Estereotipos
asociados al cuerpo humano: análisis de aplicaciones móviles usadas en la
educación físico-deportiva
Stereotypes associated with the human body: analysis of
mobile devices applications used in physical and sports education
Dr. José
Díaz-Barahona. Profesor Titular. Universidad de
Valencia. España
Dra. Teresa Valverde Esteve. Profesora Contratada Doctora. Universidad
de Valencia. España
Dra. Irene Moya-Mata. Profesora Ayudante Doctora.
Universidad de Valencia. España
Recibido: 2021/09/01
Revisado: 2021/10/11
Aceptado:
2022/04/18 Preprint: 2022/04/29 Publicado: 2022/05/01
Cómo citar este artículo:
Díaz-Barhona, J., Valverde-Esteve,
T., & Valverde Esteve, I. (2022). Estereotipos asociados al cuerpo humano:
análisis de aplicaciones móviles usadas en la educación físico-deportiva
[Stereotypes associated with the human body: analysis of mobile devices
applications used in physical and sports education]. Pixel-Bit. Revista de Medios y Educación, 64, 79-103. https://doi.org/10.12795/pixelbit.90297
RESUMEN
La institución escolar y su profesorado están
integrando de forma acrítica y masiva materiales curriculares digitales en su
praxis docente. Este artículo tiene como objetivo estudiar si las imágenes de
las apps, utilizadas para la mejora de la salud y el fitness, transmiten o
legitiman estereotipos asociados al cuerpo: de género, raza, somatotipo o
relacionados con la práctica de actividad física. También analizar las apps son
adecuadas a la edad recomendada por los desarrolladores web o si están
diseñadas por profesionales del ámbito de la educación físico-deportiva. Para
ello, diseñamos un estudio descriptivo, comparativo, basado en el análisis de
contenido, realizado sobre una muestra de 373 imágenes pertenecientes a 128
apps elegidas tras un proceso de selección PRISMA y una prueba piloto. Los
resultados informan que los cuerpos que aparecen en las imágenes de las apps
reproducen diversos estereotipos: de género, edad, raza o relacionados con la
actividad física. También que las apps estudiadas no son diseñadas por personal
especializado. Este trabajo puede orientar y sensibilizar a la comunidad
educativa sobre la perspectiva de género y sobre los valores y los estereotipos
que los materiales digitales, que introducimos en las aulas, pueden estar
normalizando
ABSTRACT
Institutions and educators are
massively and uncritically integrating digital curricular materials in their
teaching praxis. This article aims to uncover whether health and fitness APP
images convey or legitimize stereotypes linked to bodies, focusing on gender,
race, somatotype and physical activity practice. We also analyse whether
these apps are adequate for the recommended age or whether they are designed by
physical education professionals. For that purpose, we designed a
descriptive, comparative study based on content analysis on a sample of 373
images from 128 apps selected through a PRISMA review and a pilot test. Our
results report that bodies reproduce a series of stereotypes: of gender, age,
race or linked to physical activity. A further conclusion is that the reviewed
apps are not designed by specialist professionals or institutions. This article can orient
and raise awareness among the educational community on how gender biases,
sociocultural elements, values, and stereotypes are legitimized by the digital
tools that we currently use in our classrooms.
PALABRAS CLAVES · KEYWORDS
Aplicaciones móviles, competencia digital docente,
estereotipos, imagen corporal, interpretación de imágenes.
Mobile apps, digital competence, stereotypes, body
image, image interpretation.
1. Introducción
La sociedad, la institución escolar
y su profesorado están sujetos, ahora más que nunca, a procesos, voluntarios o
involuntarios, de inmersión tecnológica asociados al consumo y uso masivo de
medios y servicios digitales, especialmente móviles (Díaz-Barahona et al.,
2019). En este contexto, resulta fácil defender que los dispositivos y las
aplicaciones móviles (apps) deban integrarse en las aulas como material
curricular, lo difícil está siendo concretar cómo, para qué o disponer de
criterios pedagógicos para hacerlo de manera eficaz (Traxler, 2016), porque
esta sobreexposición digital de los entornos docentes se está realizando sin la
suficiente reflexión sobre sus derivas éticas, legales y sociales y educativas
(Díaz-Barahona, 2020). Casey et al. (2016) señalan que la tecnología se percibe
como una poderosa herramienta, cultural y socialmente relevante, políticamente
importante e institucionalmente aceptada. Entre las muchas tecnologías
educativas (p.e. inteligencia artificial, robótica o machine learning) la que
parece consolidarse en los entornos docentes es la inalámbrica, social y ubicua
asociada al mobile learning y a sus omnipresentes apps y gadgets. Este hecho lo
confirman diferentes informes (Ditrendia, 2020; Apps Annie, 2021), que muestran
el uso masivo de apps y dispositivos móviles en entornos privados y educativos.
En época prepandémica, las
métricas internacionales de negocio, descargas y uso de apps ya eran muy
notables con 204.000 millones de descargas en 2019, por un importe de 120.000
millones de dólares. Pero Ditrendia (2020) revela que la crisis sanitaria
mundial por COVID19 ha provocado una aceleración digital, especialmente
evidente en el caso de las apps relacionadas con la salud y la actividad
físico-deportiva (AFD). La pandemia parece acelerar nuevas tendencias en la
sociedad y en las escuelas, debido a las restricciones de movilidad, el cierre
de espacios educativos y deportivos o la ausencia de contacto directo con
profesores y entrenadores.
Las apps, usadas como material
curricular, también conquistan cada vez más espacios educativos por las
oportunidades que generan en la promoción y en la práctica de la AFD saludable
(Díaz-Barahona, 2020; Kerner & Goodyear, 2017). Estudios (Kerner &
Goodyear, 2017) muestran que muchos niños y jóvenes no cumplen con las pautas mínimas
de actividad física saludable y que el tiempo de práctica deportiva curricular
resulta insuficiente o produce efectos modestos. Por ello, cada vez más centros
educativos y más docentes exploran nuevas formas de implicar a su alumnado en
la promoción de estilos de vida saludables o exploran las posibilidades de
dispositivos y apps para favorecer prácticas suplementarias y emancipadoras
(Díaz-Barahona, 2020).
El uso de apps como como
material auxiliar en la enseñanza-aprendizaje de la educación físico-deportiva
está ampliamente documentado (Aznar et al., 2019; Díaz-Barahona, 2020; Goodyear
et al., 2019); especialmente asociado al fomento de la actividad física en
escolares o a sus efectos sobre la motivación, la satisfacción corporal y al
aumento en las prácticas físicas y los hábitos saludables en adolescentes (Bice
et al., 2016; Kerner & Goodyear, 2017). Tampoco faltan estudios
sociocríticos sobre las limitaciones y problemas derivados su integración
relacionados con la privacidad, la seguridad y la protección de datos
personales, la cuantificación de los cuerpos o los riesgos del automonitoreo
permanente de los usuarios (Crescenzi-Lanna et al., 2019; Lupton, 2014; Rich
& Miah, 2017), o alertando sobre la escasa formación del profesorado para
seleccionar y usar apps en entornos docentes (Díaz-Barahona et al., 2019).
En esta época epidémica en la
que los cuerpos deben separarse o aislarse y se prohíbe el contacto, lo
corporal se convierte en una presencia ausente (Schilling, 2012). Pero para
Varea y González-Calvo (2020) los cuerpos que desaparecen de las calles y de
las escuelas ahora existen y cobran protagonismo a través de pantallas;
presencia digitalizada evidente en áreas como la educación físico-deportiva
(Goodyear et al., 2019). Ahora que faltan cuerpos (Lambert, 2020), cualquier
análisis centrado en lo corporal y en las repercusiones y significados de su
representación es más oportuno que nunca; máxime cuando los mensajes asociados
al cuerpo masculino y femenino, transmitidos por instituciones como la familia
y la escuela, perpetúan estereotipos y situaciones de discriminación (Bourdieu,
1998).
En la última década, contexto
español, han proliferado estudios sobre los materiales curriculares y los
libros de texto en el área de Educación Física (Rodríguez et al., 2018); muchos
centrados en el análisis de la imagen corporal y preocupados por el currículo
oculto transmitido, sobre todo al alumnado de educación primaria, susceptible
de reproducir estereotipos sin cuestionarse su validez (Moya et al., 2013). En
esta línea de investigación se encuentran los estudios de Moya-Mata et al.
(2017, 2019), que analizaron la presencia de diferentes estereotipos corporales
en 3.836 imágenes pertenecientes a los libros de texto de Educación Física en
la etapa de Primaria en diferentes editoriales, comprobando que se siguen
perpetuando modelos estereotipados asociados al género masculino, la raza
blanca, la edad joven, el cuerpo ectomorfo y la ausencia de discapacidad, entre
otras variables. O estudios sobre la construcción crítica del cuerpo en
representaciones visuales de diferentes materiales curriculares (Martínez-Bello
et al., 2021). Estos mensajes subliminales pueden conllevar la adquisición de
concepciones negativas de una persona o grupo social, transmitiendo así
prejuicios, estereotipos y consecuentemente discriminaciones; llegando en
ocasiones, a controlar o condicionar el pensamiento (Haegele & Zhu, 2019).
