Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Similars in
SciELO 
Permalink
Introducción
La presente investigación se basa en el aprendizaje móvil, mejor conocido como m-learning; O’Malley et al. (2005) lo presentan como un campo de la educación que constituye actualmente un contexto creciente de interés, donde se pretende, fundamentalmente, aplicar técnicas de aprendizaje basadas en la tecnología de los dispositivos móviles (Attewell, 2005). A su vez, Quinn (2000, citado en Sánchez, Sáenz, Muñoz, Ramírez y Martín, 2009) define la computación móvil en los siguientes términos:
Una computación portátil con alta interactividad, conectividad total y que permite un alto nivel de procesamiento. Junto con esto agrega que considera un dispositivo pequeño que está siempre en red, que permite una fácil entrada de datos a través de un lápiz específico, voz o por un teclado si es necesario, y la habilidad de ver imágenes con alta resolución y alta calidad de sonido. (p. 2)
El uso de dispositivos va en aumento (Attewell, 2005) y ha sido una tendencia de gran crecimiento en los últimos años. Países como Korea han estado trabajando modelos de aprendizaje ubicuo a través del uso de dispositivos móviles, para desarrollar procesos de alfabetización digital. Lo anterior demuestra grandes avances en el diseño de propuestas en este aspecto (Estrada-Villa, 2016), porque transmite una visión de la educación que conecta a través de diferentes estancias, dado que el aprendizaje no se produce solo en el aula, sino también en el hogar, en el parque, en el museo o la biblioteca, y se da a través de la interacción con el ambiente (Bruce, 2008).
En concordancia, a nivel mundial, el Informe Horizon(Johnson, Adams y Cummins, 2012) propuso abrir a la educación distintas herramientas vinculadas con el aprendizaje móvil, y fue enfático en mencionar que en un plazo de un año se integrarían las aplicaciones (APP) y las tabletas; que en un periodo de tres años arribaría el aprendizaje basado en juegos y que en uno de cinco años se tendría el internet de las cosas.
Antecedentes
En la revisión de la bibliografía se han encontrado varias experiencias que vinculan el aprendizaje móvil con actividades de enseñanza-aprendizaje en educación superior. Dicho aprendizaje es entendido por la Unesco (2012), en su publicación Mobile Learning and Policies. Key issues to consider, como la educación que implica el uso de dispositivos móviles para permitir el aprendizaje en cualquier momento y en cualquier lugar. A partir de lo anterior y para documentación practica y profundización del tema m-learning, se realizó la búsqueda y el levantamiento de experiencias de aprendizaje móvil en educación superior, las cuales se presentan a continuación.
e-sanitas: ofrece una amplia gama de soluciones educativas bajo demanda, para el desarrollo profesional continuo por medio de las nuevas tecnologías de información y comunicación (e-learning, b-learning, m-learning). Actualmente, e-sanitas permite la combinación única de la educación virtual, mediante un equipo multidisciplinario y versátil que elimina los mayores obstáculos de la tecnología a través del enfoque al público usuario final y la gestión del conocimiento. e-sanitas hace esto posible gracias a varias fuerzas confluentes: alineamiento de estrategias entre el objetivo y el contenido, pedagogía dirigida al público usuario, arquitectura de contenido, entre otras, las cuales integran el aprendizaje móvil (Estrada-Villa, 2014).
Bluegenesis: es una plataforma académica que utiliza los teléfonos móviles para apoyar la comunicación y el proceso de enseñanza-aprendizaje a nivel universitario. Mediante el uso de la conectividad bluetooth, el profesorado puede enviar desde sus portátiles preguntas, pruebas, contenidos y mensajes a teléfonos móviles del estudiantado. Este último puede leer los materiales, responder preguntas y recibir comentarios en sus teléfonos móviles (Estrada-Villa, 2014).
SENA Móvil: facilita acceder el material educativo de un curso en formatos de texto, audio y video, desde teléfonos celulares. El sistema permite desarrollar y enviar actividades de formación al personal tutor. Esta modalidad hace parte de la oferta de formación que se soporta mediante el m-learning, con contenidos pedagógicos que se pueden desarrollar con la mencionada metodología. De esta manera, el Servicio Nacional de Aprendizaje (SENA) provee a la población colombiana nuevas posibilidades tecnológicas cada vez más flexibles, para eliminar barreras y permitir el acceso a la formación profesional que se imparte a través de ambientes virtuales de aprendizaje (Estrada-Villa, 2014).
