Competencia
digital del alumnado universitario y rendimiento académico en tiempos de
COVID-19
Digital competence of university students and academic
performance in times of COVID-19
Dr. Francisco Javier García Prieto. Profesor Ayudante Doctor. Universidad de Huelva. (España)
Dr. David López-Aguilar. Profesor Ayudante Doctor. Universidad de La Laguna.
(España)
Dr. Manuel Delgado-García. Profesor Titular de Universidad. Universidad de Huelva.
(España)
Recibido:
2021/10/27 Revisado: 2021/11/21 Aceptado: 2022/04/01 Preprint:
2022/04/29 Publicado: 2022/05/01
Cómo citar este artículo:
García-Prieto, F.J., López-Aguilar,
D., & Delgado-García, M. (2022). Competencia digital del alumnado universitario
y rendimiento académico en tiempos de COVID-19 [Digital competence of
university students and academic performance in times of COVID-19]. Pixel-Bit.
Revista de Medios y Educación, 64, 165-199. https://doi.org/10.12795/pixelbit.91862
RESUMEN
La situación de pandemia mundial provocada por la
COVID-19 ha tenido consecuencias en las diferentes esferas de la sociedad. La
educación superior ha tenido que adaptar las metodologías de enseñanza hacia
unos entornos de aprendizaje virtuales o semipresenciales, mientras que los
estudiantes también han visto condicionado su proceso de aprendizaje por la
necesidad de disponer de recursos digitales con los que sustituir a las
herramientas y procesos tradicionalmente utilizados. Este estudio pretende
analizar la incidencia que tiene la competencia digital del alumnado
universitario sobre su rendimiento académico en tiempos de COVID-19. A través
de una metodología cuantitativa descriptiva-inferencial, se aplicó una escala
validada a una muestra de 603 estudiantes de grado y posgrado durante el curso
2020/2021. Los resultados obtenidos reflejan, por una parte, altos valores en
las dimensiones relativas al manejo de la información y la comunicación digital,
así como en los aspectos de organización para los que utilizan las herramientas
digitales y, por otra parte, valores bajos en lo que se refiere a habilidades
relativas al manejo técnico de la tecnología. Las conclusiones confirman la
hipótesis que sostiene que el alumnado con mayores niveles de competencia
digital es aquel que obtiene un mejor rendimiento académico en la enseñanza
universitaria. Los hallazgos alcanzados coinciden con trabajos previos
realizados.
ABSTRACT
The global pandemic situation
caused by COVID-19 has had consequences in different spheres of society. Higher
education has had to adapt teaching methodologies towards virtual or blended
learning environments, while students have also seen their learning process
conditioned by the need to have digital resources with which to replace
traditional tools and processes used. This study aims to analyze the impact
that the digital competence of university students has on their academic
performance in times of COVID-19. Through a descriptive-inferential
quantitative methodology, a validated scale was applied to a sample of 603
undergraduate and graduate students during the 2020/2021 academic year. The
results obtained reflect, on the one hand, high values in the dimensions
related to information management and digital communication, as well as in the
organizational aspects for those who use digital tools and, on the other hand,
low values in what refers to skills related to the technical management of
technology. The conclusions confirm the hypothesis that the student body with
the highest levels of digital competence is the one who obtains the best
academic performance in university education. The findings reached coincide
with previous works carried out.
PALABRAS CLAVES · KEYWORDS
Competencia digital; rendimiento académico; COVID-19;
enseñanza universitaria; estudiantes universitarios
Digital competence; academic performance; COVID-19;
higher education; university students
1. Introducción
La pandemia COVID-19 ha
provocado cambios sociales y de desarrollo tecnológico muy significativos que
han afectado, en mayor o menor medida, al marco de la educación superior. En
líneas generales, se podría afirmar que la atención hacia las tecnologías digitales
se ha incrementado notablemente (Heidari et al., 2020; Lacka & Wong, 2019;
López-Meneses et al., 2020; Murphy, 2020) y gran parte de las universidades,
según la European University Association, han tomado medidas para adaptar las
metodologías de enseñanza a un formato virtual, realizando una rápida
transición. Esto ha generado una cierta preocupación por conocer cómo se ha
producido la adaptación de instituciones y personas a dicho escenario y, sobre
todo, por cómo afecta al rendimiento académico de los estudiantes (Bond, 2020;
Heidari et al., 2021; Mehrvarz et al., 2021; Faria et al., 2020), pues se
percibe una falta de respuesta acorde por parte de un sistema universitario,
que no termina de ofrecer y de promover el desarrollo de las competencias digitales
necesarias para que el alumnado pueda afrontar con garantías el uso de las TICs
en su futuro desempeño profesional (Casillas-Martín et al., 2019).
Para definir el término
competencia digital existen múltiples enfoques. Trabajos recientes como los de
Ocaña-Fernández et al. (2020), Quiñones et al. (2021), Pérez-Escoda et
al.,(2019), Romero-García et al. (2020) o Silva-Quiroz et al. (2022)
sintetizan, por una parte, diversas acepciones que conducirían a definir la
competencia digital como un conjunto de conocimientos, habilidades y actitudes
que han de favorecer el uso razonable y pertinente de los recursos
tecnológicos, multimedia, comunicativos e informacionales de los que nos provee
la sociedad de la información y que suponen un proceso de alfabetización
complejo para el desarrollo de actividades cotidianas y profesionales. Por otra
parte, también se hacen eco de las propuestas de diferentes organismos
nacionales e internacionales que han diseñado estándares e indicadores de
evaluación de la competencia digital a partir de modelos teóricos tan
representativos como DIGCOMP Project (Comisión Europea), modelo de Krumsvik
(Noruega), modelo JISC (Reino Unido), estándares ISTE (EE.UU.) o competencias
para el siglo XXI P21 (EE.UU.). A raiz de esto, existen estudios que vienen
profundizando en el marco de la evaluación de los niveles de competencia
digital en el alumnado universitario (Cabero-Almenara et al., 2020;
Cañete-Estigarribia et al., 2021; González-Martínez et al., 2018 o Redecker
& Punie, 2017; entre otros). Dada la perspectiva de este trabajo, nos
hacemos eco de aquellos estudios que específicamente abordan la evaluación de
la competencia digital en relación con el rendimiento académico del alumnado
universitario y las variables que inciden en la mediación de este proceso. A
nivel internacional, destacan trabajos como los de Bergdahl et al. (2020) o
Paul & Lal (2018), que refuerzan la tesis de que a mayor competencia
digital, los estudiantes poseen un mayor éxito académico en entornos virtuales
de aprendizaje; Lau & Gardner (2019), Magulod (2019) o McGuinness &
Fulton (2019), quienes atribuyen el incremento de rendimiento a la motivación
por el desarrollo de un aprendizaje más autónomo; por su parte, McGovern et al.
(2020), destacan la incidencia positiva de la competencia digital en la
adquisición de habilidades sociales y en la posibilidad de autoevaluarse por
parte de los estudiantes; en un argumentario similar, Timmis &
Muñoz-Chereau (2019), también señalan la contribución hacia nuevas formas de
concebir las interacciones sociales y por ende, la construcción de identidades
alternativas entre el alumnado; Xiao & Sun (2021) matizan que el uso
moderado de las TICs en diferentes aspectos de la vida es un indicador positivo
para la mejora del rendimiento académico, frente a los estudiantes que las
utilizan para el entretenimiento; y, por último, el trabajo de Frolova et al.
(2020) parte de un análisis de la literatura internacional, cuyo recorrido por
investigaciones desarrolladas en diferentes países deriva, por una parte, en un
aporte beneficioso de las tecnología a las competencias del futuro docente
(entre las que destacan la formación de habilidades específicas, el uso de
ciertos tipos de tecnologías, el aporte hacia el trabajo cooperativo, la
diversificación del formato del material didáctico, etc.) y, por otra parte,
también la presencia de ciertos riesgos detectados por los estudiantes y que se
asocian con la sobrecarga de información, las dificultades en el desarrollo de
competencias para la comunicación interpersonal o la deshumanización del
proceso formativo. A esto último, también podrían incorporarse las escasas
competencias digitales adquiridas por el alumnado en etapas educativas previas
a la Universidad (McGarr & McDonagh, 2021) o bien durante su estancia en
esta (Galindo & Bezanilla, 2021).
En el caso de la literatura
focalizada en el contexto español, la producción científica que relaciona las
competencias digitales con el rendimiento académico ha aumentado
significativamente en la última década, como se puede constatar en diversos
estudios de corte bibliométrico (Campos et. al., 2020; Rodríguez et. al., 2019;
Sola-Martínez et al., 2020).
Especialmente relevante por
sus conclusiones, son las aportaciones de García-Martín & Cantón-Mayo
(2019), quienes analizan la opinión de unos 1500 adolescentes en relación con
el uso de la tecnología con respecto al rendimiento académico, destacando que
hay patrones diferenciales respecto al sexo, edad y uso de las herramientas. En
el trabajo de Romero-García et al. (2020), se indica que el uso de metodologías
activas basadas en herramientas digitales, mejora el rendimiento académico y el
nivel de competencia digital del alumnado. Otro estudio centrado en analizar
las competencias digitales en la formación inicial del profesorado (Pascual et
al., 2019), concluyó que existe desconocimiento en el manejo y gestión de la
información, en la comunicación y en cómo solucionar problemas técnicos
informáticos. Por último, el trabajo de Iglesias-Pradas et al. (2021) revela un
aumento del rendimiento académico a raíz de la enseñanza online, comparando los
resultados de los estudiantes durante la pandemia con los de cursos anteriores
en formato presencial.
Así pues, parece evidente que
durante la pandemia (COVID-19) el aprendizaje digital ha contribuido a
incrementar el compromiso y el rendimiento académico de los estudiantes
(Heidari et al., 2021). En este sentido, el uso que estos hagan de los entornos
de aprendizaje digital será lo que determine el grado de competencia digital
desarrollado.
Precisamente, el objetivo
central de este estudio será analizar la incidencia que tiene la competencia
digital del alumnado universitario sobre su rendimiento académico. Tomando en
consideración las evidencias derivadas de la revisión de literatura y el
objetivo de este trabajo, partimos de la siguiente hipótesis: aquellos
estudiantes con un alto nivel de competencia digital tendrán un mejor
rendimiento académico.
2. Metodología
2.1 Participantes
La población objetivo de este
trabajo fueron estudiantes universitarios que se encontraban realizando
estudios de grado y máster durante el curso académico 2020/2021 en la
Universidad de Huelva. A partir de este criterio, y empleando un procedimiento
de muestreo no aleatorio accidental, se contó con la participación de un total
de 603 estudiantes. Con el ánimo de identificar posibles casos atípicos
multivariantes se realizó el cálculo de la distancia de Mahalanobis (Yan et
al., 2018), la cual identifica un valor crítico a partir del cual las personas
participantes en el estudio pueden ser consideradas como outliers por estar
alejadas sustancialmente del centro de la masa (Muñoz & Amón, 2013). En el
caso específico de este estudio, el valor de la distancia fue de 43.77, lo que
sugirió la eliminación de 97 casos, situando la muestra definitiva del estudio
en 506 estudiantes universitarios. Las características principales de la
muestra se presentan en la siguiente tabla (Tabla 1).
