Relaciones causales entre aspectos de educación virtual y percepción del aprendizaje ad-quirido en contexto de pandemia

Autores/as

  • Antonio Humberto Closas Universidad Tecnológica Nacional
  • Edgardo Alberto Arriola Universidad Tecnológica Nacional
  • Mariela Rosana Amarilla Universidad Tecnológica Nacional
  • Ethel Carina Jovanovich Universidad Tecnológica Nacional

DOI:

https://doi.org/10.29197/cpu.v20i39.486

Palabras clave:

modelización estadística, educación virtual, emergencia sanitaria, estudiantes de ingeniería

Resumen

En la mayoría de las sociedades occidentales el sistema educativo ha resultado afectado, aunque con diferentes matices, debido a la contingencia sanitaria por la pandemia de coronavirus. En este marco, el objetivo general del presente trabajo consiste en proponer un modelo estadístico que permita expresar las relaciones de causalidad que se destacan entre distintos aspectos vinculados con la educación virtual y la percepción de los estudiantes sobre el nivel de aprendizaje adquirido. Como objetivo específico, este estudio se plantea contrastar la validez de contenido del Cuestionario sobre Educación Virtual (CsEV) a través de la concordancia entre expertos cuya fuerza numérica fue valorada mediante el estadístico kappa de Fleiss. Los participantes en este estudio fueron 207 alumnos de ambos sexos, con una media de 19.68 años y desviación estándar (DE) de 1.58, que en el curso académico 2021 se encontraban matriculados en asignaturas del ciclo básico de carreras que se imparten en la Universidad Tecnológica Nacional, Argentina. La investigación responde a un diseño observacional, correlacional y explicativo mediante encuesta en trabajo de campo; es también un estudio de línea cuantitativa, de corte transversal y carácter prospectivo. A efectos de recoger la evidencia empírica, se utilizó el CsEV el cual está conformado por dieciséis ítems agrupados en tres dimensiones (aprendizaje, enseñanza y contexto). La consistencia interna del cuestionario, estimada por medio de los coeficientes alfa de Cronbach y omega de McDonald, resultó en un rango de valores que se considera aceptable. Los análisis inferenciales implementados hicieron posible determinar la ecuación de regresión que mejor se ajusta a la realidad objeto de interés, y que sería de utilidad para explicar los datos y/o predecir observaciones futuras. La relación de dependencia múltiple contrastada empíricamente se utilizó como insumo para formular acciones de intervención educativa que posibiliten mejoras psicopedagógicas vinculadas con el proceso eLearning, en el ámbito académico e institucional de selección de la muestra.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Antonio Humberto Closas, Universidad Tecnológica Nacional

Doctor en Estadística e Investigación Operativa por la Universidad Pública de Navarra (Pamplona, España). Profesor Adjunto de Análisis Matemático I y Director de Proyectos de Investigación en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional. Investigador categorizado del Programa de Incentivos del Ministerio de Educación de la Nación Argentina.

Edgardo Alberto Arriola, Universidad Tecnológica Nacional

Profesor en Matemática y Cosmografía por la Universidad Nacional del Nordeste (UNNE). Realizó cursos de posgrado en temáticas pedagógicas y disciplinares relacionadas con su especialidad. Profesor Titular de Análisis Matemático I en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN) y en la Facultad de Ingeniería de la UNNE.

Mariela Rosana Amarilla, Universidad Tecnológica Nacional

Profesora en Matemática y Cosmografía por la Universidad Nacional del Nordeste. Ha realizado cursos de posgrado en temáticas de su especialidad. Se desempeña como docente en distintas asignaturas del área de Matemática de la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN).

Ethel Carina Jovanovich, Universidad Tecnológica Nacional

Magíster en la Enseñanza de la Matemática por la Universidad Nacional del Chaco Austral. Se desempeña como docente en asignaturas del área de Matemática, de unidades académicas de la Universidad Nacional del Nordeste y de la Universidad Tecnológica Nacional (UTN).

