La interactividad estudiantil y compromiso académico en campus virtuales de instituciones de educación superior
DOI:
https://doi.org/10.24054/rcta.v1i47.4130Palabras clave:
campus virtuales, compromiso académico, educación superior, interactividad estudiantilResumen
La interactividad estudiantil en los campus virtuales ha cobrado especial relevancia tras la pandemia por COVID-19, al evidenciarse su influencia directa sobre el compromiso académico en la educación superior. El presente estudio tuvo como objetivo evaluar cómo cuatro dimensiones de la interactividad estudiantil, formas de interacción, medio tecnológico, contenidos interactivos y relación facilitador–participante explican el compromiso académico en estudiantes de cinco instituciones de educación superior con sede física en el departamento Norte de Santander, Colombia. La investigación se desarrolló bajo el paradigma positivista, con un enfoque cuantitativo y un diseño no experimental, transversal y de alcance explicativo–confirmatorio. Se aplicó un cuestionario tipo Likert a una muestra de 266 estudiantes, cuyos datos fueron analizados mediante análisis factorial exploratorio, análisis factorial confirmatorio, fiabilidad compuesta (CR), validez convergente (AVE) y discriminante (HTMT), evaluación del sesgo de método común y modelamiento de ecuaciones estructurales basado en covarianza (CB-SEM). Los resultados evidenciaron que el análisis factorial exploratorio explicó el 67 % de la varianza en la escala de componentes de la interactividad estudiantil y el 59 % en la escala de compromiso académico. Asimismo, el modelo estructural mostró efectos positivos y estadísticamente significativos de las dimensiones de la interactividad sobre el compromiso académico, destacándose la relación facilitador–participante como el predictor con mayor peso estandarizado. El estudio aporta evidencia empírica contextualizada y ofrece implicaciones teóricas, metodológicas y prácticas para el fortalecimiento de la educación superior virtual.
Descargas
Referencias
A. Bozkurt et al., “A global outlook to the interruption of education due to COVID-19 pandemic: Navigating in a time of uncertainty and crisis,” Asian Journal of Distance Education, vol. 15, no. 1, pp. 1–126, 2020.
M. Area-Moreira, A. San Nicolás-Santos y F. J. García-Peñalvo, “Modelos de blended learning en educación superior,” Pixel-Bit. Revista de Medios y Educación, no. 64, pp. 7–46, 2022.
R. M. Bernard, P. C. Abrami, E. Borokhovski, C. A. Wade, R. M. Tamim, M. A. Surkes y E. C. Bethel, “A meta-analysis of three types of interaction treatments in distance education,” Review of Educational Research, vol. 79, no. 3, pp. 1243–1289, 2009.
E. R. Kahu y K. Nelson, “Student engagement in the educational interface: Understanding the mechanisms of student success,” Higher Education Research & Development, vol. 37, no. 1, pp. 58–71, 2018.
J. Cabero-Almenara, J. Barroso-Osuna y A. Palacios-Rodríguez, Literacy and Digital Inclusion in Higher Education, Cham, Switzerland: Springer, 2024.
F. J. García-Peñalvo, “Transformación digital en las universidades: Implicaciones educativas,” Education in the Knowledge Society, vol. 22, pp. 1–10, 2021.
D. R. Garrison, T. Anderson y W. Archer, “The first decade of the Community of Inquiry framework: A retrospective,” The Internet and Higher Education, vol. 13, no. 1–2, pp. 5–9, 2010.
G. J. Hwang, C. L. Lai y S. Y. Wang, “Seamless flipped learning: A mobile technology-enhanced flipped classroom with effective learning strategies,” Journal of Computers in Education, vol. 2, no. 4, pp. 449–473, 2015.
P. M. Moreno-Marcos, C. Alario-Hoyos, I. Estévez-Ayres y C. Delgado-Kloos, “Comparing different approaches for learning analytics interventions in MOOCs,” IEEE Transactions on Learning Technologies, vol. 12, no. 3, pp. 384–401, 2019.
