Trejos-Gil 2024 Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis factorial

Abstract

Estudios relacionan la aplicación de nuevos modelos pedagógicos mediados por herramientas TIC, y la implementación del aprendizaje combinado como método más eficiente para estudiantes universitarios. Para la presente investigación se elaboró una escala de 12 dimensiones de la apropiación del aprendizaje combinado en la docencia universitaria con análisis exploratorio y confirmatorio, con el objetivo de evaluar el nivel de conocimiento de los docentes sobre el aprendizaje combinado y su apropiación en procesos de blended-learning en contextos de educación universitaria. La muestra estuvo constituida por 265 profesores de enseñanza superior. Los resultados confirman ampliamente que los docentes confunden el uso de herramientas TIC con el aprendizaje combinado, solo el 13% usan herramientas afines al complemento pedagógico y específicas para su área de conocimiento. El instrumento de medida tiene estructura de consistencia excelente (α = 0.93) y entre 0.78 y 0.82 de fiabilidad de las subescalas así como la adecuación del modelo de 6 dimensiones elegido: SRMR = 0.052; CFI = 0.95; RMSEA = 0.41 y PClose = 0.94, por lo que cabe concluir que el instrumento diseñado y denominado en este estudio como ABDU es fiable y válido para evaluar la apropiación del aprendizaje combinado de los profesores.

Full text

Depósito legal ppi 201502ZU4662
Esta publicación cientíca en formato
digital es continuidad de la revista impresa
Depósito Legal: pp 197402ZU789
● ISSN: 1315-9518 ● ISSN-E: 2477-9431
Esta publicación cientíca en formato
digital es continuidad de la revista impresa
Depósito Legal: pp 197402ZU789
ISSN: 1315-9518
Universidad del Zulia. Revista de la Facultad de Ciencias Económicas y Sociales
Vol. XXX, Núm 2 ABRIL-JUNIO, 2024

Disponible en: https://produccioncienticaluz.org/index.php/rcs/index
Revista de Ciencias Sociales (RCS)
Vol. XXX, No. 2, Abril - Junio 2024. pp. 139-159
FCES - LUZ ● ISSN: 1315-9518 ● ISSN-E: 2477-9431
Como citar: Trejos-Gil, C. A. (2024). Apropiación del
b-learning en docentes de educación superior de Colombia
a partir de análisis factorial. Revista De Ciencias Sociales,
XXX(2), 139-159.
Apropiación del b-learning en docentes de
educación superior de Colombia a partir de
análisis factorial
Trejos-Gil, Carlos Andrés*
Resumen
Estudios relacionan la aplicación de nuevos modelos pedagógicos mediados por herramientas TIC,
y la implementación del aprendizaje combinado como método más eciente para estudiantes universitarios.
Para la presente investigación se elaboró una escala de 12 dimensiones de la apropiación del aprendizaje
combinado en la docencia universitaria con análisis exploratorio y conrmatorio, con el objetivo de evaluar
el nivel de conocimiento de los docentes sobre el aprendizaje combinado y su apropiación en procesos de
blended-learning en contextos de educación universitaria. La muestra estuvo constituida por 265 profesores
de enseñanza superior. Los resultados conrman ampliamente que los docentes confunden el uso de
herramientas TIC con el aprendizaje combinado, solo el 13% usan herramientas anes al complemento
pedagógico y especícas para su área de conocimiento. El instrumento de medida tiene estructura de
consistencia excelente (α = 0.93) y entre 0.78 y 0.82 de abilidad de las subescalas así como la adecuación
del modelo de 6 dimensiones elegido: SRMR = 0.052; CFI = 0.95; RMSEA = 0.41 y PClose = 0.94, por lo
que cabe concluir que el instrumento diseñado y denominado en este estudio como ABDU es able y válido
para evaluar la apropiación del aprendizaje combinado de los profesores.
Palabras clave: Aprendizaje combinado; estrategia de aprendizaje; innovación pedagógica; análisis factorial; estudiante
universitario.
* PhD (c) Estudios Interdisciplinarios en Psicología. Magíster Internacional en Dirección Estratégica. Magíster en
Administración y Dirección de Empresas (MBA). Especialista en Alta Gerencia. Publicista. Ingeniero Administrativo.
Docente Investigador en la Universidad Católica Luis Amigó, Medellín, Colombia. Miembro del Grupo de Investigación
Urbanitas. E-mail: carlos.trejosgi@amigo.edu.co ORCID: https://orcid.org/0000-0002-6769-3396
Recibido: 2023-11-22 • Aceptado: 2024-02-09

140
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Appropriation of b-learning of Colombian
teachers higher education based on factorial
analysis
Abstract
Studies relate the application of new pedagogical models mediated by ICT tools, and the
implementation of blended learning as the most ecient method for university students. For this research, a
scale of 12 dimensions of the appropriation of blended learning in university teaching was developed with
exploratory and conrmatory analysis, with the objective of evaluating the level of knowledge of teachers
about blended learning and its appropriation in blended processes. -learning in university education contexts.
The sample consisted of 265 higher education professors. The results widely conrm that teachers confuse
the use of ICT tools with blended learning; only 13% use tools related to the pedagogical complement and
specic to their area of knowledge. The measurement instrument has an excellent consistency structure (α
= 0.93) and between 0.78 and 0.82 reliability of the subscales as well as the adequacy of the 6-dimensional
model chosen: SRMR = 0.052; CFI = 0.95; RMSEA = 0.41 and PClose = 0.94, so it can be concluded that the
instrument designed and called in this study as ABDU is reliable and valid to evaluate teachers' appropriation
of blended learning.
Keywords: Blended learning; learning strategy; pedagogical innovation; factorial analysis; college student.
Introducción
La incorporación de las Tecnologías de
la Información y la Comunicación (TIC) en
los procesos formativos en educación superior
(García-Valcárcel, 2007; González, Perdomo
y Pascuas, 2017; Aparicio, 2019; Cedillo-
Hernández y Velázquez-García, 2022; Bernate
y Fonseca, 2023) ya se ha identicado más
que como una necesidad, como un cambio del
tradicional modelo de aprendizaje a nuevos
métodos de enseñanza-aprendizaje mediados
por la tecnología (Aguaded y Romero-
Rodríguez, 2015; González et al., 2017;
Paredes-Chacín, Inciarte y Walles-Peñaloza,
2020).
Sin duda, los estudiantes son cada
vez más digitales, tanto que “ya vienen con
un chip insertado” (Rodelo, 2016, p. 304),
para el manejo de todos aquellos aparatos
tecnológicos diseñados para mejorar la calidad
de vida, previendo que cuidadosamente estos
no se conviertan en fondo y sino en un n.
Si se está en búsqueda de mejorar
su calidad en el aprendizaje, no es solo
responsabilidad del estudiante su adaptación a
que el potencial de las TIC (Agreda, Hinojo
y Sola, 2016) se implemente en sus procesos
académicos y metodologías de aprendizaje, sino
también es responsabilidad de los formadores
trabajar con TIC y su apropiación tecnológica
(Aparicio, 2019; Trejos-Gil y Castro-Escobar,
2020) de las herramientas como iniciativas
en su práctica (Losada, Karrera y Jimenez,
2012), apalancando procesos formativos y
dejando de lado su renuencia a cambiar sus
tradicionales métodos e implementar nuevas
estrategias de aprendizaje que dinamice el
logro ecaz en el aprendizaje del educando
(Gargallo, Suárez-Rodríguez y Pérez-Pérez,
2009; Cedillo-Hernández y Velázquez-García,
2022; Barrientos et al., 2022; Romero, Oruna
y Sánchez, 2023).
Actualmente, se encuentran otros
modelos de aprendizaje, como los invertidos
(Flipped Classroom) (Staker, 2011; Graham,
Henrie y Gibbons, 2014; Eduland.es, 2014;
Del Arco, Flores y Silva, 2019; Trejos-Gil y
Castro-Escobar, 2020; Montes et al., 2023);
aprendizaje electrónico, aprendizaje móvil
M-learning (Sánchez, Olmos y García-

