La autoeficacia en ambientes de aprendizaje basados en computador: Un análisis bibliométrico1 Self-efficacy in environments Computer-based learning: a bibliometric



Descargar 182.62 Kb.
Página1/3
Fecha de conversión26.03.2018
Tamaño182.62 Kb.
Vistas155
Descargas0
  1   2   3


La autoeficacia en ambientes de aprendizaje basados en computador: Un análisis bibliométrico1

Self-efficacy in environments Computer-based learning: A bibliometric analysis

Nilson Genaro Valencia Vallejo2

Omar López Vargas3

Luis Bayardo Sanabria Rodriguez4

Universidad Pedagógica Nacional
Resumen

El objetivo del presente trabajo es describir y analizar el estado de la investigación del constructo autoeficacia y su asociación con el aprendizaje en entornos computacionales a partir de la revisión de los artículos publicados en revistas durante el periodo comprendido entre 2006 y 2015. Para realizar el estudio se utilizaron las bases de datos Science Direct, Scopus y SciELO, y se realizó un análisis bibliométrico. Se analizaron 81 textos científicos publicados procedentes de 31 revistas. De los países asiáticos proviene la mayor productividad académica en el tema. Se encontró un predominio de los estudios correlacionales. Se halló un total de 62 cuestionarios para evaluar la autoeficacia de los participantes en dominios asociados a las TIC. La sub-escala de autoeficacia del cuestionario Motivated Strategies for Learning Questionnaire es la más utilizada por los investigadores. Se concluye que la autoeficacia es un predictor del desempeño exitoso de los estudiantes en los ambientes computacionales, lo cual, a su vez, influye en otras variables que posibilitan mejores actitudes en el aprendizaje. La autoeficacia se posiciona como un tema de investigación vigente y de interés, por lo cual los diseñadores e-learning y los pedagogos deben prestar atención a los aportes derivados de la investigación para llevarlos a la práctica.



Palabras clave: autoeficacia, aprendizaje asistido por ordenador, tecnologías de la información, Internet, bibliométria.

Abstract

The purpose of this work is to describe and analyze the status of research regarding to the integration of both self-efficacy and learning in computing environments. This through the review of articles published in scientific magazines between 2006 and 2015. In this inquiry were used the databases: Science Direct, Scopus and SciELO, and it was performed a bibliometric analysis. Furthermore, 81 scientific documents were analyzed, publishing just in 31 scientific magazines in its majority from Asian countries. Also, it was found predominance in correlational studies. Moreover, a total of 62 questionnaires to assess the self-efficacy in participants about topics related to ICT were found. The subscale of self-efficacy included in “Motivated Strategies for Learning Questionnaire” is the most used by researchers. Finally, it is possible conclude that the self-efficacy is a predictor that shows the students’ performance at computing environments and at the same time, it is influencing to others variables in the improvement of learning attitudes. Currently, the self-efficacy is recognized as an important research topic, thus, both pedagogues and e-learning designers should pay special attention to the research contributions in order to use them.



Keywords: self-efficacy, computer-assisted learning, information technology, internet, bibliometric.

INTRODUCCIÓN

En los últimos años, ha tomado importancia el estudio de la autoeficacia, una noción psicológica que se encuentra relacionada de forma significativa con el aprendizaje de los estudiantes en ambientes tradicionales y computacionales.

En el contexto de las Tecnologías de la información y la comunicación en la educación, la autoeficacia se ha convertido en una de las variables de interés, debido a que los estudios han mostrado que se encuentra asociada, de forma positiva, con: el rendimiento académico (López & Triana, 2013), la elección de las estrategias de aprendizaje y sus resultados (Moos & Azevedo, 2009), las expectativas de las personas y su reacción emocional (Bates & Khasawneh, 2007), la formulación de metas de aprendizaje (López, Ibáñez, & Chiguasuque, 2014), y los comportamientos y actitudes favorables hacia el aprendizaje (Torkzadeh, Chang, & Demirhan, 2006).