Citas

Benjamin, D. J., Berger, J. O., Johannesson, M., Nosek, B. A., Wagenmakers, E. J., Berk, R., Bollen, K. A., Brembs, B., Brown, L., Camerer, C., Cesarini, D., Chambers, C. D., Clyde, M., Cook, T. D., De Boeck, P., Dienes, Z., Dreber, A., Easwaran, K., Efferson, C., ... Johnson, V. E. (2018). Redefine statistical significance. Nature Human Behaviour, 2(1), 6-10. https:// doi.org/10.1038/s41562-017-0189-z

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16, 297-334.

Escobar-Pérez, J. y Cuervo-Martínez, A. (2008). Validez de contenido y juicio de expertos: Una aproximación a su utilización. Avances en Medición, 6, 27–36.

Fleiss, J. L., Levin, B. y Paik, M. C. (2003). Statistical methods for rates and proportions (3rd ed). Wiley.

Fox, D. (1981). El proceso de investigación en educación. EUNSA.

García Aretio, L. (2020). Bosque semántico: ¿educación/enseñanza/aprendizaje a distancia, virtual, en línea, digital, eLearning…? Revista Iberoamericana de Educación a Distancia, 23(1), 9-28.

George, D. y Mallery, P. (2020). IBM SPSS Statistics 26 Step by Step (16th ed). Routledge

Harris, R. J. (1985). A Primer of Multivariate Statistics (2nd ed). Academic Press

Hodges, C., Moore, S., Lockee, B., Trust, T. y Bond, A. (2020). The difference between emergency remote teaching and online learning. Educause Review, 1-22. https://er.educause.edu/articles/2020/3/the-difference-between-emergency-remote-teaching-and-online-learning

JASP Team (2022). JASP (Version 0.16.4) [Computer software]. https://jasp-stats.org/

Kooij, A. J. van der (2007). Prediction accuracy and stability of regression with optimal scal-ing transformations. Leiden University. https://scholarlypublications.universiteitleiden.nl/handle/1887/12096

Landis, J. R. y Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33, 159-174.

Lara, L. y Martínez-Molina, A. (2016). Validación de la Escala de Identidad Étnica Multigru-po-Revisada en adolescentes inmigrantes y autóctonos residentes en España. Revista Lati-noamericana de Ciencias Sociales, Niñez y Juventud, 14(1), 591-601.

Lezcano, L. y Vilanova, G. (2017). Instrumentos de evaluación de aprendizaje en entornos virtuales. Perspectiva de estudiantes y aportes de docentes. Informe Científico Técnico UNPA, 9(1), 1-36.

McDonald, R. P. (1970). Theoretical foundations of principal factor analysis, canonical factor analysis, and alpha factor analysis. British Journal of Mathematical and Statistical Psychol-ogy, 23(1),1-21.

Ruiz, Y. A., García, M. y Biencinto, C. (2018). Evaluación de competencias genéricas en la universidad. Estudio comparativo en entorno b-learning y presencial. Acción Pedagógica, 27(1), 6-21.

UNESCO (2020). La educación en América Latina y el Caribe ante la Covid-19. https://es. unesco.org/fieldoffice/santiago/covid-19-education-alc

Zinbarg, R., Revelle, W., Yovel, I. y Li. W. (2005). Cronbach’s alpha, Revelle’s beta, and McDonald’s omega hierarchical: Their relations with each other and two alternative con-ceptualizations of reliability. Psychometrika, 70,123-33.

Descargas

Publicado

2023-01-13

Cómo citar

Closas, A. H. ., Arriola, E. A. ., Amarilla, M. R. ., & Jovanovich, E. C. . (2023). Relaciones causales entre aspectos de educación virtual y percepción del aprendizaje ad-quirido en contexto de pandemia. Cuaderno De Pedagogía Universitaria, 20(39), 97–110. https://doi.org/10.29197/cpu.v20i39.486