Introducción
El rendimiento académico se ha definido de diversas formas e incluso se le ha criticado como concepto1 , se dice que en él “influye un amplio abanico de factores”. La confluencia de esos factores impacta en el resultado de lo aprendido por parte del estudiante; es la forma en la que este aprovecha su estancia en alguna institución educativa y que se refleja en las calificaciones obtenidas.
Una definición de rendimiento académico es la sugerida por Flores, Sánchez y Martínez2 quienes mencionan que “es el puntaje final obtenido por los alumnos durante el periodo regular del curso, integrado por la calificación a cargo del profesor y las evaluaciones departamentales de los estudiantes (exámenes objetivos aplicados a todos los estudiantes en condiciones estandarizadas)”.
En algunos estudios se han relacionado diversos factores con el rendimiento académico, algunos de ellos son: el desempeño docente2, competencias individuales de ingreso a la universidad, cambio de entorno familiar3, ocupación de los padres4, factores fisiológicos5 o sociodemográficos como género, edad, estatus socioeconómico, religión, cultura6, evaluación diagnóstica al ingreso de una carrera7,8, la calificación de admisión a la carrera9, así como calificaciones departamentales en los primeros ciclos escolares y de las escuelas de procedencia7,4 (es decir, bachillerato)6, autorregulacion10, autoeficacia11 y la motivación12.
En la educación a distancia donde los procesos de enseñanza-aprendizaje son mediados por internet, al rendimiento académico se agregan otros factores, como la disposición y uso de nuevas tecnologías 13, 14 y poseer las habilidades digitales que permitan a los estudiantes desenvolverse en espacios virtuales de aprendizaje13.
Se han investigado perfiles de estudiantes de cursos en línea que incluyen características sociodemográficas y de habilidades digitales. Algunos de ellos para predecir la persistencia en los cursos13, determinar quiénes serán los que concluyen o no sus estudios8 o para saber quiénes son los más exitosos15, sin embargo, estos estudios se han realizado en contextos diferentes a los países en vías de desarrollo y no han abordado carreras sobre ciencias de la salud.
La carrera de Técnico Superior Universitario en Urgencias Médicas (TSU en UM) de la Universidad Abierta y a Distancia de México (UnADM) se caracteriza por: impartirse a distancia, específicamente en línea, mediante el uso de la plataforma educativa Blackboard®; ser de ciclos cortos16 pues su duración es de 6 semestres; ser profesionalizante y contemplar en el perfil de egreso otorgar las competencias necesarias que permitan a sus egresados intervenir en situaciones de emergencia para salvaguardar la vida de la población. Las características de los estudiantes de esta carrera no se han precisado y podrían predecir su rendimiento académico.
Poco se ha investigado sobre factores que afecten al rendimiento académico en la modalidad a distancia y en cursos sobre TSU en UM en nuestro país. Nos centraremos en las características propias del estudiante, específicamente en las sociodemográficas y las habilidades digitales, pues se ha demostrado que estas pueden predecir la permanencia académica en programas de educación a distancia13,14.
Objetivo
El objetivo de esta investigación es determinar la relación entre las variables sociodemográficas y habilidades digitales con el rendimiento académico en estudiantes de una carrera técnica en urgencias médicas en la modalidad a distancia.
Método
Se realizó una investigación cuantitativa con un diseño no experimental, transversal y correlacional. Los participantes fueron estudiantes de la carrera de TSU en UM de la UnADM. Se tomaron en cuenta a todos los estudiantes inscritos en la carrera durante el semestre 2017-1 del calendario escolar. El muestreo fue no probabilístico por conveniencia.
Instrumentos
Se diseñó un cuestionario para obtener datos sociodemográficos, académicos, laborales y sobre habilidades digitales de los estudiantes de la carrera de TSU en UM. El cuestionario constó de 20 preguntas distribuidas en cinco secciones. Las preguntas se distribuyeron como sigue: tres sobre datos personales, siete sobre datos académicos; cuatro sobre datos laborales; una sobre disposición de tecnología; y cinco preguntas sobre habilidades digitales donde se indagó sobre acceso a la información y búsqueda, comunicación y colaboración en línea, procesamiento y administración de la información, manejo de medios y manejo equipo de cómputo y dispositivos móviles.
Para darle evidencia de validez de contenido al cuestionario, se aplicó como prueba piloto a 22 estudiantes de la asignatura de Informática Biomédica de la Facultad de Medicina de la Universidad Nacional Autónoma de México (UNAM) quienes reportaron comprender cada pregunta; también se validó por jueces que se desempeñaban como profesores de la misma asignatura, con lo que se calculó el porcentaje de acuerdo y el estadístico Kappa.