Experiencia de podcasting en la enseñanza de una segunda lengua: la finalidad de esta experiencia es mejorar las habilidades auditivas apoyadas con aprendizaje móvil. Para ello, se implementaron archivos de audio llamados podcasts a través de dispositivos móviles. Se diseñaron siete podcasts teniendo en cuenta las necesidades y errores estudiantiles en el aprendizaje de un idioma. Los resultados de esta experiencia fueron favorables porque el estudiantado es consciente de la falencia que posee y su deseo de mejorarla (Estrada-Villa, 2014).
Uniminuto Teach me: el TabletPC es una herramienta móvil para incentivar el aprendizaje de las matemáticas; por tanto, estos dispositivos se convirtieron en el insumo para el desarrollo del proyecto investigativo institucional Teach me (Technology, Engineering And Calculus Hewlett-Packard [HP] Mobile Environment), que involucra la inclusión de esta tecnología en tres de los cursos de matemáticas que presentaban mayor pérdida académica en la Facultad de Ingeniería de la Uniminuto. Finalmente, los resultados de la experiencia se presentaron desde tres aspectos: el trabajo de estudiantes, la interacción didáctica y los aportes de la herramienta móvil al aprendizaje de la función lineal (Estrada-Villa, 2014).
EAFIT didáctica del cálculo: el objetivo general de la investigación fue describir a partir de un estudio de caso la calidad del aprendizaje que evidencian estudiantes de las carreras de Ingeniería de la Universidad EAFIT de la asignatura de Cálculo cuando se implementa una propuesta didáctica con tecnología móvil (Pocket PC). Los resultados arrojaron que cuando se emplea de manera didáctica la tecnología móvil, se desarrollan habilidades cognitivas, metacognitivas, tecnológicas y colaborativas que le permiten al estudiantado desarrollar competencias para la resolución de problemas(Estrada -Villa, 2014).
Hasta aquí, se presentó un breve estado del arte de la exploración inicial sobre algunas experiencias de aprendizaje móvil en educación superior.
Método
Este trabajo es una combinación de dos tipos de investigación que, segúnHernández, Fernández y Baptista (2010) se clasifica en una investigación mixta, porque desde lo cuantitativo contrastó los datos obtenidos con una perspectiva clara a partir del análisis estadístico multivariado, con el fin de garantizar la pertinencia de los factores investigados, y desde lo cualitativo buscó la interpretación de los factores, lo que permitió hacer inferencias de los datos obtenidos. Por lo tanto, el método mixto es complementario y da una visión estadística y descriptiva de los factores que están relacionados con el aprendizaje móvil en educación superior.
El presente artículo forma parte de una investigación más amplia denominada Factores que contribuyen y dificultan el desarrollo de la enseñanza aprendizaje mediada por dispositivos móviles en instituciones de educación superior en Colombia, realizada por Estrada-Villa (2014) entre 2012 y 2014. En esta se aplicó el instrumento denominado “Cuestionario Az Móvil Colombia” a 176 docentes, que orientan sus clases en pregrado y posgrado en diferentes instituciones de educación superior (IES) en Colombia. Los resultados fueron analizados en Atlas.ti; de la categorización en el análisis cualitativo emergieron catorce factores relacionados con aprendizaje móvil (ver Tabla 1).
Tabla 1: Factores relacionados con el m-learning
| Factores que posibilitan m-learning IES | Factores que dificultan m-learning IES |
|---|---|
| * Factor infraestructura * Factor capacitación y formación docente * Factor políticas IES * Factor actitud e interés docente * Factor características del estudiantado * Factor conocimiento y habilidades docentes * Factor gestión administrativa * Factor área de conocimiento y campo de estudio. | * Actitud y desinterés * Falta capacitación * Falta lineamientos m-learning y políticas IES * Falta infraestructura * Falta gestión administrativa * Desconocimiento |
Nota:Tomado deEstrada-Villa (2014, pp. 86, 92).
En el presente artículo, los factores relacionados en la Tabla 1 son reducidos mediante un análisis multivariado; esto, con el fin de que se pierda la menor cantidad de información posible y que quedaran aquellos factores que posiblemente se puedan intervenir en la gestión de las universidades colombianas interesadas en incluir los dispositivos móviles.
Para ello, se seleccionó el análisis de componentes principales (ACP) y ANOVA Multifactorial, técnicas estadísticas de síntesis de la información o reducción del número de variables. Un aspecto fundamental en la estadística de los métodos multivariados, según Terrádez (s. f., p. 1), “es la interpretación de los factores, ya que ésta no viene dada a priori, sino que [se deduce] tras observar la relación de los factores con las variables”, a partir de la confianza y la varianza de los datos, de tal manera que se pudiese validar la correlación entre estos.
