La competencia digital del alumnado universitario de Ciencias Sociales desde una perspectiva de género

  1. Vázquez-Cano, Esteban 1
  2. Marín Díaz, Verónica 4
  3. Maldonado Berea, Guadalupe Aurora 2
  4. García-Garzón, Eduardo 3
  1. 1 Universidad Nacional de Educación a Distancia
    info

    Universidad Nacional de Educación a Distancia

    Madrid, España

    ROR https://ror.org/02msb5n36

  2. 2 Universidad Veracruzana
    info

    Universidad Veracruzana

    Xalapa, México

    ROR https://ror.org/03efxn362

  3. 3 Universidad Autónoma de Madrid
    info

    Universidad Autónoma de Madrid

    Madrid, España

    ROR https://ror.org/01cby8j38

  4. 4 Universidad de Córdoba
    info

    Universidad de Córdoba

    Córdoba, España

    ROR https://ror.org/05yc77b46

Revista:
Prisma Social: revista de investigación social

ISSN: 1989-3469

Año de publicación: 2017

Título del ejemplar: Investigar lo Local: Reflexiones, Métodos y Casos de Estudio

Número: 19

Páginas: 347-367

Tipo: Artículo

Otras publicaciones en: Prisma Social: revista de investigación social

Resumen

Este artículo presenta una investigación en la que se analizan las posibles diferencias según el género con respecto al nivel de competencias básicas digitales percibidas por 334 estudiantes de la Universidad Pablo de Olavide de los grados de Educación, Trabajo Social y el doble grado de Trabajo Social y Educación. Para ello, se aplicó el cuestionario de Competencias Básicas digitales 2.0 (COBADI / Marca Registrada 2970648). La literatura científica ha evidenciado diferencias en la competencia digital de los estudiantes dependiendo del método estadístico empleado en las investigaciones. Por este motivo, el diseño de la investigación se centró en analizar la competencia digital percibida por hombres y mujeres en tres áreas: comunicación, tareas académicas y conocimiento y uso de herramientas digitales a través de una metodología de inferencia bayesiana con una distribución de Cauchy con un parámetro r =√2/2. Los resultados muestran que las competencias digitales más asimiladas entre hombres y mujeres son las de comunicación y académicas. Aunque los hombres sistemáticamente tienden a evaluar de forma más positiva sus competencias, el método de factor de Bayes muestra que en la actualidad, hombres y mujeres son igualmente competentes en las diferentes competencias digitales.