Como proponen algunos trabajos
(Díaz-Barahona, 2020; Goodyear, 2017; Lupton, 2014) conviene hacer una profunda
reflexión crítica, social y ética del uso de las tecnologías móviles y las apps
para centrar el discurso académico y disipar la inquietud y las actitudes
distópicas que se están generando. También realizar investigaciones centradas
en los procesos pedagógicos e indagar sobre el currículum oculto y los valores
que legitima y transmite la tecnología cuando se usa como mediador didáctico.
Es conveniente porque el profesorado sigue teniendo más preguntas que
respuestas. Por ello, esta investigación se plantea como objetivo general,
estudiar si las imágenes de las apps legitiman estereotipos asociados al cuerpo
y a la práctica de AFD; y como objetivos específicos: a) estudiar si las apps
exponen a sus usuarios y legitiman estereotipos de género, étnicos, de
condición o actividad física; b) conocer si los cuerpos que aparecen en las
apps representan la diversidad existente en la sociedad: diferencia etaria, de
complexión o diversidad funcional; c) saber si las apps son adecuadas para la
edad recomendada por desarrolladores web y si están diseñadas o creadas por
profesionales o especialistas en el ámbito de la educación físico-deportiva.
2. Material y métodos
2.1 Método
El estudio es empírico,
descriptivo, comparativo (Heinemann, 2003) y frecuencial (Piñuel, 2002),
utilizando el análisis de contenido como técnica central (Neuendorf, 2011),
mediante observación estructurada. Las imágenes que aparecen en los logos y en
el interior de las apps son las unidades de muestreo. Esta metodología se
enmarca en un paradigma de investigación post-positivista (Creswell, 2008) y
suele emplearse en el estudio de las aplicaciones digitales e interactivas.
2.2 Muestra y características de las imágenes
analizadas
La muestra estuvo formada por 373 imágenes: 240 son
fotografías (64,34%) y 133 dibujos (35,75%), pertenecientes a 128 apps
clasificadas con una puntuación media de Google Play de 4,41 estrellas (± 0,33)
sobre 5. El 52,34% habían sido actualizadas en los tres meses anteriores al
comienzo del estudio. Para seleccionar la muestra de imágenes se realizó una
búsqueda sistemática de aplicaciones a través del navegador Google Chrome,
motor de búsqueda Google, siguiendo las pautas de protocolo de la metodología
PRISMA (Moher et al., 2009), en la base de datos Google Play Store, por ser la
web de más descargas. Como la Google Play Store agrupa las apps en 35
categorías generales, se utilizaron cinco descriptores específicos relacionados
con el objeto del estudio: «ejercicio físico», “fitness”, «entrenamiento
físico», «condición física» y «calentamiento» acotando la búsqueda. Los
criterios de inclusión fueron: 1) seleccionar las primeras 250 apps disponibles
en la web de Google Play Store en España, 2) gratuitas; 3) en idioma
castellano, francés o inglés; y 4) dedicadas al desarrollo de la condición
física (fuerza, resistencia, velocidad y/o la flexibilidad). Se excluyeron: 1)
apps duplicadas; 2) con nombres, funciones irrelevantes y las no relacionadas
con el objeto de estudio (estadísticas, marcadores, marcas deportivas, aspectos
técnicos-tácticos o similares; 3) con menos de 10,000 descargas; 4) con una
valoración de menos de 3,5 estrellas; y 5) no actualizadas en los 12 meses
anteriores a la fecha de selección. De las apps seleccionadas, se analizaron
las imágenes en las que aparecía la figura humana en entornos deportivos. De
las 1250 apps iniciales, correspondientes a los cinco descriptores buscados,
tras aplicar los filtros de inclusión-exclusión, quedaron finalmente 161 apps
candidatas al estudio.
2.3 Instrumento
Para
la realizar el análisis de contenido de las imágenes se diseñó y utilizó un
sistema de categorías a través de un instrumento online diseñado ad hoc,
denominado Estereotipos de Imagen Corporal y Actividad Física (EICAF), con la
finalidad de analizar, categorizar y registrar las imágenes, minimizando las
posibilidades de error o pérdida de datos (Díaz-Barahona et al., 2019). Para la
elaboración del sistema de categorías se tuvo como referencia la herramienta
SAIMEF (Sistema de Análisis de Imágenes en Educación Física), utilizada en el
análisis de las imágenes de los libros de texto de educación física en la etapa
de Primaria (Moya-Mata et al., 2018), así como el sistema de categorías de
Martínez-Bello et al. (2021). Un grupo de 6 expertos, cuatro hombres y dos mujeres,
del ámbito de la educación universitaria y la tecnología educativa con más de
siete años de experiencia profesional, fueron seleccionados y participaron en
tres rondas, método Delphy, con la misión de validar por juicio de expertos el
instrumento, como propone Díaz-Barahona et al. (2019); tras lo cual se hicieron
las pertinentes correcciones hasta llegar a un acuerdo entre los miembros del
panel. La escala EICAF, finalmente creada para el análisis de las imágenes
contenidas en las apps, estuvo configurada por un total de tres dimensiones, 13
categorías y 59 indicadores (Tabla 1).
Tabla 1
Dimensiones,
categorías e indicadores del Instrumento EICAF
|
Dimensiones,
categorías e indicadores |
||
|
Dimensiones |
Categorías |
Descripción |
|
Características técnicas de la imagen |
Tipo de imagen |
Formato de la imagen (2
indicadores) |
|
Tipo de plano |
Proporción que tiene la imagen dentro del encuadre
(7 indicadores) |
|
|
Características del cuerpo humano |
Sexo-agrupación |
Condición biológica y natural que diferencia entre
hombres y mujeres, y distribución (6 indicadores) |
|
Edad |
Tiempo vivido por un sujeto, determinado por su
apariencia externa (6 indicadores) |
|
|
Raza |
Grupo en que se subdivide la raza humana biológicamente
según el color de la piel, los ojos y/o ancho de la nariz (5
indicadores) |
|
|
Somatotipo |
Forma, estructura o morfología corporal de un sujeto
(5 indicadores) |
|
|
Diversidad funcional |
Funcionamiento de una persona al realizar las tareas
habituales, de manera diferente a la mayoría de la población (3
indicadores) |
|
|
Indumentaria deportiva |
Vestimenta superior de los cuerpos representados (8
indicadores) |
|
|
Color de la indumentaria |
Presencia o ausencia de
colores estereotipados en la vestimenta (5 indicadores) |
|
|
Cabello |
Formas de los pelos de la cabeza de una persona (9 indicadores) |
|
|
Postura corporal |
Posición adoptada por el cuerpo
representado en relación con la acción o actividad
física (5 indicadores) |
|
|
Características de la actividad física |
Actividad realizada |
Intencionalidad de la acción ejecutada por la
persona, en relación con la mejora de las cualidades físicas (6 indicadores) |
|
Nivel de actividad |
Gasto o consumo energético que representa la imagen o
cuerpo representado (6 indicadores) |
|
2.4 Procedimiento
Con relación al procedimiento,
se realizó la observación de imágenes de las 161 apps seleccionadas. De ellas 33
(n= 107 imágenes) se usaron para realizar la prueba piloto y 128 (n=373
imágenes) para el análisis definitivo; para lo que se utilizaron PCs de
sobremesa (HPi 5). De cada app seleccionada se obtuvieron, mediante captura de
pantalla: la imagen del logo y las tres primeras imágenes (fotografías e
imágenes vectoriales) que representaban cuerpos humanos realizando actividad
física. Cuando en una columna aparecían varias imágenes, se seleccionaba la
situada en la parte izquierda y cuando eran varias imágenes en sentido vertical
de la parte superior izquierda. A través de la observación directa se
analizaron cada una de las imágenes, numeradas y clasificadas previamente en
función de la app correspondiente. Aquellas imágenes que presentaron dudas
acerca del tipo de actividad física representada se codificaron a través de la
información aportada por el texto o paratexto que las acompañaba.
Para conocer las propiedades
psicométricas de la escala EICAF, del total de 161 apps, tomamos una muestra
aleatoria del 20% (n= 33) a través del portal web de aleatorización
(https://www.randomizer.org/), que se utilizaron con fines de entrenamiento y
pilotaje y después fueron excluidas de la muestra final. El procedimiento
(entrenamiento y pilotaje), se realizó como proponen Stoyanov et al. (2015),
mediante análisis de dos expertos: (E1) profesor universitario de EF con 15
años de experiencia en didáctica de la EF, experto en tecnología educativa y
autor de numerosas publicaciones sobre Mobile Learning y (E2), doctora en EF profesora
universitaria con 7 años de experiencia docente general y en TIC. Primero
analizaron conjuntamente 30 imágenes, hasta lograr unidad de criterio y
consenso (como proponen Landis & Koch, 1977) y después, por separado,
realizaron el análisis piloto de las 33 apps y sus respectivas imágenes
(n=120).
Tras
los ajustes derivados de la prueba piloto se hizo el análisis definitivo de las
373 imágenes seleccionadas correspondientes a 128 apps. Además de las imágenes
para el estudio de los posibles estereotipos (corporales y de actividad
física), se recogieron otros datos de técnicos y de identificación de las apps:
su nombre y URL, calificación en estrellas otorgadas por los usuarios, número
de descargas, fecha de la última actualización, categorización PEGI para
conocer su edad recomendada y datos sobre la credibilidad del desarrollador de
cada aplicación.
