y por ende una alta confiabilidad en el instrumento.
Diversos autores que han empleado COLLES han obtenido valor de alfa de Cronbach >0.90, valores bastante cercanos a los
encontrados en la presente investigación (Gutiérrez et al., 2020; Azhari et al., 2020; Gutiérrez-Aguilar, Duche-Pérez y Turpo-Gebera, 2022).
Se realizó un Análisis
de Componente Rotados (ACR) para examinar la correlación entre las variables
del instrumento, donde la prueba de KMO y la prueba de esfericidad de Barlett, se emplearon para determinar el grado de
acoplamiento entre los factores. La prueba de KMO y Bartlett arrojó una medida
de Kaiser-Meyer-Olkin de
0.810 que es un valor aceptable de medida de adecuación muestral
para un análisis factorial; por otra parte, la prueba de esfericidad resultó
significativa (p<0.001). Shrestha (2021), señala que los valores KMO entre 0.8 y 1.0 indican
un muestreo adecuado; mientras que valores de la prueba de esfericidad de
Bartlett <0.05 indican que se puede realizar un análisis factorial para los
datos.
En la Tabla
1, se observa la matriz de componentes rotados, la cual se ajustó a 6
componentes, que según la teoría corresponden a los de COLLES; por otra parte,
la varianza acumulada de los seis indicadores (ver Cuadro 1), fue de 73,350%; valor
que es similar al obtenido por Gutiérrez-Aguilar et al. (2022), quién al
analizar las respuestas del COLLES aplicado obtuvo una varianza acumulada de
72,101%; otros autores como Gutiérrez et al. (2020),
al obtener un KMO bajo y observar que la matriz de rotación de componentes les
arrojó ocho factores en vez de seis que señala la teoría de COLLES, y una
varianza acumulada de 84,724%, decidieron remover las preguntas que generaron
inconsistencia para aplicar el análisis muestral, logrando
aumentar el KMO y ajustar la matriz de componentes a seis factores.
Tabla
1
Matriz
de componente rotadosa
|
|
Componente |
|||||
|
1 |
2 |
3 |
4 |
5 |
6 |
|
|
AT2 |
0.877 |
0.088 |
0.108 |
0.117 |
0.121 |
0.024 |
|
AT4 |
0.869 |
0.179 |
0.097 |
0.045 |
0.118 |
0.079 |
|
AT3 |
0.849 |
0.209 |
0.086 |
0.114 |
0.140 |
0.023 |
|
AT1 |
0.818 |
0.029 |
0.070 |
0.275 |
0.089 |
0.166 |
|
INT4 |
0.652 |
-0.086 |
0.024 |
0.179 |
0.095 |
0.511 |
|
INT3 |
0.606 |
-0.027 |
0.040 |
0.115 |
-0.006 |
0.575 |
|
IT3 |
0.021 |
0.800 |
0.187 |
-0.166 |
0.097 |
0.182 |
|
IT1 |
0.108 |
0.796 |
0.117 |
0.235 |
0.126 |
-0.003 |
|
IT4 |
0.180 |
0.790 |
0.226 |
0.048 |
0.043 |
0.126 |
|
IT2 |
0.127 |
0.621 |
0.267 |
0.083 |
0.140 |
-0.163 |
|
PR3 |
0.009 |
0.560 |
0.100 |
0.145 |
0.542 |
-0.122 |
|
AC3 |
0.103 |
0.205 |
0.854 |
-0.012 |
0.031 |
0.198 |
|
AC4 |
0.076 |
0.113 |
0.850 |
0.136 |
0.117 |
0.068 |
|
AC2 |
0.170 |
0.301 |
0.743 |
-0.056 |
0.049 |
0.145 |
|
AC1 |
-0.017 |
0.434 |
0.608 |
0.222 |
0.136 |
0.135 |
|
RE2 |
0.074 |
-0.018 |
0.057 |
0.790 |
0.378 |
-0.029 |
|
RE4 |
0.387 |
0.107 |
0.036 |
0.709 |
0.053 |
0.031 |
|
RE1 |
0.038 |
0.128 |
-0.016 |
0.660 |
0.234 |
0.460 |
|
RE3 |
0.422 |
0.120 |
0.196 |
0.659 |
0.116 |
0.149 |
|
PR4 |
0.184 |
0.095 |
0.130 |
0.249 |
0.806 |
0.076 |
|
PR1 |
0.188 |
0.190 |
0.069 |
0.026 |
0.771 |
0.227 |
|
PR2 |
0.096 |
0.115 |
0.062 |
0.338 |
0.714 |
0.239 |
|
INT1 |
0.141 |
-0.059 |
0.302 |
0.105 |
0.194 |
0.805 |
|
INT2 |
0.176 |
0.237 |
0.291 |
0.078 |
0.241 |
0.696 |
Nota: a. Método
de rotación Varimax con normalización Kaiser.
