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

 22.7; sd: 5.43; mín: 18; máx: 57

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.

Tabla 2

Escala sobre habilidades digitales

Dimensiones

Ítems

Codificación

Manejo de la información (In)

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).

 

Tabla 4

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.

 

Tabla 5

Análisis de contraste de la dimensión manejo de la información

Ítem

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).

 

Tabla 6

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).

 

Tabla 7

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

 

 

Tabla 8

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).

 

Tabla 10

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).

 

Tabla 11

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).

 

Table 1

Participating sample characteristics

Age

 22.7; sd: 5.43; mín: 18; máx: 57

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.

 

Table 2

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).

 

Table 3

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).

 

Table 4

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

 

 

Table 8

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