141
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Peñalvo, 2017); P-learning, T-learning,
U-learning y otros con cada vez más fuerza
y que se vienen abordando desde el 2004
como lo es el Blended learning «B-learning»
(en adelante, BL); traducido al español como
aprendizaje combinado.
Este modelo de aprendizaje se basa
sobre la metodología de combinar los estados
de presencia y ausencia de clase para ejercer
aprendizaje constante mediados por las
TIC (Aguaded y Romero-Rodríguez, 2015;
González, et al., 2017; Trejos-Gil y Castro-
Escobar, 2020; Hernández, Nieto y Bajonero,
2021; Cedillo-Hernández y Velázquez-García,
2022; Montes et al., 2023).
Este concepto se viene interpretando
en términos de combinaciones, mixturas,
presencial-online o hibridez, del aprendizaje
presencial con el virtual (Bartolomé, 2004;
Morán, 2012; Picciano, 2014; Tayebinik y
Puteh, 2012), más que con la innovación
educativa con herramientas TIC (Losada et al.,
2012), así es como dos modelos (presencial y
virtual) se fusionan para crear uno más ecaz.
Esto es lo que se conoce como BL a nivel de
programa formativo (Graham et al., 2014).
En diferentes estudios realizados,
Tayebinik y Puteh (2012); Güzer y Caner
(2014); Siemens, Gašević y Dawson (2015); y,
Salinas et al. (2018), señalan que en la medida
que se han desarrollado estudios investigativos
sobre el BL cada vez gana más fuerza el
concepto y sus benecios, pues se reportan
resultados positivos sobre su efectividad.
Del mismo modo, la implementación
del modelo combinado aporta exibilidad
horaria y espacial, oportunidad de involucrarse
en su propio aprendizaje, trabajo colaborativo
(García-Ruiz, Aguaded y Bartolomé-Pina,
2018; Del Arco et al., 2019), interacción
multi y bidireccional, aprendizaje cooperativo
(AC) (Atxurra, Villardón-Gallego y Calvete,
2015; Acosta, 2017; Izquierdo et al., 2019;
Compte y Sánchez, 2019), autonomía y
responsabilidad del estudiante en su propio
proceso (Area y Adell, 2009), como elementos
de mejora educativa, además de fortalecer
en el estudiante competencias digitales que
aseguren competitividad como egresados, en
sus competencias, habilidades e innovación
(Almanza y Vargas-Hernández, 2015; Trejos-
Gil y Castro-Escobar, 2020) para la inserción
al mundo laboral (Martínez y González, 2018;
Salinas et al., 2018; Rabanal et al., 2020).
Aunque la responsabilidad de la
apropiación del BL no recae únicamente en
los docentes, como sugieren otros estudios
que proponen nuevos modelos con inferencia
directa no solo en los docentes, sino también
en los estudiantes y particularmente en la
institución (Meriño, Martínez, Ortiz y Trejos,
2020; Meriño, Martínez, Ortiz, Trejos, López
y Beltrán, 2020; Trejos-Gil y Castro-Escobar,
2020), es un problema que los docentes
muestran apatía en el uso de la tecnología y
las nuevas metodologías de enseñanza para
incorporar las TIC y la Inteligencia Articial
(IA) en sus procesos de enseñanza (Mahanta
et al., 2022; Huang et al., 2019; Ocaña-
Fernández, Valenzuela-Fernández y Garro-
Aburto, 2019; UNESCO, 2021).
Los docentes deben adaptarse a los
cambios metodológicos que el entorno
actual les exige sin generar mayor carga
de trabajo ni intimidación por el uso de
dispositivos (Sánchez et al., 2016), sino por
conveniencia, convicción y por el público
que enfrenta en la actualidad (Trejos-Gil y
Castro-Escobar, 2020); curiosamente, estos
se adaptan por ejemplo, realizando un análisis
de las motivaciones de los estudiantes ante la
impartición de educación virtual (Li, 2016),
así como de sus expectativas y percepciones
(Stefanic et al., 2020). Todo esto a través de
la construcción del conocimiento como medio
de desarrollo, género nuevos profesionales
inmersos en la revolución digital en el que
se miden a los docentes por conexiones
electrónicas apropiados en estas iniciativas
digitales en su práctica (Losada et al., 2012;
Pérez et al., 2018).
Estudios recientes de Trejos-Gil y
Castro-Escobar (2020), aportan el modelo
COTABLI de Convergencia Ontológica de
los tres actores fundamentales del b-learning
integral, que resalta la conexión y articulación
del estudiante, los docentes y la institución,
cada uno con sus propias características para

142
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
proporcionar un entorno propicio para el
desarrollo del b-learning integral.
El estudio de Esparza, Salinas y
Glasserman (2015), destaca los impactos
positivos del b-learning en el desempeño
gramatical del idioma inglés. Asimismo, Min,
Wang y Liu (2019) respaldan mejoras en el
aprendizaje del inglés mediante esta técnica.
Agreda et al. (2016), subrayan la importancia
de la competencia digital del profesorado para
implementar estas metodologías.
Otros referentes, como el instrumento
EFICIT (Losada et al., 2012), la escala
CEVEAPEU Estrategias de Aprendizaje
(Gargallo et al., 2009), ACRA (Román y
Gallego, 2008), LCS (Villardón-Gallego et
al., 2013), CEAM (Ayala, Martínez y Yuste,
2004), COIL (Martínez y González, 2017),
ACRA abreviada (Jiménez et al., 2018),
Modelo TAM extendido (Sánchez et al.,
2017), AMAES (Trejos-Gil y Castro-Escobar,
2020), MEAC-TIC (Acosta, 2017), CLAS
(Atxurra et al., 2015), respaldan la importancia
de estrategias y competencias en el ámbito
educativo universitario. Agreda et al. (2016),
destaca la competencia digital docente como
un punto clave en la universidad.
La gran mayoría de los estudios
evidencian a nivel metodológico que, el
análisis conrmatorio es esencial para
examinar las relaciones causales entre las
variables y su inuencia en el aprendizaje
combinado, permite identicar factores clave
que afectan la adopción efectiva de las TIC
en el aprendizaje combinado, y proporciona
información sobre cómo mejorar el diseño
y la implementación de instrumentos de
medida para el aprendizaje combinado en las
universidades (Al-Rahmi et al., 2022; Cedillo-
Hernández y Velázquez-García, 2022; Montes
et al., 2023).
Finalmente, el análisis conrmatorio
también puede identicar factores clave que
afectan la adopción efectiva de las TIC en el
aprendizaje combinado o e-learning y otros
(Naveed, Alam y Tairan, 2020; Rajeh et al.,
2021). Por ejemplo, puede revelar la covarianza
y correlación entre factores o dimensiones que
determinen su experiencia y actitud hacia la
tecnología o cómo afectan la adopción de las
TIC en el proceso de enseñanza (Romero-
Rodríguez et al., 2020; Al-Rahmi et al., 2022).
En razón de lo anterior, el presente
estudio tiene como objetivo evaluar el nivel
de conocimiento de los docentes sobre el
aprendizaje combinado y su apropiación
en procesos de blended-learning (BL) en
contextos de la educación universitaria.
1. Metodología
La investigación se basa en un estudio
cuantitativo con validación estadística realizado
en una población total (N) de 917 docentes
universitarios, se seleccionó una muestra
óptima y eciente de población (con una
conanza del 95% y un margen de estimación
del 5%), de 271 docentes (n) modalidad
presencial; de los docentes encuestados (271),
6 encuestas se determinaron como descartadas
por error en la resolución del instrumento de
medición deniendo un total de 265 encuestas
válidas de la población total de docentes de
educación superior (ver Tabla 1).
Tabla 1
Distribución de la muestra
Docentes de
educación superior
Población (N
docentes)
Nivel de
conanza
(%)
Margen de
estimación
(%)
Muestra poblacional
(n docentes)
Datos
no
válidos
Muestra
nal
Universidades 917 95 5 271 6 265
Fuente: Elaboración propia, 2023.

143
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
De la muestra final, el 26% de los
docentes pertenecen a la Facultad de
Psicología y Ciencias Sociales; el 25,3% a
la Facultad de Educación y Humanidades;
el 18,5% a Ciencias Administrativas,
Económicas y Contables; el 11,7% a
Comunicación, Publicidad y Diseño; 7,9%
Derecho y Ciencias Políticas; 5,3% a la
Facultad de Ingenierías y Arquitectura;
2,6% al Departamento de Ciencias Básicas;
1,5% al Departamento de Idiomas; y,
1,2% corresponden al Área de Formación
Investigativa, Departamento de Formación
Fuente: Elaboración propia, 2023.
Figura I: Estructura del cuestionario de la Apropiación del B-learning en la
labor Docente Universitaria (ABDU)
Socio-Humanística y Departamento de
Informática.
1.1. Instrumento
La investigación requirió un cuestionario
llamado ABDU: Apropiación del B-learning
en la labor Docente Universitaria (Trejos-
Gil, 2023a), con 51 preguntas divididas
en 5 segmentos. Las preguntas estuvieron
estructuradas de diferentes tipos, incluyendo
selección múltiple, respuestas abiertas,
dicotómicas y tipo Likert (ver Figura I).
De las preguntas tipo Likert, 9 eran
de carácter de frecuencia con una escala
valorativa (ver Figura II). Cuatro preguntas del
cuestionario se subdividieron en más variables,
resultando en un total de 81 preguntas (ver
Figura I). Se proporcionaron equivalencias
de opciones de respuestas para facilitar la
comprensión y reducir el sesgo en el análisis
de resultados.