Las preguntas de la sección sobre habilidades digitales de los estudiantes se basaron en la Matriz de Habilidades Digitales desarrollada por la Coordinación de Tecnologías para la Educación-h@abitat puma de la Dirección General de Cómputo y de Tecnologías de la Información y Comunicación17 de la UNAM. Esta sección estuvo conformada por ítems con opciones de respuesta en escala tipo Likert, por lo que, para determinar otras evidencias de validez de esta sección, se realizaron las siguientes pruebas: discriminación de reactivos mediante la t de Student para muestras independientes; estructura interna de la prueba mediante el análisis de componentes principales y consistencia interna de la prueba mediante el alfa de Cronbach.
Procedimiento para la obtención de información y muestra. Los datos sobre el rendimiento académico de los estudiantes se obtuvieron directamente de la coordinación de la carrera de TSU en UM de la UnADM, quien otorgó las calificaciones globales de los estudiantes.
Los datos sobre las características sociodemográficas, académicas, laborales y habilidades digitales se obtuvieron del cuestionario que fue aplicado a todos los estudiantes de la carrera de TSU en UM de la UnADM, éste fue distribuido por medio de la herramienta Google Forms y resuelto a través de internet.
Análisis estadístico de las respuestas del cuestionario. Se realizó la predicción de la variable dependiente “rendimiento académico” a partir de las variables independientes que fueron las características sociodemográficas, académicas, laborales y habilidades digitales de los estudiantes.
Para probar el modelo estadístico se realizó lo siguiente: 1. Se definieron las características sociodemográficas, académicas y laborales de los estudiantes de la carrera de TSU en UM, así como sus habilidades digitales y rendimiento académico. 2. Se identificó el grado y dirección de correlación entre las características sociodemográficas, académicas, laborales y habilidades digitales con el rendimiento académico mediante el coeficiente de Spearman y de Pearson. 3. Una vez obtenidos los resultados de correlación, se establecieron a partir del análisis de regresión lineal múltiple, el nivel y peso de predicción por las variables sociodemográficas, académicas, laborales y las habilidades digitales con el rendimiento académico.
Recursos
Los recursos materiales que se requirieron para esta investigación fueron de tipo tecnológico necesarios para el diseño y la distribución del cuestionario, así como en la obtención de datos. Se utilizó una computadora personal con acceso a internet, paquetería básica y el programa estadístico Statistical Package for the Social Sciences (SPSS).
Resultados
Se obtuvieron evidencias de validez del instrumento diseñado. De contenido: concordancia entre jueces mediante el estadístico Kappa (k=0.851, p<0.005); discriminación de reactivos mediante la t de Student para muestras independientes (t=-8,112, gl=61, p<0.005); estructura interna de la prueba mediante análisis de componentes principales (p<0.005) que explicó el 62.66% de la varianza; y consistencia interna de la prueba mediante el alfa de Cronbach (α=0.928).
Para realizar la correlación entre rendimiento académico y las variables que lo afectan, se obtuvieron los datos del cuestionario sobre las variables sociodemográficas, académicas, laborales y de habilidades digitales. Éste se distribuyó vía electrónica a toda la matrícula de la carrera de TSU en UM de la UnADM (aproximadamente 600 estudiantes), aunque fue resuelto sólo por 126 estudiantes, quienes constituyeron la muestra del estudio.
Rendimiento académico: Directamente de la UnADM se obtuvieron las calificaciones globales de los estudiantes que resolvieron el cuestionario. El 59.5% de los estudiantes participantes tuvieron un promedio académico de entre 80 y más de 90.
Datos personales: 69.9% de los estudiantes tenían entre 21 y 40 años, 27.8% tenía entre 41 y 60 años, y el 1.5% tenía más de 61 años y el 0.8 % tenía menos de 20 años. El 71% fueron hombres y un 29% fueron mujeres. El 48.3 % indicó que su lugar de residencia era: Estado de México, Ciudad de México y Puebla.
Datos académicos: El 59.5% de los estudiantes tienen educación media superior, y un 40.5% señaló tener además otro tipo de formación académica: una licenciatura diferente terminada o en proceso. El 94.4% de los estudiantes se encontraron inscritos y activos (entregaron actividades de aprendizaje en el aula virtual) y un 9.5% se encontró en el primer semestre, un 30.1% en el segundo, un 38.8% se encontró en el tercero, el 15% en el cuarto, el 5.5%en el quinto y un 0.9% no reportó en qué semestre se encontraba. Aquellos que indicaron no haber acreditado de 1 a 2 asignaturas representaron el 38.9%, otro 11.1% reportó no haber acreditado de 2 a 3 asignaturas, un 17.5% reportó no haber acreditado más de 3, mientras que el 32.5% no había reprobado ninguna asignatura.