Tabla 1
Características de la muestra participante
|
Edad |
|
|
Género |
Hombres: 25.7% (n=130);
Mujeres: 74.1% (n=375); No indicado: .2% (n=1) |
|
Curso |
Primero: 51.8% (n=262) Segundo: 16.4% (n=83) Tercero: 3.8% (n=19) Cuarto: 11.3% (n=57) Máster: 16.8% (n=85) |
|
Calificaciones obtenidas |
Suspenso: 1.6% (n=8) Aprobado: 19.0% (n=96) Notable: 69.6% (n=352) Sobresaliente: 9.9%
(n=50) |
2.2 Instrumento de recogida de datos
La recogida
de datos se realizó a partir de la construcción de un cuestionario que contenía
la escala de habilidades digitales de estudiantes universitarios validada por
Organista-Sandoval et al. (2017). Este instrumento de medida, en su versión
original, se construyó a partir de una escala tipo Likert de cuatro niveles y
obtuvo puntuaciones de fiabilidad excelentes [medidas a través del coeficiente
de alfa de Cronbach (α)]. En concreto, alcanzó una valoración global de
α=.94. Ahondando sobre la fiabilidad de las dimensiones incluidas en este
instrumento, los valores de alfa de Cronbach fueron: información: α=.78;
comunicación: α=.83; manejo de tecnología: α=.88; y organización:
α=.82. Asimismo, los valores RMSEA (.058), GFI (.84) y AGFI (.81)
alcanzados, se ajustaron adecuadamente a los valores establecidos por la
literatura especializada. En la Tabla 2 se presentan las dimensiones e ítems
recogidos en la escala de medida empleada.
Escala sobre habilidades digitales
|
Ítems |
Codificación |
|
|
Seleccionar
y utilizar buscadores de información en Internet, conocidos también como
motores de búsqueda |
In1 |
|
|
Utilizar
palabras claves para facilitar la búsqueda de información |
In2 |
|
|
Realizar
búsquedas avanzadas de información (por ejemplo de un idioma específico o
tipo de archivo) |
In3 |
|
|
Recuperar
información en el formato deseado (por ejemplo JPG, HTML, MP3, MPEG4, AVI,
PDF, DOC, etc.) |
In4 |
|
|
Descargar
el archivo seleccionado de la búsqueda hecha o una parte del mismo en mi
dispositivo |
In5 |
|
|
Mantener
una lista de enlaces para el acceso posterior a la información de mi
interés |
In6 |
|
|
Utilizar
la información encontrada para apoyar el desarrollo de algún trabajo o tarea
académico |
In7 |
|
|
Manejo
de la comunicación (Co) |
Confirmar
la recepción de un correo electrónico y responder a uno o varios
destinatarios desde mi dispositivo |
Co1 |
|
Utilizar
reglas ortográficas cuando elaboro un texto en formato electrónico y, de ser
necesario, aplicar algún un corrector ortográfico |
Co2 |
|
|
Mejorar
la presentación de un escrito mediante el manejo de tipo de letra, inserción
de imágenes, tablas, etc. |
Co3 |
|
|
Utilizar
algún programa en Internet, desde mi dispositivo, para construir o corregir
un documento de forma colaborativa con compañeros y/o compañeras |
Co4 |
|
|
Ajustar
el archivo –ya sea en un formato específico (PDF, DOCX, etc.), tamaño deseado
(1 MG, 1GB, etc.), etc.– según los requerimientos del sitio Web a donde
lo pretendo enviar |
Co5 |
|
|
Manejar
el envío y recepción de mensajes y archivos desde mi dispositivo |
Co6 |
|
|
Participar
con comentarios en foros de redes sociales desde mi dispositivo |
Co7 |
|
|
Manejar
redes sociales para difundir algún archivo de elaboración propia |
Co8 |
|
|
Manejo
de tecnología (Tec) |
Identificar
aspectos técnicos básicos de mi dispositivo, como sistema operativo, tamaño
de memoria, tipo de pantalla, etc. |
Tec1 |
|
Actualizar
y configurar mi dispositivo (por ejemplo el sistema operativo, aplicaciones,
etc.) |
Tec2 |
|
|
Instalar
periféricos en mi dispositivo como impresora, scanner, etc. |
Tec3 |
|
|
Identificar
la probable causa de un funcionamiento inadecuado en mi dispositivo |
Tec4 |
|
|
Instalar
y actualizar programas antivirus para mantener protegido mi dispositivo |
Tec5 |
|
|
Manejar
distintos modos de conexión (Wi-Fi, 3G/4G) desde mi dispositivo para acceder
a Internet |
Tec6 |
|
|
Acceder
en línea a foros de consulta técnica para encontrar la solución a un problema
técnico en mi dispositivo |
Tec7 |
|
|
Instalar/desinstalar
aplicaciones diversas en mi dispositivo portátil |
Tec8 |
|
|
Aspectos
de organización (Or) |
Utilizar
Internet para: reservar billetes de avión, inscribirme a congresos, comprar
en línea, etc. |
Or1 |
|
Utilizar la agenda electrónica de mi dispositivo
para organizar actividades |
Or2 |
|
|
Mantener actualizada mi lista de contactos |
Or3 |
|
|
Recurrir al uso de medios de comunicación como
email, mensajes de texto (SMS), Facebook, Whatsapp, entre otros para lograr
acuerdos en actividades educativas |
Or4 |
|
|
Obtener información desde mi dispositivo portátil
del clima, del mapa de la ciudad, de la ubicación de un lugar, etc. |
Or5 |
|
|
Utilizar mi dispositivo portátil para organizar
un viaje (reserva de alojamiento, billetes de avión, etc.) |
Or6 |
|
|
Utilizar algún servicio de almacenamiento ‘en la
nube’ (por ejemplo Dropbox, OneDrive, etc.) para gestionar mi información |
Or7 |
Además de la escala de medida señalada, se incluyeron
otras preguntas en el cuestionario a fin de recabar información sociodemográfica
y académica (para determinar las características de la muestra participante y
dar respuesta al objetivo principal de este trabajo). De manera específica, se
incluyó una pregunta abierta para la edad, un ítem de opción múltiple para
identificar el género (mujer, hombre, prefiero no indicarlo), otra de opción
múltiple para el curso académico que estaban cursando (primero, segundo,
tercero, cuarto, quinto, sexto, máster) y, una última cuestión para recabar
datos sobre las calificaciones obtenidas (suspenso, aprobado, notable,
sobresaliente, matrícula de honor).
A fin de analizar la multicolinealidad de la escala de
medida empleada se llevó a cabo un análisis correlacional bivariado pregunta a
pregunta. Los resultados obtenidos, para la totalidad de los casos, fueron de r≤.85,
lo que según Cupani (2012) y Kline (2015) fue un indicador de que los ítems
integrados en la escala eran discriminantes y, por tanto, no recogían
información redundante.
Para el análisis de la fiabilidad de la escala de medida
empleada en este estudio, se calculó el coeficiente Alfa de Cronbach (α).
La decisión de emplear este valor vino determinada, por una parte, porque
cumplió con los supuestos básicos para calcular el valor de Alfa de Cronbach
establecidas por Cho & Kim (2015) y Raykov & Marcoulides (2017) sobre
la existencia de tau-equivalencia, unidimensionalidad y escala de medida
continua. Por otro lado, se empleó el coeficiente Omega de MacDonald (ω)
para analizar la fiabilidad compuesta del instrumento. De acuerdo con los
planteamientos de Dunn et al. (2013), Peters (2014) y Viladrich et al. (2017),
Omega de MacDonald establece un procedimiento estadístico más robusto,
aplicable a escalas ordinales, no necesariamente continuas, cuyo uso es
recomendable en los estudios asociados al ámbito de las ciencias sociales.
Siguiendo la información recogida en la tabla 3, los valores obtenidos para
ambos coeficientes fueron excelentes (Oviedo & Campo-Arias, 2005).
Tabla 3
Análisis de
fiabilidad y fiabilidad compuesta
|
Dimensiones |
Alfa de Cronbach |
Omega de MacDonald |
|
In |
.86 |
.89 |
|
Co |
.92 |
.94 |
|
Tec |
.91 |
.93 |
|
Or |
.93 |
.89 |
|
Total |
.97 |
.97 |
2.3 Procedimiento
y cuestiones éticas
El procedimiento
de recogida de datos se realizó en los meses de marzo, abril, mayo y junio de
2021. Como paso previo, se adaptó el cuestionario diseñado a la plataforma de
Google Formularios para llevar a cabo la recopilación de los datos de manera
online. Para hacer llegar el instrumento al alumnado universitario, se contactó
con el profesorado que impartía docencia en las titulaciones de grado y máster
de la Universidad de Huelva. En particular, se envió al profesorado un correo
electrónico que contenía una carta informando sobre las finalidades del estudio
y solicitando que destinaran una parte de sus sesiones de clase para que el
alumnado accediera al enlace del cuestionario y lo cumplimentara. Asimismo, en
este mensaje se señaló que el estudio era de carácter voluntario y los datos
obtenidos se tratarían con fines exclusivamente investigadores y a partir de
rigurosos procesos éticos asentados en la confidencialidad, anonimato y
privacidad de la identidad de los participantes.
2.4 Análisis e interpretación de resultados
Con la finalización del
proceso de recogida de información, se descargó la base de datos generada a
través de la herramienta de Google Formularios. Como paso previo a la
realización de los exámenes estadísticos, se llevó a cabo la depuración de la
base de datos con el software R-Studio, en su versión 1.4.1717 para el sistema
operativo Microsoft Windows 10. En primer lugar, se revisó que los
participantes hubiesen respondido en el rango de amplitud esperado. Confirmado
este primer supuesto necesario para los análisis, se comprobó que no existiesen
casos perdidos. Asimismo, y de cara a determinar la tipología de exámenes
estadísticos a emplear, se llevó a cabo un estudio de la normalidad a través de
la asimetría y la curtosis y mediante las pruebas de Shapiro Wilks y
Kolmogorov-Smirnov, cuyos resultados, para todos los casos fueron de p<.000.
Esto sugirió que los datos obtenidos en la escala de medida empleada no
siguieron una distribución normal (George & Mallery, 2001), por lo que el
tipo de pruebas a realizar fueron de carácter no paramétrico al no cumplir con
el requerimiento de normalidad para implementar análisis estadísticos de
naturaleza paramétrica.
Tras este proceso inicial de
data screening y estudio de la normalidad, se procedió a llevar a cabo los
siguientes análisis: frecuencias, medidas de tendencia central y dispersión
(media y desviación típica), análisis de la multicolinealidad de los ítems
(correlaciones bivariadas), análisis de fiabilidad (Alfa de Cronbach y Omega de
MacDonald) y análisis de contraste (prueba H de Kruskal Wallis). Por otra
parte, el cálculo del tamaño del efecto se realizó con el software Microsoft
Excel (versión Office 365) para Microsoft Windows10, empleando la prueba de
épsilon al cuadrado (E_R^2). De manera específica, el cálculo se llevó a cabo
mediante la siguiente expresión matemática (donde H hacía referencia a la
puntuación obtenida en el análisis de contraste y n al tamaño muestral):
El valor α para los
análisis realizados en este estudio se estableció en .05.