144
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Fuente: Elaboración propia, 2023.
Figura II: Escala de valoración y medición de las preguntas de frecuencia tipo
Likert en el instrumento ABDU
1.2. Procedimiento
Se contactó al cuerpo docente de la
universidad, informándoles sobre el estudio y
solicitando su colaboración de forma voluntaria
para aplicar el instrumento a través de sus
correos electrónicos institucionales, la muestra
se recolectó mediante muestreo probabilístico
aleatorio, con instrucciones de resolución
del instrumento ABDU, informándoles la
naturaleza de la investigación; este ejercicio
de campo fue aplicado entre las fechas 7 de
noviembre hasta el 01 de diciembre de 2021.
Fue aplicado colectivamente y de forma virtual
en aproximadamente 25 minutos.
1.3. Análisis estadísticos
Con el propósito de dar abilidad
interna (George y Mallery, 2019) en el diseño
del instrumento ABDU, se analizó y validó
mediante la prueba estadística Alpha de
Combrach (α) para estimar los indicadores
de la dependencia e independencia de las
variables medidas, así como su respectivo
análisis descriptivo con medidas de frecuencia,
tendencia central y dispersión.
La adecuación de la matriz de
correlaciones se vericó asegurando su
posible factorización ejecutando con técnica
multivariante y normalización la prueba
KMO bajo el criterio de Kaiser-Mayer-
Olkin, que mide la adecuación de la muestra
(idoneidad de los datos) y una extracción
bajo el método «Componentes Principales»
(Guisande, Vaamonde y Barreiro, 2013). Se
elaboró un Análisis Factorial Exploratorio
(AFE), con la reducción de dimensiones bajo
el método de componentes principales con
análisis de rotación Varimax, permitiendo
de manera sencilla interpretar el conjunto de
datos altamente complejos, reduciendo el
conjunto de ítems a grupos más pequeños que
representen la mayoría de la información.
Se utilizó el paquete software estadístico
SPSS® v25 y el plugin AMOS® v26 (Gaskin
y Lim, 2016) para los análisis estadísticos
de ámbito unidimensional y la relación
entre las variables bajo la hipótesis nula de
independencia se validó con la estadística
Chi-cuadrada de Briones representada por
(Quezada, 2017; Holgado, Suárez y Morata,
2019).
Por consiguiente, se utiliza el test
de esfericidad de Bartlett para vericar la
existencia de correlaciones entre los ítems
y justicar el análisis factorial exploratorio.
También se analiza la correlación entre las
variables 22 y 62 con los ítems y factores, dada
su importancia para el estudio. Adicional, se
evalúa la idoneidad de la muestra y se analiza
la abilidad de los factores en relación al
conocimiento del BL. Posteriormente, se
realiza una comparación inferencial de medias
entre los factores y la variable 22 utilizando
la prueba de T-Student para muestras
independientes.
Finalmente, se realizaron diferentes
análisis conrmatorios, siguiendo las
recomendaciones de Bollen, Byrne, Steiger,

145
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Hu, así como Bentler (Holgado et al., 2019),
para modelos estructurales de máxima
verosimilitud y la estimación de los parámetros
en muestras mayores (N>250), la bondad de
ajuste del modelo se calculó con ji cuadrado (
); y a través del índice de ajuste comparativo
(CFI), y el índice de ajuste no normado (NNFI),
cuyos valores mayores de 0.95 indican que el
modelo se ajusta adecuadamente a los datos.
Adicionalmente, la bondad de
ajuste de la raíz cuadrada de la media
de residuos estandarizados (SRMR) y
error de aproximación cuadrático medio
(RMSEA) con valores menores de 0.08 y
0.06 respectivamente, indican que el modelo
se ajusta adecuadamente a los datos. Los
índices de bondad de ajuste (GFI) y de ajuste
comparado (CFI) con el criterio de medida
con valores que deben ser > 0.90, contrario
al criterio de información de Akaike (AIC)
que espera valores bajos para indicar mayor
parsimonia (Holgado et al., 2019).
El análisis de los resultados termina
con la varianza media extractada (AVE) con
criterio de valoración de Fornell y Larcker
(Hilkenmeier et al., 2020; Alfonso-Mora et al.,
2023), valores adecuados superiores a 0.50,
y el coeciente de abilidad compuesta (CR)
en el que se consideran óptimos los valores
mayores de 0.70 según Hair et al. (2017), e
indican validez convergente y conabilidad
compuesta (Gaskin y Lim, 2016; Ringle et
al., 2020; Ogbeibu et al., 2021; Ghasemy,
Akbarzadeh y Gaskin, 2022).
2. Resultados y discusión
De los 265 docentes, el 55,8% están en
rango de edad entre los 25 y los 40 años. La
minoría de los docentes son mayores de 41 a
45 años. El 61,5% de ellos simultáneamente
trabajan en varias Instituciones de Educación
Superior (IES). El mayor porcentaje 67,2%
tienen Maestría como nivel de formación
(ver Tabla 2). En otros resultados generales,
se puede destacar que para el 90,9% de
los docentes, el computador portátil es el
dispositivo con mayor frecuencia de uso en su
labor docente; 71,7% considera el computador
de escritorio; el celular con 69,4%; y por
último, la tableta con apenas el 21,1%.
Tabla 2
Caracterización - Estadísticos descriptivos de la muestra en términos de
frecuencias – variable 22 y 62
Variables TOTAL Conozco el
concepto BL
Empleo alguna estrategia B-learning con mis
estudiantes
Frec % Sí % No
%N % R % O % F % MF %
Sexo Hombre 128 48,30 32,1 16,2 11,7 8,7 14,0 10,2 3,8
Mujer 137 51,69 35,1 16,6 12,9 9,1 17,7 10,6 1,5
Edad
25-30 32 12,1 8,7 3,4 3,8 1,5 3,0 3,8 0,0
31-35 56 21,1 14,3 6,8 4,9 4,9 5,3 4,9 1,1
36-40 60 22,6 17,4 5,3 5,7 3,0 9,1 3,8 1,1
41-45 31 11,7 7,2 4,5 4,5 0,8 3,0 2,6 0,8
46-50 39 14,7 8,7 6,1 2,3 4,2 4,2 2,3 1,9
51 o más 47 17,7 10,9 6,8 3,4 3,4 7,2 3,4 0,4

146
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Nivel
educativo
Pregrado 93,4 2,6 0,8 0,8 0,4 1,1 0,8 0,4
Especialización 57 21,51 12,5 9,1 7,2 3,0 5,7 4,5 1,1
Maestría 178 67,17 47,2 20,0 15,1 11,7 23,0 14,0 3,4
Doctorado 21 7,92 4,9 3,1 1,5 2,6 1,9 1,5 0,4
TOTAL 265 100 67,2 32,9 24,6 17,7 31,7 20,8 5,3
Nota: N= nunca; R= raramente; O= ocasionalmente, F= frecuentemente, MF= muy frecuentemente. Fuente:
Elaborado por el autor, Base de datos en SPSS® v25
Fuente: Elaboración propia, 2023.
Cont... Tabla 2
En el caso del ítem 62 (DT=1.21), el
mismo evidencia una asimetría de 0.046; es
decir, el 70,2% de los datos se concentran en
la respuesta 2, 3 y 4. Frente al ítem 31 de tipo
abierta realizada a los docentes se evidencia los
resultados en el Gráco I. En esta pregunta se
pretendió conocer qué tanto usan herramientas
TIC los docentes, cuáles usan, cuántos usan
las mismas herramientas; básicamente como
pregunta conrmatoria.
Fuente: Elaboración propia, 2023 a partir de datos en SPSS® v25.
Gráco I: Herramientas TIC que usan los docentes con sus estudiantes
Apenas el 24,5% mencionaron más
de 3 herramientas, solo el 13,3% citaron
herramientas válidas para su ejercicio como
docente; y en la categoría “Otras”, se citaron
122 aplicaciones que solo tuvieron 1 o 2
menciones realizadas por 109 docentes,
78,7% de ellas referidas solo una vez y 10,7%
herramientas que se citaron 2 veces.
El 63,3% de los docentes rerieron
herramientas que sirven como complemento
para el proceso enseñanza-aprendizaje, dado
que son herramientas de almacenamiento
en la nube, de uso en trabajos colaborativos
y de apoyo didáctico, tales como Google
Drive, Dropbox (Artal, Navarro y Carballo,
2014; Cedeño, 2019; Morales-Salas, Jiménez-
Arévalo y Casas-Flores, 2023; Peinado,
2023); motores de búsqueda como Google,
Wikipedia, hasta Diapositivas y redes sociales
como Hangout, Facebook, WhatsApp,
YouTube, entre otros (Jiménez-Cortés, 2019;
Morales-Salas et al., 2023). El 13,6% de
profesores mencionaron herramientas anes al
complemento pedagógico y especiales para su
ejercicio especíco.
Con el n de garantizar conanza en