Datos laborales: El 90% se encontró activo en el área prehospitalaria, un 42% se encontró en una actividad como paramédico o técnico en urgencias médicas y un 26% tuvo una antigüedad laboral de más de 4 años.
Disposición de tecnología: El 99% tuvo acceso a la computadora, el 40% a tableta electrónica, el 90% al teléfono inteligente y un 90% a internet en casa.
Habilidades digitales: Estas se midieron de acuerdo con 5 niveles de eficacia, la autopercepción de habilidades digitales se describe en la figura 1.
Los estudiantes se perciben en niveles de eficacia que van desde 1=nula habilidad hasta 5=habilidad total.
Correlación entre rendimiento académico y variables obtenidas mediante el cuestionario. Las variables personales que no tuvieron correlación estadísticamente significativa con el rendimiento académico (p>0.05) son: sexo (rS=0.085), edad (rS=0.073) y lugar de residencia (rS=-0.040); las variables laborales: actividad laboral (rS=-0.144) y antigüedad laboral (rS=-0.132); la variable disposición de tecnología (rS=0.055) y las habilidades digitales (rP=0.080).
Predicción del rendimiento académico. Las variables académicas “semestre de la carrera que cursa” (rS=0.450) y “asignaturas no acreditadas” (rS=-0.294) se relacionaron con el rendimiento académico (p<0.005) y lo predijeron estadísticamente en un 23% (R cuadrada ajustada=0.230, gl=1, p<0.05).
Discusión
Resulta esencial que el personal que realiza funciones de atención prehospitalaria adquiera las competencias que le permitan intervenir en situaciones de emergencia. Por ello, algunas instituciones en nuestro país brindan la educación superior de ciclos cortos16 en urgencias médicas como la UnADM.
Los perfiles de los estudiantes de la carrera de TSU en UM de esta Universidad, incluyen variables que pueden afectar su rendimiento académico y que poco se han explorado. De acuerdo con los resultados obtenidos en este estudio las variables académicas pueden ser las más importantes por considerar en el rendimiento académico.
Se discute cada variable abordada en la investigación para dilucidar la relevancia de los hallazgos y lo que se reporta en la literatura.
Rendimiento académico
Para conocer el rendimiento académico se tomaron en cuenta las calificaciones globales. Se encontraron promedios altos lo cual muestra estudiantes comprometidos. Esto es positivo para la carrera pues se sabe que los promedios altos disminuyen la probabilidad de abandono de los estudiantes en cursos a distancia o bien, tienen mayor probabilidad de concluir con el programa educativo8,13.
Rendimiento académico y variables académicas
Las variables académicas predijeron al rendimiento académico en este estudio. Se observó que, si los estudiantes se encuentran activos reprueban menos asignaturas; a medida que avanzan en el programa educativo, mejoran su rendimiento académico. Esto resulta positivo para la carrera porque los estudiantes con mejores promedios serán los que logren titularse oportunamente8.
Los hallazgos sobre las variables académicas y su relación con el rendimiento académico son de gran importancia para la institución, con esto será posible tomar medidas de intervención para evitar que los estudiantes reprueben sus asignaturas y continúen avanzando académicamente.
Rendimiento académico y variables personales
Edad. La edad no fue un obstáculo para que los estudiantes se matricularan en una carrera en la modalidad a distancia8, pues se encontraron estudiantes de todas las edades. Predominó el grupo de entre 21 y 30 años, lo cual coincide con estudios donde han encontrado edades de entre 22 y 35 años15. Probablemente la edad influya en las actividades que realiza el estudiante, entre más edad tal vez mayores prioridades en sus actividades laborales y/o familiares, por lo que estudiar a distancia se convierte en una oportunidad18.
Sexo. Predominó el sexo masculino, quizás porque se requiere cierta capacidad física para realizar acciones propias de la profesión (cargar pacientes durante un rescate y su traslado, etc.) o a que históricamente la mujer juega roles sociales y familiares que le impiden llevar a cabo actividades académicas19. Haber encontrado más hombres que mujeres en este estudio, se contrapone con estudios que afirman que en cursos en línea es más frecuente que se inscriban mujeres que hombres15, no obstante, se debe tener en cuenta el contexto en el que se llevó a cabo el presente estudio, es decir, el tipo de carrera y el país.
La variable “sexo” puede ser importante en el rendimiento académico de estudiantes en la modalidad a distancia, en este sentido se menciona que es más probable que las mujeres concluyan sus cursos en línea8.