3. Análisis y resultados
Los resultados se presentan
estructurados en función de las cuatro dimensiones de análisis incluidas en la
escala de medida empleada. En cuanto a la primera de las dimensiones, el
alumnado manifestó tener un alto nivel del manejo de la información (x ̅=3.20;
sd=.56). Profundizando en los ítems que integran esta dimensión (Tabla 4), se
comprobó que el alumnado donde obtuvo mayores puntuaciones fue en aspectos
referidos a la selección y uso de motores de búsqueda (x ̅=3.39; sd=.712),
la descarga de archivos a partir de las búsquedas realizadas (x ̅=3.38;
sd=.720) o el uso de palabras clave adecuadas para la búsqueda de información
(x ̅=3.31; sd=.691). No obstante, en otros aspectos alcanzaron
valoraciones más bajas, como en identificar de manera específica algún tipo de
archivo deseado (x ̅=2.86; sd=.907) o realizar búsquedas de información de
carácter avanzado (x ̅=2.96; sd=.750).
Análisis de tendencia central y dispersión de la
dimensión manejo de la información
|
Ítem |
Media ( |
Desviación típica (sd) |
|
In1 |
3.39 |
.712 |
|
In2 |
3.31 |
.691 |
|
In3 |
2.96 |
.750 |
|
In4 |
2.86 |
.907 |
|
In5 |
3.38 |
.720 |
|
In6 |
3.24 |
.814 |
|
In7 |
3.29 |
.757 |
Los análisis de contraste
ensayados pusieron de manifiesto que el alumnado que obtuvo calificaciones de
sobresaliente fue el que mayor nivel de dominio tenía en el conjunto de ítems
que integra esta dimensión (rango=332.33; H=16.667; p=.001; E_R^2=.033). De
manera detallada (Tabla 5), también fue el conjunto de estudiantes que alcanzó
calificaciones de sobresaliente, el que destacó en la selección y uso de
buscadores de información (rango=313.02; H=14.798; p=.002; E_R^2=.029) o en la
utilización de palabras clave adecuadas para encontrar datos de interés
(rango=313.92; H=14.741; p=.002; E_R^2=.029). Tan solo en la búsqueda avanzada
de información no se encontraron diferencias estadísticamente significativas
(p=.243), reflejando así cierto patrón de homogeneidad en cuanto a este ítem.
Análisis de contraste de la dimensión manejo de la
información
|
Grupos |
Rangos |
H |
p |
|
|
|
In1 |
Suspenso |
236.75 |
14.798 |
.002 |
.029 |
|
Aprobado |
251.14 |
||||
|
Notable |
244.93 |
||||
|
Sobresaliente |
321.02 |
||||
|
In2 |
Suspenso |
312.38 |
14.741 |
.002 |
.029 |
|
Aprobado |
232.23 |
||||
|
Notable |
249.42 |
||||
|
Sobresaliente |
313.62 |
||||
|
In3 |
Suspenso |
233.31 |
4.178 |
.243 |
|
|
Aprobado |
242.48 |
||||
|
Notable |
252.11 |
||||
|
Sobresaliente |
287.68 |
||||
|
In4 |
Suspenso |
218.00 |
11.708 |
.008 |
.023 |
|
Aprobado |
248.23 |
||||
|
Notable |
246.81 |
||||
|
Sobresaliente |
316.39 |
||||
|
In5 |
Suspenso |
320.63 |
7.858 |
.049 |
.016 |
|
Aprobado |
255.21 |
||||
|
Notable |
245.83 |
||||
|
Sobresaliente |
293.46 |
||||
|
In6 |
Suspenso |
299.19 |
8.703 |
.034 |
.017 |
|
Aprobado |
244.01 |
||||
|
Notable |
247.99 |
||||
|
Sobresaliente |
303.18 |
||||
|
In7 |
Suspenso |
267.50 |
7.922 |
.048 |
.016 |
|
Aprobado |
242.40 |
||||
|
Notable |
249.16 |
||||
|
Sobresaliente |
303.14 |
En cuanto al
manejo de la comunicación, la valoración promedia obtenida fue alta (x ̅=3.34;
sd=.61). De hecho, como se presenta en la tabla 6, destacaron con puntuaciones
elevadas en el conjunto de ítems de esta dimensión. Como aspectos más
relevantes, el alumnado destacó en la gestión del correo electrónico (x ̅=3.49;
sd=.70) y en la recepción y envío de mensajes y archivos (x ̅=3.45;
sd=.71).
Análisis de tendencia central y dispersión de la
dimensión manejo de la comunicación
|
Ítems |
Media
( |
Desviación típica (sd) |
|
Co1 |
3.49 |
.707 |
|
Co2 |
3.36 |
.759 |
|
Co3 |
3.42 |
.738 |
|
Co4 |
3.21 |
.814 |
|
Co5 |
3.08 |
.882 |
|
Co6 |
3.45 |
.714 |
|
Co7 |
3.37 |
.752 |
|
Co8 |
3.42 |
.751 |
Los datos que arrojó la prueba
H de Kruskal-Wallis pusieron de manifiesto que el alumnado con calificaciones de
sobresaliente, indicó tener mayor habilidad en el manejo de la comunicación
(rango=323.01; H=14.500; p=.002; E_R^2=.029). Adentrándose en los ítems que
configuran esta dimensión (Tabla 7), se observó que existieron diferencias
estadísticamente significativas (≤.05) en todas las preguntas, a
excepción del envío y recepción de mensajes y archivos, donde no se hallaron
discrepancias (p=.133). En el caso específico de los ítems en los que se
encontraron diferencias, las puntuaciones más altas fueron a favor del alumnado
que indicó tener calificaciones de sobresaliente. Prueba de ello se detectó en
indicadores específicos como la capacidad que tenía este grupo de estudiantes
para gestionar adecuadamente su correo electrónico (rango=314.75; H=15.022;
p=.002; E_R^2=.030), usar software específico para la elaboración de documentos
de manera colaborativa (rango=286.66; H=11.051; p=.011; E_R^2=.022) o
participar en foros de redes sociales (rango=308.88; H=10.358; p=.016;
E_R^2=.021).
Respecto al manejo de la
tecnología, probablemente, debido al carácter técnico del contenido de los
ítems integrados, fue la dimensión donde la muestra participante obtuvo una
puntuación promedio más baja (x ̅=2.98; sd=.67). Precisamente, de los
datos que se aportan (tabla 8), el alumnado destacó en elementos puntuales como
saber instalar/desinstalar aplicaciones (x ̅=3.35; sd=.81), manejar los
distintos modos de conexión a Internet (x ̅=3.22; sd=.79) y actualizar y
configurar sus dispositivos (x ̅=3.13; sd=.85).
Análisis de contraste de la dimensión manejo de la
comunicación
|
Ítem |
Grupos |
Rangos |
H |
p |
|
|
Co1 |
Suspenso |
239.75 |
15.022 |
.002 |
.030 |
|
Aprobado |
230.66 |
||||
|
Notable |
251.34 |
||||
|
Sobresaliente |
314.75 |
||||
|
Co2 |
Suspenso |
348.19 |
9.428 |
.024 |
.019 |
|
Aprobado |
254.16 |
||||
|
Notable |
245.77 |
||||
|
Sobresaliente |
291.48 |
||||
|
Co3 |
Suspenso |
311.25 |
9.277 |
.026 |
.018 |
|
Aprobado |
253.41 |
||||
|
Notable |
245.58 |
||||
|
Sobresaliente |
300.22 |
||||
|
Co4 |
Suspenso |
285.81 |
11.051 |
.011 |
.022 |
|
Aprobado |
222.30 |
||||
|
Notable |
254.86 |
||||
|
Sobresaliente |
298.66 |
||||
|
Co5 |
Suspenso |
268.38 |
9.864 |
.020 |
.020 |
|
Aprobado |
250.91 |
||||
|
Notable |
245.73 |
||||
|
Sobresaliente |
310.76 |
||||
|
Co6 |
Suspenso |
235.38 |
5.592 |
.133 |
|
|
Aprobado |
253.42 |
||||
|
Notable |
248.24 |
||||
|
Sobresaliente |
293.62 |
||||
|
Co7 |
Suspenso |
224.00 |
10.358 |
.016 |
.021 |
|
Aprobado |
240.58 |
||||
|
Notable |
249.83 |
||||
|
Sobresaliente |
308.88 |
||||
|
Co8 |
Suspenso |
295.31 |
9.489 |
.023 |
.019 |
|
Aprobado |
243.20 |
||||
|
Notable |
248.22 |
||||
|
Sobresaliente |
303.76 |
Análisis de tendencia central y dispersión de la
dimensión manejo de la tecnología
|
Ítems |
Media
( |
Desviación
típica (sd) |
|
Tec1 |
3.04 |
.880 |
|
Tec2 |
3.13 |
.854 |
|
Tec3 |
2.95 |
.868 |
|
Tec4 |
2.59 |
.868 |
|
Tec5 |
2.70 |
.918 |
|
Tec6 |
3.22 |
.790 |
|
Tec7 |
2.94 |
.883 |
|
Tec8 |
3.35 |
.811 |
En
esta dimensión, cabe destacar que los análisis de contraste no arrojaron
diferencias estadísticamente significativas a favor de ninguno de los grupos
estudiados (Tabla 9).
Tabla 9
Análisis de contraste de la dimensión manejo de la
tecnología
|
Ítem |
Grupos |
Rangos |
H |
p |
|
|
Tec1 |
Suspenso |
240.75 |
5.578 |
.134 |
|
|
Aprobado |
245.95 |
||||
|
Notable |
249.67 |
||||
|
Sobresaliente |
297.01 |
||||
|
Tec2 |
Suspenso |
296.25 |
6.040 |
.110 |
|
|
Aprobado |
256.60 |
||||
|
Notable |
246.05 |
||||
|
Sobresaliente |
293.18 |
||||
|
Tec3 |
Suspenso |
322.25 |
6.309 |
.097 |
|
|
Aprobado |
256.98 |
||||
|
Notable |
245.97 |
||||
|
Sobresaliente |
288.80 |
||||
|
Tec4 |
Suspenso |
265.44 |
1.981 |
.576 |
|
|
Aprobado |
258.98 |
||||
|
Notable |
248.56 |
||||
|
Sobresaliente |
275.88 |
||||
|
Tec5 |
Suspenso |
264.88 |
5.874 |
.118 |
|
|
Aprobado |
236.63 |
||||
|
Notable |
252.01 |
||||
|
Sobresaliente |
294.58 |
||||
|
Tec6 |
Suspenso |
354.50 |
10.344 |
.016 |
.020 |
|
Aprobado |
234.23 |
||||
|
Notable |
251.10 |
||||
|
Sobresaliente |
291.24 |
||||
|
Tec7 |
Suspenso |
237.44 |
7.527 |
.057 |
|
|
Aprobado |
243.36 |
||||
|
Notable |
249.47 |
||||
|
Sobresaliente |
303.89 |
||||
|
Tec8 |
Suspenso |
304.00 |
7.571 |
.056 |
|
|
Aprobado |
249.28 |
||||
|
Notable |
247.27 |
||||
|
Sobresaliente |
297.39 |
Finalmente, en la escala de medida
empleada se incorporaron preguntas asociadas a aspectos de carácter
organizativo (Tabla 10). Justamente, fue en esta dimensión donde el alumnado
obtuvo las puntuaciones generales promedio más altas (x ̅=3.35; sd=.65).