2.5 Fiabilidad y
validez de los datos
La fiabilidad del instrumento
inter-observadores, fue analizada a través del del índice Kappa (McHugh, 2012)
y del coeficiente de correlación intraclase (Fleiss & Cohen, 1973). Para la
interpretación de los valores Kappa, seguimos los criterios establecidos por
Landis y Kolsh (1977): <20 (ligera), 0.21-0.40 (baja), 0.41-0.60 (moderada),
0.61-0.80 (buena) y 0.81-1.00 (muy buena). En todos los casos, se estableció el
nivel de intervalo de confianza al 95%. La validez de los resultados fue
considerada tras obtener un coeficiente Kappa=0.810 (p<0.001), y un
coeficiente de correlación intraclase de 0.810. La confiabilidad entre
observadores fue adecuada: género (0.920, p<0.001), edad (0.891,
p<0.001), raza (0.930, p<0.001), somatotipo (0.706, p<0.001), postura
corporal (0.683, p<0.001), color de la ropa (0.712, p<0.001),
indumentaria (0.683, p<0.001), cabello (0.896, p<0.001), actividad
realizada (0.756, p<0.001) y nivel de Actividad física (0.704, p<0.001).
2.6 Análisis de los datos
Los
datos se recogieron mediante formulario digital (bit.ly/3oYuTpx), depositados
en una hoja Excel interna. Posteriormente se codificaron y exportaron al
software estadístico SPSS, versión 26 (SPSS Inc., Chicago, IL, EE.UU.). Se
realizó el análisis descriptivo de los resultados a través de las tablas de
contingencia (frecuencias absolutas y porcentajes), así como la prueba no
paramétrica de Chi Cuadrado (ꭓ2) y coeficiente de contingencia (para 2 x
3 o más variables), con el fin de establecer relaciones entre el género y el
resto de variables analizadas. Se tuvieron en cuenta los residuos tipificados
corregidos superiores a 1.96, con un intervalo de confianza del 95%. En todos
los casos, se estableció un nivel de significación de p<0.05. Se descartaron
aquellos valores cuya observación respondió a la opción “no se distingue”.
3. Resultados
Respecto a los datos descriptivos
sobre la clasificación de las apps, con el sistema “Pan European Game
Information”, que clasifica la idoneidad de este software digital por grupos de
edad, indican que la inmensa mayoría de las aplicaciones del estudio (99,2%)
están valoradas con PEGI 3, es decir, son aptas para todos los grupos de edad.
Ninguna de las apps utilizadas para extraer las imágenes del estudio está
recomendada para mayores de 18 años, ni requiere control parental. Respecto a
la credibilidad sobre los desarrolladores o creadores de las apps encontramos
que: a) el 81,25% de las apps, correspondientes a 78,8 % de las imágenes
(n=294), identifican al diseñador o desarrollador de la app; b) en el 98,44% de
los casos las apps no ofrecen evidencias de haber sido creadas por institución,
profesional o personal especialista en actividad físico-deportiva; c) el 99,22%
de las app no aportan evidencias, estudios, test o informes, que certifiquen su
calidad o beneficios probados.
Respecto a las imágenes
analizadas, destaca la presencia de la figura femenina (57,86%), especialmente
de edad joven (58,9%), de raza blanca (60,2%) y sin diversidad funcional. En la
Tabla 2, se puede observar cómo el somatotipo predominante fue el mesomórfico
(61,8%), seguido del ectomorfo (37,6%) y endomórfico (0,6%). Específicamente,
el somatotipo, mostró una relación significativa con el género
(χ2(2)=100,988; p<0.001; coeficiente de contingencia= 0.489,
p<0.001), predominando aquel mesomórfico en las imágenes representadas a
través del género masculino y el ectomorfo en las imágenes representadas a
través del género femenino. Estos resultados mostraron diferencias
estadísticamente significativas en los residuos tipificados corregidos. Por su
parte, el endomórfico no fue especialmente visible en las imágenes analizadas.
Tabla 2
Representación del
cuerpo humano en las imágenes
|
|
Edad |
Raza |
Somatotipo |
||||
|
G |
Niñez/
adolescencia N (%) |
Juventud N (%) |
Blanca N (%) |
Negra N (%) |
Ectomorfo N (%) |
Endomorfo N (%) |
Mesomorfo N (%) |
|
M |
1
(0,4) |
105
(38,2) |
118 (38,2) |
4
(1,3) |
8
(2,5) |
1
(0,3) |
127
(39,4) |
|
F |
7
(2,5) |
162
(58,9) |
186
(60,2) |
1
(0,3) |
113
(35,1) |
1
(0,3) |
72
(22,4) |
Nota. G: Género; M: Masculino; F: Feminino.
El género mostró una relación significativa
con la indumentaria deportiva (χ2(4)=186,219, p<0.001; coeficiente de
contingencia=0,623, p<0.001). En la Tabla 3, se observa cómo en el género
femenino predomina el top (n=118; 40,3%), mientras en el género masculino
destaca el torso desnudo (n=63; 21,5%). Seguidamente, predomina la camiseta de
tirantes en ambos géneros (Masculino: n=31; 10,6%; Femenino: n=37; 12,6%). Los
residuos tipificados corregidos mostraron diferencias estadísticamente
significativas en el género masculino representado a través de manga corta
(n=21; 7,2%), así como el torso desnudo y la desnudez (n=63; 21,5%). El género
femenino, mostró diferencias estadísticamente significativas en el uso del top,
seguido de la camiseta de tirantes (n=37; 12,6%) y la camiseta de manga corta
(n=16; 5,5%).
Indumentaria deportiva y color representados en las
imágenes
|
|
Indumentaria deportiva |
Color de la indumentaria deportiva |
|||||||
|
G |
Camiseta de tirantes N (%) |
Camiseta manga
corta N (%) |
Top N (%) |
Torso desnudo N (%) |
Desnuda N (%) |
Azul (colores oscuros) N (%) |
Rosa (colores claros) N (%) |
Neutro N (%) |
|
|
M |
31
(10,6) |
21
(7,2) |
0 (0) |
63
(21,5) |
7
(2,4) |
98
(33) |
2
(0,7) |
17
(5,7) |
|
|
F |
37
(12,6) |
16
(5,5) |
118
(40,3) |
0 (0) |
0 (0) |
98
(33) |
44
(14,8) |
38
(12,8) |
|
Nota. G: Género; M: Masculino; F: Feminino.
El
color de la indumentaria mostró una relación significativa con el género
(χ2(2)=34,557; p<0.001; coeficiente de contingencia= 0,323; p<0.001)
(Tabla 3). El color azul (y oscuros) predominaron en las indumentarias
deportivas del género masculino y femenino; mientras el color rosa (y claros)
predominaron en el género femenino. Los residuos tipificados corregidos
mostraron diferencias estadísticamente significativas en el color azul en el
género masculino, así como en el color rosa o el neutro en el género femenino.
Los residuos tipificados corregidos reflejaron diferencias estadísticamente
significativas en estos casos.
El
cabello que se mostraban en las imágenes analizadas correlacionó con el género
(χ2 (5)=263,885; p<0.001; coeficiente de contingencia=0,702,
p<0.001), destacando el pelo corto en el género masculino (n=104; 38,3%) y
la coleta en el género femenino (n=108; 39,7%). Los residuos tipificados
corregidos mostraron diferencias estadísticamente significativas en el pelo
corto del género masculino y sin cabello, así como la media melena (n=12;
4,4%), el pelo largo (n=32; 11,8%), la coleta o moño (n=14; 5,1%), en el género
femenino.
La
postura corporal mostró una relación estadísticamente significativa con el
género (χ2(2)=126,318; p<0.001; coeficiente de contingencia=0,523,
p<0.001). En los géneros masculino y femenino destacaron sus respectivas
posturas corporales estereotipadas (Masculino: n=77, 22,9%; Femenino: n=105,
31,3%), seguidas de posturas neutras (Masculino: n=63, 18,8%; Femenino: n=68,
20,2%). Todas estas diferencias fueron estadísticamente significativas en los
residuos corregidos tipificados.
La
actividad física que se mostraba en las imágenes mostró una relación
estadísticamente significativa con el género (χ2 (4)=61,709; p<0.001;
coeficiente de contingencia= 0,441, p<0.001). En la Tabla 4 se observa cómo
en el género masculino predomina la fuerza, seguida de la ausencia de actividad
física, mientras en el género femenino destaca la flexibilidad, seguida de la
fuerza. Los residuos corregidos tipificados mostraron diferencias
estadísticamente significativas en las imágenes del género masculino
representando acciones de fuerza, así como aquellas que no mostraban actividad
física. En el caso de las imágenes del género femenino, se observaron
diferencias estadísticamente significativas en las imágenes que mostraban
ejercicios de flexibilidad
Tabla 4
Actividad física
representada en las imágenes
|
|
Actividad
Física |
Niveles
de actividad física |
||||||
|
G |
Fuerza N (%) |
Resistencia N (%) |
Velocidad N (%) |
Flexibilidad N (%) |
Sedentaria N (%) |
Ligera N (%) |
Media N (%) |
Intensa N (%) |
|
M |
73
(28,7) |
11
(4,3) |
2
(0,8) |
13
(5,1) |
43
(12,8) |
17 (5,1) |
69
(20,5) |
12
(3,6) |
|
F |
48
(18,9) |
11
(4,3) |
0 (0) |
96
(37,8) |
42
(12,5) |
111
(33) |
40
(11,9) |
2
(0,6) |
Nota. G: Género; M: Masculino;
F: Feminino.