T. Anderson, The Theory and Practice of Online Learning, 3rd ed. Edmonton, Canada: AU Press, 2019.
RStudio Team, RStudio: Integrated Development Environment for R, Boston, MA, USA, 2020.
R Core Team, R: A Language and Environment for Statistical Computing, Vienna, Austria: R Foundation for Statistical Computing, 2023.
W. G. Cochran, Sampling Techniques, 3rd ed. New York, NY, USA: Wiley, 1977.
J. C. Anderson y D. W. Gerbing, “Structural equation modeling in practice: A review and recommended two-step approach,” Psychological Bulletin, vol. 103, no. 3, pp. 411–423, 1988.
R. B. Kline, Principles and Practice of Structural Equation Modeling, 5th ed. New York, NY, USA: Guilford Press, 2023.
American Educational Research Association (AERA), American Psychological Association (APA) y National Council on Measurement in Education (NCME), Standards for Educational and Psychological Testing, Washington, DC, USA, 2018.
P. J. Ferrando y U. Lorenzo-Seva, “Assessing the quality and appropriateness of factor solutions and factor score estimates in exploratory item factor analysis,” Psicothema, vol. 34, no. 1, pp. 1–10, 2022.
U. Lorenzo-Seva, “Promin: A method for oblique factor rotation,” Behavior Research Methods, vol. 54, no. 6, pp. 2999–3011, 2022.
S. Lloret-Segura, A. Ferreres-Traver, A. Hernández-Baeza y I. Tomás-Marco, “El análisis factorial exploratorio de los ítems: Una guía práctica,” Anales de Psicología, vol. 33, no. 2, pp. 417–432, 2017.
I. Izquierdo, E. Olea y A. Abad, “Exploratory factor analysis in validation studies: Uses and recommendations,” Psicothema, vol. 26, no. 3, pp. 395–400, 2014.
R. E. Schumacker y R. G. Lomax, A Beginner’s Guide to Structural Equation Modeling, 4th ed. New York, NY, USA: Routledge, 2016.
P. Lei y Q. Wu, “Introduction to structural equation modeling: Issues and practical considerations,” en Handbook of Structural Equation Modeling, R. H. Hoyle, Ed. New York, NY, USA: Guilford Press, 2012, pp. 92–109.
T. A. Brown, Confirmatory Factor Analysis for Applied Research, 2nd ed. New York, NY, USA: Guilford Press, 2015.
P. M. Bentler, “Comparative fit indexes in structural models,” Psychological Bulletin, vol. 107, no. 2, pp. 238–246, 1990.
L. Hu y P. M. Bentler, “Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives,” Structural Equation Modeling, vol. 6, no. 1, pp. 1–55, 1999.
R. C. MacCallum, M. W. Browne y H. M. Sugawara, “Power analysis and determination of sample size for covariance structure modeling,” Psychological Methods, vol. 1, no. 2, pp. 130–149, 1996.
R. McDonald, Test Theory: A Unified Treatment, Mahwah, NJ, USA: Erlbaum, 1999.
J. F. Hair, G. T. M. Hult, C. M. Ringle y M. Sarstedt, “A primer on partial least squares structural equation modeling (PLS-SEM),” Journal of Advertising, vol. 46, no. 1, pp. 184–185, 2017.
Y. Rosseel, “lavaan: An R package for structural equation modeling,” Journal of Statistical Software, vol. 48, no. 2, pp. 1–36, 2012.
A. A. Beaujean, Latent Variable Modeling Using R: A Step-by-Step Guide, New York, NY, USA: Routledge, 2014.
M. Revelle, psych: Procedures for Psychological, Psychometric, and Personality Research, Evanston, IL, USA: Northwestern University, 2023.
U. Lorenzo-Seva y P. J. Ferrando, FACTOR: A Computer Program to Fit the Exploratory Factor Analysis Model, Tarragona, Spain, 2022.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Ciro Antonio Carvajal Labastida, Milvia Lissette Peñaloza de Arias
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