Lugar de residencia. Casi la mitad de los estudiantes residieron en la región central del país. Esto puede responder a las facilidades en cuanto a recursos laborales, económicos y tecnológicos que se centralizan en las grandes ciudades. Los hallazgos concuerdan parcialmente con lo reportado por la ANUIES20 en su anuario estadístico de educación superior no escolarizada, donde se reporta que los estados con mayor número de estudiantes en el nivel de técnico superior universitario son Ciudad de México, Veracruz, Estado de México y Puebla.
Rendimiento académico y variables laborales
Que el estudiante se encuentre desde hace tiempo activo laboralmente en la profesión no mejoró su rendimiento académico: estas variables no están relacionadas entre sí. Se propone realizar algún estudio que indague más a fondo si las acciones que realizan los estudiantes en el campo laboral coinciden con los programas de aprendizaje o con el currículo de la carrera.
Rendimiento académico y acceso a la tecnología
Se observó que los estudiantes toman en cuenta lo estipulado en la convocatoria de ingreso, donde se especifican los requerimientos tecnológicos básicos para realizar sus estudios en la UnADM21. Si se cuenta con la tecnología, entonces el rendimiento académico no se vería afectado pues es una herramienta indispensable para: acceder al aula virtual, consultar programas educativos, realizar búsquedas de información, entre otras acciones que exige la modalidad. Sin embargo, que los estudiantes posean la tecnología no garantiza que utilicen el equipo de cómputo, o que, si lo hacen, ingresen a internet para acceder al aula virtual, esto no es claro y sería interesante indagarlo en futuras investigaciones.
Rendimiento académico y habilidades digitales
Las habilidades donde los estudiantes se percibieron con mayor nivel de eficacia fueron “acceso y búsqueda de información”, “procesamiento y administración de la información” y “manejo de medios”. Las dos primeras, son habilidades de gran importancia para la autogestión del aprendizaje, en un modelo educativo centrado en el estudiante y según los resultados esto podría ser positivo para los estudiantes.
Las habilidades donde el estudiante se percibió con un nivel entre 3 y 4 fueron: “comunicación y colaboración en línea”, y “manejo de equipo de cómputo y dispositivos móviles”, lo cual puede sugerir algún grado de dificultad para el aprendizaje colaborativo y de manejo de equipos. Se sabe que el aprendizaje colaborativo es importante en la modalidad a distancia, donde a través de foros, blogs o wikis, el estudiante tiene una interacción con sus pares y de esta forma se colabora con el aprendizaje mediante la interacción mutua22.
Las habilidades digitales son importantes en los cursos en línea, pues quienes sí cuenten con ellas son los que concluirán sus estudios en esta modalidad8. Se esperaba que la mayoría de los estudiantes mejoraran su rendimiento académico de acuerdo con un mayor nivel de eficacia en sus habilidades digitales, pero esto no fue así.
Una limitante en este estudio fue que las habilidades digitales se conocieron confiando en la autopercepción del estudiante, es decir, no se evaluaron objetivamente, pues no se aplicó un instrumento donde se evidenciara el verdadero nivel de eficacia en estas acciones. En este sentido se menciona que efectivamente los estudiantes se perciben a sí mismos con altos niveles de habilidades digitales15, lo cual nos hace pensar que están sobreestimando sus niveles de eficacia en sus habilidades digitales13. Otra limitante importante del estudio fue que sólo 126 estudiantes resolvieron el cuestionario enviado mediante Google Forms, de los aproximadamente 600 que se encontraban inscritos en la carrera a pesar de ser una carrera que se imparte en línea, lo cual puede representar un sesgo a los resultados obtenidos.
Conclusiones
Los datos sociodemográficos como edad, género y lugar de residencia, así como las habilidades digitales y algunos datos laborales no están relacionados con el rendimiento académico y por lo tanto no lo predicen.
Derivado del modelo de regresión lineal múltiple se identificó que las variables que sí se correlacionaron con el rendimiento académico fueron las académicas y lo predijeron en un porcentaje significativo.
Conocer esto permitirá a la institución generar estrategias de intervención académica para los estudiantes y fortalecer la calidad de su formación. Un ejemplo sería llevar a cabo medidas de retención de estudiantes que los incentive a permanecer activos y avanzar en su trayectoria académica, pues de acuerdo con esta investigación, quienes se encuentran activos y obtienen calificaciones aprobatorias son los que avanzan y obtienen mejores calificaciones. Esto mejoraría en gran medida la eficiencia terminal.
Finalmente se sugiere crear algún instrumento que mida objetivamente las habilidades digitales de los estudiantes, que se adapte al contexto tanto de formación disciplinar como de la modalidad a distancia. Y con esto determinar si las habilidades digitales afectan al rendimiento académico.