Instrumento
Dentro del desarrollo de la investigación y para la validación de los factores relacionados con el m-learning en las IES en Colombia, se diseñó la “Encuesta Factores Az Móvil” con respuesta tipo escala Likert, donde cinco es el valor más alto y uno el más bajo. El instrumento se validó mediante tablas de frecuencias, con valores de respuestas del 87 %, y se implementó a través de un formulario en Google Drive Inc, desde diciembre de 2013 hasta febrero de 2014.
Poblaciónymuestra
La muestra la constituyeron 30 personas expertas en TIC e investigadoras de diferentes universidades del país (Estrada-Villa, 2014); los datos se recogieron mediante un muestreo no probabilístico tipo “bola de nieve” (Bernal, 2000), el cual inició con el personal docente y personas investigadoras del Centro de Tecnologías para la Academia de la Universidad de la Sabana, donde se buscó a personal experto investigador en temas relacionados con tecnología educativa, principalmente con el m-learning.
Resultados y análisis
Para la recogida de los datos se empleó el instrumento, descrito anteriormente, y para el análisis de los datos se trabajó con ACP y ANOVA multifactorial, donde se cruzaron y analizaron los datos de la muestra utilizando el software estadístico Statgraphics, de tal manera que se pudieran validar la correlación entre los diferentes factores.
A continuación, se presentan los resultados de acuerdo con cada análisis realizado. Primero se relacionan la información de los factores que favorecen y segundo de los factores que dificultan.
Análisis multifactorial. Factores que favorecen el aprendizaje móvil en educación superior
Para iniciar, en la Figura 1 se presentan los resultados arrojados por la encuesta tipo Likert, donde se observan los porcentajes en las respuestas que dio el equipo docente investigador a los factores que favorecen la inclusión del aprendizaje móvil en la educación superior. El equipo, en un 83 %, está de acuerdo con el hecho de que contar con la infraestructura necesaria es un factor favorecedor de la inclusión del aprendizaje móvil en la educación superior; el mismo valor le dieron a la capacitación y a la formación docente en el uso y aplicación de los dispositivos móviles; esto seguido de un 80 % del personal docente en cuanto a su interés por transformar su práctica académica y de un 63 % por la gestión administrativa y las políticas IES.
Nota: Tomado de Estrada-Villa (2014, p. 100).
Figura 1: Porcentaje de respuestas para los factores que favorecen la inclusión del aprendizaje móvil.
Esto podría verse reflejado en que a la hora de integrar tecnología no es solo necesario pensar en la infraestructura ni en los recursos destinados para la capacitación, sino que además es indispensable la actitud y el interés por parte del personal docente para integrar los dispositivos móviles a su práctica educativa. Aunque el 30 % del equipo investigador está totalmente de acuerdo con que el área de conocimiento influye a la hora de integrar, un 7 % está en desacuerdo y para el 37 % restante es irrelevante la disciplina a la hora de integrar tecnología. Adicionalmente, se evidenció que los dispositivos móviles son ideales para prácticas de medicina, aprendizaje de una segunda lengua y laboratorios de ciencias exactas, lo que no sucede en otros campos del conocimiento, como la filosofía o el derecho.
Primer análisis: ACP para factores que favorecen el aprendizaje móvil
Para analizar los hallazgos, se toman como variables los ocho factores que favorecen y que están consignados en la Tabla 2, que a su vez son fuente de la Figura 1.