Fuente: Elaboración propia, 2024.
Los resultados
discutidos con otros autores y la literatura, demuestran la confiabilidad del
constructo empleado, donde el Análisis Factorial Exploratorio fue empleado
debido a su amplio uso en el desarrollo y validación de instrumentos como
encuestas, donde el método busca determinar si la encuesta propuesta es capaz
de medir lo que pretende medir.
El segundo análisis
realizado a los datos de la encuesta fue el PLS-SEM para validar el modelo
estructural, puesto que este es apropiado tanto para
investigaciones exploratorias como para confirmatorias. Hair
et al. (2019), por otra parte, señala que el PLS-SEM suele emplearse cuando el
análisis se ocupa de probar un marco teórico desde una perspectiva de la
predicción. Este método permitió obtener la relación existente entre los
constructos que conforman COLLES.
El análisis
de fiabilidad (ver Tabla 2) del constructo, se ejecutó mediante el cálculo del
Alfa de Cronbach, fiabilidad compuesta (rho_a y rho_c). Los valores obtenidos
fueron ≥ 0.70 estando por encima de lo recomendado, indicando una buena
fiabilidad del instrumento (Hair et al., 2019). Gutiérrez et al. (2020), también evaluaron el PLS-SEM en COLLES, obteniendo
valores de Alfa de Cronbach mayores a 0.719. Por otra
parte, respecto al AVE (Average Extracted Variance) se obtuvieron valores mayores a 0.628, lo
cual es un valor aceptable, puesto que según Hair et
al. (2019), valores de AVE mayores a 0.50 son aceptables e indican que el
constructo explica al menos un 50% de la varianza de sus ítems.
Tabla
2
Evaluación
del modelo de medición de los constructos reflexivos
|
Alfa
de Cronbach |
rho_a |
rho_c |
AVE |
|
|
Relevancia |
0.809 |
0.830 |
0.872 |
0.631 |
|
Pensamiento
Reflexivo |
0.810 |
0.857 |
0.869 |
0.629 |
|
Interactividad |
0.818 |
0.918 |
0.876 |
0.643 |
|
Apoyo del tutor |
0.922 |
0.925 |
0.944 |
0.809 |
|
Apoyo entre
pares |
0.858 |
0.881 |
0.904 |
0.702 |
|
Interpretación |
0.829 |
0.841 |
0.885 |
0.658 |
Fuente: Elaboración propia, 2024.
Por lo antes mencionado
y los resultados de fiabilidad observados en la Tabla 2, se reafirma la
fiabilidad de la encuesta COLLES en cuanto a la evaluación de los entornos de
enseñanza virtuales basados en el aprendizaje constructivista; a tal punto que
plataformas como Moodle la han
incluido como herramienta de evaluación gratuita otorgada a los usuarios de la
plataforma.