Ahondando sobre el contenido de esta dimensión, fue sustantivo identificar
valoraciones altas asociadas al uso de medios de comunicación digitales (x ̅=3.47;
sd=.72), a la obtención de información relacionada con aspectos como el clima,
ubicación, etc. (x ̅=3.47; sd=.74) o usar Internet para cuestiones
generales como la realización de inscripciones a eventos, compras en línea,
etc. (x ̅=3.47; sd=.77).
Análisis de contraste de la dimensión manejo de la
tecnología
|
Ítems |
Media
( |
Desviación
típica (sd) |
|
Or1 |
3.41 |
.771 |
|
Or2 |
3.17 |
.874 |
|
Or3 |
3.29 |
.804 |
|
Or4 |
3.47 |
.728 |
|
Or5 |
3.47 |
.742 |
|
Or6 |
3.42 |
.762 |
|
Or7 |
3.25 |
.808 |
Esta
fue otra de las dimensiones en las que se identificaron diferencias significativas
a favor del grupo de estudiantes que obtuvo calificaciones de sobresaliente
(rango=306.41; H=8.357; p=.039; E_R^2=.017). Y aunque es cierto que el análisis
de contraste no reflejó diferencias en la totalidad de los ítems de esta
dimensión (tabla 11), el estudiantado perteneciente al grupo que obtuvo
calificaciones de sobresaliente, puntuó más alto en el uso de medios de
comunicación digitales (rango=308.37; H=11.635; p=.009 ; E_R^2=.023), el usar
sus dispositivos para buscar información general como clima, ubicaciones, etc.
(rango=305.12; H=9.208; p=.027 ; E_R^2=.018) y emplear los servicios de
almacenamiento en la nube (rango=300.94; H=8.238; p=.041 ; E_R^2=.016).
Análisis de contraste de la dimensión relacionada con
los aspectos de organización
|
Ítem |
Grupos |
Rangos |
H |
p |
|
|
Or1 |
Suspenso |
295.38 |
6.312 |
.097 |
|
|
Aprobado |
253.12 |
||||
|
Notable |
247.04 |
||||
|
Sobresaliente |
292.98 |
||||
|
Or2 |
Suspenso |
281.31 |
3.729 |
.292 |
|
|
Aprobado |
246.78 |
||||
|
Notable |
250.01 |
||||
|
Sobresaliente |
286.55 |
||||
|
Or3 |
Suspenso |
209.94 |
5.553 |
.136 |
|
|
Aprobado |
255.71 |
||||
|
Notable |
248.39 |
||||
|
Sobresaliente |
292.21 |
||||
|
Or4 |
Suspenso |
203.81 |
11.635 |
.009 |
.023 |
|
Aprobado |
241.02 |
||||
|
Notable |
250.24 |
||||
|
Sobresaliente |
308.37 |
||||
|
Or5 |
Suspenso |
258.38 |
9.208 |
.027 |
.018 |
|
Aprobado |
246.28 |
||||
|
Notable |
248.03 |
||||
|
Sobresaliente |
305.12 |
||||
|
Or6 |
Suspenso |
292.94 |
3.700 |
.296 |
|
|
Aprobado |
249.51 |
||||
|
Notable |
249.55 |
||||
|
Sobresaliente |
282.63 |
||||
|
Or7 |
Suspenso |
274.38 |
8.238 |
.041 |
.016 |
|
Aprobado |
234.89 |
||||
|
Notable |
251.36 |
||||
|
Sobresaliente |
300.94 |
4. Discusión y conclusiones
Atendiendo a los resultados
obtenidos, podemos apreciar cómo el alumnado universitario encuestado posee unas
adecuadas habilidades digitales en lo que se refiere al manejo de la
información, la comunicación y a los aspectos relativos al uso de herramientas
digitales para la organización de la vida cotidiana; mientras que se obtienen
niveles de dominio más bajos, en las habilidades focalizadas en el manejo “más
técnico” de las tecnologías. Estos resultados se ajustan al uso que se hace
habitualmente de las tecnologías en la enseñanza superior, donde los procesos
de gestión de información y canalización de la misma a través de diferentes
canales de comunicación son muy comunes (McGovern et al., 2020; Timmis &
Muñoz-Chereau, 2019; Xiao & Sun, 2021) y, al mismo tiempo, se corresponden
con un uso cotidiano por parte de la población que comprende el rango de edad
que ha sido estudiado, donde los diferentes dispositivos y medios de
comunicación se convierten en una extensión más de la propia persona y, en
insustituibles y vitales para organizar su día a día (García-Martín &
Cantón-Mayo, 2019). Además, se enmarca en la línea de estudios que dan voz a
propuestas institucionales y de organismos reconocidos, analizando indicadores
a partir de modelos teóricos constados respecto a la competencia digital
(Pérez-Escoda et al.,2019; Romero-García et al., 2020; Silva-Quiroz et al.,
2022).
Se puede entonces inferir cómo
la situación de pandemia COVID-19 que han experimentado los estudiantes
encuestados ha continuado potenciando aquellas habilidades que más se trabajan
en la enseñanza superior, pero también ha demostrado que ante las continuas
adaptaciones a las que ha tenido que hacer frente la Universidad (nuevos
softwares, nuevas plataformas de teleformación, etc.), los estudiantes no se
sienten altamente capacitados en el manejo más técnico de estas tecnologías
(Díaz-Arce & Loyola-Illescas, 2021). En este sentido, se constata el
interés existente en esta temática, por la profusión de estudios que diseñan
instrumentos para analizar la competencia digital (Cabero-Almenara et al.,
2020; Cañete-Estigarribia et al., 2021).
Por otra parte, los análisis
de contraste realizados entre las habilidades digitales y las calificaciones
medias obtenidas por el alumnado, muestran cómo aquellos estudiantes que poseen
unas calificaciones sobresalientes son los que alcanzan puntuaciones más elevadas
en las diferentes dimensiones (excepto en el manejo de la tecnología, donde no
se encuentran diferencias significativas en base a las calificaciones)
mostrándose así, como los más competentes a nivel digital (Muthuprasad et al.,
2021).
Por todo ello, se podría
ratificar la hipótesis de partida y afirmar que el alumnado con un alto nivel
de competencia digital es el que alcanza un mejor rendimiento académico, como
ya apuntaban los estudios internacionales de Lau & Gardner (2019), Magulod
(2019) o McGuinness & Fulton (2019) e investigaciones nacionales como la de
Campos et. al. (2020), Rodríguez et. al. (2019) Sola-Martínez et al. (2020). De
esto se deriva que la competencia digital y el rendimiento académico son dos
factores interdependientes, tal y como se ha advertido en trabajos previos como
los de Feng et al. (2019), Quiñones et al. (2021) y Shah et al. (2021).
Respondiendo a las dimensiones
específicas del estudio:
Respecto al manejo de la
información (In), el alumnado que obtiene calificaciones más altas son los que
poseen mayor nivel de dominio en los aspectos estudiados. En este sentido, se
incide en las conclusiones de Arias et al. (2014), donde la capacidad de
saber-hacer con las tecnologías digitales permite fortalecer las habilidades
del estudiante y, a su vez, profundizar en el conocimiento mediante la búsqueda
de información, colaboración y la comunicación. A propósito del manejo de la
comunicación (Co), se puede concluir que el uso de la tecnología está vinculado
y contribuye al desarrollo de habilidades sociales (Arias et al., 2014;
Domingo-Coscolla et al., 2020) y la mejora del rendimiento académico. Los
análisis efectuados destacan una valoración superior en el alumnado con
calificaciones altas. En relación con el manejo de tecnología (Tec), se revelan
las puntuaciones más bajas obtenidas de todo el instrumento, en línea con las
conclusiones del estudio prepandémico de Pascual et al. (2019). En los aspectos
de organización (Or), es donde los resultados evidencian mayor impacto en el
rendimiento, reflejando que los factores organizativos contribuyen al éxito en
alumnado con calificaciones más altas (Calvo et al., 2020; Iglesias-Pradas et
al., 2021).
En cuanto a las limitaciones
del trabajo, destacar el carácter local de la muestra, aunque podría considerarse
representativo para hacer transferible los resultados a otros contextos
similares, como así demuestran otros estudios consultados (Ocaña-Fernández et
al., 2020; Quiñones et al., 2021). A nivel de prospectiva, este trabajo sienta
las bases para indagar en otras variables que pueden ser determinantes en la
capacitación digital del estudiante universitario, como pueden ser el curso
académico y la titulación de referencia, que en estudios como el de
López-Belmonte et al. (2019) ya se indicaban diferencias estadísticamente
significativas. Igualmente, otras variables como el nivel socioeconómico de la
familia (Expósito & Marsollier, 2020), la procedencia (rural versus urbano)
o el uso que hace de las tecnologías a nivel cotidiano, son susceptibles de análisis
en futuros trabajos.
5. Apoyo institucional
Este trabajo se desarrolla al
amparo del Memorando de entendimiento entre la Universidad de Huelva y la Universidad
de La Laguna para colaborar en el ámbito de la investigación educativa.
Digital competence of university students and
academic performance in times of COVID-19
1.
Introduction
The COVID-19 pandemic has brought about very significant
social and technological development changes that have affected, to a greater
or lesser extent, the higher education framework. Generally speaking, it could
be stated that attention to digital technologies has increased significantly
(Heidari et al., 2020; Lacka & Wong, 2019; López-Meneses et al., 2020;
Murphy, 2020) and many universities, according to the European University
Association, have taken steps to adapt teaching methodologies, undertaking a
rapid transition to a virtual format. This has generated some concern about how
institutions and individuals have adapted to this scenario and, above all, how
it affects the academic performance of students (Bond, 2020; Heidari et al.,
2021; Mehrvarz et al., 2021; Faria et al., 2020), as there is a perceived lack
of response from a university system that does not fully offer and promote the
development of the digital competencies necessary for students to be able to
use ICTs in their future professional performance (Casillas-Martín et al.,
2019).
There are multiple approaches to defining the term
digital competence. Recent works such as those by Ocaña-Fernández et al.
(2020), Quiñones et al. (2021), Pérez-Escoda et al.,(2019), Romero-García et
al. (2020) or Silva-Quiroz et al. (2022) summarise, on the one hand, different
meanings that would lead to the definition of digital competence as a set of
knowledge, skills and attitudes that must favour the reasonable and pertinent
use of the technological, multimedia, communicative and informational resources
provided by the information society and which involve a complex literacy
process for the development of daily and professional activities. Moreover,
there are also proposals from different national and international
organisations that have drawn up standards and indicators for the assessment of
digital competence based on such representative theoretical models as the
DIGCOMP Project (European Commission), the Krumsvik model (Norway), the JISC
model (United Kingdom), ISTE standards (USA) and P21 competencies for the 21st
century (USA). As a result of this, there are in-depth studies of the
evaluation framework of the levels of digital competence in university students
(Cabero-Almenara et al., 2020; Cañete-Estigarribia et al., 2021;
González-Martínez et al., 2018 or Redecker & Punie, 2017; among others).