147
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
el constructo, inicialmente el ABDU fue
validado en términos de conabilidad (George
y Mallery, 2019), según la relevancia del
hallazgo e hipótesis que se quiere validar, tal
como se aprecia en la Tabla 3; tomando en
Tabla 3
Fiabilidad del instrumento con Alfa de Cronbach (α)
Análisis de abilidad variables - Escala: Todas las variables
Resumen de procesamiento
de casos
N %
Casos
Válido 265 100.0
Excluidoa00.0
Total 265 100.0
Estadísticas de abilidad
Alfa de Cronbach (α)
Alfa de Cronbach
basada en elementos
estandarizados
N de
elementos
0.924 0.924 63
Estadísticas de abilidad
Alfa de
Cronbach (α)
Alfa de Cronbach
basada en elementos
estandarizados
N de elementos
0.925 0.924 57
Estadísticas de abilidad
Alfa de Cronbach
(α)
Alfa de Cronbach
basada en
elementos
estandarizados
N de
elementos
0.931 0.933 54
Fuente: Elaboración propia, 2023 a partir de datos en SPSS® v25
consideración que el cuestionario cuenta con un
alto número de variables, se reduce al máximo
posible el error y aumenta considerablemente
la validez y conabilidad del instrumento.
A la muestra de los resultados obtenidos
mediante los diferentes métodos estadísticos
aplicados al ABDU, la consistencia interna y
su validez de constructo queda de maniesto
con los 63 elementos según la prueba Alfa de
Crombach con resultado de (α = 0.92), del
mismo modo con 57 elementos (α = 0.92);
pero eliminando los ítems de menor grado de
correlación exigible entre variable y factor
según el criterio que propone Comrey (1985);
y, Pérez (2004) de 0.3, se eliminan los ítems
número 9, 12, 21, 52, 61, 72, 80, 79, 57 y
81, se obtiene el Alfa de Cronbach más alto
con 54 elementos (α= 0.93) con abilidad
y consistencia excelente, según George y
Mallery (2019).
El instrumento de medición ABDU
aplicado con las variables tipo Likert es
altamente able y robusta para determinar el
grado de aplicación de los docentes del BL.
En otras palabras, el instrumento ABDU mide
adecuadamente lo que pretende medir.
Esta consistencia interna es igualmente
alta y positiva en la mayoría de los
componentes/factores DIB α = 0.81; PUB α
= 0.81; PIC α = 0.82; SMC α = 0.80; UDC
α = 0.80; GD α = 0.81 y EBD α = 0.82. Los
factores MRS, ABT, HFB, TAD y UYC tienen
coecientes aceptables de α = 0.79; α = 0.79, α
= 0.78, α = 0.79 y α = 0.79 respectivamente, tal
como se puede observar en la Tabla 4.
Se calculó el índice KMO (la media de
adecuación muestral de Kaiser-Meyer-Olkin)
arrojando como resultado (KMO = 0.861)
hallando un índice de idoneidad adecuado
teniendo en cuenta su aproximación a 1, los
datos son idóneos. El test de esfericidad de
Bartlett (Chi cuadrado = 8109.500; gl = 1596; p
= 0.000). Según estos resultados, sugieren que
es adecuada la interrelación entre los 57 ítems
del ABDU e indican la posibilidad de aplicar el
modelo de AFE para explicar los datos.

148
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Tabla 4
Matriz de factores extraídos por rotación Varimax, Estadísticos Descriptivos y
Cargas factoriales por Ítem
Nota: * p < .05; ** p < .01; *** p < .001.
Fuente: Elaboración propia, 2023 a partir de datos en SPSS® v25.
Se desestimaron los ítems 57, 79 y 81
teniendo en cuenta su baja extracción con
coeciente factorial < 0.3. Como resultado
nal se presentan 12 factores explicando
el 62,67% de la varianza de los datos. El
componente 1 (Factor MRS) tiende a explicar
mejor el problema en un 22,05% en tanto
que el factor EBD es el que menos tiende a
explicarlo solo con el 1,9% (ver Tabla 4).
En resumen, el texto analiza las
diferencias de impacto en los ítems 13 y 23
en relación a su estadística F y p. Además, se
señala que los ítems 23 y 24 tienen la mayor
correlación con la variable 62, mostrando

149
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
una asociación signicativa y positiva. Por
consiguiente, los ítems oscilan entre 0.25 y
0.94, con un promedio de 0.58. El modelo
utilizado puede reproducir el 89,6% de la
variabilidad original; mientras que los ítems
81 y 53 tienen una reproducción del 39,8%
y 49,5% respectivamente. Los parámetros
analizados son importantes para explicar el
problema y se pueden agrupar en componentes
o factores.
De estos 12 factores, el valor de la
media total es 2.93 en un rango de 1 a 5,
obteniendo el valor más bajo de la media
1.17 (ítem 36) y el máximo 4.59 (ítem 13).
En términos de varianza se presenta grandes
desviaciones en la variable 49 con un valor
de 1.56 diferenciándolo de los demás datos.
Asimétricamente, se hallaron valores atípicos
y variados, como valor máximo y mínimo
respectivamente se encontró 4.13 y -2.25,
resaltando que el 54,4% de los ítems presentan
asimetrías negativas (ver Tabla 4).
Según el análisis de varianza (Valores F
y p) de los participantes se analizó la respuesta
media en cada ítem con relación al «Empleo
de alguna estrategia BL con sus estudiantes»;
se encontraron diferencias altamente
signicativas en 24 ítems con (p < 0.001) y en
9 ítems con (p < 0.01).
2.1. Medidas de tendencia central de
las dimensiones extraídas
En cuanto a correlaciones entre las 57
variables, se encontraron correlaciones fuertes
en el ítem 29 con el 33 (0.75), y dentro de las
correlaciones más débiles está el ítem 60 con
el 79 (-0.48). Del mismo modo, en cuanto a la
correlación entre los factores extraídos se halló
una correlación fuerte positiva entre el factor
HFB y el factor TAD (0.63), caso contrario
sucede con la correlación muy débil negativa
entre los factores PIC y EBD (-0.04).
Los factores con resultados mejor
implementados son EBD (M = 4.5, DT = 0.669)
y PUB (M = 4.42, DT = 0.765) y DIB (M = 3.920,
DT = 0.605) el peor implementado es el factor
MRS (M = 1.660, DT = 0.879) (ver Tabla 5).
Tabla 5
Matriz de Estadísticos Descriptivos y validaciones internas por cada factor
Factor Número de
Elementos M DT V As K F Sig. α
MRS 71.66 0.87 0.77 1.47 2.21 10.136 0.000*** 0.79
ABT 63.61 0.93 0.87 -0.18 -0.69 100.29 0.000*** 0.79
DIB 63.92 0.60 0.36 -0.1 0.32 11.07 0.000*** 0.81
PUB 74.42 0.76 0.58 -1.63 3.79 7.76 0.000*** 0.80
HFB 61.98 0.96 0.93 0.98 0.78 13.61 0.000*** 0.78
TAD 42.32 1.17 1.37 0.62 -0.45 12.06 0.000*** 0.79
PIC 43.65 0.89 0.79 -0.32 -0.30 1.88 0.113 0.82
SMC 3 2.80 1.33 1.78 0.18 -1.10 3.08 0.017* 0.80
UYC 3 3.22 1.14 1.30 -0.19 -0.72 20.63 0.000*** 0.79
UDC 43.70 0.88 0.78 -0.16 -0.69 7.74 0.000*** 0.80
GD 22.94 1.34 1.81 0.00 -1.13 3.01 0.019* 0.80
EBD 24.50 0.66 0.44 -1.13 0.71 1.20 0.309 0.82
Nota: * p < .05; ** p < .01; *** p < .001. MRS = Mediaciones por redes sociales; ABT = Apropiación BL
mediadas por TIC; DIB = Disposición a implementación BL; PUB = Percepción de utilidad de plataformas
para el BL; HFB = Herramientas funcionales BL; TAD = TIC para asesoría y docencia virtual; PIC =
Percepción del docente hacia la IES frente a conectividad; SMC = Uso de Social Media Chat; UYC = Uso de
YouTube en clase; UDC = Uso de dispositivos en clase; GD = Gestores de documentos; EBD = Elementos
básicos para la docencia.
Fuente: Elaboración propia, 2023 a partir de datos en SPSS® v25.