Respecto al
criterio de Validez Discriminante del modelo, se empleó la aproximación de Fornell y Larcker (1981),
cuyos resultados se encuentran en la Tabla 3. Los valores resaltados hacen
referencia a la raíz cuadrada del AVE de cada indicador del constructo, los
cuales son superiores a los valores de correlación entre estos, demostrando la
validez discriminante de los constructos implicados en el modelo de medición
propuesto (Hair et al.,
2017; Farooq et al., 2018).
Tabla
3
Validación
de discriminante (Criterio de Fornell-Larcker)
|
AT |
AC |
IT |
INT |
PR |
RE |
|
|
Apoyo del tutor |
0.900 |
|||||
|
Apoyo entre
pares |
0.272 |
0.838 |
||||
|
Interactividad |
0.301 |
0.542 |
0.802 |
|||
|
Interpretación |
0.601 |
0.369 |
0.212 |
0.811 |
||
|
Pensamiento
Reflexivo |
0.366 |
0.313 |
0.375 |
0.415 |
0.793 |
|
|
Relevancia |
0.503 |
0.272 |
0.258 |
0.501 |
0.542 |
0.794 |
Fuente: Elaboración propia, 2024.
Al evaluar la validez
convergente, lo que se busca es determinar si el constructo (la encuesta) es
medido de manera conveniente por los indicadores propuestos en este, lo cual se
logra confirmar, puesto que los valores de los indicadores obtenidos en la
Tabla 3 son mayores que los valores de correlación entre ellos.
La evaluación del
modelo estructural, se realizó mediante el Alfa de Cronbach
y el coeficiente de determinación. En la Figura I, se encuentra la consistencia
interna del modelo expresado mediante el alfa de Cronbach,
donde se observa que el apoyo del tutor presenta un valor mayor (>0.90) en
comparación con los otros factores estudiados (<0.90).
Fuente:
Elaboración propia, 2024.
Figura I: Modelo SmartPLS Alfa de Cronbach
A diferencia del Alfa
de Cronbach calculado en el Análisis Factorial
Exploratorio ejecutado en IBM-SPSS que corresponde a un valor global, el
calculado por el Modelo PLS-SEM en el programa SmartPLS,
permite calcular un Alfa de Cronbach por cada
indicador de la encuesta, de tal manera que se logra identificar el indicador
de mayor impacto en la fiabilidad de esta.
Fuente:
Elaboración propia, 2024.
Figura II: Modelo SmartPLS R2
Al estar el presente
estudio enfocado en cómo influyen los factores de COLLES en el factor de Interpretación
(INT), el modelo generado se construyó con la finalidad de determinar la
influencia de las variables: Apoyo del Tutor, Apoyo entre Pares, Relevancia,
Pensamiento Reflexivo e Interactividad, en la variable independiente
Interpretación (INT).
En la Tabla 4, se puede
observar el análisis de Bootstrapping
y las hipótesis generadas a partir del modelo; de esta manera, y considerando
el valor P (p<0.05), se obtuvo que solo la primera hipótesis Apoyo del Tutor
(AT)→Interpretación (INT) es admitida; mientras que las
restantes fueron rechazadas. Autores como Gutiérrez-Aguilar et al. (2022),
también emplearon el test de Bootsrapping para
determinar la admisión de hipótesis en una encuesta COLLES, determinando que
los factores interactividad e interpretación, influyen en el apoyo entre pares.
Tabla 4
Resultados del Test de Bootstrapping
|
Muestra
original (O) |
Muestra
media (M) |
Desviación
estándar (STDEV) |
Estadístico
t |
Valor
p |
|
|
0.440 |
0.374 |
0.215 |
2.047 |
0.041 |
|
|
AC→INT |
0.237 |
0.240 |
0.140 |
1.695 |
0.090 |
|
IT→INT |
-0.147 |
-0.081 |
0.141 |
1.043 |
0.297 |
|
PR→INT |
0.138 |
0.159 |
0.122 |
1.128 |
0.259 |
|
RE→INT |
0.178 |
0.203 |
0.119 |
1.496 |
0.135 |
Fuente: Elaboración propia, 2024.