Given the perspective of this work, we reflect those studies that specifically
address the assessment of digital competence in relation to the academic
performance of university students and the variables that affect the mediation
of this process. In the international scope, works such as those by Bergdahl et
al. (2020) or Paul & Lal (2018) reinforce the theory that the more
digitally competent students are, the more academically successful they will be
in virtual learning environments. Likewise, Lau & Gardner (2019), Magulod
(2019) or McGuinness & Fulton (2019), attribute increased performance to
the motivation for development of more independent learning. In turn, McGovern
et al. (2020), highlight the positive impact of digital competence on the
acquisition of social skills and on students' ability to self-assess
themselves. Along similar lines, Timmis & Muñoz-Chereau (2019) also point
to the contribution towards new ways of conceiving social interactions and, therefore,
the construction of alternative identities among the student body. Xiao &
Sun (2021) qualify that moderate use of ICTs in different aspects of life is a
positive indicator for improved academic performance, as opposed to students
who use them for entertainment. And finally, the work by Frolova et al. (2020)
sets out from an analysis of the international literature, whose review of
research carried out in different countries leads, on the one hand, to a
beneficial contribution of technology to the competencies of future teachers
(including the training of specific skills, use of certain types of
technologies, the contribution to cooperative work and diversification of the
format of teaching materials, etc.) and, on the other hand, the presence of certain
risks detected by students and associated with information overload,
difficulties in the development of interpersonal communication skills or the
dehumanisation of the training process. The latter could also include the scant
digital skills acquired by students in educational stages prior to university
(McGarr & McDonagh, 2021) or during their stay at university (Galindo &
Bezanilla, 2021).
In the literature focused on the Spanish context,
scientific output that relates digital competencies with academic performance
has increased significantly in the last decade, as shown in various
bibliometric studies (Campos et al., 2020; Rodríguez et al., 2019;
Sola-Martínez et al., 2020).
Particularly relevant for their findings are the
contributions of García-Martín & Cantón-Mayo (2019), who analysed the
opinion of 1500 adolescents regarding the use of technology in terms of
academic performance, highlighting that there are differential patterns with
respect to gender, age and use of tools. The work by Romero-García et al.
(2020) shows that the use of active methodologies based on digital tools
improves students’ academic performance and digital competence. Another study
analysing digital competencies in initial teacher training (Pascual et al.,
2019) concluded that there is a lack of knowledge in the handling and
management of information, in communication and in how to solve technical
computer problems. Finally, the work by Iglesias-Pradas et al. (2021) reveals
an increase in academic performance as a result of online learning, comparing
student outcomes during the pandemic with those of previous courses in
face-to-face format.
Thus, it seems clear that during the pandemic
(COVID-19), digital learning has contributed to increased student engagement
and academic performance (Heidari et al., 2021). In this sense, the use they
make of digital learning environments will determine the degree of digital
competence developed.
Indeed, the central aim of this study will consist of
analysing the impact of university students' digital competence on their
academic performance. Taking into consideration the evidence derived from the
literature review and the aim of this work, we set out from the following
hypothesis: those students with a high level of digital competence will have a
better academic performance.
2. Methodology
2.1. Participants
The target population of this study was university students
who were studying bachelor's and master's degrees during the 2020/2021 academic
year at the University of Huelva. Based on this criterion, and using an
accidental non-random sampling procedure, a total of 603 students participated
in the survey. To identify possible multivariate outliers, we calculated the
Mahalanobis distance (Yan et al.,
2018), which identifies a critical value at which the individuals participating
in the study can be considered outliers because they are substantially distant
from the centre of mass (Muñoz & Amón, 2013). In the specific case of this
study, the distance value was 43.77, which suggested the elimination of 97
cases, placing the final study sample at 506 university students. The main
sample characteristics are presented in the table below (table 1).
Participating sample
characteristics
|
Age |
|
|
Gender |
Men:
25.7% (n=130); Women: 74.1% (n=375); Not indicated: .2% (n=1) |
|
Course |
First:
51.8% (n=262) Second:
16.4% (n=83) Third:
3.8% (n=19) Fourth: 11.3% (n=57) Master: 16.8% (n=85) |
|
Grades obtained |
Fail:
1.6% (n=8) Pass:
19.0% (n=96) Good:
69.6% (n=352) Very good: 9.9% (n=50) |
2.2. Data gathering instrument
Data collection was based on the construction of a
questionnaire containing the scale of digital skills of university students
validated by Organista-Sandoval et al. (2017). This measuring instrument, in
its original version, was constructed from a four-level Likert-type scale and
obtained excellent reliability scores [measured through Cronbach's alpha
coefficient (α)]. Specifically, it achieved an overall rating of
α=.94. The Cronbach's alpha values for the reliability of the dimensions
included in this instrument were as follows: information: α=.78;
communication: α=.83; technology management: α=.88; and organisation:
α=.82. Likewise, the RMSEA (.058), GFI (.84) and AGFI (.81) values
achieved were adequately adjusted to the values established by the specialised
literature. Table 2 shows the dimensions and items included in the scale of
measurement used.
Digital skills scale
|
Dimensions |
Items |
Coding |
|
Information
management (In) |
Choosing
and using Internet information sources, also known as search engines. |
In1 |
|
Using
keywords to facilitate the search for information. |
In2 |
|
|
Running
advanced information searches (e.g. for a specific language or file type). |
In3 |
|
|
Retrieving
information in the desired format (e.g. JPG, HTML, MP3, MPEG4, AVI, PDF, DOC,
etc.) |
In4 |
|
|
Downloading
the file selected from the search or part of the same to my device. |
In5 |
|
|
Keeping
a list of links for subsequent access to my information of interest. |
In6 |
|
|
Using
the information found to support the drafting of an academic task or
assignment. |
In7 |
|
|
Communication
management (Co) |
Confirming
the receipt of an e-mail and replying to one or several recipients from my
device. |
Co1 |
|
Using
spelling rules when preparing a text in electronic format and, if necessary,
applying a spell checker. |
Co2 |
|
|
Improving
the presentation of a written document through the use of fonts, insertion of
images, tables and other tools. |
Co3 |
|
|
Using
a program on the Internet, from my device, to build or correct a document
collaboratively with colleagues. |
Co4 |
|
|
Adjusting
the file – which may be in a specific format (PDF, DOCX, etc.), desired size
(1 MG, 1GB…), etc.– according to the requirements of the website to which I
intend to send it. |
Co5 |
|
|
Managing
sending and receipt of messages and files from my device. |
Co6 |
|
|
Participating
with comments on social network forums from my device. |
Co7 |
|
|
Managing
social networks to disseminate a file of your own creation. |
Co8 |
|
|
Technology
management (Tec) |
Identifying
basic technical aspects of my device, such as operating system, memory size,
screen type, etc. |
Tec1 |
|
Updating
and configuring my device (e.g. the operating system, applications, etc.) |
Tec2 |
|
|
Installing
peripherals on my device, such as a printer, scanner, etc. |
Tec3 |
|
|
Identifying
the probable cause of malfunction in my device. |
Tec4 |
|
|
Installing
and updating antivirus programs to keep my device protected. |
Tec5 |
|
|
Manage
different connection modes (Wi-Fi, 3G/4G) from my device to access the
Internet. |
Tec6 |
|
|
Accessing
online technical query forums to find the solution to a technical issue in my
device. |
Tec7 |
|
|
Installing/uninstalling
different applications in my portable device. |
Tec8 |
|
|
Organisational
aspects (Or) |
Using
Internet for: booking airline tickets, registering for conferences, online
shopping, etc. |
Or1 |
|
Using
my device's electronic agenda to organise activities. |
Or2 |
|
|
Keeping
my list of contacts updated. |
Or3 |
|
|
Using
means of communication such as e-mail, text messages (SMS), Facebook or
WhatsApp, among others, to reach agreements in educational activities. |
Or4 |
|
|
Getting
information from my handheld device on weather, city map, location of a
place, etc. |
Or5 |
|
|
Using
my handheld device to arrange a trip (booking accommodation, airline tickets,
etc.) |
Or6 |
|
|
Using
some kind of archiving service ‘in the cloud’ (for example Dropbox, OneDrive,
etc.) to manage my information. |
Or7 |
In addition to the grading scale mentioned above,
other questions were included in the questionnaire to gather socio-demographic
and academic information (to determine the features of the participating sample
and respond to the main objective of this work). Specifically, an open-ended
question was included for age, a multiple-choice item to identify gender
(female, male, prefer not to indicate), another multiple-choice item for the
academic year they were studying (first, second, third, fourth, fifth, sixth,
master's degree) and a final question to gather data on the grades obtained
(fail, pass, good, very good, honours, etc.).
To analyse the multicollinearity of the measurement
scale used, a bivariate correlational analysis was carried out on a
question-by-question basis. The results obtained, for the totality of the
cases, were r≤.85, which according to Cupani (2012) and Kline (2015) was
an indicator that the items integrated in the scale were discriminant and,
therefore, did not collect redundant information.
For the analysis of the reliability of the measurement
scale used in this study, Cronbach's Alpha coefficient was calculated (α).
The decision to use this value was taken, on the one hand, because it met the
basic assumptions for calculating the Cronbach's Alpha value established by Cho
& Kim (2015) and Raykov & Marcoulides (2017) on the existence of
tau-equivalence, unidimensionality and continuous measurement scale. On the
other hand, MacDonald's Omega coefficient (ω) was used to analyse the
composite reliability of the instrument. According to the proposals of Dunn et
al. (2013), Peters (2014) and Viladrich et al. (2017), MacDonald's Omega
establishes a more robust statistical procedure, applicable to ordinal scales,
not necessarily continuous, whose use is recommended in studies associated with
the social sciences. According to the information in Table 3, the values
obtained for both coefficients were excellent (Oviedo & Campo-Arias, 2005).