150
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Por otra parte, se validó la hipótesis
nula (ver Tabla 6), , la igualdad de medias
entre los factores y la variable 22 («Conoce el
concepto BL») con la prueba de t-Student. Por
un lado, no se rechaza la hipótesis nula en los
factores HFB, TAD, PIC, SMC, GD y EBD,
por lo cual, se acepta la hipótesis nula con
coecientes p < 0.05. Por otro lado, se acepta
la hipótesis alterna en los factores MRS, ABT,
DIB, PUB, UYC y UDC. En este sentido,
existe una diferencia signicativa entre la
media de docentes que conocen el concepto
BL y la media que no lo conocen.
Tabla 6
Diferencias de las Medias de los factores en relación a la variable 22 («Conozco el
concepto BL»)
Prueba de muestras independientes
Prueba de Levene de igualdad de
varianzas
95% de intervalo de conanza
de la diferencia
F Sig. t gl Sig.b. ≠ M Inf. Sup.
MRS 2.24 0.13 2.27 263 0.024* 0.25 0.03 0.48
ABT 0.003 0.96 10.04 263 0.000*** 1.04 0.84 1.25
DIB 5.01 0.02 3.18 172.5 0.002** 0.24 0.09 0.40
PUB 7.80 0.006 3.05 122.4 0.003** 0.34 0.12 0.56
HFB 0.008 0.92 1.77 263 0.077 0.22 -0.02 0.47
TAD 3.47 0.06 1.44 263 0.151 0.22 -0.08 0.52
PIC 0.30 0.57 0.70 263 0.483 0.08 -0.14 0.31
SMC 0.05 0.82 -0.03 263 0.969 -0.007 -0,35 0.33
UYC 1.39 0.23 2.90 263 0.004** 0.42 0.13 0.71
UDC 2.18 0.14 3.75 263 0.000*** 0.42 0.20 0.64
GD 0.90 0.34 1.30 263 0.193 0.23 -0.11 0.57
EBD 4.60 0.03 1.15 144.3 0.248 0.10 -0.07 0.29
Nota: * p < .05; ** p < .01; *** p < .001.
Fuente: Elaboración propia, 2023 a partir de datos en SPSS® v25.
Finalmente, en este estudio se realizó
la prueba de Chi-cuadrado(1) ( (Trejos-
Gil, 2023b) que indica la dependencia del
cruce entre la variable: «Empleo alguna
estrategia de BL con mis estudiantes» y las 81
variables restantes obteniendo alto grado de
dependencia con dos niveles de conanza 99%
y 95%. Se encontraron 37 variables con nivel
de conanza del 99%, y 8 variables con nivel
de conanza del 95%. Del mismo modo, se
realizó el cruce entre la variable dependiente:
«Conozco el concepto de BL» con las 81
variables, en el cual se obtuvo un alto grado
de dependencia de 16 variables con nivel de
conanza del 99%, y 6 variables con nivel de
conanza del 95%.
2.2. Validez del constructo
Para validar el constructo, se probaron tres
modelos estructurales(2) (Trejos-Gil, 2023c) (ver
Tabla 7): El modelo 1: 12 factores con 54 ítems
correlacionados, descritos con anterioridad. El
modelo 2: 12 factores con 49 ítems, eliminando
5 de ellos 19, 28, 74 y 62 del factor ABT; y el
ítem 47 del factor UYC; esta eliminación de ítems
mejora sustancialmente los coecientes, así como
los indicadores de consistencia interna.

151
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Tabla 7
Modelos Estructurales del ABDU Basados en Análisis Factorial Conrmatorio
(n = 265)
Modelos gl AIC CFI GFI NNFI NFI /gl PClose SRMR RMSEA [90% IC]
12F 54 ítems 2097.0 1270 2527.004 0.88 0.78 0.86 0.75 1.65 0.55 0.074 0.05 0.046 0.053
12F 49 ítems 1616.1 1030 2006.07 0.90 0.80 0.89 0.77 1.56 0.91 0.060 0.046 0.042 0.051
6F mejores α323.5 225 473.52 0.95 0.90 0.94 0.85 1.43 0.94 0.052 0.041 0.03 0.05
Nota: χ2: Ji cuadrado; gl: Grados de libertad; χ2/ gl: ji cuadrado normado; GFI: Índice de bondad de ajuste;
CFI: Índice de bondad comparativo; NNFI: Índice de ajuste no normado; NFI: Índice de ajuste normado;
RMSEA: Error de aproximación cuadrático medio; PClose: p-value para prueba de ajuste perfecto; AIC:
Criterio de información de Akaike; SRMR: Índice residual de la raíz cuadrática estándar.
Fuente: Elaboración propia, 2023 a partir de datos en SPSS® v25
El tercer modelo contiene 6 factores, los
factores que mejor alfa de Cronbach arrojaron en
el AFE, solo excluyendo la dimensión PIC para
optimizar los resultados de ajuste, permitiendo
obtener resultados excelentes en todos los
indicadores. La solución fue satisfactoria con
excelentes índices de ajuste en el tercer modelo
de 6 factores correlacionados, se utilizaron
estimadores robustos de máxima verosimilitud;
aunque en el valor normado ( /gl) ninguno de
los modelos es menor de 1 (lo cual indicaría un
sobreajuste) sus valores son muy cercanos a 1
sugieren que el ajuste sea muy bajo. En el tercer
modelo, el índice de GFI es acorde al criterio de
ajuste superando el valor mínimo de decisión
(0.90), lo contrario sucede en los modelos 1 y 2
de 12 dimensiones sin dejar de tener en ambos,
resultados excelentes en general.
La Figura III, presenta el análisis
conrmatorio del modelo 3, de 6 factores (DIB,
PUB, SMC, UDC, GD y EBD) en el que todos
los coecientes son positivos, lo que indica una
correlación fuerte y directa entre las variables
latentes y los constructos. Sobre la variable latente
UDC, el constructo que tiene mayor inuencia
son el i15, i54 y i14, cuyos coecientes son 3,30,
2,96 y 2,82 respectivamente; por su parte, la
variable latente DIB, PUB, SMC, GD y EBD fue
afectada en mayor parte por los constructos i77=
1,25; i70= 1,01; i38= 1,55; i44= 1,43 y i55= 1,00,
respectivamente.
Nota: DIB= Disposición de implementar BL; PUB= Percepción de utilidad de las plataformas para BL; SMC= Uso de
social media chat; UDC= Uso de dispositivos en clase; GD= Gestores documentales y EBD= Elementos básicos para la
docencia.
Fuente: Elaboración propia, 2023 a partir de datos en AMOSS® v26.
Figura III: Diagrama de análisis conrmatorio del ABDU (n= 265)

152
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Los valores de RMSEA son excelentes
(<0.06) en todos los casos; el SRMR son
aceptables (>0.06) en el modelo 1 y 2 (0.074 y
0.060, respectivamente) y excelente en el tercer
modelo (0.052); por lo tanto, el mejor ajuste
presentado es el tercer modelo de 6 factores.
Se seleccionó el tercer modelo teniendo en
cuenta que arrojó mejores índices según el
criterio teórico de Bollen, Byrne, Steiger, Hu
y Bentler (Holgado et al., 2019). Este modelo
presenta índices excelentes en CFI, /gl, GFI,
PClose, SRMR y RMSEA. Además, los pesos/
cargas factoriales (coecientes lambda) son
siempre mayores de 0.45 considerado como
punto de corte para la inclusión, excepto en
el ítem 17, cuya carga es menor en el factor
UDC ( ).
La abilidad compuesta (CR) se calculó
para cada factor, siendo superior a 0.70 en todos
los factores excepto en UDC, EBD y GD (CR=
0.65; CR= 0.37 y CR= 0.69, respectivamente).
Del mismo modo, el porcentaje de varianza
media extractada (AVE), siendo en los
factores PUB, HFB, TAD, UDC, EBD y UYC
valores menores a 0.50 (AVE= 0.42; AVE=
0.46; AVE= 0.49; AVE= 0.33; AVE= 0.22 y
AVE= 0.47, respectivamente), por lo que,
no se cumple la validez convergente en tales
factores (ver Tabla 8).
Tabla 8
Varianza Extractada (AVE), Fiabilidad Compuesta (CR), Validez Discriminante
(VD)
FACTOR AVE CR VD FACTOR AV E CR VD
MRS 0.50 0.87 0.70 UDC 0.33 0.65 0.57
ABT 0.53 0.85 0.72 SMC 0.59 0.80 0.76
DIB 0.50 0.85 0.70 PIC 0.50 0.79 0.71
PUB 0.42 0.83 0.64 EBD 0.22 0.37 0.47
HFB 0.46 0.83 0.67 GD 0.53 0.69 0.72
TAD 0.49 0.79 0.70 UYC 0.47 0.73 0.69
Fuente: Elaboración propia, 2023 a partir de datos en SPSS® v25.
Según el criterio de Hair, Byrne, Fornell
y Larcker (Hilkenmeier et al., 2020; Ringle
et al., 2020; Alfonso-Mora et al., 2023), las
correlaciones entre los factores son menores
que la raíz cuadrática del AVE; por lo tanto, se
cumple la Validez Discriminante excepto en el
factor HFB.
De acuerdo con los hallazgos encontrados
en la presente investigación se puede evidenciar
que el 54,4% de los docentes se encuentran por
debajo de la media del uso del BL en su método
de enseñanza-aprendizaje; diferente al estudio
colectivo de Sánchez et al. (2016), que muestra
una intensión moderada propensa al uso de
tecnologías móviles en su práctica docente; así
como adoptar nuevas metodologías como el
Flipped Classroom dado que se demuestra la
aceptación con agrado (Del Arco et al., 2019;
Montes et al., 2023).
Se mantiene conexión con los estudiantes,
pero por redes sociales como Hangout, Facebook
y WhatsApp, pero no son implementadas como
ejercicios metodológicos con expectativas
a aumentar el rendimiento (Jiménez-Cortés,
2019; Trejos-Gil y Castro-Escobar, 2020) que
complementen el aprendizaje del estudiante.
Teniendo en cuenta que los docentes tienen
contacto permanente con dispositivos
electrónicos que les facilitarían la implementación
de metodologías en su ejercicio de enseñanza-
aprendizaje apoyados en TIC (Orozco, Tejedor y
Calvo, 2017; Trejos-Gil y Castro-Escobar, 2020),
no los están usando con estos nes.
Tras completar la validación del
cuestionario ABDU, los resultados revelan su
alta conabilidad y validez como instrumento
de medición, compuesto por 54 elementos
(α=0.93). Este cuestionario se muestra como una
herramienta efectiva para recabar información
sobre la implementación del BL por parte de los