El nivel de actividad física que
mostraban las imágenes reflejó una relación estadísticamente significativa con
el género (χ2(3)=77,217; p<0.001; coeficiente de contingencia= 0,432,
p<0.001). Las imágenes que mostraban el género femenino presentaron niveles
de actividad física ligera, seguida de sedentaria y media. En aquellas que
mostraban el género masculino destacó la actividad física de intensidad media,
seguida de actividad sedentaria y ligera. Los residuos tipificados corregidos
mostraron diferencias estadísticamente significativas en, en el género
masculino, en la actividad media e intensa. En el género femenino, se
observaron diferencias estadísticamente significativas en la actividad ligera.
4. Discusión
Respecto a la clasificación de
las apps analizadas con el sistema «Pan European Game Information», que
clasifica por edades los contenidos, los resultados indican que la inmensa
mayoría (99,2%) están valoradas con PEGI 3, es decir, son aptas para todos los
grupos de edad, incluidos niños pequeños. Sin embargo, las actividades,
programas y rutinas de entrenamiento para mejorar la condición física y la
salud, son poco adecuadas para alumnado en edad de escolarización obligatoria
(6-16 años) y potencialmente lesivas cuando se utilizan sin la dirección o
supervisión de especialistas (Díaz-Barahona, 2020). La escuela debería integrar
las apps como material auxiliar de forma selectiva y crítica, pues como indica
Lupton (2014), presentan evidentes problemas respecto a la privacidad, la
seguridad y la protección de datos personales, cuestión especialmente relevante
cuando hablamos de entornos académicos y de menores de edad. Si el sistema de
clasificación PEGI es técnica y éticamente cuestionable, como indica Felini
(2015), también lo es desde una perspectiva pedagógica por la confusión que
genera a potenciales usuarios: alumnado, familias y profesorado. Quizá por
ello, trabajos como los de Crescenzi-Lanna et al. (2019), realizados sobre apps
educativas, proponen una revisión ética crítica sobre la clasificación PEGI de
las apps, al tiempo que documentan la presencia de estereotipos étnicos y de
género. Los datos de nuestro estudio no solo cuestionan la credibilidad del
sistema PEGI (edad recomendada), también objetan sobre la credibilidad y la
competencia profesional de los diseñadores de las aplicaciones. Por otra parte,
se constata que la mayoría de las apps analizadas si identifican a sus
creadores, pero no acreditan estar diseñadas por especialistas y/o
profesionales de la actividad físico-deportiva (98,4%), sino por técnicos o
empresas web sin formación específica, ni muestran evidencias (publicaciones,
test o pruebas) de sus beneficios probados (99,2%); a pesar de haber
seleccionado las apps con mayor valoración de los usuarios: 4,41 sobre 5
estrellas. Como mantiene Díaz-Barahona (2020), mientras algunos materiales
curriculares, como los libros de texto, son diseñados por especialistas y
pedagogos y supervisados por editoriales e instituciones educativas, el
profesorado usa cada vez más software digital, que no es sometido a ningún filtro,
proceso de diseño o validación didáctica. Esta realidad evidencia, como indica
Díaz-Barahona (2020), que la institución educativa y su profesorado tienen
números retos y debates pendientes, respecto a los procesos de inmersión
digital; sobre todo cuando el consumo y la participación en entornos
digitalizados de niños y jóvenes se ha convertido en la norma (Hoechsmann &
Poyntz, 2012).
En relación al análisis
corporal de las imágenes pertenecientes a las apps relacionadas con la AFD se
mostró un desequilibrio entre personajes masculinos y femeninos, a favor de los
segundos; y evidenció que el modelo de actividad física representado varía en
función del género de los personajes, resultados corroborados por
Martínez-Bello et. al., (2021) En estas imágenes, hombres y mujeres realizan
actividades físicas diferentes y con diversos niveles de intensidad.
Concretamente, la prevalencia
del modelo femenino en la práctica de AFD, aunque no se han encontrado estudios
previos en apps, difiere de cualquier estudio realizado previamente en libros
de texto de Educación Física (Gonzaléz-Palomares et al., 2017; Guimaraes &
García, 2014; Moya et al., 2013). En el caso de Moya-Mata et al. (2013) la
presencia masculina era de un 39,52% en las actividades físicas, y las mujeres
de un 28,49%. Esto supone un avance en la igualdad de oportunidades de ambos
sexos, ya que tradicionalmente, la figura masculina se ha vinculado
principalmente con la AFD (Rodríguez et al., 2018). En cambio, la juventud, la
raza blanca y la ausencia de diversidad son características que siempre
predominan en estudios de análisis corporal (Moya et al., 2013; Moya-Mata et
al., 2017). Por lo que el tratamiento de la diversidad y la inclusión educativa
en las imágenes de estas apps está muy lejos de percibirse como un cambio
significativo educativo.
En lo que se refiere a las
características corporales, las imágenes asocian el género masculino con un
cuerpo musculoso, en el que muestra el torso desnudo, con predominancia de
colores azules u oscuros en su vestimenta deportiva y cabello corto. En cambio,
el género femenino se representa con un cuerpo delgado, vestida con top
deportivo y colores rosas, suaves o neutros y el cabello recogido en coleta o
melena. Esta cultura corporal en función del género queda constatada en las
imágenes y textos de los libros analizados de Brasil y España (Guimaraes &
García, 2014). Y lo mismo sucede con la relación género y color de la
vestimenta deportiva, actividad física representada o cabello (Martínez-Bello
et al., 2021). Por lo tanto, siguen prevaleciendo estereotipos, prejuicios y
discriminaciones con relación al género, edad, etnia, raza, diversidad
funcional, vestimenta, cabello y patrones corporales en las imágenes de las
apps relacionadas con la AFD.
Y respecto a la atribución de
actividades físicas relacionadas con la condición física y el fitness en
función del género, los resultados de este estudio muestran al género masculino
vinculado con la fuerza, a una intensidad media e intensa, seguido de
actividades en ausencia de actividad física -posando-. Y en cambio, el género
femenino se muestra principalmente en actividades relacionadas con la
flexibilidad, a una intensidad ligera, hallazgos confirmados por Martínez-Bello
et al., (2021). Aunque la condición física no es una actividad que se
represente mayoritariamente en los libros de texto de educación física (Moya et
al., 2013; Moya-Mata et al., 2019), y estudios como el de González-Palomares et
al. (2017) confirmen que las actividades de fitness y condición física se vinculan
principalmente con el género femenino, la relación AFD-género en las imágenes
de las apps analizadas perpetúan los valores hegemónicos identificados con la
masculinidad y la feminidad, tal y como constatan Haegele y Zhu (2019).
5. Conclusiones
Respecto a las apps que
contienen las imágenes analizadas, se constata que el sistema de clasificación
PEGI, que indica la edad recomendada de juegos y software digital, no resulta
adecuado para orientar a profesorado y alumnado sobre la conveniencia de su
uso. Las apps estudiadas no están diseñadas o codiseñadas por profesionales o
especialistas en educación físico-deportiva y tampoco certifican u ofrecen
evidencias de los beneficios probados de los programas de entrenamiento
prescritos.
El análisis de contenido de
las imágenes evaluadas permite concluir que legitiman estereotipos corporales
asociados al género: el cuerpo masculino representado por un hombre, joven, de
raza blanca, de constitución atlética y sin diversidad funcional, que luce
torso desnudo, que viste colores azules u oscuros y cabello corto; mientras que
la mujer se muestra joven, delgada y estilizada, de raza blanca, sin diversidad
funcional, vestida con top, con colores rosas o suaves y neutros y coleta. La
diversidad de cuerpos existente en la sociedad: etaria, funcional o racial, no
aparece representada. En cuanto a los estereotipos de actividad física
realizada, también legitiman y transmiten estereotipos asociados al género: los
cuerpos femeninos realizan actividades suaves de baja intensidad, como
estiramientos, mientras que los masculinos efectúan actividad física de
intensidad media o vigorosa para desarrollar la potencia o resistencia. En
definitiva: mujeres flexibles y hombres vigorosos.
Puesto que los procesos de
inmersión digital representan una tendencia creciente e irreversible, se juzga
conveniente que la administración educativa estimule la formación
tecno-pedagógica ética y crítica en competencia digital docente y discente y se
implique en la supervisión y validación de los materiales curriculares
digitales usados en las aulas; porque como indican Dickerson et al. (2013), la
elección del software adecuado es tan importante como saber utilizarlo. El
profesorado, de todos los niveles educativos y materias, deberían considerar la
perspectiva de género como eje transversal en sus prácticas docentes, porque
instituciones como la escuela y la familia siguen transmitiendo roles
estereotipados asociados al cuerpo desde la primera infancia y perpetuan
situaciones de discriminación (Bourdieu, 1998; Martínez-Bello et al., 2021).