Tabla 2: Respuestas de la encuesta “Factores Az Móvil” para los factores que favorecen la inclusión del m-learning en educación superior
| Investigador | Factor 1 | Factor 2 | Factor 3 | Factor 4 | Factor 5 | Factor 6 | Factor 7 | Factor 8 |
|---|---|---|---|---|---|---|---|---|
| Sujeto 1 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 2 | 5 | 5 | 5 | 5 | 4 | 4 | 5 | 3 |
| Sujeto 3 | 5 | 5 | 5 | 5 | 4 | 5 | 5 | 5 |
| Sujeto 4 | 3 | 3 | 4 | 3 | 3 | 3 | 3 | 3 |
| Sujeto 5 | 5 | 5 | 5 | 5 | 4 | 3 | 5 | 3 |
| Sujeto 6 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 7 | 5 | 4 | 5 | 5 | 3 | 5 | 4 | 5 |
| Sujeto 8 | 5 | 5 | 5 | 5 | 4 | 5 | 4 | 4 |
| Sujeto 9 | 5 | 5 | 5 | 5 | 3 | 5 | 5 | 3 |
| Sujeto 10 | 5 | 5 | 5 | 5 | 4 | 5 | 5 | 3 |
| Sujeto 11 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 4 |
| Sujeto 12 | 5 | 5 | 5 | 5 | 4 | 5 | 5 | 1 |
| Sujeto 13 | 5 | 5 | 5 | 5 | 4 | 5 | 5 | 4 |
| Sujeto 14 | 4 | 5 | 4 | 5 | 2 | 5 | 5 | 5 |
| Sujeto 15 | 5 | 5 | 3 | 5 | 3 | 4 | 5 | 4 |
| Sujeto 16 | 4 | 4 | 4 | 4 | 3 | 2 | 4 | 4 |
| Sujeto 17 | 5 | 5 | 4 | 5 | 5 | 5 | 5 | 4 |
| Sujeto 18 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 19 | 5 | 5 | 5 | 5 | 4 | 4 | 5 | 4 |
| Sujeto 20 | 5 | 5 | 4 | 5 | 3 | 4 | 5 | 3 |
| Sujeto 21 | 5 | 5 | 4 | 5 | 4 | 4 | 4 | 5 |
| Sujeto 22 | 5 | 5 | 3 | 5 | 4 | 4 | 3 | 3 |
| Sujeto 23 | 5 | 4 | 4 | 5 | 5 | 4 | 5 | 5 |
| Sujeto 24 | 4 | 4 | 4 | 4 | 3 | 5 | 4 | 3 |
| Sujeto 25 | 5 | 5 | 5 | 5 | 4 | 3 | 4 | 4 |
| Sujeto 26 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 27 | 5 | 5 | 5 | 3 | 4 | 4 | 4 | 3 |
| Sujeto 28 | 5 | 5 | 4 | 5 | 5 | 4 | 4 | 3 |
| Sujeto 29 | 5 | 5 | 4 | 4 | 5 | 5 | 5 | 3 |
| Sujeto 30 | 3 | 5 | 5 | 4 | 2 | 5 | 3 | 1 |
*Las respuestas consignadas en la tabla se encuentran en valores de uno a cinco, uno es el valor más bajo y cinco el más alto 5= Totalmente de acuerdo, 4= De acuerdo, 3= Ni de acuerdo, ni en desacuerdo 2= En desacuerdo, 1= Totalmente en desacuerdo
Nota: Tomado de Estrada-Villa (2014, p. 104).
Tabla 3: Análisis de componentes principales factores favorecen
| Componentes número | Eigenvalue (confianza) | Porcentaje de varianza (%) | Porcentajeacumulado (%) |
|---|---|---|---|
| 1. Factor infraestructura | 3,441990 | 43,025 | 43,025 |
| 2. Factor capacitación y formación docente | 1,259850 | 15,748 | 58,773 |
| 3. Factor políticas IES | 0,914783 | 11,435 | 70,208 |
| 4. Factor actitud e interés docente | 0,804202 | 10,053 | 80,260 |
| 5. Factor características del estudiantado | 0,618168 | 7,727 | 87,987 |
| 6. Factor conocimiento y habilidades docentes | 0,453355 | 5,667 | 93,654 |
| 7. Factor gestión administrativa | 0,307412 | 3,843 | 97,497 |
| 8. Factor área de conocimiento y campo de estudio | 0,200244 | 2,503 | 100,000 |
Nota:Tomado deEstrada-Villa (2014, p.105).
Variabilidad: 58,7729 %
Número de factores extraídos: 2
Entrada de datos: observaciones
Número de casos completos: 30
Tratamiento de valores perdidos: eliminación listwise
Tipo de factorización: componentes principales
Nota: Tomado de Estrada-Villa (2014, p. 105).
Figura 2: Diagrama de los factores (componentes) que favorecen extraídos
El análisis muestra que dos componentes se han extraído, puesto que dos factores tuvieron autovalores mayores o iguales que 1,0 (ver Figura 2). En conjunto ellos se explican con un 58,7729 % de la variabilidad en los datos originales. Desde el valor de la confianza, en la Tabla 3 se observa que los valores mayores que uno se encuentran en los componentes 1 y 2; por tanto, los factores arrojados por el ACP son: factor infraestructura, con 3,44199, y factor capacitación y formación docente,con 1,25985.