153
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
docentes en Instituciones de Educación Superior
(IES).
Este procedimiento permitió superar la
consistencia interna en alto grado del constructo,
en comparación a los instrumentos LCS y la
del cuestionario CEVEAPEU de Gargallo et
al. (2009) con coeciente (α= 0.86 y α= 0.897;)
respectivamente, de igual forma con el instrumento
COIL (α= 0.898) (Martínez y González, 2018);
EFITIC, de Losada et al. (2012) con (α= 0.843);
ACRA, de Jiménez et al. (2018) con (α = 0.920);
Modelo TAM extendido de Sánchez et al. (2017)
con (α = 0.862); y el instrumento de Agreda et
al. (2016) con (α= 0.920). El instrumento CLAS
(Atxurra et al., 2015), muestra una validación
más alta con (α= 0.95).
No solo la validación de constructo
realizado con resultados altamente satisfactorios,
sino también la cantidad de relación/dependencia
validada con dos niveles de conanza bastante
altos como del 99% y 95%, dan fe de la calidad
del constructo, y la pertinencia del instrumento
ABDU, que mide con ecacia lo que pretende
medir; métodos que facultan al presente trabajo
de garantías para estudios posteriores a este.
Este trabajo se diferencia de los estudios
anteriormente mencionados por ser un
instrumento que mide el aprendizaje combinado
en docentes y no en el uso de las TIC para la
enseñanza; además, propone factores en términos
de DIB, PUB, SMC, UDC, GD y EBD como los
aspectos más relevantes a considerar al analizar el
BL en la docencia.
Así como el estudio realizado por Losada
et al. (2012), sobre el éxito de la innovación
con TIC, las puntuaciones también fueron altas
en todos los factores por encima de 0.78, del
mismo modo con las correlaciones signicativas,
indicando que todos los factores miden aspectos
diferenciados del constructo ABDU.
Aunque se evidencia el uso de redes
sociales por parte del profesorado con sus
educandos para publicar, empoderar y comunicar
información, es un mecanismo o medio
que requiere de protocolos, procesos claros,
autorregulación y autodirección (Jiménez-Cortés,
2019; Trejos-Gil y Castro-Escobar, 2020), y al ser
un medio tan informal y no tan abordado en la
investigación educativa (Trejos-Gil y González-
Callejas, 2022), peca por ser en algunos casos,
escaso para ejercer el aprendizaje combinado,
dado que solo es un medio y no el fondo del BL.
Conclusiones
Aunque los resultados exploratorios
indican 12 dimensiones para aplicar el ABDU,
el mejor ajuste lo evidencia el modelo 3, de
6 dimensiones con puntuaciones e índices
de ajuste excelentes según los criterios de
ajuste. Las dimensiones: Disposición a
implementación BL, Percepción de utilidad de
plataformas para el BL, Uso de Social Media
Chat, Uso de dispositivos en clase, Gestores
de documentos y Elementos básicos para la
docencia, conrman una estructura idónea, válida
y able para medir el grado de implementación
del BL en los docentes de educación superior,
lo cual supone un importante avance en la
investigación.
A pesar de variaciones en modelos de
12 dimensiones con 54 o 49 ítems, ambos
capturan la esencia del estudio y se corrobora
que el instrumento mide lo que pretende medir.
Por tal razón, se sugiere no descartarlos por su
valiosa información que proveen sobre el tema.
Finalmente, para futuros estudios se podrían
aplicar estos modelos a docentes de otras
universidades y en otros países de Latinoamérica,
con el n de contrastar resultados y evaluar la
efectividad del instrumento en la apropiación del
aprendizaje combinado “blended learning” en
docentes de universidad o en educación superior
según como se considere y sea pertinente.
Notas
1 Tabla de prueba de ji Cuadrado en https://doi.
org/10.6084/m9.gshare.22795142.v1
2 Grácos del Análisis Factorial Conrmatorio
ABDU en https://doi.org/10.6084/
m9.gshare.24501973

154
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Referencias bibliográcas
Acosta, R. (2017). Metodologías de aprendizaje
colaborativo a través de las TIC. Una
propuesta formativa para el profesorado
de las modalidades bachillerato y técnico
profesional de República Dominicana.
En Asociación Interuniversitaria de
Investigación Pedagógica – ADIPE
(Eds.), Interdisciplinaridad y
transferencia: Actas I Encuentro de
doctorados e investigadores noveles (pp.
237-245). AIDIPE.
Agreda, M., Hinojo, M. A., y Sola, J. M. (2016).
Diseño y validación de un instrumento
para evaluar la competencia digital de
los docentes en la Educación Superior
española. Píxel-Bit. Revista de Medios
y Educación, (49), 39-56. https://
recyt.fecyt.es/index.php/pixel/article/
view/61713
Aguaded, J. I., y Romero-Rodríguez,
L. M. (2015). Mediamorfosis y
desinformación en la infoesfera:
Alfabetización mediática, digital e
informacional ante los cambios de
hábitos de consumo informativo.
Education in the Knowledge Society
(EKS), 16(1), 44-57. https://doi.
org/10.14201/eks20151614457
Alfonso-Mora, M. L., Riveros-Munévar, F.,
Castellanos-Garrido, A. L., Rengifo-
Varona, M. L., Corredor-Nieto, L. P.,
Guerra-Balic, M. E., y Sánchez-Martín,
R. (2023). Internal consistency and
criterion, convergent, and discriminant
validity of the Start Back Screening
Tool in a Colombian sample. Revista
de la Facultad de Medicina, 71(1),
e95638. https://doi.org/10.15446/
revfacmed.v71n1.95638
Almanza, R., y Vargas-Hernández, J. G. (2015).
Las Competencias Profesionales y su
relación con la empleabilidad de los
Ingenieros en Gestión Empresarial
egresados del ITLAC. Revista Gestión
de las Personas y Tecnología, (22), 14-
19. https://bit.ly/3SsiU1P
Al-Rahmi, A. M., Shamsuddin, A., Wahab, E.,
Al-Rahmi, W. M., Alyoussef, I. Y., y
Crawford J. (2022). Social media use in
higher education: Building a structural
equation model for student satisfaction
and performance. Frontiers in Public
Health, 10, 1003007. https://doi.
org/10.3389/fpubh.2022.1003007
Aparicio, O. Y. (2019). Uso y apropiación
de las TIC en educación. Revista
Interamericana de Investigación,
Educación y Pedagogía, 12(1) 253-
284. https://doi.org/10.15332/s1657-
107X.2019.0001.04
Area, M., y Adell, J. (2009). E-Learning: Enseñar
y aprender en espacios virtuales. En J. De
Pablos (Coord.), Tecnología Educativa.
La formación del profesorado en la era
de Internet (pp. 391- 424). Aljibe.
Artal, J. S., Navarro, J. L., y Carballo, J.
(2014). Dropbox, Google-Drive y
Skydrive: Trabajo colaborativo en la
nube. Comparativa entre servicios de
almacenamiento. En J. L. Alejandre
(Coord.), Buenas prácticas en la
docencia universitaria con apoyo de
TIC: Experiencias en 2013 (pp. 83-94).
Universidad de Zaragoza.
Atxurra, C., Villardón-Gallego, L., y Calvete,
E. (2015). Design and Validation of the
Cooperative Learning Application Scale
(CLAS). Revista de Psicodidáctica,
20(2), 339-357. https://doi.org/10.1387/
RevPsicodidact.11917
Ayala, C. L., Martínez, R., y Yuste, C. (2004).
Evaluación del cuestionario CEAM.
Consejo General de Colegios Ociales
de Psicólogos. https://www.cop.es/
uploads/PDF/2013/CEAM.pdf
Barrientos, N., Yáñez, V., Pennanen-Arias,
C., y Aparicio, C. (2022). Análisis
sobre la educación virtual, impactos
en el proceso formativo y principales

