13
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 6, N.º 2
Junio-Diciembre 2022, pp. 10-21
Chan, D., Kanobel, C. y Galli, M. Valoración de recursos digitales y competencias desarrolladas por docentes
de ingeniería en tiempos de virtualidad.
de Buenos Aires (PBA); Córdoba, La Pampa, Santa Fe
y Entre Ríos (Centro); Mendoza, San Juan y San Luis
(Cuyo); Chaco, Corrientes, Formosa y Misiones (NEA);
Catamarca, Jujuy, La Rioja, Salta, Santiago del Estero y
Tucumán (NOA); Chubut, Neuquén, Río Negro, Santa
Cruz y Tierra del Fuego, Antártida e Islas del Atlántico
Sur (Patagonia). Se utilizó un muestreo no probabilísti-
co, considerando como criterio para la participación en
este estudio, la prestación de servicios docentes en algu-
na facultad de Ingeniería de Argentina durante el primer
cuatrimestre 2021.
Para la recogida de información fue elaborado un instru-
mento del tipo autoadministrado, confeccionado con Mi-
crosoft Forms® constituido por 34 preguntas organizadas
en dos secciones: i) Datos generales del profesorado y
ii) Competencias digitales del profesorado. Los resulta-
dos de este trabajo recogen las respuestas obtenidas en
la sección i (ver ítems en Anexo 1) y se enmarcan en un
proyecto más amplio en el que se analizan las competen-
cias digitales del profesorado argentino de nivel superior.
Concretamente, la mencionada sección releva informa-
ción sobre distintas variables cualitativas (género, zona
de residencia, tipo de dispositivo, tipo de HD) y cuanti-
tativas (edad, cantidad de redes sociales, autoevaluación
de la competencia digital docente, antigüedad docente en
el nivel superior y antigüedad en el uso de HD). Para la
variable Tipo de HD, se realizó una categorización se-
gún el siguiente criterio: aplicaciones específicas de cada
espacio curricular (H1), comunicación asincrónica (H2)
y sincrónica (H3), cuestionarios digitales para la eva-
luación (H4); herramientas de construcción colaborati-
va (H5), entornos de gestión de aprendizaje (H6), para
el desarrollo de imágenes 2D y 3D (H7), lúdicas (H8),
recursos multimedia (H9), para alojar y manejar archivos
en la nube (H10); planilla de cálculo (H11), plataformas
de comunicación unificada (H12), posters y mapas men-
tales colaborativos (H13), presentaciones multimediales
(H14), procesador de texto (H15), simuladores (H16) y
otras (H17). Para realizar el relevamiento sobre la autoe-
valuación de la competencia digital docente, se seleccio-
nó una escala de respuesta tipo Likert de 1 a 6 (1=Bajo,
6=Alto).
El medio elegido para la distribución del instrumento fue
el correo electrónico. Para la aplicación del instrumento
se contó con la colaboración de referentes instituciona-
les de universidades e institutos de todo el país quienes
compartieron el cuestionario con su profesorado. Los po-
tenciales docentes participantes recibieron el formulario
donde se explicaba el objetivo del estudio, se aseguraba
el anonimato en las respuestas y contaban con la posibi-
lidad de manifestar conformidad en participar del estudio
con fines académicos.
Para comprobar la validez del instrumento se envió el
cuestionario a 5 investigadores especialistas en la temá-
tica con el propósito de que valoren exhaustivamente
el grado de pertinencia de los ítems con objeto de estu-
dio, el grado de relevancia vinculado con el contenido,
su precisión y su formulación semántica y sintáctica.
Cada experto, de forma individual, realizó la evaluación e
hizo recomendaciones para la mejora del instrumento, las
cuales fueron atendidas por las investigadoras. Una vez
realizada la revisión y los ajustes, se realizó una prueba
piloto entre 95 docentes. Para comprobar la consistencia
interna del instrumento se aplicó la prueba de Küder Ri-
chardson obteniendo un alfa de 0.742 que indica un valor
aceptable de confiabilidad (Durán-Pérez &Lara-Abad,
2021).
Para el tratamiento y análisis de los datos, se realizó ini-
cialmente un análisis descriptivo, aplicando métodos de
visualización y de estadística univariada y multivariada.
Se usaron pruebas de Chi cuadrado de Pearson, Spear-
man, Mann Whitney-Wilcoxon y Kruskal Wallis. Para el
procesamiento de datos se ha utilizado el software R (ver-
sión 4.0.2) y planillas de cálculo, en todos los casos fue
considerado un nivel de significación del 5%.
Seguidamente, con la finalidad de descubrir relaciones
entre variables categóricas en la base de datos que pueden
expresarse en una forma transaccional, se utilizaron Re-
glas de Asociación (AR) que son una técnica exploratoria
no supervisada. Este tipo de análisis se conoce también
como Análisis de Cesta o de Afinidad. Las AR se popula-
rizaron para descubrir patrones de asociación de compras
en supermercados, pero actualmente están siendo usadas
con frecuencia en diversas áreas para hallar patrones de
comportamiento en un volumen de datos, como en el caso
del presente estudio, que centra su interés en estudiar las
reglas de asociación en el uso de HD del profesorado de
ingeniería. La pregunta fundamental que intentan respon-
der las AR es qué patrones de relación entre los ítems
pueden encontrarse en una base de datos. Específicamen-
te en este estudio, en base al área disciplinar y a la ex-
ploración de los datos, se busca explicar qué tipo de HD
utiliza el profesorado o qué características personales ad-
vierten un aumento en la probabilidad del uso de alguna
de ellas en particular.