El presente estudio tiene como propósito realizar una descripción y analizar el estado de la investigación del constructo autoeficacia y su asociación con el aprendizaje en entornos computacionales, a partir de la elaboración de un estudio bibliométrico5. Para ello, se seleccionaron tres bases de datos, las dos primeras de prestigio académico en literatura anglosajona, Science Direct y Scopus, y la tercera base de datos, SciELO, de acceso libre y de prestigio académico en Iberoamérica, y se analizaron sus publicaciones correspondientes al periodo comprendido entre 2006 y 2015.

Dentro de los propósitos del estudio, se busca obtener una perspectiva de la producción científica del tema en cuestión y aportar datos cuantitativos sobre el estado de las publicaciones, describir y evaluar la actividad científica y sus autores, identificar los dominios de conocimiento en los cuales se exploran la variables objeto de estudio, los tipos de investigación y enfoques metodológicos, las poblaciones intervenidas, los tipos de tecnologías digitales utilizadas y los instrumentos de recolección de información más empleados.

En concordancia con lo anterior, se pretende presentar datos cuantitativos y cualitativos que puedan ser usados como referente investigativo y/o práctico, y que a su vez permitan orientar trabajos de investigación en el campo de las TIC, los cuales posibiliten una mejor compresión de esta noción psicológica y su relación con la interacción hombre-computador en el marco de los procesos educativos.



CONCEPTUALIZACIÓN: LA AUTOEFICACIA

La noción autoeficacia se define como los juicios que hace el sujeto sobre sus propias capacidades para organizar y ejecutar cursos de acción necesarios para el logro de distintos objetivos (Bandura, 1986, 1989). Existen muchos factores que determinan la conducta humana; Bandura (1997) identifica la autoeficacia como un mecanismo importante que influencia tanto el rendimiento en la ejecución de tareas como el procesamiento cognitivo de las personas (Bandura, 1997).

En concordancia con lo anterior, se afirma que la construcción mental que hacen las personas de su propia autoeficacia tiene una variedad de características distintivas. Estas son importantes porque permiten distinguirla de otras nociones psicológicas; además, estas incluyen implicaciones sobre la forma como la autoeficacia debe ser medida.

En primera instancia, la autoeficacia tiene atributos específicos a través de actividades y contextos, estos son: nivel, generalidad y fuerza. El nivel está referido a la dificultad de una tarea en particular, la generalidad se refiere a la transferencia de las creencias de autoeficacia de una tarea a otra y la fuerza está determinada por la cantidad de certeza que tiene la persona para la realización exitosa de una tarea determinada (Bandura, 1989). En segunda instancia, las creencias de autoeficacia no son una disposición única, son multidimensionales en formas y difieren sobre el nivel de la tarea o dominio (Schunk, 1991). En tercera instancia, en lo que respecta al contenido, las medidas de autoeficacia se centran en el desempeño o en las capacidades de los sujetos más que en las cualidades personales, tales como el desarrollo físico o las características psicológicas (Bandura, 1986).

Bandura postula la existencia de cuatro fuentes principales de información que determinan la autoeficacia de las personas: experiencias de dominio, experiencias vicarias, persuasión verbal e influencia social y los estados fisiológicos (Bandura, 1994; Schunk, 1991).

De las cuatro fuentes, las experiencias de dominio son la forma más eficaz de crear un fuerte sentido de autoeficacia (Bandura, 1997). Estas se refirieren a las interpretaciones que hacen las personas de sus actuaciones pasadas y aportan la prueba más auténtica de las capacidades que se tienen para lograr con éxito el desarrollo de una tarea de aprendizaje (Usher & Pajares, 2009). La segunda fuente de autoeficacia son las experiencias vicarias o experiencias indirectas. ''Viendo o imaginando que otras personas similares actúan con éxito es posible que aumente la autopercepción de eficacia del observador, llegando a creer que él mismo posee también la capacidades" (Bandura, 1986: 425). Las experiencias indirectas no tienen tanta fuerza como las experiencias de dominio, sin embargo, estas pueden producir cambios significativos y duraderos en la autoeficacia mediante su efecto sobre el desempeño (Bandura, 1986).