155
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
tendencias. Revista de Ciencias Sociales
(Ve), XXVIII(4), 496-511. https://doi.
org/10.31876/rcs.v28i4.39144
Bartolomé, A. (2004). Blended Learning.
Conceptos básicos. Pixel-Bit, Revista de
Medios y Educación, (23), 7-20. https://
recyt.fecyt.es/index.php/pixel/article/
view/61237
Bernate, J. A., y Fonseca, I. P. (2023). Impacto
de las Tecnologías de Información y
Comunicación en la educación del siglo
XXI: Revisión bibliométrica. Revista
de Ciencias Sociales (Ve), XXIX(1),
227-242. https://doi.org/10.31876/rcs.
v29i1.39748
Cedeño, R. P. (2019). Herramientas tecnológicas
colaborativas como medio de
aprendizaje en la Educación Superior
del Ecuador. RES NON VERBA Revista
Cientíca, 9(2), 1-12. https://doi.
org/10.21855/resnonverba.v9i2.212
Cedillo-Hernández, A., y Velázquez-García, L.
(2022). Impact of the b-Learning Model
on University Teaching. International
Journal of Information and Education
Technology, 12(5), 378-383. https://doi.
org/10.18178/ijiet.2022.12.5.1630
Compte, M., y Sánchez, M. (2019). Aprendizaje
colaborativo en el sistema de educación
superior ecuatoriano. Revista de Ciencias
Sociales (Ve), XXV(2), 131-140. https://
produccioncientificaluz.org/index.php/
rcs/article/view/27342
Comrey, A. L. (1985). Manual de análisis
factorial. Ediciones Cátedra.
Del Arco, I., Flores, Ó., y Silva, P. (2019).
El desarrollo del modelo ipped
classroom en la universidad: impacto
de su implementación desde la voz del
estudiantado. Revista de Investigación
Educativa, 37(2), 451-469. http://dx.doi.
org/10.6018/rie.37.2.327831
Eduland.es (27 de junio de 2014). Webinar
#1: The Flipped Classroom, por
Raúl Santiago [Archivo de Vídeo].
Youtube. https://www.youtube.com/
watch?v=Bdd_Dr7QUQ4
Esparza, M. D. C., Salinas, V., y Glasserman,
L. D. (2015). La gestión del aprendizaje
en la modalidad b-learning frente a la
modalidad presencial en la enseñanza
de la gramática inglesa. Apertura:
Revista de Innovación Educativa,
7(2), 8-19. http://agora.edu.es/servlet/
articulo?codigo=5547135
García-Ruiz, R., Aguaded, I., y Bartolomé-Pina,
A. (2018). La revolución del blended
learning en la educación a distancia.
RIED-Revista Iberoamericana de
Educación a Distancia, 21(1), 25-32.
https://doi.org/10.5944/ried.21.1.19803
García-Valcárcel, A. (2007). Herramientas
tecnológicas para mejorar la docencia
universitaria. Una reexión desde la
experiencia y la investigación. RIED-
Revista Iberoamericana de Educación a
Distancia, 10(2) 125-148. http://e-spacio.
uned.es/fez/eserv/bibliuned:20548/
herramientas_tecnologicas.pdf
Gargallo, B., Suárez-Rodríguez, J. M., y Pérez-
Pérez, C. (2009). El cuestionario
CEVEAPEU. Un instrumento para
la evaluación de las estrategias
de aprendizaje de los estudiantes
universitarios. RELIEVE - Revista
Electrónica de Investigación y
Evaluación Educativa, 15(2). https://doi.
org/10.7203/relieve.15.2.4156
Gaskin, J., y Lim, J. (2016). Model Fit Measures:
AMOS Plugin. Gaskination’s StatWiki,
37(3), 814-822.
George, D., y Mallery, P. (2019). IBM SPSS
Statistics 26 Step by Step: A simple guide
and reference. Routledge. https://doi.
org/10.4324/9780429056765
Ghasemy, M., Akbarzadeh, M., y Gaskin, J.
E. (2022). Being satised and serving
communities as outcomes of servant
leadership in the academic context:
Policies based on a multi-level

156
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
structural equation model. Asia Pacic
Education Review, 23, 69-86. https://doi.
org/10.1007/s12564-021-09702-z
González, M. A., Perdomo, K. V., y Pascuas,
Y. (2017). Aplicación de las TIC en
modelos educativos blended learning:
Una revisión sistemática de literatura.
Sophia, 13(1), 144-154. https://doi.
org/10.18634/sophiaj.13v.1i.364
Graham, C., Henrie, C., y Gibbons, A. (2014).
Developing models and theory for
blended learning research. In A. G.
Picciano, C. D. Dziuban y C. R. Graham
(Eds.), Blended learning: Research
perspectives (Vol. 2, pp. 13-33).
Routledge.
Guisande, C., Vaamonde, A., y Barreiro, A.
(2013). Tratamiento de Datos con R,
Statistica y SPSS. Ediciones Díaz de
Santos.
Güzer, B., y Caner, H. (2014). The Past, Present
and Future of Blended Learning: An in
Depth Analysis of Literature. Procedia
- Social and Behavioral Sciences, 116,
4596-4603. http://doi.org/10.1016/j.
sbspro.2014.01.992
Hair, J. F., Sarstedt, M., Ringle, C. M., y
Gudergan, S. P. (2017). Advanced issues
in Partial Least Squares Structural
Equation Modeling (PLS-SEM). Sage
Publications.
Hernández, M. D. J., Nieto, J., y Bajonero, J. N.
(2021). Aprendizaje híbrido generado
desde las Instituciones de Educación
Superior en México. Revista de Ciencias
Sociales (Ve), XXVII(4), 49-61. https://
doi.org/10.31876/rcs.v27i4.37233
Hilkenmeier, F., Bohndick, C., Bohndick, T.,
y Hilkenmeier, J. (2020). Assessing
Distinctiveness in Multidimensional
Instruments Without Access to Raw Data
– A Manifest Fornell-Larcker Criterion.
Frontiers in Psychology, 11, 223. https://
doi.org/10.3389/fpsyg.2020.00223
Holgado, F. P., Suárez, J. C., y Morata, M. D.
L. A. (2019). Modelos de ecuaciones
estructurales, desde el «Path Analysis»
al análisis multigrupo: Una guía práctica
con LISREL. Sanz y Torres, S.L.
Huang, Y.-H., Tu, Y.-L., Wu, H.-J., Wan, C.-
P., Yeh, C.-H., Lu, L.-H., y Tsai, I.-C.
(2019). Applying an innovative blended
model to develop cross-domain ict talent
for university courses. IEEE Frontiers in
Education Conference (FIE), Covington,
KY, USA, 1-5, https://doi.org/10.1109/
FIE43999.2019.9028651
Izquierdo, T., Asensio, E., Escarbajal, A., y
Rodríguez, J. (2019). El aprendizaje
cooperativo en la formación de maestros
de Educación Primaria. Revista de
Investigación Educativa, 37(2),
543-559. http://dx.doi.org/10.6018/
rie.37.2.369731
Jiménez, L., García, A.-J., López-Cepero, J., y
Saavedra, F.-J. (2018). The brief-ACRA
scale on learning strategies for university
students. Revista de Psicodidáctica,
23(1), 63-69. https://doi.org/10.1016/j.
psicoe.2017.03.001
Jiménez-Cortés, R. (2019). Aprendizaje de las
mujeres en las redes sociales: Validación
de la escala MAIA con PLS. Revista
de Investigación Educativa, 37(2),
431-449. http://dx.doi.org/10.6018/
rie.37.2.325721
Li, Z. (2016). Rethinking the relationship
between learner, learning contexts, and
technology: A critique and exploration
of Archer’s morphogenetic approach.
Learning, Media and Technology, 41(3),
501-520. https://doi.org/10.1080/174398
84.2014.978336
Losada, D., Karrera, I., y Jimenez, E. (2012).
Factors facilitating successful
educational innovation with ICT in
schools. Revista de Psicodidáctica,
17(1), 113-134. https://ojs.ehu.eus/index.
php/psicodidactica/article/view/2243
Mahanta, N., Prasaad, K. S., Sheeja, M. S.,

157
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
y Pattanayak, S. (2022). Impact of
COVID-19 on Blended Learning
Culture for Media Education in UAE.
Advances in Science and Engineering
Technology International Conferences
(ASET), Dubai, United Arab
Emirates, 1-5. https://doi.org/10.1109/
ASET53988.2022.9734858
Martínez, P., y González, C. (2018). Validez
de contenido y consistencia interna
de un cuestionario sobre el proceso de
inserción socio-laboral desde la mirada
del universitario. Revista Complutense
de Educación, 29(3), 739-756. https://
doi.org/10.5209/RCED.53721
Meriño, V. H., Martínez, C. Y., Ortiz, L. M.,
y Trejos, C. A. (2020). Jerarquía
de valores de los estudiantes de
Instituciones de Educación Superior.
Revista Venezolana de Gerencia,
25(E-4), 195-205. https://www.
produccioncienticaluz.org/index.php/
rvg/article/view/35185
Meriño, V., Martínez, C., Ortiz, L., Trejos, C.,
López, J., y Beltrán, J. (2020). Sistema
axiológico de los alumnos del Programa
Contaduría Pública de la Universidad
Católica Luis Amigó – Medellín –
Colombia. Revista Espacios, 14(16)
12-18. https://www.revistaespacios.
com/a20v41n16/20411612.html
Min, Q., Wang, Z., y Liu, N. (2019). Integrating
a cloud learning environment into
English-medium instruction to enhance
non-native English-speaking students’
learning. Innovations in Education and
Teaching International, 56(4), 493-
504. https://doi.org/10.1080/14703297
.2018.1483838
Montes, R., Zuheros, C., Morales, J., Zermeño,
N., Duran, J., y Herrera, F. (2023).
Design and consensus content validity
of the questionnaire for b-learning
education: A 2-Tuple Fuzzy Linguistic
Delphi based Decision Support
Tool. Applied Soft Computing, 147,
110755. https://doi.org/10.1016/j.
asoc.2023.110755
Morales-Salas, R. E., Jiménez-Arévalo, J. D.
J., y Casas-Flores, A. A. (2023). Nivel
de dominio de la competencia digital
en el uso y alfabetización tecnológica
en docentes de Educación Superior.
Revista Cientíca Retos de la Ciencia,
7(16), 58-77. https://doi.org/10.53877/
rc.7.16e.20230915.5
Morán, L. (2012). Blended-learning. Desafío
y oportunidad para la educación
actual. Edutec. Revista Electrónica
de Tecnología Educativa, (39),
a188. https://doi.org/10.21556/
edutec.2012.39.371
Naveed, Q. N., Alam, M. M., y Tairan, N.
(2020). Structural Equation Modeling
for mobile learning acceptance by
University students: An empirical
study. Sustainability, 12(20), 8618.
https://doi.org/10.3390/su12208618
Ocaña-Fernández, Y., Valenzuela-Fernández,
L. A., y Garro-Aburto, L. L.
(2019). Inteligencia articial y sus
implicaciones en la educación superior.
Propósitos y Representaciones, 7(2),
536-568. http://dx.doi.org/10.20511/
pyr2019.v7n2.274
Ogbeibu, S., Senadjki, A., Gaskin, J., y Awal, I.
M. (2021). The predictive inuences of
team creativity, creativity willingness,
creative ideation, and leader openness
on exploratory innovation. In A.
McMurray, N. Muenjohn y C.
Weerakoon (Eds.), The Palgrave
Handbook of Workplace Innovation
(pp. 135-154). Palgrave Macmillan
Cham. https://doi.org/10.1007/978-3-
030-59916-4_8
Orozco, G. H., Tejedor, F. J., y Calvo, M. I.
(2017). Meta-análisis sobre el efecto
del software educativo en alumnos
con necesidades educativas especiales.
Revista de Investigación Educativa,
35(1), 35-52. http://dx.doi.org/10.6018/