Segundo análisis: ANOVA multifactorial para factores que favorecen el aprendizaje móvil
El ANOVA es un análisis de varianza de diversas variables dependientes en relación con la variable independiente. En este caso se utiliza para determinar cuáles de los factores que favorecen el m-learning en educación superior tienen un efecto estadísticamente significativo sobre la variable dependiente; asimismo, sirve para evaluar la significancia de las interacciones entre los mencionados factores.
Para realizar el análisis se seleccionó por la varianza la variable dependiente; en este caso los datos arrojaron que es el factor capacitación y formación docente versus las variables independientes: factorinfraestructura, factor políticas IES, factor actitud e interés docente, factor características del estudiantado, factor conocimiento y habilidades docentes, factor gestión administrativa, factor área de conocimiento y campo de estudio.
Tabla 4: Análisis de varianza para el factor capacitación y formación docente como factor que favorece el m-learning y suma de cuadrados tipo III
| Efectos principales | Suma de cuadrados | Gl | Cuadrado medio | Razón-F | Valor-P |
|---|---|---|---|---|---|
| A:__ infraestructura | 0,351886 | 2 | 0,175943 | 1,82 | 0,2047 |
| B:__ políticas de las IES y lineamientos | 0,149592 | 2 | 0,0747962 | 0,77 | 0,4838 |
| C:__ actitud e interés del docente | 0,0466716 | 2 | 0,0233358 | 0,24 | 0,7897 |
| D:__ características del estudiantado | 1,6059 | 3 | 0,535301 | 5,52 | 0,0129 |
| E:__ conocimiento y habilidades de docentes | 0,0609446 | 3 | 0,0203149 | 0,21 | 0,8878 |
| F:__ gestión administrativa | 0,0855064 | 2 | 0,0427532 | 0,44 | 0,6533 |
| G:__ área de conocimiento y campo de estudio | 0,350526 | 3 | 0,116842 | 1,21 | 0,3496 |
| Residuos | 1,16276 | 12 | 0,096897 | - | - |
| Total (corregido) | 6,8 | 29 | - | - | - |
*Todas las razones-F se basan en el cuadrado medio del error residual
Número de casos completos: 30
Nota: Elaboración propia con el apoyo del programa Statgraphics.
El análisis de la varianza determinó cuáles de los factores que favorecen el m-Learning en la educación superior tienen un efecto estadístico significativo sobre el factor capacitación y formación docente. Por tanto, el ANOVA (ver Tabla 4) descompone la variabilidad del factor capacitación docente en contribuciones debidas a varios factores, puesto que se ha escogido la suma de cuadrados tipo III (por omisión del software estadístico statgraphics). La contribución de cada factor se mide eliminando los efectos de los demás. Los valores-P prueban la significancia estadística de cada uno de los factores, ya que un valor-P es menor que 0,05 y corresponde al factor características de estudiantes 0,0129; por tanto, este factor tiene un efecto estadísticamente significativo sobre el factor capacitación y formación docente, con un 95 % de nivel de confianza.
En suma, los factores capacitación docente y factor características de estudiantes, extraídas de los respectivos análisis, constituyen una herramienta de pronóstico. Esto significa que, si se intervienen las variables capacitación docente y características de estudiantes, es decir, desarrollando una serie de actividades que fortalezcan la capacitación en el uso del m-learning que tenga como base las actividades que está demandando el estudiantado en el aula, habría una probabilidad de un 95 % de favorecer la inclusión del aprendizaje móvil.
Análisis multifactorial para los factores que dificultan el m-learning en educación superior en Colombia
Por otro lado, y continuando con el análisis, el grupo investigador afirma que las dificultades para la inclusión del aprendizaje móvil en educación superior (ver Figura 3) se presentan por el desconocimiento (63 %) de las posibilidades de los dispositivos móviles, por la actitud y el desinterés docente (63 %), así como por la falta de capacitación (50 %) a docentes. La ausencia de infraestructura (43 %) de conectividad y acceso a internet es un factor determinante, así como la no existencia de gestión administrativa (53 %) y de lineamientos (53 %) a nivel nacional e institucional que incentive su uso en los procesos de enseñanza aprendizaje.
Nota:Tomado deEstrada-Villa (2014, p. 102).
Figura 3: Porcentaje de respuestas para los factores que dificultan
Primer análisis: ACP para factores que dificultan el aprendizaje móvil
Este procedimiento ejecuta un análisis de componentes principales. Como se mencionó anteriormente, el propósito del ACP es obtener un número reducido de las seis variables que expliquen la mayor variabilidad en los datos. Los datos fuente están consignados en la Tabla 5.