Los desarrolladores y diseñadores de apps educativas, además de velar por la
usabilidad tecnológica y las métricas relacionadas con la rentabilidad
económica de sus productos, deberían integrar en sus equipos profesorado que
asesore sobre la necesaria usabilidad pedagógica y la rentabilidad social del
material diseñado.
Si bien este trabajo puede
tener limitaciones (única área disciplinar y sistema operativo, Android,
investigados), confiamos que los resultados sean transferibles a otras áreas
didácticas y niveles educativos y contenga información que anime el debate y la
reflexión entre la comunidad educativa, los investigadores y los
desarrolladores de apps.
Stereotypes associated with the human body:
analysis of mobile devices applications used in physical and sports education
1.
Introduction
Society, school institutions and teachers are now more
than ever subjected to voluntary or involuntary processes of technological
immersion associated with the massive consumption and use of digital media and
services, especially mobile devices (Díaz-Barahona et al., 2019). In this
context, it is easy to defend the position that mobile devices and applications
(apps) should be integrated into classrooms as curricular material. The
difficulty is that specifying how or for what pedagogical criteria these
devices could be used to do so effectively (Traxler, 2016). The digital
overexposure of teaching environments is happenng without sufficient reflection
on its ethical, legal, social and educational considerations (Díaz-Barahona,
2020). Casey et al. (2016) point out that technology is perceived as a powerful
culturally and socially relevant, politically important and institutionally
accepted tools. Among the many educational technologies (for example,
artificial intelligence, robotics or machine learning) wi-fi seems to be most
consolidated in teaching environments. This is confirmed by different reports
(Ditrendia, 2020; Apps Annie, 2021), which show the massive use of apps and
mobile devices in private and educational environments.
In pre-pandemic times, international metrics for
business, downloads and app usage were already in notable use, reporting 204
billion downloads in 2019, worth $120 billion. Ditrendia (2020) reveals that
the global health crisis due to COVID19 has caused a digital acceleration,
especially evident in the case of apps related to health and sports and
physical activity. The pandemic seems to accelerate new trends in society and
in schools, due to mobility restrictions, the closure of educational and sports
spaces, or the absence of direct contact with teachers and coaches.
The apps used
as curricular material are thus occupying ever more educational space due to
the opportunities they generate in the promotion and practice of healthy sports
and physical activities (Díaz-Barahona, 2020; Kerner & Goodyear, 2017).
Studies such as that by Kerner & Goodyear (2017) show that many children
and young people do not meet the minimum guidelines for healthy physical
activity and spend little time on practicing sports. For this reason an
increasing number of educational centers and teachers are exploring new ways of
involving their students in promoting healthy lifestyles or exploring the
possibilities of devices and apps to favor supplementary and emancipatory
practices (Díaz-Barahona, 2020).
The use of apps as auxiliary material in the
teaching-learning process of sports and physical education is widely documented
(Aznar et al., 2019; Díaz-Barahona, 2020; Goodyear et al., 2019); especially
associated with the promotion of physical activity in schools or its effects on
motivation, body satisfaction and the increase in physical practices and
healthy habits in adolescents (Bice et al., 2016; Kerner & Goodyear, 2017).
There is also no lack of socio-critical studies on the limitations and problems
arising from its integration related to privacy, security and protection of
personal data, the quantification of bodies or the risks of users‘ permanent
self-monitoring (Crescenzi-Lanna et al., 2019; Lupton, 2014; Rich & Miah,
2017), or regarding the warning about the lack of teacher training to select
and use apps in teaching environments (Díaz-Barahona et al., 2019).
In the present Covid epidemic, in which bodies must be
separated or isolated and contact is forbidden, the corporal dimension becomes
important (Schilling, 2012). However, for Varea and González-Calvo (2020) the
bodies that disappear from the streets and schools still exist and become the
protagonists through the screens with an evident digitalized presence in areas
such as physical education (Goodyear et al., 2019). Currently, bodies are
missing (Lambert, 2020), and any analysis focused on the body and the
repercussions and meanings of its representation is more pertinent than ever,
especially when the messages associated with the male and female body
transmitted by institutions such as the family and school perpetuate
stereotypes and discrimination (Bourdieu, 1998).
In the Spanish context, recent studies have
concentrated on curricular materials and textbooks in the area of Physical
Education (Rodríguez et al., 2018). Many of these focus on the analysis of body
image and show concern about the hidden curriculum transmitted. This is
especially relevant when considering primary school students, who are
susceptible to reproducing stereotypes without questioning their validity (Moya
et al., 2013). In this line of research, the studies by Moya-Mata et al. (2017,
2019) analyzed the presence of different body stereotypes in 3836 images from
Physical Education textbooks in the Primary stage, thus verifying that the
stereotyped models associated with the male gender or white race, young age,
ectomorphic body and absence of disability, among other variables continue to
be perpetuated. Studies on the critical construction of the body in visual
representations of different curricular materials (Martínez-Bello et al., 2021)
have reported similar results. These subliminal messages can lead to the
acquisition of negative conceptions of a person or social group, thus
transmitting prejudices, stereotypes and consequently discrimination; sometimes
coming to control or condition thought (Haegele & Zhu, 2019).
According to some research (Díaz-Barahona, 2020;
Goodyear, 2017; Lupton, 2014), it is advisable to carry out a deep critical,
social and ethical reflection on the use of mobile technologies and apps, in
order to focus on the academic discourse and dispel concern and attitude
dystopias that are being generated and carry out research focused on
pedagogical processes and investigate the hidden curriculum and the values that
technology legitimizes and transmits when used as a didactic mediator. This is
because teachers continue to have more questions than answers. For this reason,
our general objective was to study whether the images of apps legitimize
stereotypes associated with the body and the practice of AFD. The specific
objectives included: a) to study if the apps expose their users and legitimize
stereotypes of gender, ethnicity, condition or physical activity; b) determine
whether the bodies that appear in the apps represent the diversity existing in
society, age difference, complexion or functional diversity; c) determine
whether the apps are suitable for the age recommended by web developers and if
they are designed or created by professionals or specialists in the field of
physical-sports education.
2. Methodology
2.1. Methods
The study is empirical, descriptive, comparative
(Heinemann, 2003) and shows the frequency approach (Piñuel, 2002), using
content analysis as a central technique (Neuendorf, 2011), through structured
observation. The images that appear in the logos and inside the apps are the
sampling units. This methodology is part of a post-positivist research paradigm
(Creswell, 2008) and is often used in the study of digital and interactive
applications.
2.2. Sample and characteristics of the analyzed images
The sample consisted of 373 images: 240 photographs
(64.34%) and 133 drawings (35.75%), belonging to 128 apps, classified with an
average Google Play score of 4.41 (± 0.33) stars out of 5. From the total,
52.34% had been updated in the three months prior to the start of the study. To
select the sample of images, a systematic search of applications was carried
out through the Google Chrome browser, Google search engine, following the
protocol guidelines of the PRISMA methodology (Moher et al., 2009), in the
Google Play database store, for being the website with the most downloads. As
the Google Play Store groups the apps into 35 general categories, five specific
descriptors related to the object of the study were used: «physical exercise»,
«fitness», «physical training», «physical condition» and «warm-up» narrowing
the search. The inclusion criteria were: 1) selection of the first 250 apps
available on the Google Play Store website in Spain, 2) free apps; 3) in
Spanish, French or English; and 4) dedicated to the development of physical
condition (strength, endurance, speed and/or flexibility). The following were
excluded: 1) duplicate apps; 2) with names, irrelevant functions and those
which were not related to the object of study (statistics, scores, sports
brands, technical-tactical aspects or similar; 3) with less than 10,000
downloads; 4) with a rating of less than 3.5 stars; and 5) not updated in the
12 months prior to the selection date. Of the selected apps, we selected those
images in which the human figure appeared in sports environments. Of the
initial 1250 apps, corresponding to the five searched descriptors, after
applying the inclusion-exclusion filters, there were finally 161 candidate apps
for the study.
2.3. Instrument
To carry out the content analysis of the images, a
category system was designed and used through an online instrument designed ad
hoc, called Stereotypes of Body Image and
Physical Activity (EICAF), with the purpose of analyzing, categorizing and
registering the images, minimizing the chances of error or data loss
(Díaz-Barahona et al., 2019). For the elaboration of the category system, the SAIMEF (Physical Education Image
Analysis System) tool was used as a reference, used in the analysis of the
images of the physical education textbooks in the Primary stage (Moya-Mata et
al. al., 2018), as well as the category system of Martínez-Bello et al. (2021).
A group of 6 experts, four men and two women, from the field of university
education and educational technology with more than seven years of professional
experience, were selected and participated in three rounds. We followed the
Delphy method, with the mission of validating by experts the instrument, as
proposed by Díaz-Barahona et al. (2019), after which the pertinent corrections
were made until an agreement was reached among the members of the panel. The
EICAF scale, finally created for the analysis of the images contained in the
apps was made up of a total of three dimensions, 13 categories and 59
indicators (Table 1).