Reliability analysis and composite reliability
|
Dimensions |
Cronbach's Alpha |
MacDonald's Omega |
|
In |
.86 |
.89 |
|
Co |
.92 |
.94 |
|
Tec |
.91 |
.93 |
|
Or |
.93 |
.89 |
|
Total |
.97 |
.97 |
2.3. Procedure and ethical
issues
The data gathering procedure was carried out in March,
April, May and June 2021. As a preliminary step, the questionnaire was adapted
to the Google Forms platform in order to collect the data online. In order to
make the instrument available to university students, we contacted the teaching
staff of the undergraduate and master's degree courses at the University of
Huelva. In particular, teachers were sent an e-mail containing a letter
informing them of the purpose of the study and requesting that they set aside
part of their class sessions for students to access the link to the
questionnaire and fill it in. This message also stated that the study was
voluntary and that the data obtained would be processed exclusively for
research purposes and on the basis of rigorous ethical processes based on
confidentiality, anonymity and privacy of the identity of the participants
2.4. Analysis and
interpretation of results
Once the information collection process was completed,
the database generated through the Google Forms tool was downloaded. Prior to
conducting the statistical tests, the database was debugged using R-Studio
software, version 1.4.1717 for Microsoft Windows 10 operating system. Once this
first assumption necessary for the analyses was confirmed, it was verified that
there were no missing cases. Likewise, to determine the type of statistical
tests to be used, a normality study was carried out using skewness and kurtosis
and the Shapiro Wilks and Kolmogorov-Smirnov tests, the results of which, for
all cases, were p<.000. This suggested that the data obtained on the
measurement scale used did not follow a normal distribution (George &
Mallery, 2001), so the type of tests to be performed were of a non-parametric
nature, as they did not comply with the normality requirement to implement
statistical analyses of a parametric nature.
After this initial data screening process and normality study, the following
analyses were carried out: frequencies, measures of central tendency and
dispersion (mean and standard deviation), analysis of item multicollinearity
(bivariate correlations), reliability analysis (Cronbach's Alpha and
MacDonald's Omega) and contrast analysis (Kruskal-Wallis H-test). The effect
size was calculated with Microsoft Excel software (Office 365 version) for
Microsoft Windows10, using the epsilon squared test (
). Specifically,
the calculation was carried out by means of the following mathematical expression
(where H referred to the score obtained in the contrast analysis and n to the
sample size):
The α value for the analyses performed in this
study was set at .05.
3. Analysis and results
The results are structured according to the four
dimensions of analysis included in the measurement scale used. Regarding the
first dimension, students reported a high level of information management. (x̄=3.20;
sd=.56). An in-depth examination of the items making up this dimension (Table
4) found that students reached the highest scores in aspects related to the
choice and use of search engines (x̄=3.39; sd=.712), the downloading of
files based on sectors carried out (x̄=3.38; sd=.720) or the use of
appropriate key words for information searches (x̄=3.31; sd=.691).
However, in other aspects, they achieved lower scores, such as specifically
identifying a desired type of file (x̄=2.86; sd=.907) or running advanced
information searches (x̄=2.96; sd=.750).
Central tendency and dispersion analysis of the
information management dimension
|
Item |
Mean
( |
Standard
deviation (sd) |
|
In1 |
3.39 |
.712 |
|
In2 |
3.31 |
.691 |
|
In3 |
2.96 |
.750 |
|
In4 |
2.86 |
.907 |
|
In5 |
3.38 |
.720 |
|
In6 |
3.24 |
.814 |
|
In7 |
3.29 |
.757 |
The contrast analysis showed that the students who
achieved outstanding grades were those with the highest level of mastery in the
set of items that make up this dimension (range=332.33; H=16.667; p=.001;
E_R^2=.033). In detail (Table 5), it was also the group of students who
achieved outstanding grades that stood out in the selection and use of
information search engines (range=313.02; H=14.798; p=.002; E_R^2=.029) or in
the use of suitable keywords to find the data of interest (range=313.92;
H=14.741; p=.002; E_R^2=.029). Only in the advanced search for information were
no statistically significant differences found (p=.243), thus reflecting a
certain pattern of homogeneity in this item.
Table 5
Contrast analysis
of information management dimension
|
Ítem |
Groups |
Rankings |
H |
p |
|
|
In1 |
Fail |
236.75 |
14.798 |
.002 |
.029 |
|
Pass |
251.14 |
||||
|
Good |
244.93 |
||||
|
Very
good |
321.02 |
||||
|
In2 |
Fail |
312.38 |
14.741 |
.002 |
.029 |
|
Pass |
232.23 |
||||
|
Good |
249.42 |
||||
|
Very
good |
313.62 |
||||
|
In3 |
Fail |
233.31 |
4.178 |
.243 |
|
|
Pass |
242.48 |
||||
|
Good |
252.11 |
||||
|
Very
good |
287.68 |
||||
|
In4 |
Fail |
218.00 |
11.708 |
.008 |
.023 |
|
Pass |
248.23 |
||||
|
Good |
246.81 |
||||
|
Very
good |
316.39 |
||||
|
In5 |
Fail |
320.63 |
7.858 |
.049 |
.016 |
|
Pass |
255.21 |
||||
|
Good |
245.83 |
||||
|
Very
good |
293.46 |
||||
|
In6 |
Fail |
299.19 |
8.703 |
.034 |
.017 |
|
Pass |
244.01 |
||||
|
Good |
247.99 |
||||
|
Very
good |
303.18 |
||||
|
In7 |
Fail |
267.50 |
7.922 |
.048 |
.016 |
|
Pass |
242.40 |
||||
|
Good |
249.16 |
||||
|
Very
good |
303.14 |
For communication management, the mean score obtained
was high (x̄=3.34; sd=.61). In fact, as shown in Table 6, the following
stood out with high scores in all items of this dimension. As the most relevant
aspects, students excelled in e-mail management (x̄=3.49; sd=.70) and in
receiving and sending messages and files (x̄=3.45; sd=.71).
Table 6
Central tendency
and dispersion analysis of the communication management dimension
|
Item |
Mean
( |
Standard deviation (sd) |
|
Co1 |
3.49 |
.707 |
|
Co2 |
3.36 |
.759 |
|
Co3 |
3.42 |
.738 |
|
Co4 |
3.21 |
.814 |
|
Co5 |
3.08 |
.882 |
|
Co6 |
3.45 |
.714 |
|
Co7 |
3.37 |
.752 |
|
Co8 |
3.42 |
.751 |
The data from the Kruskal-Wallis H-test showed that
students with outstanding grades presented greater ability in the communication
management (range=323.01; H=14.500; p=.002; E_R^2=.029). Looking at the items
that make up this dimension (Table 7), it was observed that there were
statistically significant differences (?.05) in all questions, with the
exception of sending and receiving messages and files, where no discrepancies
were found (p=.133). In the specific case of the items in which differences
were found, the highest scores were in favour of the students who indicated
that they had outstanding grades. Proof of this was detected in specific
indicators such as the ability of this group of students to adequately manage
their e-mail (range=314.75; H=15.022; p=.002; E_R^2=.030), use specific
software for collaborative document preparation (range=286.66; H=11.051;
p=.011; E_R^2=.022) or participate in social networking forums (range=308.88;
H=10.358; p=.016; E_R^2=.021).
Regarding technology handling,
probably due to the technical nature of the content of the integrated items, it
was the dimension where the participant sample obtained a lower average score
(x̄=2.98; sd=.67). Precisely, from the data provided (Table 8), these
students stood out in specific elements such as knowing how to
install/uninstall applications (Table 8) (x̄=3.35; sd=.81), manage the
different Internet connection modes (x̄=3.22; sd=.79) and update and
configure their devices (x̄=3.13; sd=.85).
Table 7
Contrast analysis
of the communication management dimension
|
Item |
Groups |
Rankings |
H |
p |
|
|
Co1 |
Fail |
239.75 |
15.022 |
.002 |
.030 |
|
Pass |
230.66 |
||||
|
Good |
251.34 |
||||
|
Very good |
314.75 |
||||
|
Co2 |
Fail |
348.19 |
9.428 |
.024 |
.019 |
|
Pass |
254.16 |
||||
|
Good |
245.77 |
||||
|
Very good |
291.48 |
||||
|
Co3 |
Fail |
311.25 |
9.277 |
.026 |
.018 |
|
Pass |
253.41 |
||||
|
Good |
245.58 |
||||
|
Very good |
300.22 |
||||
|
Co4 |
Fail |
285.81 |
11.051 |
.011 |
.022 |
|
Pass |
222.30 |
||||
|
Good |
254.86 |
||||
|
Very good |
298.66 |
||||
|
Co5 |
Fail |
268.38 |
9.864 |
.020 |
.020 |
|
Pass |
250.91 |
||||
|
Good |
245.73 |
||||
|
Very good |
310.76 |
||||
|
Co6 |
Fail |
235.38 |
5.592 |
.133 |
|
|
Pass |
253.42 |
||||
|
Good |
248.24 |
||||
|
Very good |
293.62 |
||||
|
Co7 |
Fail |
224.00 |
10.358 |
.016 |
.021 |
|
Pass |
240.58 |
||||
|
Good |
249.83 |
||||
|
Very good |
308.88 |
||||
|
Co8 |
Fail |
295.31 |
9.489 |
.023 |
.019 |
|
Pass |
243.20 |
||||
|
Good |
248.22 |
||||
|
Very good |
303.76 |
Central tendency and dispersion analysis of the
technology management dimension
|
Item |
Mean
( |
Standard
deviation (sd) |
|
Tec1 |
3.04 |
.880 |
|
Tec2 |
3.13 |
.854 |
|
Tec3 |
2.95 |
.868 |
|
Tec4 |
2.59 |
.868 |
|
Tec5 |
2.70 |
.918 |
|
Tec6 |
3.22 |
.790 |
|
Tec7 |
2.94 |
.883 |
|
Tec8 |
3.35 |
.811 |
In this dimension, it should be noted that the contrast
analyses did not yield statistically significant differences in favour of any
of the groups studied (Table 9).
Table 9
Contrast analysis
of the technology management dimension
|
Item |
Groups |
Rankings |
H |
p |
|
|
Tec1 |
Fail |
240.75 |
5.578 |
.134 |
|
|
Pass |
245.95 |
||||
|
Good |
249.67 |
||||
|
Very good |
297.01 |
||||
|
Tec2 |
Fail |
296.25 |
6.040 |
.110 |
|
|
Pass |
256.60 |
||||
|
Good |
246.05 |
||||
|
Very good |
293.18 |
||||
|
Tec3 |
Fail |
322.25 |
6.309 |
.097 |
|
|
Pass |
256.98 |
||||
|
Good |
245.97 |
||||
|
Very good |
288.80 |
||||
|
Tec4 |
Fail |
265.44 |
1.981 |
.576 |
|
|
Pass |
258.98 |
||||
|
Good |
248.56 |
||||
|
Very good |
275.88 |
||||
|
Tec5 |
Fail |
264.88 |
5.874 |
.118 |
|
|
Pass |
236.63 |
||||
|
Good |
252.01 |
||||
|
Very good |
294.58 |
||||
|
Tec6 |
Fail |
354.50 |
10.344 |
.016 |
.020 |
|
Pass |
234.23 |
||||
|
Good |
251.10 |
||||
|
Very good |
291.24 |
||||
|
Tec7 |
Fail |
237.44 |
7.527 |
.057 |
|
|
Pass |
243.36 |
||||
|
Good |
249.47 |
||||
|
Very good |
303.89 |
||||
|
Tec8 |
Fail |
304.00 |
7.571 |
.056 |
|
|
Pass |
249.28 |
||||
|
Good |
247.27 |
||||
|
Very good |
297.39 |
Finally, the measurement scale used included questions
associated with organisational aspects (table 10). It was precisely in this
dimension where the students reached the highest overall average scores (x̄=3.35;
sd=.65). Examining the content of this dimension, it was substantive to
identify high ratings associated with the use of digital media (x̄=3.47;
sd=.72), finding information related to aspects such as climate, location, etc.