Tabla 5: Resultado de la encuesta realizado al grupo experto en educación a partir del muestreo bola de nieve para los factores que dificultan la inclusión del m-learning en la educación superior
| Investigador/ Investigadora | Falta gestión administrativa | Falta infraestructura | Falta lineamientos m-learning | Desconocimiento | Falta capacitación | Actitud y desinterés docente |
|---|---|---|---|---|---|---|
| Sujeto 1 | 1 | 1 | 2 | 4 | 3 | 1 |
| Sujeto 2 | 4 | 4 | 4 | 5 | 4 | 5 |
| Sujeto 3 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 4 | 3 | 3 | 3 | 3 | 3 | 3 |
| Sujeto 5 | 5 | 5 | 5 | 3 | 3 | 5 |
| Sujeto 6 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 7 | 4 | 5 | 2 | 5 | 5 | 5 |
| Sujeto 8 | 1 | 1 | 2 | 4 | 1 | 1 |
| Sujeto 9 | 5 | 4 | 5 | 5 | 5 | 4 |
| Sujeto 10 | 3 | 2 | 5 | 3 | 5 | 3 |
| Sujeto 11 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 12 | 5 | 5 | 5 | 5 | 4 | 5 |
| Sujeto 13 | 5 | 4 | 5 | 5 | 5 | 5 |
| Sujeto 14 | 5 | 4 | 5 | 4 | 4 | 1 |
| Sujeto 15 | 5 | 4 | 5 | 5 | 5 | 5 |
| Sujeto 16 | 4 | 4 | 4 | 3 | 4 | 3 |
| Sujeto 17 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 18 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 19 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 20 | 5 | 4 | 4 | 5 | 4 | 5 |
| Sujeto 21 | 3 | 5 | 3 | 3 | 4 | 3 |
| Sujeto 22 | 3 | 4 | 3 | 5 | 5 | 5 |
| Sujeto 23 | 3 | 5 | 4 | 4 | 4 | 4 |
| Sujeto 24 | 4 | 4 | 4 | 5 | 4 | 3 |
| Sujeto 25 | 4 | 4 | 4 | 4 | 4 | 4 |
| Sujeto 26 | 5 | 5 | 5 | 5 | 5 | 5 |
| Sujeto 27 | 5 | 4 | 5 | 4 | 4 | 5 |
| Sujeto 28 | 5 | 5 | 4 | 5 | 4 | 5 |
| Sujeto 29 | 4 | 3 | 4 | 5 | 5 | 5 |
| Sujeto 30 | 3 | 3 | 5 | 5 | 5 | 5 |
*Las respuestas consignadas en la tabla se encuentra en valores de uno a cinco, uno es el valor más bajo y cinco el más alto 5= Totalmente de acuerdo, 4= De acuerdo, 3= Ni de acuerdo, ni en desacuerdo, 2= En desacuerdo, 1= Totalmente en desacuerdo.
Nota: Tomado deEstrada-Villa (2014, p.107).
Tabla 6: Análisis de componentes principales de los factores dificultan el m-learning
| Componentes Número | Eigenvalue (confianza) | Porcentaje de varianza (%) | Porcentaje acumulado (%) |
|---|---|---|---|
| 1. Falta gestión administrativa | 3,76256 | 62,709 | 62,709 |
| 2. Falta infraestructura | 0,871654 | 14,528 | 77,237 |
| 3. Falta lineamientos m-learning | 0,579405 | 9,657 | 86,894 |
| 4. Desconocimiento | 0,401688 | 6,695 | 93,589 |
| 5. Falta capacitación | 0,278796 | 4,647 | 98,235 |
| 6. Actitud y desinterés | 0,105894 | 1,765 | 100,000 |
Nota:Tomado deEstrada-Villa (2014, p. 108).
Variabilidad: 62,709
Número de componentes extraídos: 1
Entrada de datos: observaciones
Número de casos completos: 30
Tratamiento de valores perdidos: eliminación listwise
Tipo de factorización: componentes principales
Nota: Tomado de Estrada-Villa (2014, p. 107).
Figura 4: Diagrama del análisis de componentes principales para los factores que dificultan.
En este caso, un componente ha sido extraído (ver Figura 4), puesto que es el único componente con un autovalor mayor o igual que 1,0, que corresponde al factor falta de gestión administrativa, con un valor de 3,76256 (ver Tabla 6). El conjunto de componentes se explica con un 62,7094 % de la variabilidad en los datos originales.