Table 1
Dimensions, categories
and indicators of the EICAF instrument
|
Dimensions, categories and
indicators |
||
|
Dimensions |
Categories |
Description |
|
Technical characteristics of the image |
Type of image |
Image format (2
indicators) |
|
Type of plane |
Proportion that the
image has within the frame (7 indicators) |
|
|
Characteristics of the human body |
Gender-grouping |
Biological and natural condition that differentiates
between men and women, and distribution (6 indicators) |
|
Age |
Time lived by a
subject, determined by its external appearance (6 indicators) |
|
|
Race |
Group into which the
human race is subdivided biologically according to the color of the skin,
eyes and/or width of the nose (5 indicators) |
|
|
Somatotype |
Shape, structure or body morphology of a subject (5
indicators) |
|
|
Functional diversity |
Functioning of a
person when performing usual tasks, differently from the majority of the
population (3 indicators) |
|
|
Sportswear |
Upper sportswear of the represented bodies (8
indicators) |
|
|
Sportswear color |
Presence or absence
of stereotyped colors in sportswear (5 indicators) |
|
|
Hair |
Types of hair styles
(9 indicators) |
|
|
Body posture |
Position adopted by
the represented body in relation to the action or physical activity (5
indicators) |
|
|
Characteristics of the physical activity |
Physical activity performed |
Intentionality of
the action executed by the person in relation to the improvement of physical
qualities (6 indicators) |
|
Physical activity levels |
Expenditure or energy consumption represented by the
image or body represented (6 indicators) |
|
2.4. Procedure
We examined the images of the 161 selected apps of
which 33 (n= 107 images) were used to carry out the pilot test and 128 (n=373
images) for the definitive analysis. The following were obtained from the
selected apps by means of a screenshot, the image of the logo and the first
three images (photographs and vector images) that represented human bodies
performing physical activity. When several images appeared in a column, the one
on the left was selected and when there were several images vertically, the one
on the top left. Through direct observation, we analyzed each of the images,
previously numbered and classified according to the corresponding app. Those
images that presented doubts about the type of physical activity represented
were coded through the information provided by the accompanying text or
paratext.
To determine the psychometric properties of the EICAF
scale, from the total of 161 apps we took a random sample of 20% (n= 33)
through the randomization web portal (https://www.randomizer.org/), which is
used for training and piloting purposes, thus being later excluded from the
final sample. The training and piloting procedure was carried out as proposed
by Stoyanov et al. (2015) through the analysis of two experts: (E1) PE
university professor with 15 years of experience in PE didactics, expert in
educational technology and author of numerous publications on Mobile Learning
and (E2), PhD in PE university professor with 7 years of general teaching
experience in ICT. Firstly, they jointly analyzed 30 images, until reaching
unity of criteria and consensus (as proposed by Landis & Koch, 1977) and
then, separately, they carried out the pilot analysis of the 33 apps and their
respective images (n=120).
After the adjustments derived from the pilot test, we
performed the definitive analysis of the 373 selected images corresponding to
the 128 apps. In addition to the images for the study of possible stereotypes
(of the body and physical activity), other technical data and identification of
the apps were collected: their name and URL, star rating given by users, number
of downloads, date of the last update, PEGI categorization to know its
recommended age and data on the credibility of the developer of each
application.
2.5. Reliability and
validity of the data
The reliability of the inter-observer instrument was
analyzed through the Kappa index (McHugh, 2012) and the intraclass correlation
coefficient (Fleiss & Cohen, 1973). For the interpretation of the Kappa
values, we followed the criteria established by Landis and Kolsh (1977): <20
(slight), 0.21-0.40 (low), 0.41-0.60 (moderate), 0.61-0.80 (good) and 0.81-1.00
(very good). In all cases, the confidence interval level was established at
95%. The validity of the results was considered after obtaining a Kappa
coefficient=0.810 (p<0.001), and an intraclass correlation coefficient of
0.810. Interobserver reliability was adequate: gender (0.920, p<0.001), age
(0.891, p<0.001), race (0.930, p<0.001), somatotype (0.706, p<0.001),
body posture (0.683, p< 0.001), color of the sportswear (0.712, p<0.001),
sportswear (0.683, p<0.001), hair (0.896, p<0.001), physical activity
performed (0.756, p<0.001) and physical activity levels (0.704, p<0.001).
2.6. Data analysis
The data was collected through a digital form
(bit.ly/3oYuTpx), deposited in an internal Excel sheet. Subsequently, we coded
and exported these data to the statistical software SPSS, version 26 (SPSS
Inc., Chicago, IL, USA). The descriptive analysis of the results was carried
out through the contingency tables (absolute frequencies and percentages), as
well as the non-parametric Chi Square test (ꭓ2) and the contingency
coefficient (for 2 x 3 or more variables), in order to establish relationships
between gender and the rest of the variables analyzed. Corrected standardized
residuals greater than 1.96 were taken into account, with a 95% confidence
interval. In all cases, a significance level of p<0.05 was established.
Those values whose observation responded to the option "not distinguished"
were discarded.
3. Results
The descriptive data on the classification of the apps
with the "Pan European Game Information" system, which classifies the
suitability of this digital software by age groups, indicate that the vast
majority of the applications in the study (99.2%) are PEGI 3 rated, which means
that they are suitable for all age groups. None of the apps used to extract the
images from the study are recommended for people over 18 years of age, nor do
they require parental control. Regarding the credibility of the developers or
creators of the apps, we found that: a) 81.25% of the apps, corresponding to
78.8% of the images (n=294), identify the designer or developer of the app; b)
in 98.44% of the cases, the apps do not offer evidence of having been created
by an institution, professional or specialist in sports and physical activity;
c) 99.22% of the apps do not provide evidence, studies, tests or reports that
certify their quality or proven benefits.
The analyzed images highlighted the presence of the
female figure (57.86%), especially young (58.9%), white (60.2%) and without
functional diversity. In Table 2, we can see how the predominant somatotype was
mesomorphic (61.8%), followed by ectomorph (37.6%) and endomorphic (0.6%). The somatotype
showed a significant relationship with gender (χ2(2)=100.988; p<0.001
and contingency coefficient= 0.489, p<0.001). The mesomorphic predominated
in the images represented through the male gender and the ectomorph in those
represented through the female gender. These results showed statistically
significant differences in the corrected standardized residuals. For its part,
the endomorphic was not especially visible in the analyzed images.
Table 2
Representation of
the human body in images
|
|
Age |
Race |
Somatotype |
||||
|
G |
Childhood/
adolescence N (%) |
Youth N (%) |
White N (%) |
Black N (%) |
Ectomorph N (%) |
Endomorph N (%) |
Mesomorph N (%) |
|
M |
1
(0.4) |
105
(38.2) |
118
(38.2) |
4
(1.3) |
8
(2.5) |
1
(0.3) |
127
(39.4) |
|
F |
7
(2.5) |
162
(58.9) |
186
(60.2) |
1
(0.3) |
113
(35.1) |
1
(0.3) |
72
(22.4) |
Note. G:
Gender; M: Masculine; F: Femenine.
The gender results showed a significant relationship
with sportswear (χ2(4)=186.219, p<0.001; contingency coefficient=0.623,
p<0.001). Table 3 shows how in the female gender, the top predominates
(n=118; 40.3%), while in the male gender the undressed torso stands out (n=63;
21.5%). Next, the tank top predominates in both genders (Male: n=31; 10.6%;
Female: n=37; 12.6%). The corrected standardized residuals showed statistically
significant differences in the male gender represented through short sleeves
T-shirt (n=21; 7.2%), as well as undressed torso (n=63; 21.5%). The female
gender showed statistically significant differences in the use of the top,
followed by the tank top (n=37; 12.6%) and the short-sleeved T-shirt (n=16;
5.5%).
Sportswear and color represented in the images
|
|
Sportswear |
Color of the sportswear |
||||||
|
G |
Tank top N (%) |
T-shirt N (%) |
Top N (%) |
Undressed torso N (%) |
Undressed N (%) |
Blue (dark color) N (%) |
Pink (light colors) N (%) |
Neutral N (%) |
|
M |
31
(10.6) |
21
(7.2) |
0 (0) |
63
(21.5) |
7
(2.4) |
98
(33) |
2
(0.7) |
17
(5.7) |
|
F |
37
(12.6) |
16
(5.5) |
118
(40.3) |
0 (0) |
0 (0) |
98
(33) |
44
(14.8) |
38
(12.8) |
Note. G:
Gender; M: Masculine; F: Femenine.
The color of the sportswear showed a significant
relationship with the gender (χ2(2)=34.557; p<0.001; contingency
coefficient= 0.323; p<0.001) (Table 3). The blue (and dark) color
predominated in the male and female sportswear; while the pink (and clear)
color predominated in the female gender. The corrected typified residuals
showed statistically significant differences in the blue color in the male
gender, as well as in the pink or neutral color in the female gender.
The hair shown in the analyzed images correlated with
the gender (χ2 (5)=263.885; p<0.001; contingency coefficient=0.702,
p<0.001), highlighting short hair in the male gender (n=104; 38.3 %) and the
ponytail in the female gender (n=108; 39.7%). The corrected standardized
residuals showed statistically significant differences in short hair of the
male gender and without hair, as well as medium hair (n=12; 4.4%), long hair
(n=32; 11.8%), ponytail or chignon (n=14; 5.1%), in the female gender.