La relación encontrada
por el test de Bootstrapping respecto al Apoyo
del tutor como factor determinante en la interpretación de los conocimientos
adquiridos en el curso, cobra mucho sentido al analizar el hecho que los
docentes al dictar cursos en línea tienen que adaptarse a un nuevo método de
enseñanza, por lo que una inadecuada adaptación de este al nuevo entorno
educativo, repercutirá en la asimilación de los contenidos del curso.
Conclusiones
Los resultados del
análisis exploratorio y del modelamiento de la investigación con PLS-SEM
aplicado a los resultados obtenidos de la encuesta COLLES en la plataforma de
gestión del aprendizaje (LMS) Moodle
en un curso de automatización industrial, permitieron identificar que, entre
las variables de la encuesta COLLES, la variable Apoyo del Tutor es la que más
influye en la Interpretación del conocimiento adquirido, por lo que un tutor
que no se adapte a la nueva metodología de enseñanza en un entorno virtual
puede afectar negativamente la adquisición de conocimiento por parte de los
estudiantes, los cuales no solo perderían interés en el curso, sino también su
desempeño se verá afectado.
De acuerdo al
coeficiente de determinación, basado en la varianza, el modelo diseñado
explicaría en un 0.467 la relación que existe entre las variables latentes y su
influencia sobre la variable endógena, que en este caso sería la Interpretación
del conocimiento. Por otra parte, la evaluación de la confiabilidad de la
encuesta mediante el Alpha de Cronbach
y el KMO, generaron valores superiores a lo aceptable, por lo que se puede
reafirmar la idoneidad de la encuesta COLLES como medio para evaluar la calidad
de la educación virtual.
Referencias bibliográficas
Adams, P. (2006). Exploring social constructivism: Theories and
practicalities. International Journal
of Primary, Elementary and Early Years Education, 34(3),
243-257. https://doi.org/10.1080/03004270600898893
Alias,
N. A., y Zainuddin, A. M. (2005). Innovation
for better teaching and learning: Adopting the learning management system. Malaysian
Online Journal of Instructional Technology, 2(2), 27-40. https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=d5f63457fb7c53eb83bd2149d860753c3ebca662
Ampuero, N. (2022). Enseñanza aprendizaje: Síntesis del análisis
conceptual desde el enfoque centrado en procesos. Revista de Ciencias
Sociales (Ve), XXVIII(E-6), 28,
126-135. https://doi.org/10.31876/rcs.v28i.38822
Azhari, F. A., Jasmi, N. N., Wahab, M. S. A., Jofrry, S. M., Lee, K. S., y Ming, L. C. (2020). Students’ perceptions about social constructivist learning environment in e-learning.
Indian Journal of Pharmaceutical Education and Research, 54(2), 271-278. https://doi.org/10.5530/ijper.54.2.31
Barrientos, N., Yáñez, V., Pennanen-Arias, C., y Aparicio, C. (2022). Análisis sobre
la educación 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
Chandler, J. D., y Teckchandani, A. (2015). Using
social constructivist pedagogy to implement liberal learning in business
education. Decision Sciences Journal of Innovative Education, 13(3),
327-348. https://doi.org/10.1111/DSJI.12073
Espina-Romero, L. C. (2022).
Procesos de Enseñanza-Aprendizaje Virtual durante la COVID-19: Una revisión bibliométrica. Revista
de Ciencias Sociales (Ve), XXVIII(3), 345-361. https://doi.org/10.31876/rcs.v28i3.38479
Farooq, M. S., Salam,
M., Fayolle, A., Jaafar,
N., y Ayupp, K. (2018). Impact of
service quality on customer satisfaction in Malaysia airlines: A PLS-SEM
approach. Journal of Air Transport Management, 67, 169-180. https://doi.org/10.1016/J.JAIRTRAMAN.2017.12.008
Fornell, C., y Larcker, D. F.