Referencias bibliográficas

  • Ala-Mutka, K. (2011). Mapping Digital Competence: Towards a Conceptual Understanding. Luxembourg: Publications Office of the European Union.
  • American Statistical Association (2016). Guidelines for Assessment and Instruction in Statistics Education College Report 2016. GAISE College Report ASA Revision Committee. Recuperado de http://www.amstat.org/education/gaise.
  • Area, M. (2014). Alfabetización digital y competencias profesionales para la información y la comunicación. Organización y gestión educativa: Revista del Fórum Europeo de Administradores de la Educación, 22(1), 9-13.
  • Ares, V. M. (1999). La prueba de significación de la “hipótesis cero” en las investigaciones por encuesta. Metodología de Encuestas, 1, 47-68.
  • Berry, D. A. (1995). Basic statistics: A Bayesian perspective. Belmont, CA: Wadsworth.
  • Carretero, S., Vuorikari, R., y Punie, Y. (2017). DigComp 2.1: The Digital Competence Framework for Citizens with eight proficiency levels and examples of use. EUR 28558 EN, Luxembourg: Publications Office of the European Union. doi: 10.2760/38842.
  • Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences. Hillsdale, NJ: Erlbaum.
  • Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340.
  • Díaz, C., y Batanero, C. (2006). ¿Cómo puede el méto do bayesiano contribuir a la investigación en psicología y educación? Paradígma, 27(2), 35-53.
  • Díaz, C., y de la Fuente, I. (2004). Controversias en el uso de la inferencia en la investigación experimental. Metodología de las Ciencias del Comportamiento, Volumen especial, 161-167.
  • Dienes, Z. (2011). Bayesian versus orthodox statistics: Which side are you on? Perspectives on Psychological Science, 6(3), 274-290. http://dx.doi.org/10.1016/j.compedu.2012.10.012.
  • European Commission (2008). Mapping the Maze: Getting More Women to the Top in Research. Science, Economy and Society. Scientific Culture, and Gender Issues. European Communities.
  • Falk, R., y Greenbaum, C. W. (1995). Significance tests die hard: The amazing persistence of a probabilistic misconception. Theory and Psychology, 5(1), 75-98.
  • Ferrari, A. (2012). Digital Competence in Practice: An Analysis of Frameworks. Luxembourg: Publications Office of the European Union. Recuperado de: http://ipts.jrc.ec.europa.eu/publications/pub.cfm?id=5099
  • Ferrari, A., Punie, Y., y Brecko, B. (2013). DIGCOMP: A Framework for Developing and Understanding Digital Competence in Europe. Luxembourg: Publications Office of the European Union. Recuperado de:https://ec.europa.eu/jrc/en/publication/eur-scientific-and-technical-research-reports/digcomp-framework-developing-and-understanding-digital-competence-europe
  • Finch, S., Cumming, G., y Thomason, N. (2001). Reporting of statistical inference in the Journal of Applied Psychology: Little evidence of reform. Educational and Psychological Measurement, 61, 181-210.
  • George, D., y Mallery, P. (2003). SPSS for Windows step by step: A Simple Guide and Reference. Boston: Allyn y Bacon.
  • Gialamas, V., Nikolopouiou, K., y Kutromanos, G. (2013). Student teachers? perceptions about the impact of internet usage on their learning and jobs. Computers y Education, 62, 1-7.
  • Gil Flores, J. (2003). La estadística en la investigación educativa. Revista de Investigación Educativa, 21(1), 231-248.
  • Goswami, A., y Dutta, S. (2016). Gender Differences in Technology Usage. A Literature Review. Open Journal of Business and Management, 4, 51-59. http://dx.doi.org/10.4236/ojbm.2016.41006
  • Hager, W. (2000). About some misconceptions and the discontent with statistical tests in psychology. Methods on Psychological Research, 5(1). Recuperado de http://www.mpr-online.de.
  • Hupfer, M .E., y Detlor, B. (2006). Gender and Web information seeking: A self-concept orientation model. Journal of the Association for Information Science and Technology, 57, 1105-115. doi: 10.1002/asi.20379
  • Islam, A., Abdul Rahim, N., Chee Liang, A. T., y Momtaz, H. (2011). Effect of Demographic Factors on E-Learning Effectiveness in a Higher Learning Institution in Malaysia. International Education Studies, 4, 112-122. http://dx.doi.org/10.5539/ies.v4n1p112
  • Jackson, L. A., Ervin, K. S., Gardner, P. D, y Ervin, N. S. (2001). Gender and the Internet: Women Communicating and Men Searching. Sex Roles: A Journal of Research, 44, 363-379. http://dx.doi.org/10.1023/A:1010937901821.
  • Janssen, J., Stoyanov, S., Ferrari, A., y Punie, Y. (2012). Online Consultation on Experts’ Views on Digital Competence. Luxembourg: Publications Office of the European Union. Recuperado de: https://ec.europa.eu/jrc/en/publication/eur-scientific-and-technical-research-reports/online-consultation-experts-views-digital-competence
  • Jarosz, A. F., y Wiley, J. (2014). What Are the Odds? A Practical Guide to Computing and Reporting Bayes Factors. The Journal of Problem Solving, 7(1), Article. 2. http://dx.doi.org/10.7771/1932-6246.1167.
  • Johnson, L., Adams Becker, S., Cummins, M., Estrada, V., Freeman, A., y Hall, C. (2016). NMC Horizon Report: 2016 Higher Education Edition. Austin, Texas: The New Media Consortium.
  • Lecoutre, B. (1996). Traitement statistique des données expérimentales: Des pratiques traditionnelles aux pratiques bayésiennes. Paris: CISIA.
  • Lindley, D. (2004). Bayesian thoughts. Significance, 1, 73-75. doi:10.1111/j.1740-9713.2004.027.x