In our study body posture showed a statistically
significant relationship with gender (χ2(2)=126.318; p<0.001;
contingency coefficient=0.523, p<0.001). In the male and female genders,
their respective stereotyped body postures were especially observed (Male:
n=77, 22.9%; Female: n=105, 31.3%), followed by neutral postures (Male: n=63,
18.8%; Female: n= 68, 20.2%). All of these differences were statistically
significant in the standardized corrected residuals.
The physical activity observed in the images showed a
statistically significant relationship with the gender (χ2 (4)=61.709;
p<0.001; contingency coefficient= 0.441, p<0.001). Table 4 shows how in
the male gender, the strength predominates, followed by the absence of physical
activity. In the female gender, flexibility is specially observed, followed by
strength. The corrected typed residuals showed statistically significant
differences in the images of the male gender representing strength actions, as
well as those that did not show physical activity. In the case of the images of
the female gender, statistically significant differences were observed in the
images that showed flexibility exercises.
Table 4
Physical activity
represented in the images
|
|
Physical
activity |
Physical
activity levels |
||||||
|
G |
Strength N (%) |
Endurance N (%) |
Speed N (%) |
Flexibility N (%) |
Sedentary N (%) |
Light N (%) |
Medium N (%) |
Intense N (%) |
|
M |
73
(28.7) |
11
(4.3) |
2
(0.8) |
13
(5.1) |
43
(12.8) |
17
(5.1) |
69
(20.5) |
12
(3.6) |
|
F |
48
(18.9) |
11 (4.3) |
0 (0) |
96
(37.8) |
42
(12.5) |
111
(33) |
40
(11.9) |
2
(0.6) |
Note. G:
Gender; M: Masculine; F: Femenine.
The level of physical activity shown by the images
reflected a statistically significant relationship with gender
(χ2(3)=77.217; p<0.001; contingency coefficient= 0.432, p<0.001).
The images which showed the female gender presented light levels of physical
activity, followed by sedentary and medium levels. In those images that showed
the male gender, medium intensity physical activity were especially observed,
followed by sedentary and light activity levels. The corrected standardized
residuals showed statistically significant differences in, in the male gender,
in medium and intense activity. In the female gender, statistically significant
differences were observed in light activity.
4. Discussion
The classification of the apps analyzed by the
"Pan European Game Information" system, which classifies content by
age, indicates that the vast majority (99.2%) are rated PEGI 3. This means that
they are suitable for all age groups, including young children. However,
activities, programs and training routines to improve physical condition and
health are not suitable for students of compulsory school age (6-16 years) and
are potentially harmful when used without the supervision of specialists
(Diaz-Barahona, 2020). Schools should selectively and critically integrate apps
as auxiliary material since, as Lupton (2014) indicates, they present obvious
problems with respect to privacy, security and personal data protection. This
issue is especially relevant when we talk about academic environments and
minors. If the PEGI classification system is technically and ethically
questionable, as Felini (2015) indicates, it is also questionable from a
pedagogical perspective due to the confusion it generates for potential users,
students, families and teachers. Perhaps for this reason, studies such as those
by Crescenzi-Lanna et al. (2019), conducted on educational apps propose a
critical ethical review of the PEGI classification of apps, while documenting
the presence of ethnic and gender stereotypes. The data from our study not only
question the credibility of the PEGI (recommended age) system, but also
question the credibility and professional competence of the app designers. On
the other hand, it is found that most of the apps analyzed do identify their
creators, but they do not prove that they were designed by specialists and/or
professionals in physical-sports activity (98.4%), but by technicians or web
companies without specific training, nor do they show evidence (publications,
tests or trials) of its proven benefits (99.2%); despite having selected the
apps with the highest user rating: 4.41 out of 5 stars. As Díaz-Barahona (2020)
maintains, while some curricular materials such as textbooks are
designed by specialists and pedagogues and supervised by publishers and
educational institutions, teachers increasingly use digital software not
subject to any filter, design process or didactic validation. As Díaz-Barahona
(2020) indicates, this reality shows that educational institutions and teachers
have numerous challenges and pending debates regarding digital immersion
processes, especially when the consumption and participation in digitized
environments of children and young people has become the rule (Hoechsmann &
Poyntz, 2012).
There was an imbalance between
male and female characters in favor of females in relation to the body analysis
of the images belonging to the apps related to sports and physical activities.
It was found that the model of physical activity represented varies depending
on the gender of the characters. These results are corroborated by
Martínez-Bello et. al., (2021). In these images, men and women perform
different physical activities and with different levels of intensity.
The prevalence of the female
model in the practice of sports and physical activities, although no previous
studies have been found in apps, differs from any study previously carried out
in Physical Education textbooks (Gonzaléz-Palomares et al., 2017; Guimaraes
& García, 2014; Moya et al., 2013). In the case of Moya-Mata et al. (2013)
the male presence was 39.52% in physical activities, and women 28.49%. This
represents an advance in equal opportunities for both sexes, since
traditionally, the male figure has been linked mainly to the sports and
physical activities (Rodríguez et al., 2018). Instead, youth, white race and
lack of diversity are characteristics that always predominate in body analysis
studies (Moya et al., 2013; Moya-Mata et al., 2017). Therefore, the treatment
of diversity and educational inclusion in the images of these apps is far from
being perceived as a significant educational change.
With respect to body
characteristics, the studied images associate the male gender with short hair,
a muscular body and show an undressed torso with a predominance of blue or dark
colored sportswear. The female gender is represented by a slim body, dressed in
a pink sports top, soft or neutral colors and hair tied in a ponytail. This
body culture based on gender is confirmed in the images and texts of the
analyzed books from Brazil and Spain (Guimaraes & García, 2014). Moreover,
the same happens with the relationship between gender and color of sports
clothing, represented physical activity or hair (Martínez-Bello et al., 2021).
Therefore, stereotypes, prejudices and discrimination continue to prevail in
relation to gender, age, ethnicity, race, functional diversity, clothing, hair
and body patterns in the images of apps related to sports and physical
activity.
Regarding the attribution of
physical activities related to physical condition and fitness according to gender,
the results of this study show that the male gender is linked to medium or
intense strength, followed by the absence of physical activity -posing-, while
the female gender is shown mainly in activities related to flexibility, as in
the study by Martínez-Bello et al., (2021). Although physical fitness is not an
activity that is mostly represented in physical education textbooks (Moya et
al., 2013; Moya-Mata et al., 2019), and studies such as the one by
González-Palomares et al. (2017) confirm that fitness and physical activities
are mainly linked to the female gender, the sports and physical activity-gender
relationship in the images of the analyzed apps perpetuate the hegemonic values
identified with masculinity and femininity, as confirmed by
Haegele and Zhou (2019).
4. Conclusions
Regarding the apps that
contain the analyzed images, it was found that the PEGI classification system,
which indicates the recommended age of games and digital software, is not an
adequate guide for teachers and students. The apps studied are not designed or
co-designed by professionals or specialists in physical-sports education, nor
do they certify or offer evidence of the proven benefits of the prescribed
training programs.
The content analysis of the
images evaluated allows us to conclude that they legitimize the body
stereotypes associated with gender: the male body represented by a young white
man with an athletic build and without functional diversity, an athletic body,
an undressed torso wearing blue or dark clothes and with short hair. Women
appear white, young, slim and stylized without functional diversity, dressed in
a top with pink or soft and neutral colors and a ponytail. The diversity of
bodies existing in society: age, functional or racial, is not represented.
Regarding the stereotypes of physical activity carried out, they also
legitimize and transmit stereotypes associated with gender: female bodies
perform gentle activities of low intensity such as stretching, while masculine
bodies carry out physical activity of medium or vigorous intensity to develop
strength or stamina. In short, flexible women and vigorous men.
Since the processes of digital
immersion represent a growing and irreversible trend, the educational
administration should stimulate ethical and critical techno-pedagogical
training in digital teaching and student competence and become involved in the
supervision and validation of the digital curricular materials used in
classrooms. As Dickerson et al. (2013) indicate, choosing the right software is
as important as knowing how to use it. Teachers at all educational levels and
subjects should consider the gender perspective as a transversal axis in their
teaching practices, since institutions such as schools and families continue to
transmit stereotyped roles associated with the body from early childhood and
perpetuate situations of discrimination (Bourdieu, 1998; Martínez-Bello et al.,
2021). Developers and designers of educational apps, in addition to ensuring
the technological usability and the metrics related to the economic
profitability of their products, should include teachers in their teams to
advise on the necessary pedagogical usability and the social profitability of
the designed material.
Although this work may have
limitations (only disciplinary area and the Android operating system were
investigated), we trust that the results are transferable to other didactic
areas and educational levels and contain information that encourages debate and
reflection among the educational community, researchers and app developers.