158
Trejos-Gil, Carlos Andrés
Apropiación del b-learning en docentes de educación superior de Colombia a partir de análisis
factorial__________________________________________________________________________
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
rie.35.1.240351
Paredes-Chacín, A. J., Inciarte, A., y Walles-
Peñaloza, D. (2020). Educación superior
e investigación en Latinoamérica:
Transición al uso de tecnologías
digitales por Covid-19. Revista de
Ciencias Sociales (Ve), XXVI(3), 98-
117. https://doi.org/10.31876/rcs.
v26i3.33236
Peinado, J. D. J. (2023). Uso de herramientas
digitales y competencias de
investigación en estudiantes de
posgrado. Revista Conrado, 19(92),
8-17.
Pérez, C. (2004). Técnicas de análisis
multivariante de datos: Aplicaciones
con SPSS. Pearson Educación.
Pérez, R., Mercado, P, Martínez, M., Mena,
E., y Partida, J. Á. (2018). La sociedad
del conocimiento y la sociedad de la
información como la piedra angular en
la innovación tecnológica educativa.
RIDE. Revista Iberoamericana para
la Investigación y el Desarrollo
Educativo, 8(16), 847-870. https://
dx.doi.org/10.23913/ride.v8i16.371
Picciano, A. G. (December 18, 2014). A critical
reection of the current research in
online and blended learning. ELM.
European Lifelong Learning Magazine.
https://elmmagazine.eu/a-critical-
reflection-of-the-current-research-in-
online-and-blended-learning/
Quezada, N. (2017). Estadística con SPSS 24.
Editorial Macro.
Rabanal, R., Huamán, C. R., Murga, N. L.,
y Chauca, P. (2020). Desarrollo de
competencias personales y sociales
para la inserción laboral de egresados
universitarios. Revista de Ciencias
Sociales (Ve), XXVI(2), 250-258. https://
doi.org/10.31876/rcs.v26i2.32438
Rajeh, M. T., Abduljabbar, F. H., Alqahtani, S.
M., Waly, F. J., Alnaami, I., Aljurayyan,
A., y Alzaman, N. (2021). Students’
satisfaction and continued intention
toward e-learning: A theory-based
study. Medical Education Online, 26(1)
1961348, https://dx.doi.org/10.1080/10
872981.2021.1961348
Ringle, C. M., Sarstedt, M., Mitchell, R., y
Gudergan, S. P. (2020). Partial least
squares structural equation modeling
in HRM research. The International
Journal of Human Resource
Management, 31(12), 1617-1643.
https://doi.org/10.1080/09585192.2017
.1416655
Rodelo, F. V. (2016). ¿Quién le teme a
Facebook? Reseña de Trucos para el
maestro. Cómo utilizar la tecnología en
el aula. Comunicación y Sociedad, (25),
303-307. https://doi.org/10.32870/cys.
v0i25.4435
Román, J. M., y Gallego, R. (2008). ACRA:
Escalas de estrategias de aprendizaje.
Tea Ediciones.
Romero, D., Oruna, A. M., y Sánchez, J. A.
(2023). Enseñanza y aprendizaje digital:
Desafíos actuales en Latinoamérica.
Revista de Ciencias Sociales (Ve),
XXIX(3), 439-452. https://doi.
org/10.31876/rcs.v29i3.40725
Romero-Rodríguez, J.-M., Aznar-Díaz, I., Hi-
nojo-Lucena, F.-J., y Gómez-García,
G. (2020). Mobile Learning in High-
er Education: Structural Equation
Model for Good Teaching Prac-
tices. IEEE, 15(8), 91761-91769.
https://doi.org/10.1109%2FAC-
CESS.2020.2994967
Salinas, J., De Benito, B., Pérez, A., y Gisbert,
M. (2018). Blended learning, más allá
de la clase presencial. RIED. Revista
Iberoamericana de Educación a
Distancia, 21(1), 195-213. https://doi.
org/10.5944/ried.21.1.18859
Sánchez, J. C., Olmos, S., y García-Peñalvo,
F. J. (2017). ¿Utilizarán los futuros
docentes las tecnologías móviles?

159
Revista de Ciencias Sociales, Vol. XXX, No. 2, 2024 abril-junio
__________________________________________________________________139-159
Licencia de Creative Commons
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Validación de una propuesta de modelo
TAM extendido. Revista de Educación
a Distancia (RED), 17(52). https://
revistas.um.es/red/article/view/282191
Sánchez, J. C., Olmos, S., García, F. J.,
y Torrecilla, E. M. (2016). Las
tabletas digitales en educación
formal: Características principales
y posibilidades pedagógicas. In A.
I. Callejas, J. V. Salido y Ó. Jerez
García (Eds.), Competencia Digital
y Tratamiento de la Información.
Aprender en el Siglo XXI. IV Congreso
Internacional de Competencias
Básicas, Ciudad Real, 9, 10 y 11 de abril
de 2014 (pp. 269-280). Ediciones de la
Universidad de Castilla-La Mancha.
Siemens, G., Gašević, D., y Dawson, S.
(Eds.) (2015). Preparing for the digital
university: A review of the history and
current state of distance, blended, and
online learning. MOOC Research
Initiative.
Staker, H. C. (2011). The Rise of K-12 Blended
Learning: Proles of emerging models.
Innosight Institute.
Stefanic, I., Campbell, R. K., Russ, J. S., y
Stefanic, E. (2020). Evaluation of a
blended learning approach for cross-
cultural entrepreneurial education.
Innovations in Education and Teaching
International, 57(2), 242-254. https://
doi.org/10.1080/14703297.2019.1568
901
Tayebinik, M., y Puteh, M. (2012). Blended
Learning or E-learning? International
Magazine on Advances in Computer
Science and Telecommunications
(IMACST), 3(1), 103-110. https://
papers.ssrn.com/sol3/papers.
cfm?abstract_id=2282881
Trejos-Gil, C. A. (2023a). Structure of the
questionnaire on the Appropriation
of B-learning in teaching work at
the University (ABDU). gshare.
Figure. https://doi.org/10.6084/
m9.gshare.22794749.v1
Trejos-Gil, C. A. (2023b). Chi cuadrado con
relación a la variable dependiente -
ABDU. gshare. Figure. https://doi.
org/10.6084/m9.gshare.22795142.v1
Trejos-Gil, C.A. (2023c). Análisis conrmatorio
ABDU modelo 1 y 2 de 12 factores y
modelo nal de 6 factores. gshare.
Dataset. https://doi.org/10.6084/
m9.gshare.24501973.v1
Trejos-Gil, C. A., y Castro-Escobar, H. Y.
(2020). Implicaciones ontológicas en el
aprendizaje a partir del distanciamiento
social impuesto por la pandemia
COVID-19. Revista Utopía y Práxis
Latinoamericana, 25(E-8), 231-247.
http://doi.org/10.5281/zenodo.4087453
Trejos-Gil, C. A., y González-Callejas,
M. C. (2022). Formación de
investigadores en pregrado. Semillero
de investigación comunicación
digital y ciberculturas. Ciencia y
Academia, (3), 142-156. https://doi.
org/10.21501/2744838X.4490
UNESCO (13 de octubre de 2021). La
inteligencia articial en la educación.
UNESCO. https://www.unesco.org/es/
digital-education/articial-intelligence
Villardón-Gallego, L., Yániz, C., Achurra, C.,
Iraurgi, I., y Aguilar, M. D. C. (2013).
Learning competence in university:
Development and structural validation
of a scale to measure. Revista de Psico-
didáctica, 18(2), 357-374. https://doi.
org/10.1387/RevPsicodidact.6470