Segundo análisis: ANOVA multifactorial para los factores que dificultan el aprendizaje móvil en educación superior
Se realizó el análisis de varianza de cinco factores relacionados con el factor falta de gestión administrativa, con el fin de determinar cuáles de los factores que dificultan el m-learning en educación superior tienen un efecto estadísticamente significativo sobre la variable independiente.
La variable independiente se seleccionó a partir del factor con la varianza más alta, que en este caso es la falta de gestión administrativa, y se contrastó en el ANOVA frente a las variables independientes: falta infraestructura, falta lineamientos m-learning, desconocimiento docente, falta de capacitación, actitud y desinterés docente.
Tabla 7: Análisis de varianza para el factor falta de gestión administrativa como factor que dificulta el m-Learning y suma de cuadrados tipo III
| Efectos principales | Suma de cuadrados | Gl | Cuadrado medio | Razón-F | Valor-P |
|---|---|---|---|---|---|
| A: Falta infraestructura | 05,28186 | 4 | 1,32047 | 5,42 | 0,0075 |
| B: Falta lineamientos m-learning | 04,22993 | 3 | 1,40998 | 5,79 | 0,0087 |
| C: Desconocimiento | 00,248089 | 2 | 0,124045 | 0,51 | 0,6117 |
| D: Falta capacitación | 00,392795 | 3 | 0,130932 | 0,54 | 0,6642 |
| E: Actitud y desinterés | 00,509317 | 3 | 0,169772 | 0,70 | 0,5692 |
| Residuos | 03,41011 | 14 | 0,24358 | - | - |
| Total (corregido) | 39,4667 | 29 | - | - | - |
*Todas las razones-F se basan en e l cuadrado medio del error residual
Número de casos completos: 30
Nota: Elaboración propia con el apoyo de statgraphics.
Las pruebas-F en la tabla ANOVA (ver Tabla 7) permitieron identificar los factores significativos. Para estos últimos, las pruebas de rangos múltiples evidencian cuáles medias son significativamente diferentes de otras.
La Tabla 7 descompone la variabilidad del factor falta de gestión administrativa en contribuciones debidas a varios factores. Los valores-P prueban la significancia estadística de cada uno de los factores. Puesto que dos valores-P son menores que 0,05, que son: factor falta de infraestructura, con un valor-P de 0,0075 y falta de lineamientos m-learning, con un valor-P de 0,0087. Estos factores tienen un efecto estadísticamente significativo sobre la variable dependiente del análisis, con un 95,0 % de nivel de confianza.
A partir de estos resultados, se deduce que sí se controlan las variables falta de infraestructura y la falta de políticas IES, con una serie de actividades enfocadas al fortalecimiento de la infraestructura por parte de la administración de una IES, se podrá obtener un 95% de éxito en la integración de los dispositivos moviles.
Síntesis de resultados
A partir de los análisis realizados se infiere que el factor capacitación docente depende directamente del factor características del estudiantado. Estos factores, al estar correlacionados, son los que podrian facilitar la integración del aprendizaje móvil en las actividades académicas en educación superior. Por tanto, el factor capacitación docente es explicado en un 95 % por la variable características del estudiantado (ver Tabla 8). En concordancia, la formación docente constituye un factor que contribuye a la inclusión del aprendizaje móvil en educación superior.
Tabla 8: Resumen de hallazgos por análisis desarrollado para los factores que facilitan la inclusión del aprendizaje móvil en educación superior
| Instrumento | Desarrollo del análisis | Resultados de los análisis |
| Encuesta tipo Likert factores que favorecen Az Móvil | Primer análisis Análisis de componentes principales variables: infraestructura, capacitación, políticas IES, actitud e interés docente, conocimiento y habilidades, gestión administrativa, área de conocimiento. | El ACP extrae los siguientes dos factores que favorecen el m-learning en educación superior: *Infraestructura con 3,44199 de Confianza *Capacitación con 1,25985 de confianza En conjunto, los factores se extraen con un 58,7729 % de variabilidad de los datos originales. |
| - | Segundo Análisis ANOVA multifactorial Variable dependiente Y= Capacitación y formación docente vs. Variables independientes X= Infraestructura, políticas IES, actitud e interés docente, características de estudiantes, conocimiento y habilidades, gestión administrativa, área de conocimiento. | El valor-P en el ANOVA prueba la significancia estadística de los factores que favorecen el m-learning, que en este caso son: *Valor-P factor características de estudiantes=0,0129 El factor anterior tiene un valor significativo sobre el factor capacitación y formación docente con un 95 % de nivel de confianza. |
Nota:Tomado deEstrada-Villa (2014, p. 116).