La persuasión verbal e influencia social es la tercera fuente de autoeficacia. Se utiliza para inducir a las personas a creer que son capaces de alcanzar el objetivo trazado. Las personas que son convencidas verbalmente por otros de que tienen la capacidad para llevar a cabo las tareas son susceptibles de movilizar un mayor esfuerzo y mantenerlo al enfrentarse a dificultades (Schunk, 1991). La última fuente de la autoeficacia son los estados fisiológicos. Los niveles de activación fisiológica moderada (sudoración, agitación, fatiga, etc.) facilitarán el despliegue de habilidades, mientras que una activación elevada influirá en los niveles de autoeficacia.

La autoeficacia en ambientes computacionales

En las últimas décadas, un número importante de estudios se han desarrollado en torno a la autoeficacia en el campo de las TIC y la educación. De hecho, diversas investigaciones han examinado esta noción desde diferentes perspectivas de acuerdo con Bandura, (1997), quien afirma que las creencias de autoeficacia pueden especificarse en el nivel de la tarea o dominio (Hasan, 2003). En coherencia con esto, y antes de presentar los resultados del estudio bibliométrico, es conveniente identificar los diferentes campos de estudio de la autoeficacia en asociación con las TIC como dominio, los cuales se encuentran en las investigaciones que se analizan en el presente estudio.

El primer campo de estudio, la autoeficacia académica (AA), ha sido objeto de estudio durante la ejecución de tareas de aprendizaje en escenarios computacionales (Jan, 2015). Esta se refiere a la percepción de los estudiantes sobre su capacidad para realizar tareas académicas en estos escenarios (Girasoli & Hannafin, 2008). Las investigaciones revelan que los estudiantes con alta AA participan más activamente en las actividades educativas, colocan más esfuerzo y pueden desarrollar estrategias efectivas en el caso de presentarse obstáculos (Odaci, 2013). Es de precisar que los factores que influyen en la AA de las personas se derivan tanto del entorno de aprendizaje computacional como del tema de estudio (Moos & Azevedo, 2008).

El segundo campo de estudio, la autoeficacia computacional (AC), surge en la década del 90 con el auge de los computadores en los contextos educativos. Es definida como las creencias generales de los individuos acerca de sus habilidades para usar computadores de manera competente a través de múltiples dominios (Hasan, 2006). Para Torkzadeh, Chang & Demirhan (2006) la AC juega un papel importante en la decisión de un individuo para utilizar el computador y sus recursos, y, por ende, en la disposición para aprender otros conocimientos relacionados con el uso de este dispositivo.

La AC y el desempeño de los estudiantes ha sido también objeto de estudio. Por ejemplo, Compeau y Higgins, (1995) afirman que la AC ejerce efectos significativos sobre las expectativas de resultados y el desempeño en escenarios computacionales. Peinado & Ramírez (2014) encontraron que los estudiantes con un nivel alto de AC presentan mejores actitudes y logros académicos que sus pares con nivel bajo o medio de AC. De acuerdo con lo anterior y con los hallazgos de Moos y Azevedo (2009), los factores conductuales y psicológicos tienen una relación positiva con la AC, la cual, a su vez, influye positivamente en los resultados de aprendizaje de los estudiantes en ambientes computacionales.

El tercer campo de estudio, referido al campo de interés, es la autoeficacia en el uso de Internet y el aprendizaje en la web (AI). La AI se define como los juicios que realizan los estudiantes sobre su capacidad para organizar y ejecutar actividades relacionadas con Internet para producir los resultados deseados (Eastin & LaRose, 2000). Más recientemente, Cheng & Tsai (2011) lo redefinen como las expectativas y la confianza de los estudiantes para participar y aprender en entornos basados en la web. En diversos estudios se afirma que el aumento de los niveles de AI puede conducir al desarrollo de mejores habilidades cognitivas y metacognitivas para la búsqueda de información en un entorno basado en la web y, a su vez, promover el aprendizaje de los estudiantes (Tzeng, 2009).