  • Lindley, D. V. (1993). The analysis of experimental data: The appreciation of tea and wine. Teaching Statistics, 15(1), 22-25.
  • Liu, T., y Sun, H. (2012). Gender Differences on Information Literacy of Science and Engineering Undergraduates. International Journal of Modern Education and Computer Science, 4(2), 23-30.
  • López Meneses, E., Vázquez-Cano, E., y Fernández Márquez, E. (2014). Análisis de la percepción de los alumnos sobre las áreas de intervención del futuro educador y trabajador social a través de una didáctica digital con mapas conceptuales multimedia. RED. Revista de Educación a Distancia, 41, 1-17.
  • Lubke, G. H., y Muthen, B. (2004). Applying Multigroup Confirmatory Factor Models for Continuous Outcomes to Likert Scale Data Complicates Meaningful Group Comparisons. Structural Equation Modeling, 11, 514-534.
  • Morey, R. D., y Rouder, J. N. (2015). Bayes Factor: Computation of Bayes Factors for Common Designs. R package version 0.9.12-2. Recuperado de: https://CRAN.R-project.org/package=BayesFactor
  • Okazaki, S., y Renda dos Santos, L. M. (2012). Understanding E-Learning Adoption in Brazil: Major Determinants and Gender Effects. International Review of Research in Open and Distributed Learning, 13, 91-106.
  • Pruzek, R. M. (1997). An introduction to bayesian inference and its applications. En L. L. Harlow, S. A. Mulaik, y J. H. Steiger (Eds.). What if there were no significance tests? (pp. 287-318). Mahwah, NJ: Lawrence Erlbaum.
  • Richards, G., Magee, C., y Artino, A. R. (2012). You can't fix by analysis what you've spoiled by design: developing survey instruments and collecting validity evidence. Journal of Graduate Medical Education, 4(4), 407-410.
  • Rindskopf, D. M. (1997). Classical and bayesian approaches. En L. L. Harlow, S. A. Mulaik, y J. H. Steiger (Eds.). What if there were no significance tests? (pp. 319-334). Mahwah, NJ: Lawrence Erlbaum Associates.
  • Rouder, J. N., y Morey, R. D. (2012). Default Bayes factors for model selection in regression. Multivariate Behavioral Research, 47, 877-903.
  • Rouder, J. N., Speckman, P. L., Sun, D., Morey, R. D., y Iverson, G. (2009). Bayesian t-tests for accepting and rejecting the null hypothesis. Psychonomic Bulletin y Review, 16, 225-237.
  • Sevillano, M.ª L., y Vázquez-Cano, E. (2015). The impact of digital mobile devices in Higher Education. Educational Technology y Society, 18(1), 106-118.
  • Suri, G., y Sharma, S. (2013). The Impact of Gender on Attitude towards Computer Technology and E-Learning: An Exploratory Study of Punjab University, India. International Journal of Engineering Research, 2, 132-136.
  • UNESCO (2008). ICT competency standards for teachers. Paris: United Nations Educational, Scientific and Cultural Organization. Recuperado de http://unesdoc.unesco.org/images/0015/001562/156207e.pdf
  • UNESCO (2013). Enfoque estratégico sobre TIC en educación en América Latina y el Caribe. Oficina Regional de Educación para América Latina y el Caribe (OREALC/UNESCO Santiago). Recuperado de http://www.unesco.org/new/fileadmin/MULTIMEDIA/FIELD/Santiago/images/ticsesp.pdf
  • United Nations (2014). Measuring ICT and gender: an assessment. New York and Geneva: United Nations. Recuperado de http://unctad.org/en/PublicationsLibrary/webdtlstict2014d1_en.pdf
  • Vázquez-Cano, E. (2012). Mobile Learning with Twitter to Improve Linguistic Competence at Secondary Schools. The New Educational Review, 29(3), 134-147.
  • Vázquez-Cano, E. (2014). Mobile Distance learning with Smartphones and Apps in Higher Education. Educational Sciences: Theory y Practice, 14(4), 1-16. Doi: 10.12738/est.2014.4.2012
  • Vázquez-Cano, E., y Calvo, E. (2016). Adolescentes y cibermedios. Una didáctica basada en aplicaciones periodísticas para smartphones. Estudios Pedagógicos, 41(2), 255-270.
  • Vázquez-Cano, E., López Meneses, E., y Fernández Márquez, E. (2013). Concept Mapping for Developing Competencies in European Higher Education Area. International Journal of Humanities and Social Science, 3(15), 1-12.
  • Vázquez-Cano, E., Mengual-Andrés, S., y Roig-Vila, R. (2015). Análisis lexicométrico de la especificidad de la escritura digital del adolescente en Whastapp. Revista de Lingüística Teórica y Aplicada, 53(1), 83-105.
  • Venkatesh, V., Morris, M.G., Davis, G., y Davis, F.D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27, 425‐478.
  • Vuorikari, R., Punie, Y., Carretero, S., y Brande, L. V. den. (2016). DigComp 2.0: The Digital Competence Framework for Citizens. Update Phase 1. Luxembourg: Publications Office, European Commission. Recuperado de: http://dx.publications.europa.eu/10.2791/11517
  • Wagenmakers, E. (2007). A practical solution to the pervasive problems of p values. Psychonomic Bulletin and Review, 14(5), 779-804. http://dx.doi.org/10.3758/BF03194105
  • Wagenmakers, E., Beek, T. F., Rotteveel, M., Gierholz, A., Matzke, D., Steingroever, H., Ly, A., Verhagen, J., Selker, R., Sasiadek, A., Gronau, Q., Love, J., y Pinto, Y. (2015). Turning the hands of time again: a purely confirmatory replication study and a Bayesian analysis. Frontiers in Psychology, 6, 494. http://dx.doi.org/10.3389/fpsyg.2015.00494.
  • Western, B. (1999). Bayesian analysis for sociologists: An introduction. Sociological Methods y Research, 28(1), 7-34.