(1981). Evaluating structural equation models with unobservable variables and
measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.1177/002224378101800104
Garcia, I. (2015). Emergent Leadership: Is e-leadership importance in
the quality of virtual education? RIED: Revista Iberoamericana de Educación a
Distancia, 18(1), 25-44. http://e-spacio.uned.es/fez/view/bibliuned:revistaRied-2015-18-1-7010
Georgouli, K. (2011). Virtual learning environments-an overview.
15th Panhellenic Conference on Informatics, Kastoria,
Greece, 63-67. https://doi.org/10.1109/PCI.2011.13
Gutiérrez, O., Martínez, M., y Paredes, F. (2020). Collaborative
learning and its relationship with the classmates
affective support with the COLLES questionnaire application. Proceedings of
the 15th Latin American Conference on Learning Technologies, LACLO 2020, Loja,
Ecuador, 1-6. https://doi.org/10.1109/LACLO50806.2020.9381176
Gutiérrez-Aguilar,
O., Duche-Pérez, A., y Turpo-Gebera, O. (2022). Affective support
mediated by an on-line constructivist environment in times of Covid-19. In Á.
Rocha, D. Barredo, P. López-López,
y I. Puentes-Rivera (Eds.), Communication and
Smart Technologies. ICOMTA 2021. Smart Innovation, Systems and Technologies
(Vol. 259, pp. 458-468). Springer. https://doi.org/10.1007/978-981-16-5792-4_45
Hair, J. F., Hult, G. T. M., Ringle, C. M., y Sarstedt, M.
(2017). A primer on Partial Least Squares
Structural Equation Modeling (PLS-SEM).
SAGE Publications.
Hair, J. F., Risher, J. J., Sarstedt, M., y Ringle, C. M.
(2019). When to use and how to report the results of PLS-SEM. European
Business Review, 31(1), 2-24. https://doi.org/10.1108/EBR-11-2018-0203
Holowka, P. (November, 2020). Teaching Robotics during
COVID-19: Machine Learning, Simulation, and AWS DeepRacer.
17th International Conference on Cognition and Exploratory Learning in
Digital Age (CELDA), Lisbon, Portugal.
Huck, C., y Zhang, J. (2021). Effects of
the COVID-19 Pandemic on K-12 Education: A Systematic Literature Review. Educational
Research and Development Journal, 24(1), 53-84. https://files.eric.ed.gov/fulltext/EJ1308731.pdf
Ligorio, M. B. (2001). Integrating communication formats:
synchronous versus asynchronous and text-based versus visual. Computers y
Education, 37, 103-125. https://doi.org/10.1016/S0360-1315(01)00039-2
Moodle (2014). Filosofía.
Contructivismo social. Moodle. https://docs.moodle.org/all/es/Filosof%C3%ADa
Moreno, F. O., Ochoa, F. A., Mutter,
K. J., y Vargas, E. C. (2021). Estrategias
pedagógicas en entornos virtuales de aprendizaje en tiempos de pandemia por
Covid-19. Revista de Ciencias Sociales (Ve), XXVII(4), 202-213. https://doi.org/10.31876/rcs.v27i4.37250
Mortazavi, F., Salehabadi, R., Sharifzadeh, M., y
Ghardashi, F. (2021). Students’
perspectives on the virtual teaching challenges in the COVID-19 pandemic: A
qualitative study. Journal of Education and Health
Promotion, 10(1), 59. https://journals.lww.com/jehp/fulltext/2021/10000/students__perspectives_on_the_virtual_teaching.50.aspx
Octaberlina, L. R., y Muslimin, A. I.
(2020). EFL students perspective towards online
learning barriers and alternatives using Moodle/Google Classroom during
COVID-19 pandemic. International Journal of Higher Education, 9(6).
https://doi.org/10.5430/ijhe.v9n6p1
Ramírez, A. G., Rodríguez, E. N., Pirela, A. A., y Castillo, I. C. (2021). Habilidades digitales e interés por estudiar en la modalidad
E-Learning en estudiantes de Bachillerato. Revista
de Ciencias Sociales (Ve), XXVII(4),
30-48. https://doi.org/10.31876/rcs.v27i4.37232
Roblyer, M. D., Freeman, J., Donaldson, M. B., y Maddox, M.