La investigación en la AI ha sido más prominente que en los anteriores postulados. Al respecto, Tsai et al. (2011) afirman que la AI se ha vinculado con: los procesos de aprendizaje (Lu et al., 2007), los resultados de aprendizaje (Chu & Tsai, 2009), la ansiedad (Ekizoglu & Ozcinar, 2010), las expectativas de resultados (Bates & Khasawneh, 2007) y las búsquedas de información (Chiou & Wan, 2007), entre otros.

Con base en lo anterior, es posible afirmar que, en la investigación en torno al papel que desempeña la autoeficacia de las personas cuando interactúan con ambientes de aprendizaje computacional, este ha sido investigado de manera importante en las últimas décadas (Tsai et al., 2011). Se observa una evolución práctica del concepto, que ha permitido a los investigadores vincularlo de manera efectiva como una variable objeto de estudio, lo cual, a su vez, ha derivado en el planteamiento de estrategias didácticas para el diseño de los escenarios computacionales en atención a la dimensión motivacional de los estudiantes (López, Hederich, & Camargo, 2012). En consecuencia, el presente estudio ha recogido y estudiado 81 artículos de investigación publicados entre 2006 y 2015, derivados de los campos de estudio ya presentados, y realiza un análisis bibliométrico de la literatura en cuestión.


METODOLOGÍA

Con el propósito de obtener una perspectiva de la producción científica del tema de la autoeficacia y su asociación con el aprendizaje en entornos computacionales, se realiza un estudio bibliométrico con técnicas de tipo descriptivo.

Para lo anterior, se seleccionaron tres bases de datos, las dos primeras de carácter internacional, Science Direct y Scopus, y la tercera de carácter regional y de acceso libre, SciELO. Posteriormente, se determinó el conjunto de palabras de búsqueda para obtener una muestra más precisa y representativa de los trabajos publicados. Se utilizaron las expresiones “self-efficcacy”, “computer”, “computer-based learning”, “academic self-efficacy” e “internet- based learning”, para las bases de datos Science Direct y Scopus, y las expresiones “autoeficacia”, “autoeficacia académica”, “aprendizaje en línea”, “enseñanza asistida por computador”, “educación a distancia” e “Internet”, para SciELO. Estas expresiones se establecieron para los campos de: Título, abstract y palabras clave, utilizando como conector el operador lógico “AND”. Se limitó la búsqueda a la fecha de publicación entre el año 2006 y el 2015. Además, se filtró la búsqueda por artículos arbitrados y publicados; no se tuvieron en cuenta libros, ponencias, tesis u otro tipo de documentos.

El reporte del conjunto de datos bibliográficos fue importado a un archivo de Excel. Este fue depurado eliminando entradas de publicaciones incluidas dos o más veces, optando preferentemente por información obtenida en Science Direct, dado que en esta base de datos se encuentran con alta frecuencia los textos completos en archivo PDF. Para obtener el número de citaciones de cada publicación, se consultó el sitio Google Scholar. Adicionalmente, se inspeccionó el factor de impacto de las revistas en las que se publicaron los artículos. Para ello se hizo uso de la información de SCI-mago6, para identificar las métricas de las publicaciones a partir del SCIMAGO Journal Rank (SJR)7. La matriz de datos resultante consideró los campos: título del artículo, año de publicación, autores, título de la revista, resumen, palabras clave, país en el que se realizó el estudio, número de citas reportado en Google Scholar, identificación de los participantes por nivel educativo y número, enfoque de investigación, diseño metodológico y tipo de datos, instrumentos, área de conocimiento en la cual se inscribe el estudio, tipo de escenario computacional utilizado y referencia de acuerdo con las normas APA.


RESULTADOS ESTUDIO BIBLIOMÉTRICO

Los resultados iniciales mostraron un total de 142 publicaciones, las cuales fueron revisadas nuevamente para establecer su pertinencia e identificar las entradas duplicadas. Se confirmaron un total de 81 trabajos que estudian de manera sistemática el tema de la autoeficacia y su asociación con el aprendizaje en entornos computacionales. De este conjunto de artículos, 53 fueron obtenidos en Science Direct, 19 en Scopus y 9 en SciELO.



