Análisis de la intención conductual para usar Google Classroom en estudiantes de bachillerato
Palabras clave:
Google Classroom, intención conductual, UTAUT2.Resumen
La pandemia por COVID-19 obligó a los estudiantes de México y el mundo a migrar hacia una modalidad educativa en línea. En ese contexto, cobraron importancia los Sistemas de Gestión del Aprendizaje (LMS). De los cuales, el más utilizado en México, es Google Classroom (GC). Sin embargo, existe escasa información sobre la aceptación y uso de los estudiantes hacia este LMS en este país. Por lo tanto, este estudio utilizó una variación de la segunda versión del modelo estructural de la Teoría Unificada de la Aceptación y Uso de la Tecnología (UTAUT2) para determinar el grado de influencia que tienen los factores definidos en la teoría y su relación con la intención conductual de utilizar GC. Por lo anterior, este estudio aplicó encuestas a 102 estudiantes de 6° semestre de bachillerato del Colegio Anáhuac Garibaldi (CAG) y corroborar las correlaciones de los factores que determinan la intención conductual en el uso de GC. El análisis de los datos, se realizó mediante Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM). En ese sentido, se encontró que el determinante directo en la intención de utilizar GC fue el hábito, seguido de la expectativa de desempeño y la influencia social. Por otro lado, la expectativa de esfuerzo, condiciones facilitadoras y motivación hedónica no son determinantes directos en la intención conductual para utilizar GC. Sin embargo, las condiciones facilitadoras son determinantes indirectos a través del hábito, mientras que la motivación hedónica es predictor de la intención de uso, por medio de la expectativa de desempeño, la influencia social y el hábito. Finalmente, se encontró que el factor más importante es el hábito, seguido de las condiciones facilitadoras. Por tal motivo se recomienda a las instituciones de Educación Media Superior (EMS) interesadas en utilizar GC implementar estrategias para utilizar GC de manera constante y consistente, así como generar los medios tales como internet y soporte técnico y pedagógico dentro de la institución, para que los estudiantes tengan la facilidad de utilizar la plataforma educativa. Se recomienda que en estudios futuros se contemple una metodología mixta mediante un estudio de caso, para profundizar en las percepciones de los estudiantes sobre la aceptación y uso de GC, así como también, considerar en el análisis a los docentes que utilizan el LMS.
Referencias
[1] Caroline. (11 de febrero de 2022). ¿Qué es un sistema de gestión del aprendizaje? ¡Definición, significado y todo lo que necesitas saber!. EasyLMS. https://www.easy-lms.com/es/centro-de-conocimiento/centro-de-conocimiento-lms/que-es-un-sistema-de-gestion-del-aprendizaje/item10182
[2] Statista Research Department. (21 de marzo de 2020). Uso de algunas plataformas educativas en línea por estudiantes universitarios en México en 2020. https://es.statista.com/estadisticas/1196293/uso-plataformas-educativas-online-universitarios-mexico-2020/
[3] Pérez, E. (18 de febrero de 2021). Google redobla su apuesta por la educación: hasta 100 TB para colegios, Classroom con extensiones y un asistente para cuando no esté el profesor. Xataca.com. https://www.xataka.com/servicios/google-redobla-su-apuesta-educacion-100-tb-para-colegios-classroom-extensiones-asistente-para-cuando-no-este-profesor
[4] Statista Research Department. (14 de abril de 2022). Interés a lo largo del tiempo de las búsquedas vía Google de una selección de plataformas educativas en línea en México de 2020 a 2022. https://es.statista.com/estadisticas/1196353/busqueda-plataformas-educacion-online-mexico/
[5] Tarango, J., Machin, J. & Romo, J. (2019). Evaluación según diseño y aprendizaje de Google Classroom y Chamilo. IE Revista de Investigación Educativa de la REDIECH, 10(19), 91-104. : https://doi.org/10.33010/ierierediech.v10i19.518
[6] Collantes, E. & Collantes, Z. (2022). Impacto de la plataforma google classroom en las competencias matemáticas. Ciencia Latina Revista Científica Multidisciplinar, 6(1), 293-315. https://doi.org/10.37811/cl_rcm.v6i1.1499
[7] Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), 157–178. https://doi.org/10.2307/41410412
[8] Madera, M., Torres, L. & Quevedo, L. (2012). Estudio de traducción y confiabilidad del instrumento de la Teoría Unificada de la Aceptación y Uso de la Tecnología (UTAUT). Apertura, 4(2), 96-105. http://www.udgvirtual.udg.mx/apertura/index.php/apertura/article/view/319/285
[9] Rogers, E. M. (1995). Diffusion of innovations (3a ed.). Macmillian Publishing Co.
[10] Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An Introduction to Theory and Research. Reading, MA: Addison-Wesley.
[11] Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes. 50(2), 179-211. https://doi.org/10.1016/0749-5978(91)90020-T
[12] Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
[13] Bandura, A. (1986). The social foundations of thought and action. Prentice Hall
[14] Thompson, R. L., Higgins, C. A., & Howell, J. M. (1991). Personal Computing: Toward a Conceptual Model of Utilization. MIS Quarterly, 15(1), 125–143. https://doi.org/10.2307/249443
[15] Taylor, S., & Todd, P. (1995). Assessing IT Usage: The Role of Prior Experience. MIS Quarterly, 19(4), 561–570. https://doi.org/10.2307/249633
[16] Vallerand, R.J. (1997). Toward A Hierarchical Model of Intrinsic and Extrinsic Motivation. Advances in Experimental Social Psychology, 29, 271-360. https://doi.org/10.1016/S0065-2601(08)60019-2
[17] Bervell, B. & Kumar, J. (2019). Google Classroom for mobile learning in higher education: Modelling the initial perceptions of students. Educ Inf Technol, 24, 1793–1817. https://doi.org/10.1007/s10639-018-09858-z
[18] Venkatesh, V., Morris, M., Davis, G. & Davis, F. (2003). User acceptance of information technology: Toward a unified view. Mis Quarterly, 27(3), 425-478. https://www.jstor.org/stable/30036540
[19] Alotumi, M. (2022). Factors influencing graduate students’ behavioral intention to use Google Classroom: Case study-mixed methods research. Educ Inf Technol. https://doi.org/10.1007/s10639-022-11051-2
[20] Hair, J.F., Risher, J.J., Sarstedt, M. & Ringle, C.M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), pp. 2-24. https://doi.org/10.1108/EBR-11-2018-0203
[21] Martínez, M. & Fierro, E. (2019). Aplicación de la técnica PLS-SEM en la gestión del conocimiento: un enfoque técnico práctico. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 8(16). https://doi.org/10.23913/ride.v8i16.336
[22] Ramírez, P.E., Melo, A. & Salazar, E.A. (2014). Propuesta Metodológica para aplicar modelos de ecuaciones estructurales con PLS: El caso del uso de las bases de datos científicas en estudiantes universitarios. Revista ADMpg, 7(2), 133-139. http://www.admpg.com.br/revista2014_2/Artigos/15%20%20-%20Artigo_15.pdf
[23] Cepeda, G. & Roldán J.R. (2004). Aplicando en la práctica la técnica PLS en la administración de empresas. Universidad de Sevilla. https://hdl.handle.net/11441/76333
[24] Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.2307/3151312
[25] Bervell, B., Kumar, J., Arkorful, V., Agyapong, E. & Osman, S. (2022). Remodelling the role of facilitating conditions for Google Classroom acceptance: A revision of UTAUT2. Australasian Journal of Educational Technology, 38(1), 115-135. DOI: https://doi.org/10.14742/ajet.7178