(x̄=3.47; sd=.74) or using Internet for general issues such as event registrations,
online purchases, etc. (x̄=3.47; sd=.77).
Table 10
Analysis of
central tendency and dispersion of organisational aspects dimension
|
Item |
Mean
( |
Standard
deviation (sd) |
|
Or1 |
3.41 |
.771 |
|
Or2 |
3.17 |
.874 |
|
Or3 |
3.29 |
.804 |
|
Or4 |
3.47 |
.728 |
|
Or5 |
3.47 |
.742 |
|
Or6 |
3.42 |
.762 |
|
Or7 |
3.25 |
.808 |
This was another dimension in which significant
differences were identified in favour of the group of students who achieved outstanding
grades (range=306.41; H=8.357; p=.039; E_R^2=.017). Although it is true that
the contrast analysis did not show differences in all the items of this
dimension (Table 11), the students belonging to the group that obtained
outstanding grades scored higher in the use of digital media(range=308.37;
H=11.635; p=.009 ; E_R^2=.023), using their devices to find information in
general such as weather reports, locations, etc. (range=305.12; H=9.208; p=.027
; E_R^2=.018) and using cloud-based storage services (range=300.94; H=8.238;
p=.041; E_R^2=.016).
Table 11
Contrast analysis
of the organisational issues dimension
|
Item |
Groups |
Rankings |
H |
p |
|
|
Or1 |
Fail |
295.38 |
6.312 |
.097 |
|
|
Pass |
253.12 |
||||
|
Good |
247.04 |
||||
|
Very good |
292.98 |
||||
|
Or2 |
Fail |
281.31 |
3.729 |
.292 |
|
|
Pass |
246.78 |
||||
|
Good |
250.01 |
||||
|
Very good |
286.55 |
||||
|
Or3 |
Fail |
209.94 |
5.553 |
.136 |
|
|
Pass |
255.71 |
||||
|
Good |
248.39 |
||||
|
Very good |
292.21 |
||||
|
Or4 |
Fail |
203.81 |
11.635 |
.009 |
.023 |
|
Pass |
241.02 |
||||
|
Good |
250.24 |
||||
|
Very good |
308.37 |
||||
|
Or5 |
Fail |
258.38 |
9.208 |
.027 |
.018 |
|
Pass |
246.28 |
||||
|
Good |
248.03 |
||||
|
Very good |
305.12 |
||||
|
Or6 |
Fail |
292.94 |
3.700 |
.296 |
|
|
Pass |
249.51 |
||||
|
Good |
249.55 |
||||
|
Very good |
282.63 |
||||
|
Or7 |
Fail |
274.38 |
8.238 |
.041 |
.016 |
|
Pass |
234.89 |
||||
|
Good |
251.36 |
||||
|
Very good |
300.94 |
4. Discussion and conclusions
Based on the
results obtained, we can see that the university students surveyed have
adequate digital skills in terms of information management, communication and
aspects related to the use of digital tools for the organisation of daily life,
while lower levels of mastery are found in the skills focused on the ‘more
technical’ management of technologies. These results are in line with the
habitual use of technologies in higher education, where the processes of
information management and routing of information through different
communication channels are commonplace (McGovern et al., 2020; Timmis & Muñoz-Chereau, 2019; Xiao & Sun,
2021). At the same time, they correspond to daily use by the population
comprising the age range studied, where the different devices and means of
communication become an extension of the individual and irreplaceable and vital
to organise their daily lives (García-Martín & Cantón-Mayo, 2019). In
addition, it is part of the line of studies that give voice to institutional
proposals and those of recognised organisations, analysing indicators based on
established theoretical models of digital competence (Pérez-Escoda et al.,2019; Romero-García et al., 2020; Silva-Quiroz et al., 2022).
It can thus be
inferred how the COVID-19 pandemic situation experienced by the students
surveyed has continued to enhance those skills that are most worked on in
higher education, but it has also demonstrated that in the face of the
continuous adaptations that the University has had to face (new software, new
e-learning platforms, etc.), students do not feel highly skilled in the more
technical handling of these technologies (Díaz-Arce & Loyola-Illescas,
2021). In this sense, the existing interest in this topic is evidenced by the
profusion of studies that design instruments to analyse digital competence
(Cabero-Almenara et al., 2020;
Cañete-Estigarribia et al., 2021)
On the other hand,
the contrast analysis carried out between the digital skills and the average
grades achieved by the students show how the students who have outstanding
grades are those who achieve higher scores in the different dimensions (except
in the handling of technology, where no significant differences are found based
on the grades), thus showing themselves as the most digitally competent
(Muthuprasad et al., 2021).
In view of all of
the above, we could ratify the initial hypothesis and state that students with
a high level of digital competence are those who achieve better academic
performance, as already pointed out in international studies by Lau &
Gardner (2019), Magulod (2019) or McGuinness & Fulton (2019) and national
research such as Campos et al.
(2020), Rodríguez et al. (2019)
Sola-Martínez et al. (2020). It
follows that digital competence and academic performance are two interdependent
factors, as noted in previous works such as those of Feng et al. (2019), Quiñones et
al. (2021) and Shah et al.
(2021).
Responding to the
specific dimensions of the study:
Regarding information
management (In), the students who achieve higher scores are those who have a
higher level of mastery in the aspects studied. This corresponds with the
conclusions of Arias et al. (2014),
where the know-how regarding digital technologies helps strengthen the
student's skills and, in turn, furthers their knowledge through the search for
information, collaboration and communication. Regarding communication
management (Co), it can be concluded that the use of technology is linked to
and contributes to the development of social skills (Arias et al., 2014; Domingo-Coscolla et
al., 2020) and the improvement of academic achievement. The analyses
carried out highlight a higher score among students with high grades. For
technology management (Tec), the lowest scores obtained in the entire
instrument are revealed, in line with the conclusions of the pre-pandemic study
by Pascual et al. (2019). In the
organisational aspects (Or), the results show the greatest impact on
performance, reflecting that organisational factors contribute to the success
of students with higher grades (Calvo et
al., 2020; Iglesias-Pradas et al.,
2021).
As for the study limitations, the local nature of the sample stands out,
although it could be considered representative in order to make the results
transferable to other similar contexts, as shown by other studies consulted
(Ocaña-Fernández et al., 2020;
Quiñones et al., 2021). In
prospective terms, this work lays the groundwork for research into other
variables that may be determinant in the digital training of university
students, such as the academic year and the degree of reference, which in
studies such as that of López-Belmonte et
al. (2019) already presented statistically significant differences.
Likewise, other variables such as the socioeconomic level of the family
(Expósito & Marsollier, 2020), origin (rural versus urban) or the use of
technology on a daily basis, are susceptible to analysis in future studies.
5. Institutional support
This work is carried out under
the aegis of the Memorandum of Understanding between the University of Huelva
and the University of La Laguna for collaboration in the field of educational
research.
References
Arias, P.M.,
Torres, T., & Yález, J. C. (2014). El desarrollo de competencias digitales
en la educación superior. Historia Y Comunicación Social, 19,
355-366. https://doi.org/10.5209/rev_HICS.2014.v19.44963
Bergdahl, N., Nouri, J., & Fors,
U. (2020). Disengagement, engagement, and digital skills in
technology-enhanced learning. Education and Information Technologies, 25(2), 957-983. https://doi.org/10.1007/s10639-019-09998-w
Bond, M. (2020). Facilitating student
engagement through the flipped classroom approach in K-12: A systematic
review. Computers and Education, 151. https://doi.org/10.1016/j.compedu.2020.103819
Cabero-Almenara,
J., Barroso-Osuna, J. M., Gutiérrez-Castillo, J. J., & Palacios-Rodríguez,
A. D. P. (2020). Validación del cuestionario de competencia digital para
futuros maestros mediante ecuaciones estructurales. Bordón: Revista de Pedagogía 72(2), 45-63. https://doi.org/10.13042/Bordon.2020.73436
Campos,
M.N., Ramos Navas-Parejo, M., & Moreno-Guerrero, A.J. (2020). Realidad
virtual y motivación en el contexto educativo: Estudio bibliométrico de los
últimos veinte años de Scopus. Alteridad, 15(1), 47-60. https://doi.org/10.17163/alt.v15n1.2020.04
Cañete-Estigarribia,
D. L., Torres-Gastelú, C. A., Lagunes-Domínguez, A. & Gómez-García, M.
(2021). Instrumento de autopercepción de competencia digital para futuros
docentes. Pädi Boletín Científico de
Ciencias Básicas e Ingenierías del ICBI, 9, 85-93. https://doi.org/10.29057/icbi.v9iEspecial.7488
Cho, E., & Kim, S. (2015). Cronbach’s coefficient alpha: Well-known but poorly
understood. Organizational
Research Methods, 18, 207-230. https://doi.org/10.1177/1094428114555994
Cupani,
M. (2012). Análisis de ecuaciones estructurales: conceptos, etapas de
desarrollo y un ejemplo de aplicación. Revista
Tesis, 1, 186-199. https://bit.ly/3B5HFav
Díaz-Arce,
D., & Loyola-Illescas, E. (2021). Competencias digitales en el contexto
COVID 19: una mirada desde la educación. Revista Innova Educación, 3(1),
120-150. https://doi.org/10.35622/j.rie.2021.01.006
Domingo-Coscolla,
M., Bosco-Paniagua, A., Carrasco-Segovia, S., & Valero-Valero, J.A. (2020).
Fomentando la competencia digital docente en la universidad: Percepción de
estudiantes y docentes. Revista de Investigación Educativa, 38(1),
167–782. https://doi.org/10.6018/rie.340551
Dunn,
T.J., Baguley, T.S., & Brunsden, V. (2013). From alpha to omega: a practical solution to pervasive
problem of internal consistency estimation. British
Journal of Psychology, 105(3), 399-412. https://doi.org/10.1111/bjop.12046
Expósito, E., & Marsollier, R. (2020). Virtualidad
y educación en tiempos de COVID-19. Un estudio empírico en Argentina. Educación
y Humanismo, 22(39), 1-22. https://doi.org/10.17081/eduhum.22.39.4214
Faria, E., Morato, F., Toffoli, S., &
Roberto, V. (2020). Student engagement in a public health initiative in
response to COVID-19. Medical Education, 54(8), 763– 764. https://doi.org/10.1111/medu.14199
Feng,
Y., Iriarte, F., & Cobos, J. (2019). Relationship between learning styles, learning
strategies and academic performance of Chinese students who learn Spanish as a
foreign language. The Asia-Pacific
Education Researcher, 29, 1-10, https://doi.org/10.1007/s40299-019-00496-8
Frolova E.V., Rogach, O.V., & Ryabova, T.M.