Aspectos Generales

En cuanto al origen de los trabajos científicos, se encontró que estos proceden de 19 países. En la producción por país (Figura 1), se destacan como países con mayor investigación y productividad en el tema Taiwán, con 23 trabajos; Estados Unidos, con 17, y Turquía, con 11. Estos trabajos, en su conjunto, equivalen al 63% de la totalidad de los mismos. Los países asiáticos aportan el 49% de la investigación en el área de interés, seguidos por América del Norte, con el 21%; Europa, con el 20%, y, finalmente, América del Sur, con el 10%.





Figura 1.Lugar de procedencia de las investigaciones.

En relación con los contextos donde se realizan los estudios y los niveles educativos de los participantes, se destaca la educación superior como el contexto donde más se estudia el tema. En la Figura 2 se presenta un diagrama que representa la situación. En efecto, de los 81 artículos encontrados, 48 (62%) se refieren a aplicaciones en universidades. Con participaciones mucho menores, aparecen aplicaciones en la educación secundaria y media 12 (15%), la educación básica primaria 8 (10%), la educación a distancia vía Internet 7 (9%) y la educación para adultos 3 (4%) en contextos informales. Cabe mencionar que estos valores no consideran 3 estudios de carácter documental.



Figura 2. Niveles educativos.



En la Figura 3 se presenta la distribución de los participantes en el contexto de la educación superior únicamente, según el campo de formación. Como se observa, los participantes que proceden de los programas de educación superior que forman educadores equivalen al 38% de la población en este contexto y, a su vez, estos representan el 22% del total de los estudios en el tema. También se encuentran participantes de los programas de enfermería y medicina (11%), ingeniería (8%) y psicología (8%). Cabe mencionar que el 18% de los participantes proceden de diversas áreas de formación como las ciencias sociales, las humanidades y la arquitectura, entre otras.

Figura 3. Distribución de los participantes de educación superior.



Por otra parte, en la Figura 4 se presentan los tipos de ambientes computacionales que utilizan los investigadores para el desarrollo de los estudios, siendo estos los escenarios con los cuales interactúan los participantes. Los ambientes e-learning son los más utilizados: cursos embebidos en plataformas LMS, principalmente Moodle y Blackboard. Seguido a estos se encuentran las aplicaciones en Internet y en menor número los ambientes hipermedia.

Figura 4. Tipo de ambientes computacionales.



En la Figura 5 se presentan los dominios de conocimiento que enmarcan el desarrollo de las actividades de investigación, según las evidencias acopiadas. Como se observa, el campo donde más convergen el conjunto de publicaciones es el de Informática, con el 63% (alfabetización digital, Internet, hardware y software), seguido por Ciencia y Tecnología (15%), y en menor medida Matemáticas (8%) e Idiomas (5%).

Figura 5. Áreas de conocimiento de estudio.


Aspectos bibliográficos

En la Tabla 1 se presenta el número de publicaciones encontradas en esta revisión por año de publicación. El año 2010 es el periodo con más publicaciones en el tema con un total de 13 artículos, seguido por los años 2011, 2013 y 2015, cada uno con 10. En contraste se encuentran los años 2007 y 2009, con el menor número de publicaciones: 5 artículos por año. Se observa un incremento importante del número de publicaciones a partir del año 2010 hasta el año 2015, este periodo representa el 70% del total de los trabajos. Se observa un incremento del número de publicaciones en los últimos cinco años a raíz del interés académico surgido sobre el tema de la autoeficacia asociada al uso del computador.




Tabla 1

Producción por año en revistas de ciencias sociales y humanidades.




Año

Número de artículos

2006

7

2007

5

2008

7

2009

5

2010

13

2011

10

2012

6

2013

10

2014

8

2015

10



Compartir con tus amigos:
  1   2   3


La base de datos está protegida por derechos de autor ©psicolog.org 2019
enviar mensaje

enter | registro
    Página principal


subir archivos