References
App Annie (Ed) (2021). State of mobile 2021. https://bit.ly/3vAzP6I
Aznar,
I., Cáceres, M.P., Trujillo, J.M., & Romero, J.M. (2019). Impacto de las
apps móviles en la actividad física un meta-análisis. Retos, 36, 52-57. https://doi.org/10.47197/retos.v36i36.66628
Bice,
M.R., Ball, J.W., & McClaran, S. (2016). Technology and physical activity motivation. International
Journal of Sport and Exercise Psychology, 14(4), 295-304. https://doi.org/10.1080/1612197X.2015.1025811
Bourdieu,
P. (1998). La domination masculine. Éditions de Seuil.
Caeiro,
M., Ordoñez, F., Callejón, M., & Castro, E. (2020). Diseño de un
instrumento de evaluación de aplicaciones digitales (Apps) que permiten
desarrollar la competencia artística. Pixel-Bit. Revista de Medios y
Educación, 58, 7-25. https://doi.org/10.12795/pixelbit.74071
Casey, A.,
Goodyear, V.A., & Armour, K.M. (2016). Articulating “pedagogies of
technology” through thirteen “pedagogical cases”. In Casey, A., Goodyear,
V.A., & Armour, K.M. (Eds), Digital Technologies and Learning in Physical
Education: Pedagogical cases, (pp. 247-257). Routledge
Crescenzi-Lanna,
L., Valente, R., & Suárez-Gómez, R. (2019). Aplicaciones educativas seguras
e inclusivas: La protección digital desde una perspectiva ética y crítica. Comunicar, 61, 93-102. https://doi.org/10.3916/C61-2019-08
Creswell,
J.W. (2008). Research design: Qualitative, quantitative, and mixed methods
approaches. Sage Publications. http://bit.ly/2WJTFuM
Díaz-Barahona,
J., Molina-García, J., & Monfort-Pañego, M. (2019). Estudio de las
actitudes y el interés de los docentes de primaria de educación física por las
TIC en la Comunidad Valenciana. Retos, 35, 267-272. https://doi.org/10.47197/retos.v0i35.63355
Díaz-Barahona,
J. (2020). Retos y oportunidades de la tecnología móvil en la educación física.
Retos, 37, 763-773. https://doi.org/10.47197/retos.v37i37.68851
Dickerson,
J., Winslow, J., & Lee, C.Y. (2013). Teacher training and technology:
Current uses and future trends. En Wang, V. (Ed.). Handbook of Research on
Technologies for Improving the 21st Century Workforce: Tools for Lifelong
Learning, 243-256. IGI Global.
Ditrendia
(Ed) (2020). Informe Mobile en España y en Mundo. https://bit.ly/3i4OOBJ
Felini, D.
(2015). Beyond today’s video game rating systems: A critical approach to PEGI
and ESRB, and proposed improvements. Games and
Culture, 10(1), 106-122. https://doi.org/10.1177/1555412014560192
Filgueira,
J.M. (2016). Apps para adquisición de hábitos saludables dentro de la Educación
Física. Revista de educación física: renovar la teoría y práctica, 34(4),
22- 31.
Fleiss,
J.L., & Cohen, J. (1973). The
equivalence of weighted kappa and the intraclass correlation coefficient as
measures of reliability. Educational and psychological measurement, 33(3),
613-619. https://doi.org/10.1177/001316447303300309
Frau-Meigs,
D. (2012). Transliteracy as the new research horizon for media and information
literacy. Media Studies,
3(6).
González-Palomares,
A., Táboas-Pais, M.I., & Rey-Cao, A. (2017). La cultura corporal en función
del género: Análisis de los libros de texto de educación física de secundaria
publicados durante la ley orgánica de educación. Educación XX1, 20(1), 141-162. https://doi.org/10.5944/educXX1.13980
Goodyear,
C.K., & Quennerstedt, M. (2019). Young people’s uses of wearable healthy
lifestyle technologies; surveillance, self-surveillance and resistance. Sport,
Education and Society, 24(3), 212-225. https://doi.org/10.1080/13573322.2017.1375907
Guimaraes,
R., & García, M. (2014). Análisis de libros de texto en
Brasil y en España: una introducción al tema en el área de Educación Física. Movimiento,
20(2), 659-685. http://www2.fe.usp.br/~gpef/teses/botelho_02.pdf
Haegele,
J., & Zhu, X. (2019). Body image
and physical education: Reflections of individuals with visual impairments. European
Physical Education Review, 25(4), 1002–1016. https://doi.org/10.1177/1356336X18789436
Heinemann,
K. (2003). Introducción a la metodología de la
investigación empírica en las ciencias del deporte.
Barcelona, Paidotribo.
Hoechsmann,
M., & Poyntz, S.R. (2012). Media literacies: A critical introduction.
Wiley-Blackwell.
Kerner, C.,
& Goodyear, V.A. (2017). The Motivational Impact of Wearable Healthy
Lifestyle Technologies: A Self-determination Perspective on Fitbits With
Adolescents. American Journal of Health Education, 48(5), 287-297. https://doi.org/10.1080/19325037.2017.1343161
Kim, B.Y.,
Sharafoddini, A., Tran, N., Wen, E.Y., & Lee, J. (2018). Consumer Mobile
Apps for Potential Drug-Drug Interaction Check: Systematic Review and Content
Analysis Using the Mobile App Rating Scale (MARS). JMIR mHealth and uHealth,
6(3), e74. https://doi.org/10.2196/mhealth.8613
Lambert, K.
(2020). Re-conceptualizing embodied pedagogies in physical education by
creating pre-text vignettes to trigger pleasure ‘in’ movement. Physical
Education and Sport Pedagogy, 25(2), 154–173. https://doi.org/10.1080/17408989.2019.1700496
Landis,
J.R., & Koch, G.G. (1977). The measurement of observer agreement for
categorical data. Biometrics, 159-174. https://doi.org/10.2307/2529310
Lupton, D.
(2014). Data assemblages, sentient schools and digitized health and physical
education (response to Gard). Sport, Education and Society, 20(1),
122-132. https://doi.org/10.1080/13573322.2014.962496
Martínez-Bello,
V., Cabrera, Y., Díaz-Barahona, & Bernabé-Villodre, M., (2021). Bodies in
the early childhood education classroom: a Bourdieusian analysis of curricular
materials, Sports, Education and Society, 26(1), 29-44. https://doi.org/10.1080/13573322.2019.1690442
McHugh, M.L.
(2012). Interrater reliability: the kappa statistic. Biochemia medica, 22(3),
276-282. https://pubmed.ncbi.nlm.nih.gov/23092060/
Moher, D.,
Liberati, A., Tetzlaff, J., Altman, D.G., & The PRISMA Group (2009).
Preferred Reporting Items for Systematic Reviews and Meta-Analyses: The PRISMA
Statement. PLoS Medicine, 6(7),
1–6. https://doi.org/10.1371/journal.pmed.1000097
Moya,
I., Ros, C., Bastida, A., & Menescardi, C. (2013). Estereotipos de sexo y
raza en las imágenes de los libros de texto de educación física en primaria. Retos,
23, 14-18. https://doi.org/10.47197/retos.v0i23.34560
Moya-Mata,
I., Martín, J., Ruiz, L., & Ros, C. (2018). Diseño, fiabilidad y validez de
una herramienta para el análisis de las imágenes de los libros de texto de
Educación Física. Retos, 34, 240-246. https://doi.org/10.47197/retos.v0i34.59497
Moya-Mata,
I., Ruiz, L., Martín, J., Pérez, P.M., & Ros, C. (2017). La representación
de la discapacidad en las imágenes de los libros de texto de Educación Física:
¿inclusión o exclusión? Retos, 32, 88–95. https://doi.org/10.47197/retos.v0i32.52191
Moya-Mata,
I., Ruiz-Sanchis, L., Martín-Ruiz, J., & Ros, C. (2019). La actividad física
representada en los libros de texto de educación física en educación primaria. Movimento, 25, 1-13. https://doi.org/10.22456/1982-8918.89296
Neuendorf,
K.A. (2009). Reliability for content analysis. En A. B. Jordan, D.
Kunkel, J. Manganello & M. Fishbein (eds.), Media messages and public
health: a decisions approach to content analysis (pp. 67-87). Routledge.
Neuendorf,
K.A. (2011). Content analysis: A methodological primer for gender research. Sex
Roles, 64(3-4), 276-289. https://doi.org/10.1007/s11199-010-9893-0
Piñuel,
J.L. (2002). Epistemología, metodología y técnicas del análisis de contenido. Estudios de Sociolingüística, 3(1), 1-42.
Rich, E.,
& Miah, A. (2017). Mobile, wearable and ingestible health technologies:
towards a critical research agenda. Health Sociology
Review, 26(1), 84-97. https://doi.org/10.1080/14461242.2016.1211486
Rodríguez,
J., Sanmiguel-Rodríguez, A., & Álvarez-Seoane, D. (2018). Revisión
bibliográfica en el contexto español sobre investigaciones relacionadas con los
libros de texto y materiales didácticos en educación física. Retos, 34, 363-370. https://doi.org/10.47197/retos.v0i34.65902
Shilling, C.
(2012). The body and social theory. Sage. https://bit.ly/3fymg2b
Stoyanov,
S.R., Hides, L., Kavanagh, D.J., Zelenko, O., Tjondronegoro, D., & Mani, M.
(2015). Mobile app rating scale: a new tool for assessing the quality of health
mobile apps. JMIR mHealth and uHealth, 3(1), 27. https://doi.org/10.2196/mhealth.3422
Traxler, J.
(2016). Inclusion in an age of mobility. Research in Learning Technology,
(24), 1-13. https://doi.org/10.3402/rlt.v24.31372
Varea,
V., & González-Calvo, G. (2020). Touchless classes and absent bodies: teaching physical
education in times of Covid-19. Sport, Education and Society,
1-15. https://doi.org/10.1080/13573322.2020.1791814