(2020). Digitalization of education in modern scientific discourse: new trends
and risks analysis. European journal of contemporary education 9(2)
313-336. http://doi.org/10.13187/ejced.2020.2.313
Galindo, H., & Bezanilla,
M.J. (2021). Digital competence in the training of pre-service
teachers: Perceptions of students in the degrees of early childhood education
and primary education. Journal of Digital Learning in Teacher
Education, 37(4). https://doi.org/10.1080/21532974.2021.1934757
García-Martín,
S., & Cantón-Mayo, I. (2019). Uso de tecnologías y rendimiento académico en
estudiantes adolescentes. Comunicar: Revista Científica de Comunicación y
Educación, 27(59), 73-81. https://doi.org/10.3916/C59-2019-07
George, D., & Mallery, M. (2001). Using SPSS for Windows step by step: a
simple guide and reference. Alyin y Bacon.
González-Martínez, J., Esteve, F. M., Larraz,
V., Espuny, C., & Gisbert, M. (2018). INCOTIC 2.0: una nueva herramienta
para la autoevaluación de la competencia digital del alumnado universitario. Profesorado: Revista de currículum y
formación del profesorado, 22(4), 133- 152. https://doi.org10.30827/profesorado.v22i4.8401
Heidari,
E., Mehrvarz, M., Marzooghi, R., & Stoyanov, S. (2021). The role of digital informal learning in the
relationship between students' digital competence and academic engagement
during the COVID‐19
pandemic. Journal of Computer Assisted Learning, 37(4), 1154-1166. https://doi.org/10.1111/jcal.12553
Heidari, E., Salimi, G., & Mehrvarz,
M. (2020). The influence of online social networks and online social
capital on constructing a new graduate students' professional identity. Interactive Learning Environments, 28, 1-18. https://doi.org/10.1080/10494820.2020.1769682
Iglesias-Pradas, S., Hernández-García, Á.,
Chaparro-Peláez, J., & Prieto, J.L. (2021). Emergency remote teaching and
students’ academic performance in higher education during the COVID-19
pandemic: A case study. Computers in Human Behavior, 119. https://doi.org/10.1016/j.chb.2021.106713
Kline, R.B. (2005). Principes
and practice of structural equation modeling (2nd Ed.). Guilford.
Lacka, E., & Wong, T.C. (2019). Examining the
impact of digital technologies on students' higher education outcomes: the case
of the virtual learning environment and social media. Studies in higher
education, 46, 1621-1634. https://doi.org/10.1080/03075079.2019.1698533
Lau, K., & Gardner, D. (2019). Disciplinary
variations in learning styles and preferences: Implications for the provision
of academic English. System, 80,
257– 268. https://doi.org/10.1016/j.system.2018.12.010
López-Belmonte,
J., Pozo-Sánchez, S., Morales-Cevallos, M. B., & López-Meneses, E. (2019).
Competencia digital de futuros docentes para efectuar un proceso de enseñanza y
aprendizaje mediante realidad virtual. Edutec. Revista Electrónica de
Tecnología Educativa, 67, 1-15. https://doi.org/10.21556/edutec.2019.67.1327
López-Meneses,
E., Sirignano, F.M., Vázquez-Cano, E., & Ramírez-Hurtado, J.M. (2020). University students’ digital competence in three areas
of the DigCom 2.1 model: A comparative study at three European
universities. Australasian Journal of Educational Technology, 36(3),
69-88. https://doi.org/10.14742/ajet.5583
Magulod, G.C. (2019). Learning styles, study habits
and academic performance of Filipino University students in applied science
courses: Implications for instruction. Journal of Technology and Science
Education, 9(2), 184– 198. https://doi.org/10.3926/jotse.504
Casillas-Martín,
S., Cabezas-González, M., & García-Peñalvo, F.J. (2019). Digital competence of early childhood education
teachers: attitude, knowledge and use of ICT. European journal of teacher
education, 43, 210-223. https://doi.org/10.1080/02619768.2019.1681393
McGarr, O., & McDonagh, A. (2021). Exploring the
digital competence of pre-service teachers on entry onto an initial teacher
education programme in Ireland. Irish
Educational Studies, 40(1), 115-128. https://doi.org/10.1080/03323315.2020.1800501
McGovern, E., Moreira, G., & Luna-Nevarez, C.
(2020). An application of virtual reality in education: Can this technology
enhance the quality of students' learning experience? Journal of education
for business, 95, 490-496. https://doi.org/10.1080/08832323.2019.1703096
McGuinness, C., & Fulton, C. (2019). Digital
literacy in higher education: A case study of student engagement with
E-tutorials using blended learning. Journal
of Information Technology Education: Innovations in Practice, 18,
1-28. https://doi.org/10.28945/4190
Mehrvarz,
M., Heidari, E., Farrokhnia, M., & Noroozi, O. (2021). The mediating role of digital informal learning in the
relationship between students' digital competence and their academic
performance. Computers & Education, 167, https://doi.org/10.1016/j.compedu.2021.104184.
Muñoz, J.A., & Amón, I. (2013). Técnicas
para detección de outliers multivariantes. Revista
en Telecomunicaciones e Informática, 3(5), 11-25. https://bit.ly/2Zcgld4
Murphy,
M.P. (2020). COVID-19 and
emergency eLearning: Consequences of the securitization of higher education for
post-pandemic pedagogy. Contemporary Security Policy, 41(3), 492-505.https://doi.org/10.1080/13523260.2020.1761749
Muthuprasad, T., Aiswarya, S., Aditya, K.S., &
Jha, G.K. (2021). Students’ perception and preference for online education in
India during COVID -19 pandemic. Social Sciences & Humanities
Open, 3(1). https://doi.org/10.1016/j.ssaho.2020.100101
Ocaña-Fernández,
Y., Valenzuela-Fernández, L., & Morillo-Flores, J. (2020). La competencia
digital en el docente universitario. Propósitos y Representaciones, 8(1),
455. https://dx.doi.org/10.20511/pyr2020.v8n1.455
Organista-Sandoval,
J., Lavigne, G., Serrano-Santoyo, A., & Sandoval-Silva, M. (2017).
Desarrollo de un cuestionario para estimar las habilidades digitales de
estudiantes universitarios. Revista Complutense de Educación, 28(1),
325-343. https://doi.org/10.5209/rev_RCED.2017.v28.n1.49802
Oviedo,
H.C., & Campo‐Arias,
A. (2005). Aproximación al uso del coeficiente alfa de Cronbach. Revista Colombiana de Psiquiatría, 34(4),
572‐580.
https://bit.ly/3nftiLL
Pascual,
M.A., Ortega-Carrillo, J.A., Pérez-Ferra, M., & Fombona, J. (2019).
Competencias Digitales en los Estudiantes del Grado de Maestro de Educación
Primaria. El caso de tres Universidades Españolas. Formación Universitaria,
12(6), 141–150. https://doi.org/10.4067/S0718-50062019000600141
Paul, S., & Lal, K. (2018). Adoption of Digital
Technologies in Tertiary Education: Evidence from India. Journal of
Educational Technology Systems, 47(1), 128-147. https://doi.org/10.1177/0047239518768513
Pérez-Escoda, A., García-Ruiz, R., & Aguaded, I.
(2019). Dimensiones de la alfabetización
digital a partir de cinco modelos de Desarrollo. Cultura y
Educación, 31(2),
232-266. https://doi.org/10.1080/11356405.2019.1603274
Peters, G.Y. (2014). The alpha and the omega of scale reliability and
validity. The European Health
Psychologist, 16(2), 56-69. https://bit.ly/3C4LbDi
Quiñones, M.M., Martin, A.M., & Coloma, C.R.
(2021). Rendimiento académico y factores
educativos de estudiantes del programa de educación en entorno virtual.
Influencia de variables docentes. Formación universitaria, 14(3),
25-36. https://doi.org/10.4067/s0718-50062021000300025
Raykov, T., & Marcoulides, G.A. (2017). Thanks
Coefficient Alpha, We still ned you! Educational
and Psychological Measurement, 79(1), 200-210. https://doi.org/10.1177/0013164417725127
Redecker, C., & Punie, Y. (2017). European framework for the digital
competence of educators: DigCompEdu. Publications Office of the European
Union. https://data.europa.eu/doi/10.2760/178382
Rodríguez-García,
A.M., Trujillo Torres, J.M., & Sánchez Rodríguez, J. (2019). Impacto de la
productividad científica sobre competencia digital de los futuros docentes:
aproximación bibliométrica en Scopus y Web of Science. Revista Complutense
De Educación, 30(2), 623-646. https://doi.org/10.5209/RCED.58862
Romero-García,
C., Buzón-García, O., Sacristán-San-Cristóbal, M., & Navarro-Asencio, E.
(2020). Evaluación de un programa para la mejora del aprendizaje y la
competencia digital en futuros docentes empleando metodologías activas. Estudios
sobre Educación, 39, 179-205. https://doi.org/10.15581/004.39.179-205
Shah, S.S., Shah, A.A., Memon, F., Kemal, A.A., &
Soomro, A. (2021). Aprendizaje en línea durante la
pandemia de COVID-19: aplicación de la teoría de la autodeterminación en la
‘nueva normalidad’. Revista de Psicodidáctica, 26(2), 169–178. https://doi.org/10.1016/j.psicod.2020.12.004
Silva-Quiroz,
J. E., Abricot-Marchant, N., Aranda-Faúndez, G., & Rioseco-País, M. (2022).
Diseño y Validación de un instrumento para evaluar competencia digital en
estudiantes de primer año de las carreras de educación de tres universidades
públicas de Chile. Edutec. Revista Electrónica De Tecnología Educativa,
(79), 319-335. https://doi.org/10.21556/edutec.2022.79.2333
Sola-Martínez,
T., Cáceres-Reche, M.P., Romero-Rodríguez, J.M., & Ramos-Navas-Parejo, M.
(2020). Estudio Bibliométrico de los documentos indexados en Scopus sobre la
Formación del Profesorado en TIC que se relacionan con la Calidad Educativa. Revista
Electrónica Interuniversitaria de Formación del Profesorado, 23(2). https://doi.org/10.6018/reifop.418611
Tejedor-Calvo,
S., Cervi, L., Tusa, F., & Parola, A. (2020). Educación en tiempos de
pandemia: reflexiones de alumnos y profesores sobre la enseñanza virtual
universitaria en España, Italia y Ecuador. Revista Latina de Comunicación
Social, 78, 1-21. https://www.doi.org/10.4185/RLCS-2020-1466
Timmis, S., & Munoz-Chereau, B. (2019).
Under-represented students' university trajectories: building alternative identities
and forms of capital through digital improvisations. Teaching in higher
education. https://doi.org/10.1080/13562517.2019.1696295
Viladrich, C., Angulo-Brunet, A., & Doval, E.
(2017). Un viaje alrededor de alfa y omega
para estimar la fiabilidad de consistencia interna. Anales de Psicología, 33(3), 755-782. https://doi.org/10.6018/analesps.33.3.268401
Xiao,
F., & Sun, L. (2021). Profiles of
student ICT use and their relations to background, motivational factors, and
academic achievement. Journal of Research on Technology in Education, 53.
https://doi.org/10.1080/15391523.2021.1876577
Yan, Q., Chen, J., & De Stryacker, L. (2018). An
Outlier Detection Method Based on Mahalanobis Distance for Source Localization.
Sensors, 18(7).
https://doi.org/10.3390/s18072186