(2007). A comparison of outcomes of virtual school courses offered in
synchronous and asynchronous formats. The Internet and Higher Education,
10(4), 261-268. https://doi.org/10.1016/J.IHEDUC.2007.08.003
Shahabadi, M. M., y Uplane,
M. (2015). Synchronous and asynchronous e-learning styles and academic performance
of e-learners. Procedia - Social and Behavioral Sciences, 176,
129-138. https://doi.org/10.1016/j.sbspro.2015.01.453
Shrestha, N. (2021). Factor analysis as a tool for survey analysis. American
Journal of Applied Mathematics and Statistics, 9(1), 4-11. https://doi.org/10.12691/ajams-9-1-2
Srivastava, P., y Srivastava, S. (2021). Moodle:
Learning management system. In S. L. Grupta, N. Kishor, N. Mishra, S. Mathur y U.
Gupta (Eds.), Transforming Higher Education Through Digitalization (pp.
133-144). CRC Press. https://doi.org/10.1201/9781003132097-8
Sthapornnanon, N., Sakulbumrungsil,
R., Theeraroungchaisri, A., y Watcharadamrongkun,
S. (2009). Social constructivist learning environment in an online professional
practice course. American Journal of Pharmaceutical Education, 73(1),
10.
Taylor, P., y Maor, D. (2000). Assessing the
efficacy of online teaching with the Constructivist Online Learning Environment
Survey. 9th Annual Teaching Learning Forum.
Traver, J. E.,
Nuevo-Gallardo, C., Rodríguez, P., Tejado, I., Pérez, E., y Vinagre, B. M. (8-9 March, 2021). Teaching automatic
control in engineering degrees in the COVID-19 era: Simulators based on
physical modeling tools as alternative. INTED2021 Proceedings, 2161-2170.
https://doi.org/10.21125/inted.2021.0470
Varguillas, C. S., y Bravo, P.
C. (2020). Virtualidad como herramienta de apoyo a la presencialidad:
Análisis desde la mirada estudiantil. Revista
de Ciencias Sociales (Ve), XXVI(1),
219-232. https://doi.org/10.31876/rcs.v26i1.31321
Vygotsky, L. S., y Cole, M. (1978). Mind in
society: Development of higher psychological processes. Harvard University
Press.
* Doctor en Ingeniería de Informática
y Sistemas. Doctor en Educación. Docente Principal e Investigador
adscrito al Grupo de Investigación Desarrollo e Innovación de Industrias
Alimentarias en la Universidad Nacional de Frontera, Sullana, Perú. E-mail:
msanchezch@unf.edu.pe
ORCID: https://orcid.org/0000-0003-1646-3037
** Ingeniera de
Industrias Alimentarias. Investigadora adscrita al Grupo de Investigación Desarrollo
e Innovación de Industrias Alimentarias en la Universidad Nacional de Frontera,
Sullana, Perú. E-mail: carolinaflomen@gmail.com ORCID:
https://orcid.org/0000-0002-8936-2117
*** Magister en Educación. Docente e
Investigador adscrito al Grupo de Investigación Desarrollo e Innovación de
Industrias Alimentarias en la Universidad Nacional de Frontera, Sullana, Perú. E-mail: pbruno@unf.edu.pe ORCID: https://orcid.org/0000-0003-1849-294X
**** Doctora en Gestión y Ciencias de la Educación. Docente
e Investigadora en la Universidad Nacional de Piura, Piura, Perú. E-mail: isidora_zapata@yahoo.es
ORCID: https://orcid.org/0000-0001-9673-0435
Recibido: 2023-12-14 · Aceptado: 2024-03-02