De la misma manera, se realizó el tratamiento de los datos para los factores que dificultan, donde los hallazgos mostraron que el factor falta de gestión administrativa depende de la falta de políticas IES y lineamientosm-learning y de la infraestructura, por tanto, estos factores son determinantes a la hora de llevar los dispositivos móviles al aula (ver Tabla 9). Por lo anterior, la infraestructura es un factor que dificulta la incluciòn del m-learning en educación superior.
Tabla 9: Resumen de hallazgos por análisis para los factores que dificultan la inclusión del aprendizaje móvil en educación superior
| Instrumento | Desarrollo del análisis | Resultados de los análisis |
| Encuesta Tipo Likert Factores Dificultan Az Mó vil | Primer análisis Análisis de componentes principales Variables: falta gestión administrativa, falta infraestructura, falta lineamientos m-learning, desconocimiento, falta de capacitación, actitud y desinterés docente | El ACP reduce de seis a uno los factores que dificultan el m-learning en educación superior: *Factor falta de gestión administrativa con un valor de 3,76256 de confianza y con un porcentaje de variabilidad del 80,219 %. |
| - | Segundo Análisis Anova Multifactorial Variable Dependiente Y= Falta de Gestión Administrativa vs Variables independientes X= Falta Infraestructura, Falta Políticas IES y Lineamientos mlearning, Desconocimiento, Falta de Capacitación, Actitud y Desinteres Docente | El valor-P en el ANOVA prueba la significancia estadística de los factores que dificultan el m-learning, que en este caso son: *Valor-P falta de infraestructura=0,0075 *Valor-P falta de lineamientos m-learning =0.0087 Los factores anteriores tienen un valor significativo sobre el factor falta de gestión administrativacon un 95 % de nivel de confianza. |
Nota:Tomado deEstrada-Villa (2014, p. 116).
Conclusiones
Los dispositivos móviles, por su portabilidad y entornos ricos en interacción y comunicación, acercan y permean la acción formativa, y de esta manera trascienden el aula de clase y generan escenarios personalizados (Bruce, 2008) y ajustados a las necesidades del estudiantado; además, validan los estilos de aprendizaje, con lo cual aportan al aprendizaje colaborativo.
Esto, puesto que, como lo menciona Attewell (2005), los teléfonos móviles ya no son solo para chatear y organizar contactos o la agenda, pues se han convertido en computadoras de bolsillo y, por tanto, tienen la capacidad de entregar objetos de aprendizaje y proporcionar acceso a sistemas y servicios.
Ahora bien, la inclusión del m-learning da la posibilidad a la comunidad académica de acceder a la información desde cualquier lugar, permite la interacción con otro estudiantado y acceder a fuentes de información digitales, es por esto que se proyecta como el futuro de la educación aplicable en muchas áreas.
Los hallazgos plantean retos para la gestión administrativa de las IES e invitan al profesorado universitario a reflexionar sobre su práctica docente, dadas las posibilidades actuales de incluir los dispositivos móviles a las actividades académicas.
Asimismo, los resultados arrojan que se deben delimitar unas políticas que trasciendan al aula (Organización para la Cooperación y el Desarrollo Económicos [OCDE], Banco Internacional de Reconstrucción y Fomento, y Banco Mundial, 2013) y que orienten la vinculación del m-learning en la práctica educativa.
Por esto, uno de los aspectos que cabe resaltar a partir de los resultados encontrados es que tanto las universidades, como los cuerpos docentes deben estar abiertos y preparados al cambio, en cuanto lo relacionado con la actualización de la infraestructura, así como con la capacitación académica en torno a la integración del aprendizaje móvil. En definitiva, los factores identificados deben ser tenidos en cuenta a la hora de incluir el aprendizaje móvil, por tanto, que las universidades colombianas deben tomar la información base y aprovechar los factores aquí extraídos, con el fin de trazar políticas y lineamientos para incluir el aprendizaje móvil en la educación superior. Estas, a su vez, tienen que estar alineadas con la gestión administrativa desde planes estratégicos o de desarrollo, para que dichos factores puedan descender a través de planes de formación docente, y que se vea reflejada, en la práctica educativa, la incorporación de los dispositivos móviles, en respuesta a lo que el estudiantado está demandando.
Por ultimo, el m-learning, como una buena parte de lo relacionado con la inclusión de la tecnología en la educación y en otras áreas de la vida, sigue siendo un asunto en desarrollo, por lo cual mucho de lo que se dice o hace realmente forma parte de una exploración permanente por parte del personal docente, el estudiantado y las instituciones.
